Управление здравоохранением на основе анализа первичных данных

Для управления здравоохранением необходимо обеспечение процесса принятия организационных решений. Министерством здравоохранения Российской Федерации в период COVID-19 была отработана система еженедельных аналитических отчетов о смертности населения. Результаты этого мониторинга являются основой принятия управленческих решений по совершенствованию организации медицинской помощи. Цель. Создание модели анализа смертности для применения в целях управления здравоохранением на основе первичных данных. Материалы и методы. Источник данных о зарегистрированных умерших за период с 2019 по 2023 г. – данные Федерального реестра медицинских документов о смерти единой государственной информационной системы в сфере здравоохранения (ФРМДС ЕГИСЗ), Федеральной службы государственной статистики и Федерального регистра лиц, больных COVID-19. Обработка и визуализация данных произведены с помощью программы Microsoft Excel, PowerPoint и на автоматической основе на базе ЕГИСЗ. Результаты. Результаты еженедельной оперативной обработки данных ФРМДС ЕГИСЗ соотносятся с оперативными данными о смертности, опубликованными Росстатом. Используемый подход позволяет максимально охватить учтенный в первичных данных о смертности вклад острых инфекционных заболеваний, а показатели летальности пациентов отражают качество оказания медицинской помощи. На основе выбранных показателей разработана методика расчета интегрального индекса, который отражает уровень риска, связанного с ростом смертности от COVID-19. Заключение. Существующие информационные системы и отработанные подходы к анализу данных позволяют повышать эффективность управления здравоохранением, при этом набор показателей и периодичность их расчета могут быть адаптированы к запросам организаторов здравоохранения.

1. Cozzoli N., Salvatore F.P., Faccilongo N., Milone M. How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC Health Serv Res. 2022; 22: 809. https://doi.org/10.1186/s12913-022-08167-z. PMID: 35733192

2. Wang Y., Hajli N. Exploring the path to big data analytics success in healthcare. J Bus Res. 2017; 70: 287–299. https://doi.org/10.1016/j.jbusres.2016.08.002

3. Vandoros S. Excess mortality during the Covid-19 pandemic: Early evidence from England and Wales. Soc Sci Med. 2020; 258: 113101. https://doi.org/10.1016/j.socscimed.2020.113101. PMID: 32521411

4. Beaney T., Clarke J.M., Jain V., et al. Excess mortality: the gold standard in measuring the impact of COVID-19 worldwide? Journal of the Royal Society of Medicine. 2020; 113(9): 329–334. https://doi.org/10.1177/0141076820956802. PMID: 32910871

5. Schumacher A.E., Kyu H.H., Aali A., et al. Global age-sex-specifi c mortality, life expectancy, and population estimates in 204 countries and territories and 811 subnational locations, 1950–2021, and the impact of the COVID-19 pandemic: a comprehensive demographic analysis for the Global Burden of Disease Study 2021. The Lancet. 2024; 403(10440): 1989–2056. https://doi.org/10.1016/S0140-6736(24)00476-8. PMID: 38484753

6. Timonin S., Klimkin I., Shkolnikov V.M., et al. Excess mortality in Russia and its regions compared to high income countries: An analysis of monthly series of 2020. SSM – Population Health. 2022; 17: 101006. https://doi.org/10.1016/j.ssmph.2021.101006. PMID: 35005187

7. Scherbov S., Gietel-Basten S., Ediev D., et al. COVID-19 and excess mortality in Russia: Regional estimates of life expectancy losses in 2020 and excess deaths in 2021. PLoS ONE. 2022; 17(11): e0275967. https://doi.org/10.1371/journal.pone.0275967. PMID: 36322565