ЖурналыПодпискаАрхивКнигиПроектыО насРекламаДоставка/ОплатаКонтакты
+7 (495) 482-43-29
  • Главная
  • / Журналы
  • / Вернуться в журнал
  • / Содержание номера
  • / Статья
Инновационные технологии автоматизации обработки данных опросов и представления их результатов для принятия управленческих решений в здравоохранении

Инновационные технологии автоматизации обработки данных опросов и представления их результатов для принятия управленческих решений в здравоохранении

Авторы:
Сергей Александрович Орлов,
Оксана Юрьевна Александрова,
Илья Владимирович Герасимов

Журнал: Медицинские технологии. Оценка и выбор. 2026;48(2):78-87.

DOI: 10.17116/medtech20264802178

Прочитано: 482 раза

Резюме

ЦЕЛЬ ИССЛЕДОВАНИЯ

Разработать методологию автоматизации обработки данных социологических опросов и создать прототип инновационной информационно-аналитической системы (ИАС), представляющей полученные результаты в графическом формате и формализованном текстовом описании, для поддержки принятия управленческих решений в здравоохранении.

МАТЕРИАЛ И МЕТОДЫ

Исследование выполнено на основе демонстрационного набора данных, сформированного для оценки готовности медицинских организаций к чрезвычайным ситуациям (ЧС). Каждая запись набора данных содержала демографические и профессиональные характеристики респондента, а также ответы на 25 вопросов, охватывающих ключевые аспекты готовности к ЧС (наличие планов при эпидемиях и катастрофах, ресурсы, обучение, взаимодействие с экстренными службами и др.). Предварительная обработка данных включала удаление пропусков и дубликатов, контроль через производный признак, выявление выбросов методом межквартильного размаха. Проведен разведывательный анализ данных с применением дескриптивной статистики и визуализации. Для сравнения групп использован комплекс статистических тестов. Текстовые ответы анализировались методами обработки естественного языка (Natural Language Processing, NLP). Тексты ответов преобразованы в количественные оценки или тематические категории посредством семантического моделирования и классификации (использована предобученная модель RuBERT).

РЕЗУЛЬТАТЫ

Разработан прототип ИАС для автоматизированной обработки данных опросов. Прототип апробирован на данных опроса медицинских работников, оценивающего готовность медицинских организаций к ЧС. Система построена на базе открытого технологического стека и включает модули хранения данных, обработки (очистка и агрегирование), анализа текстовых ответов и визуализации результатов, обеспечивая полный цикл преобразования исходных данных опроса в информативные отчеты. Показано, что ИАС обеспечивает комплексный анализ больших объемов опросных данных, выявление скрытых закономерностей и формирование интерактивных дашбордов, графиков, сводных таблиц и тепловых карт. Данное решение позволяет специалистам в сфере здравоохранения получать достоверную и актуальную информацию о состоянии готовности системы здравоохранения, в частности к ЧС и глобальным вызовам.

ЗАКЛЮЧЕНИЕ

Исследование продемонстрировало возможность интеграции классических методов статистического анализа и технологий NLP на единой платформе для оценки готовности системы здравоохранения к ЧС. Разработанная ИАС подтвердила эффективность в качестве инструмента поддержки принятия управленческих решений. Ее использование позволяет преобразовывать разрозненные данные опросов в количественные показатели, оперативно выявлять проблемные зоны в системе здравоохранения, а также отслеживать их изменения в динамике. Предложенная методология может быть масштабирована и адаптирована к другим задачам, способствуя тем самым ускоренной цифровой трансформации системы здравоохранения.

Ключевые слова

  • автоматизация обработки данных опросов
  • визуализация данных
  • информационно-аналитическая система
  • обработка естественного языка
  • поддержка принятия управленческих решений
  • система здравоохранения
  • чрезвычайные ситуации

Дата поступления: 16.07.2025

Дата принятия в печать: 18.09.2025

Дата публикации: 26.06.2026

Литература / References
  1. Odera D. A survey on techniques, methods and security approaches in big data healthcare. Global Journal of Engineering and Technology Advances. 2023;14(02):093-106. https://doi.org/10.30574/gjeta.2023.14.2.0035
  2. Ibomoiye DM, Obaido G, Jere N, et al. A survey of explainable artificial intelligence in healthcare: Concepts, applications, and challenges. Informatics in Medicine Unlocked. 2024;51:101587. https://doi.org/10.1016/j.imu.2024.101587
  3. van Buchem MM, Neve OM, Kant IMJ, Steyerberg EW, Boosman H, Hensen EF. Analyzing patient experiences using natural language processing: development and validation of the artificial intelligence patient reported experience measure (AI-PREM). BMC Medical Informatics and Decision Making. 2022;22(1):183. https://doi.org/10.1186/s12911-022-01923-5
  4. Van den Wyngaert I, Van Pottelbergh G, Coteur K, Vaes B, Van den Bulck S. Developing a questionnaire to evaluate an automated audit & feedback intervention: a Rand-modified Delphi method. BMC Health Services Research. 2024;24(1):433. https://doi.org/10.1186/s12913-024-10915-2
  5. Shah N, Mohan D, Bashingwa JJH, Ummer O, Chakraborty A, LeFevre AE. Using Machine Learning to Optimize the Quality of Survey Data: Protocol for a Use Case in India. JMIR Research Protocols. 2020;9(8):e17619. https://doi.org/10.2196/17619
  6. Akbar S, Lyell D, Magrabi F. Automation in nursing decision support systems: A systematic review of effects on decision making, care delivery, and patient outcomes. Journal of the American Medical Informatics Association. 2021;28(11):2502-2513. https://doi.org/10.1093/jamia/ocab123
  7. Schulze A, Brand F, Geppert J, Böl GF. Digital dashboards visualizing public health data: a systematic review. Frontiers in Public Health. 2023;11:999958. https://doi.org/10.3389/fpubh.2023.999958
  8. Khairat SS, Dukkipati A, Lauria HA, Bice T, Travers D, Carson SS. The Impact of Visualization Dashboards on Quality of Care and Clinician Satisfaction: Integrative Literature Review. JMIR Human Factors. 2018;5(2):e22. https://doi.org/10.2196/humanfactors.9328
slide-cover
slide-cover
slide-cover

Рекомендуем статьи по данной теме:

Современные методы диагностики возраста у живых лиц в условиях массовой миграции населения при чрезвычайных ситуациях с использованием искусственного интеллекта.Судебно-медицинская экспертиза. 2025;68(6):10-14

Совершенствование организации судебно-медицинской экспертизы при чрезвычайных ситуациях с использованием цифровых методов.Судебно-медицинская экспертиза. 2025;68(6):5-9

Цифровые технологии при амбулаторном ведении пациентов с хронической обструктивной болезнью легких: возможности снижения бремени заболевания.Профилактическая медицина. 2025;28(9):134-139

Опыт создания нейросетевой диалоговой системы для ответов на письменные обращения населения в крупное федеральное учреждение здравоохранения.Медицинские технологии. Оценка и выбор. 2025;47(2):48-57

Цифровизация в медицине и здравоохранении России.Восстановительные биотехнологии, профилактическая, цифровая и предиктивная медицина. 2025;2(2):5-9

Издательство «Медиа Сфера»
РекламаДоставка/ОплатаО насКонтактыОбучение для редакцийПолитика конфиденциальностиПолитика обработки персональных данныхПубличная оферта на реализацию издательской продукции
ЖурналыПодпискаАрхивКнигиПроекты
  • RuStore

© 1998-2026

  • Телефоны издательства:

  • +7 (495) 482-41-18
  • +7 (495) 482-43-29
  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)

  • +7 (800) 250-18-12
  • пн-пт с 10:00 до 18:00

  • Telegram
  • VK
info@mediasphera.ru
  • Почтовый адрес:

  • Издательство «Медиа Сфера»,
    а/я 54, Москва, Россия, 127238

  • RuStore

© 1998-2026