Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Назаров А.М.

ФГБОУ ВО «Оренбургский государственный медицинский университет»

Толпыгина С.Н.

ФГБУ «Национальный медицинский исследовательский центр терапии и профилактической медицины»

Кича Д.И.

ФГАОУ ВО «Российский университет дружбы народов» Минобрнауки России

Голощапов-Аксенов Р.С.

ФГАОУ ВО «Российский университет дружбы народов»

Анализ больших данных о медицинских услугах при ишемической болезни сердца для управления качеством амбулаторной помощи и оценки вероятности неблагоприятных исходов

Авторы:

Назаров А.М., Толпыгина С.Н., Кича Д.И., Голощапов-Аксенов Р.С.

Подробнее об авторах

Журнал: Профилактическая медицина. 2021;24(11): 21‑27

Прочитано: 1045 раз


Как цитировать:

Назаров А.М., Толпыгина С.Н., Кича Д.И., Голощапов-Аксенов Р.С. Анализ больших данных о медицинских услугах при ишемической болезни сердца для управления качеством амбулаторной помощи и оценки вероятности неблагоприятных исходов. Профилактическая медицина. 2021;24(11):21‑27.
Nazarov AM, Tolpygina SN, Kicha DI, Goloshchapov-Aksenov RS. Big data analysis on medical services in coronary heart disease for outpatient care quality management and assessment of the risk of the adverse outcomes. Russian Journal of Preventive Medicine. 2021;24(11):21‑27. (In Russ.)
https://doi.org/10.17116/profmed20212411121

Рекомендуем статьи по данной теме:
Ин­фаркт ми­окар­да в мо­ло­дом воз­рас­те. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(11):77-84
Кар­ди­оген­ная де­мен­ция. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. 2025;(8):43-49

Введение

Среди сердечно-сосудистых заболеваний основной причиной смерти взрослого населения является ишемическая болезнь сердца (ИБС), доля которой в 2017 г. в Российской Федерации составила 53,2%. Для сравнения, в США ИБС в структуре смертности от болезней системы кровообращения составляет 43,8% [1, 2].

Финансовые потери от ИБС измеряются ежегодно в миллиардах рублей [3]. Решение клинико-экономической проблемы ИБС в целом состоит в совершенствовании оказания профилактической медицинской помощи [4].

Для совершенствования профилактической помощи при ИБС используется систематизированная автоматизированная информация о больных, которая в научных публикациях называется большими данными и на основании которой можно проводить популяционные медико-социальные исследования [5, 6]. Большие данные определяют как «объемные, высокоскоростные и разнообразные информационные активы, требующие экономически эффективных и инновационных форм обработки информации для улучшения понимания и принятия решений» [7]. Большие данные в здравоохранении соответствуют критериям объема, скорости и разнообразия, однако исторически их не использовали для измерения качества и эффективности медицинской помощи, для повышения результативности принятия решений [7, 8].

На основании анализа больших данных в здравоохранении поставщики медицинских услуг получают достоверные сведения о наиболее эффективных технологиях и стратегиях лечения. Большие данные представляют ценность для оценки качества оказываемой медицинской помощи, для проведения медико-социальных исследований по изучению здоровья общества и деятельности систем здравоохранения [9, 10]. Их используют для управления рисками сердечно-сосудистых заболеваний [11].

Исследования закономерностей возрастно-половых характеристик риска инфаркта миокарда (ИМ) путем расчета индивидуального риска болезней системы кровообращения дают основание утверждать, что мужской пол и наличие ИБС в анамнезе связаны с более высоким добавочным риском неблагоприятных коронарных событий в сравнении с женским полом и отсутствием первичной ИБС [12, 13]. Однако определение вероятности ИМ в популяционных группах больше, чем расчет индивидуального риска, подходит для планирования медицинских ресурсов и для разработки организационных мероприятий по снижению риска, в связи с чем в настоящей работе представлен такой формат исследования.

Среди первоочередных задач при управлении рисками — выявление факторов и инцидентов рисков [14]. В качестве одного из факторов риска осложнений ИБС рассматривается низкая приверженность больных к посещению лечебных учреждений — проблема распространенная и актуальная во всем мире. Несмотря на очевидную значимость проблемы низкой приверженности пациентов к посещению амбулаторных учреждений, ее до последнего времени редко подвергали объективной оценке [15].

При компьютерном анализе больших данных важна разработка алгоритмов машинного обучения. С помощью таких алгоритмов компьютерный анализ повышает точность прогнозирования сердечно-сосудистых рисков и способствует повышению эффективности первичной медико-санитарной помощи [16, 17].

Большие объемы информации об оказанных медицинских услугах регулярно поступают из медицинских организаций (МО) в территориальный фонд обязательного медицинского страхования (ТФОМС) в форме персонифицированных структурированных счетов-реестров. Кроме того, МО генерируют огромный объем неструктурированной информации, которая содержится в текстах и ежедневно поступает в единую государственную информационную систему в сфере здравоохранения (ЕГИСЗ) в форме электронных медицинских карт, которые анализируются в медицинском информационно-аналитическом центре (МИАЦ).

При информационном взаимодействии структур министерств здравоохранения регионов (МО и МИАЦ) и обязательного медицинского страхования (ТФОМС и медицинских страховых организаций) в электронном контуре обратной связи каждая участвующая и заинтересованная группа с помощью компьютерных технологий может отслеживать все результирующие показатели и на их основе принимать соответствующие решения, следствием которых должно быть снижение рисков осложнений, улучшение клинических исходов заболеваний и качества лечебно-профилактической работы. Однако для этого необходимо разработать технологию информационного управления качеством результата амбулаторной помощи. При таком управлении процесс выработки и реализации управленческих решений носит косвенный характер и объекту управления его субъектом предоставляется информационная картина, ориентируясь на которую этот объект самостоятельно выбирает линию поведения.

Цель исследования — определить значимость анализа больших данных о медицинских услугах при ИБС для управления качеством амбулаторной помощи и оценки вероятности неблагоприятных исходов.

Материал и методы

Исследование проводили в 2016—2019 гг. Базой являлась система здравоохранения Оренбургской области. Для получения больших данных о медицинских услугах использовали электронные счета-реестры ТФОМС Оренбургской области. По счетам-реестрам, представленным в ТФОМС за 2016 г. МО трех крупных городов Оренбургской области, в том числе Оренбурга, были выделены персонифицированные данные о медицинских услугах, оказанных 34 168 больным со стенокардией напряжения (МКБ-10: I20.8) и 295 181 пациенту с другими неинфекционными заболеваниями за исключением ИБС. Больные были зарегистрированы с помощью метода сплошной выборки и компьютерной программы 1C «Медико-экономическая экспертиза» по первичным обращениям в поликлиники и по плановым госпитализациям в стационар за 2016 г. с учетом отсутствия летальных исходов за этот год среди этой когорты. Всех пациентов со стенокардией и без нее разделили на группы в зависимости от возраста. В группу больных со стенокардией вошли: 1168 (3,4%) пациентов молодого возраста (18—44 лет), 5915 (17,3%) — зрелого возраста (45—59 лет) и 27 085 (79,3%) — пожилого/старческого возраста (≥60 лет); группу без стенокардии составили: 91 101 (30,9%) пациент молодого возраста, 101 714 (34,5%) — зрелого возраста, 102 366 (34,6%) — пожилого/старческого возраста.

Среди пациентов со стенокардией выделили больных, у которых по счетам-реестрам за 2017 г. был выявлен ИМ, и рассчитали вероятность его развития по возрастным группам с учетом числа больных со стенокардией в каждой группе и числа среди них больных с зарегистрированным ИМ по электронным счетам-реестрам за 2017 г. Для расчета вероятности ИМ использовали формулу:

P(A)=m/n,

где n — общее число всех равновозможных элементарных исходов; m — количество элементарных исходов, благоприятствующих событию A [18].

Среди 34 168 пациентов со стенокардией напряжения за 2017 г. в каждой возрастной группе определили долю больных, обращавшихся в поликлиники с лечебно-диагностической и диспансерной целями, а также в стационары и скорую медицинскую помощь (СМП) по поводу всех форм стенокардии (МКБ-10: I20.0—I20.9).

В 2018 г. началось внедрение в работу ТФОМС, МИАЦ и поликлиник оригинальной технологии управления качеством амбулаторной помощи на основе анализа больших данных о медицинских услугах ТФОМС и МИАЦ и информационной интеграции «СМП, стационар — ТФОМС + МИАЦ-поликлиника».

Технология информационного управления качеством амбулаторной помощи заключается в следующем: МИАЦ из ЕГИСЗ ежедневно получает информацию о больных ИБС, в том числе со стенокардией, вызывавших СМП и выписанных из стационара после госпитализации. С учетом кода прикрепления больных по участковому принципу эта информация обрабатывается на компьютере по соответствующей программе и хранится на сервере МИАЦ. Она доступна администратору каждой поликлиники через программный интерфейс. После получения информации о прикрепленных к поликлинике больных ИБС в связи с их экстренными госпитализациями и вызовами СМП в амбулаторные учреждения такие пациенты внепланово приглашаются на прием к участковому терапевту. В ТФОМС при анализе электронных персонифицированных данных ежемесячно дублируют этот процесс информирования поликлиник и контролируют вызовы больных ИБС, в частности, со стенокардией, на амбулаторный прием с последующим диспансерным наблюдением после экстренных госпитализаций и обращений в СМП. Результаты контроля ТФОМС ежемесячно выставляет на своем сайте для поликлиник. По итогам каждого квартала года, в том числе с учетом полученных результатов контролируемой приверженности к посещениям амбулаторных учреждений и охвата диспансерным наблюдением, категории больных с экстренными госпитализациями и вызовами СМП ТФОМС проводит финансовое стимулирование поликлиник.

Для оценки эффективности этой технологии из числа 34 168 больных со стенокардией напряжения, зарегистрированных в 2016 г., выделили методом сплошной выборки из счетов-реестров ТФОМС за 2018 г. 31 216 пациентов. Больных разделили по возрастным группам: в группу молодого возраста вошли 578 пациентов, зрелого возраста — 5321, пожилого и старческого возраста — 25 317 больных (табл. 1). В этих возрастных группах определили доли больных, обращавшихся в поликлиники, в стационары и СМП в 2019 г. по поводу всех форм стенокардии, а также выявили среди них больных с ИМ и рассчитали вероятность ИМ в каждой группе. Затем провели сравнение значения вероятностей ИМ и данные по долям больных стенокардией каждой возрастной группы, обращавшихся в поликлиники, СМП и стационары за 2017 и 2019 гг.

Таблица 1. Возрастная структура обращаемости больных со стенокардией напряжения в Оренбургской области в медицинские организации за скорой, стационарной и амбулаторной помощью в 2017 и 2019 гг. по поводу всех форм стенокардии (МКБ-10: I20.0—I20.9)

Показатель

Пациенты молодого возраста (18—44 года)

Пациенты зрелого возраста (45—59 лет)

Пациенты пожилого и старческого возраста (≥60 лет)

2017 г.,

n=1168

2019 г.,

n=578

2017 г.,

n=5915

2019 г.,

n=5321

2017 г.,

n=27 085

2019 г.,

n=25 317

Средний возраст, лет

37,2±0,13

39,4±0,18

53,4±0,029

55,6±0,031

67,4±0,026

69,6±0,027

Доля женщин, %

37

41

46

48

59

58

Доля больных, обратившихся в поликлинику, %

51,5

56,3

53,5

76,7*

73,1

84,9*

Доля больных, обратившихся в скорую помощь, %

46,5

43,9

36,3

25,6*

21,53

20,6*

Доля больных, госпитализированных в стационар, %

14,3

15,6

13,4

14,5

9,31

8,4*

Примечание. * — различия сравниваемых показателей статистически достоверны (p<0,01).

Для сравнения показателей использовали t-критерий Стьюдента и z-критерий [19]. Статистическую обработку проводили с помощью пакета программ Statistica 10 [20]. Достоверными считали различия при p<0,05.

Результаты и обсуждение

Результаты анализа обращаемости больных со стенокардией в поликлиники выявили у молодых пациентов в сравнении с другими возрастными группами наиболее низкую приверженность к посещениям амбулаторных учреждений во все анализируемые периоды наблюдения (табл. 1). При этом рассчитанные доли больных по вызовам СМП и по госпитализациям в стационар по поводу стенокардии наибольшими у пациентов молодого возраста.

При анализе посещаемости поликлиник до и после внедрения в регионе технологии информационного управления качеством амбулаторной помощи (2017 и 2019 г.) отмечено достоверное повышение доли больных с посещениями амбулаторных учреждений среди пациентов зрелого и пожилого/старческого возраста: с 53,5 до 76,7% и с 73,1 до 84,9% соответственно. Таким образом, повысилась приверженность больных со стенокардией в возрасте 45 лет и старше к амбулаторным посещениям с лечебно-диагностической и диспансерной целями и, как следствие, к прохождению вторичной профилактики ИБС. Кроме того, достоверно снизились доли больных среди пациентов пожилого/старческого возраста, вызывавших СМП и госпитализируемых в стационар, уменьшилась доля больных зрелого возраста, обращавшихся в СМП (p<0,01). При этом у больных молодого возраста не было достоверных различий ни по одному из анализируемых показателей.

Следует отметить самую высокую приверженность к посещениям амбулаторных учреждений среди больных пожилого/старческого возраста на фоне наиболее низкой среди трех возрастных групп обращаемости за скорой медицинской и стационарной помощью по поводу стенокардии как в 2017, так и в 2019 г. (см. табл. 1). В целом полнота обращений в поликлиники составляла менее 100%, а в группе больных молодого возраста была ниже 60%. Таким образом, более 40% больных со стенокардией напряжения молодого возраста как в 2017, так и в 2019 г. не обращались в амбулаторные учреждения с лечебно-диагностической и диспансерной целью, но вызывали СМП и госпитализировались в стационар по поводу стенокардии.

При сравнении значений вероятности ИМ у больных со стенокардией до и после внедрения рассматриваемой технологии информационного управления качеством амбулаторной помощи установлено, что вероятность ИМ у категории больных зрелого и пожилого/старческого возраста незначительно, но все же достоверно снизилась: с 0,07248 до 0,06915 (p<0,05) и с 0,05026 до 0,04981 (p<0,01) соответственно (табл. 2).

Таблица 2. Сравнение вероятности возникновения инфаркта миокарда у больных стенокардией за 2017 и 2019 гг. по возрастным группам

Показатель

Пациенты молодого возраста (18—44 года)

Пациенты зрелого возраста (45—59 лет)

Пациенты пожилого и старческого возраста (≥60 лет)

2017 г.,

n=1168

2019 г.,

n=578

2017 г.,

n=5915

2019 г.,

n=5321

2017 г.,

n=27 085

2019 г.,

n=2531

Средний возраст, лет

37,2±0,13

39,4±0,18

53,4±0,029

55,6±0,031

67,4±0,026

69,6±0,027

Доля женщин, %

37

41

46

48

59

58

Инфаркт миокарда

83

40

434

368

1453

1261

Вероятность инфаркта миокарда

0,07106

0,06920

0,07248

0,06915*

0,05026

0,04981*

Примечание. * — различия сравниваемых показателей статистически достоверны (p<0,05).

В группе без ИБС (295 181 больной) ИМ в 2017 г. был зарегистрирован у 151 пациента молодого возраста, у 191 — зрелого возраста и у 564 лиц пожилого/старческого возраста. Вероятность развития ИМ в 2017 г. в этой когорте составила 0,00079 для пациентов молодого возраста, 0,00188 — для пациентов зрелого возраста, 0,00551 — для пациентов старше 60 лет (табл. 3). По этим данным вероятность развития ИМ у больных, не имеющих ИБС, в пожилом и старческом возрасте была в 6,9 раза выше, чем у больных молодого возраста, и в 2,9 раза выше, чем у больных зрелого возраста. Разность значений вероятности ИМ между группами больных молодого и пожилого/старческого возраста, а также между группами больных зрелого и пожилого/старческого возраста была достоверной.

Таблица 3. Вероятность возникновения инфаркта миокарда при анализе трех признаков: возраст, стенокардия, инфаркт миокарда в 2017 г., n=329 349

Возраст

Стенокардия

Инфаркт миокарда

Всего по строке

нет

есть

18—44 года

Нет

0,99921

0,00079

1,00000

Есть

0,92894

0,07106

1,00000

45—59 лет

Нет

0,99812

0,00188

1,00000

Есть

0,92752

0,07248

1,00000

≥60 лет

Нет

0,99449

0,00551

1,00000

Есть

0,94974

0,05026

1,00000

Среди 34 168 больных со стенокардией ИМ в течение 2017 г. произошел у 83 пациентов молодого возраста, у 434 — зрелого возраста и у 1453 лиц пожилого/старческого возраста. Вероятность ИМ в молодом возрасте составила 0,07106, в зрелом возрасте — 0,07248, в пожилом и старческом возрасте — 0,05026. Результаты анализа показали, что у больных со стенокардией вероятность возникновения ИМ в возрастной группе от 18 до 45 лет превышает вероятность развития ИМ у больных без стенокардии в 90 раз, в группе 45—59 лет — в 38 раз, в группе 60 лет и старше — в 9 раз.

В табл. 3 представлены результаты расчета значений вероятности ИМ в 2017 г. в каждой исследуемой возрастной группе при наличии и отсутствии стенокардии.

Результаты исследования показали, что лица молодого возраста со стенокардией напряжения чаще, чем больные других возрастных групп обращаются за скорой помощью и госпитализируются в стационар по поводу возникновения ангинозных жалоб. Такая тенденция может быть обусловлена большей выраженностью симптомов прогрессирования стенокардии у молодых пациентов, чем у лиц зрелого и пожилого/старческого возраста.

При стенокардии у больных молодого и зрелого возраста вероятность ИМ в 1,4 раза выше, чем у больных пожилого и старческого возраста. Возможно, это связано с тем, что течение стенокардии в пожилом и старческом возрасте более стабильное, чем в молодом и зрелом возрасте, на фоне большей приверженности лиц старше 60 лет к амбулаторным посещениям и, соответственно, к оптимальной медикаментозной терапии.

Кроме того, было установлено, что вероятность ИМ многократно выше при наличии стенокардии, чем при ее отсутствии, и снижается при повышении приверженности к посещениям амбулаторных учреждений. При стенокардии бо́льшая вероятность возникновения ИМ отмечается у больных молодого и зрелого возраста, а при отсутствии ИБС она выше в пожилом/старческом возрасте.

Результаты проведенного анализа больших данных о медицинских услугах дают основание считать факторами популяционного риска ИМ при стенокардии низкую приверженность к посещениям амбулаторных учреждений, а также молодой и зрелый возраст больных. Полученные сведения о высокой вероятности ИМ при стенокардии, особенно среди лиц молодого и зрелого возраста, целесообразно учитывать при разработке организационных мероприятий по снижению популяционного риска у больных этих возрастных групп.

Больные со стенокардией с низкой приверженностью к первичной медико-санитарной помощи остаются вне поля зрения врачей поликлиник после выписки из стационара и обращений в скорую помощь, поскольку стационары и СМП не предоставляют поликлиникам информацию об оказании этим больным медицинской помощи. Однако в результате информирования поликлиник со стороны МИАЦ и ТФОМС о больных со стенокардией, вызывавших СМП и госпитализированных в стационар, а также за счет контроля ТФОМС за результатами этого процесса доля пациентов со стенокардией, посещающих амбулаторные учреждения с лечебно-диагностической и диспансерной целью, в зрелом и пожилом/старческом возрасте существенно возрастает. Кроме того, в этих возрастных категориях больных со стенокардией при информационном управлении снизилась вероятность ИМ, уменьшилась доля больных с вызовами СМП и экстренными госпитализациями.

Таким образом, установлено продуктивное воздействие разработанной и внедренной в регионе технологии информационного управления качеством медицинской помощи на приверженность к амбулаторным посещениям и, как следствие, на вероятность возникновения ИМ при стенокардии. При этом разработанный алгоритм машинного анализа персонифицированных данных счетов-реестров ТФОМС, включающий определение долей больных со стенокардией с конечными клиническими точками и обращениями в МО (поликлиники, СМП, стационары), позволяет с помощью компьютерных технологий быстро оценивать качество амбулаторной помощи для принятия управленческих решений.

В то же время полученная при исследовании информация указывает на низкую приверженность к посещениям амбулаторных учреждений больных со стенокардией напряжения, особенно молодого возраста. А обращаемость в СМП и уровень госпитализации по поводу прогрессирования стенокардии среди них остается высоким, являясь индикатором недостаточной эффективности профилактических мероприятий сердечно-сосудистых неблагоприятных событий. Кроме того, статистические данные Министерства здравоохранения Оренбургской области за 2017—2019 гг. не показывают снижения смертности от ИБС, в 2017 г. смертность была на уровне 285,6 случая на 100 тыс. населения, в 2019 г. — 321,3 на случая на 100 тыс. (изменения статистически не значимы). В то же время общая заболеваемость в регионе при ишемической болезни сердца за эти годы снизилась с 75,6 до 71,5 на 1000 населения (p<0,05). Наблюдалась тенденция к повышению первичной заболеваемости при ИБС: с 10,5 до 11,4 на 1000 населения. При стенокардии отмечалась аналогичная картина по заболеваемости, как и в целом при ИБС: первичная заболеваемость повысилась с 4,9 до 5,4 на 1000 населения, общая заболеваемость снизилась с 34,9 до 33,1 на 1000 населения, но эти изменения были недостоверны.

Можно считать, что тенденция к повышению показателя первичной заболеваемости при ИБС и, в частности, при стенокардии, а также снижение общей заболеваемости ИБС является в определенной степени результатом внедрения в регионе технологии информационного управления качеством амбулаторной помощи при ИБС. Выявление по большим данным о медицинских услугах дополнительной категории больных с этой патологией, не обращающихся за амбулаторной помощью, но вызывающих СМП и экстренно госпитализируемых по поводу прогрессирования ИБС с последующим информированием поликлиник об этих случаях закономерно приводит к повышению статистического показателя первичной заболеваемости. В то же время контролируемая со стороны ТФОМС своевременность амбулаторных посещений с последующим взятием больных ИБС на диспансерное наблюдение и их лечение, направленное на снижение в том числе общей заболеваемости при ИБС, проявилось в снижении заболеваемости. Однако результаты исследования и статистические данные Министерства здравоохранения области по заболеваемости и смертности от ИБС в регионе свидетельствуют о необходимости интенсификации процесса управления качеством амбулаторной помощи, в том числе на основе информационных технологий и анализа больших данных о медицинских услугах.

Заключение

Анализ обращаемости больных в МО при ИБС и определение неблагоприятных исходов этого заболевания по большим персонифицированным данным ТФОМС предоставляет важную информацию, которая отсутствует в традиционных отчетных формах. При этом подобные сведения могут быть использованы для информационного управления качеством амбулаторной помощи, для планирования медицинских ресурсов и для разработки организационных мероприятий по снижению риска неблагоприятных исходов ИБС. В частности, для последнего имеет значение выявленная особенность риска ИМ у больных со стенокардией — более высокая вероятность возникновения ИМ в молодом и зрелом, а не в пожилом/старческом возрасте.

Управление качеством амбулаторной помощи при ИБС по данным о медицинских услугах ТФОМС и МИАЦ при информационной интеграции «СМП, стационар — ТФОМС + МИАЦ-поликлиника», впервые примененное на практике, совершенствует систему поликлинической помощи. Это проявляется в повышении приверженности больных к посещениям амбулаторных учреждений, в снижении у них вероятности неблагоприятных исходов и в уменьшении числа больных с вызовами СМП и экстренными госпитализациями.

Участие авторов: концепция и дизайн исследования — А.М. Назаров, Д.И. Кича, С.Н. Толпыгина; сбор и обработка материала — А.М. Назаров; статистическая обработка данных — А.М. Назаров, Р.С. Голощапов-Аксенов; написание текста — А.М. Назаров, Р.С. Голощапов-Аксенов; редактирование — С.Н. Толпыгина, Д.И. Кича.

Авторы заявляют об отсутствии конфликта интересов.

The authors declare no conflicts of interest.

Литература / References:

  1. Benjamin E, Virani S, Callaway C, Chamberlain AM, Chang AR, Cheng S, Chiuve SE, Cushman M, Delling FN, Deo R, de Ferranti SD, Ferguson JF, Fornage M, Gillespie C, Isasi CR, Jiménez MC, Jordan LC, Judd SE, Lackland D, Lichtman JH, Lisabeth L, Liu S, Longenecker CT, Lutsey PL, Mackey JS, Matchar DB, Matsushita K, Mussolino ME, Nasir K, O’Flaherty M, Palaniappan LP, Pandey A, Pandey DK, Reeves MJ, Ritchey MD, Rodriguez CJ, Roth GA, Rosamond WD, Sampson UKA, Satou GM, Shah SH, Spartano NL, Tirschwell DL, Tsao CW, Voeks JH, Willey JZ, Wilkins JT, Wu JH, Alger HM, Wong SS, Muntner P. Heart Disease and Stroke Statistics — 2018 Update: A Report From the American Heart Association. Circulation. 2018;137:67-492.  https://doi.org/10.1161/CIR.0000000000000558
  2. Сведения о смертности населения по причинам смерти по Российской Федерации за январь—декабрь 2017 года. Федеральная служба государственной статистики. Ссылка активна на 01.07.21.  https://www.gks.ru/free_doc/2017/demo/t3_3.xls
  3. Концевая А.В., Калинина А.М., Колтунов И.Е., Оганов Р.Г. Социально-экономический ущерб от острого коронарного синдрома в Российской Федерации. Рациональная Фармакотерапия в Кардиологии. 2011; 7(2):158-166.  https://doi.org/10.20996/1819-6446-2011-7-2-158-166
  4. ГОСТ Р 56044-2014 Оценка медицинских технологий. М.: Стандартинформ; 2014.
  5. Loewen L, Roudsari A. Evidence for business intelligence in health care: a literature review. Stud Health Technol Inform. 2017;235:579-583. 
  6. Муравьева В.Н., Максименко Л.Л., Хрипунова А.А., Зафирова В.Б., Максименко Е.В. Статистические методы обработки результатов медико-социальных исследований. Учеб.-метод. пособие. Ставрополь: Издательство СтГМУ; 2017.
  7. IT glossary: big data. Stamford: Gartner; 2012. Accessed June 17, 2014. https://www.gartner.com/it-glossary/big-data/
  8. White S. A review of big data in health care: challenges and opportunities. Open Access Bioinformatics. 2014;6:13-18.  https://doi.org/10.2147/OAB.S50519
  9. Hintz J, O’Connor M. First steps in the era of value-based health care purchasing. Western Springs: National Law Review; 2012. Accessed June 18, 2014. https://www.natlawreview.com/article/first-steps-era-value-based-health-care-purchasing
  10. Лучкевич В.С. Основы медицинской статистики. Учебно-методическое пособие. СПб.: Издательство СЗГМУ им. И. И. Мечникова; 2014.
  11. Tocci G, Ferrucci A, Guida P, Avogaro A, Comaschi M, Corsini A, Cortese C, Giorda CB, Manzato E, Medea G, Mureddu GF, Riccardi G, Titta G, Ventriglia G, Zito GB, Volpe M. Use of Electronic Support for Implementing Global Cardiovascular Risk Management. High Blood Press Cardiovasc Prev. 2010;17:37-47.  https://doi.org/10.2165/11311750-000000000-00000
  12. Бойцов С.А., Самородская И.В. Смертность и потерянные годы жизни в результате преждевременной смертности от болезней системы кровообращения. Кардиоваскулярная терапия и профилактика. 2014; 13(2):4-11.  https://doi.org/10.15829/1728-8800-2014-2-4-11
  13. Максимов С.А., Индукаева Е.В., Данильченко Я.В., Табакаев М.В., Кузьмина О.К., Артамонова Г.В. Возрастно-половые аспекты среднесрочных исходов, связанных с ишемической болезнью сердца, в открытой популяции (ЭССЕ — РФ в Кемеровской области). Медицина в Кузбассе. 2016;15(1):21-27. 
  14. Бурыкин И.М., Алеева Г.Н., Хафизьянова Р.Х. Управление рисками в системе здравоохранения как основа безопасности оказания медицинской помощи. Современные проблемы науки и образования. 2013;1:80. Ссылка активна на 01.08.21.  https://science-education.ru/ru/article/view?id=8463
  15. Семенова Ю.В., Кутишенко Н.П., Марцевич С.Ю. Анализ проблемы низкой приверженности пациентов к посещению амбулаторных учреждений и программ кардиореабилитации по данным опубликованных исследований. Рациональная Фармакотерапия в Кардиологии. 2015; 11(6):618-625.  https://doi.org/10.20996/1819-6446-2015-11-6-618-625
  16. Weng S, Reps J, Kai J, Garibaldi J, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLOS One. 2017;12(4):e0174944. https://doi.org/10.1371/journal.pone.0174944
  17. Бурыкин И.М., Алеева Г.Н., Хафизьянова Р.Х. Перспективность метода анализа больших данных (big data) для оценки качества и эффективности фармакотерапии пациентов с артериальной гипертензией. Современные технологии в медицине. 2017;9(4):194-200.  https://doi.org/10.17691/stm2017.9.4.24
  18. Гнеденко Б.В. Курс теории вероятностей. М. 2007.
  19. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина; 1978.
  20. Боровиков В.П. Statistica. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. СПб.: Питер; 2003.

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.