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.

Берсенева Е.А.

ФГБУ «Национальный институт качества» Росздравнадзора;
ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации»

Агамов З.Х.

ФГБНУ «Национальный научно-исследовательский институт общественного здоровья им. Н.А. Семашко» Минобрнауки России

Михайлов Д.Ю.

ФГБНУ «Национальный научно-исследовательский институт общественного здоровья им. Н.А. Семашко»

Проблемы использования Международной статистической классификации болезней (МКБ-10) при кодировании заболеваемости и смертности

Авторы:

Берсенева Е.А., Агамов З.Х., Михайлов Д.Ю.

Подробнее об авторах

Журнал: Профилактическая медицина. 2021;24(4): 132‑137

Прочитано: 1832 раза


Как цитировать:

Берсенева Е.А., Агамов З.Х., Михайлов Д.Ю. Проблемы использования Международной статистической классификации болезней (МКБ-10) при кодировании заболеваемости и смертности. Профилактическая медицина. 2021;24(4):132‑137.
Berseneva EA, Agamov ZKh, Mikhailov DYu. Problems of using the International Statistical Classification of Diseases (ICD-10) in coding morbidity and mortality. Russian Journal of Preventive Medicine. 2021;24(4):132‑137. (In Russ.)
https://doi.org/10.17116/profmed202124041132

Рекомендуем статьи по данной теме:

Введение

Состояние здоровья населения является важнейшим маркером благополучия государства и зависит от таких факторов, как образ жизни, наследственность, состояние экологической и социальной среды, качество и доступность оказания медицинской помощи населению. Результативность работы системы охраны здоровья характеризуется комплексом показателей, среди которых важнейшими являются заболеваемость и смертность населения.

Эффективное планирование основных направлений политики и программ развития здравоохранения по снижению уровней заболеваемости и смертности невозможно без корректного сбора и рационального учета данных о состоянии здоровья населения, в связи с чем особую актуальность приобретает развитие технологий обеспечения достоверности получаемых статистических данных в сфере здравоохранения [1].

С целью формирования пула достоверных сведений о процессах заболеваемости и смертности в медицинских организациях ведутся официальные формы статистического наблюдения, установленные Министерством здравоохранения Российской Федерации (РФ) в соответствии с методическими рекомендациями по ведению статистического учета и отчетности.

Основным инструментом сбора такой информации является Международная классификация болезней (МКБ) — инструмент алфавитно-цифрового кодирования, обеспечивающий возможность аккумулирования, хранения и изучения статистических данных медицинской направленности, а также их сопоставления между разными регионами и/или странами [2, 3]. МКБ позволяет регистрировать множество диагнозов, синдромов, а также отдельных симптомов и состояний, полученных при работе с медицинской документацией, в удобном для анализа и демонстрации виде.

Всемирная организация здравоохранения (ВОЗ) в 1993 г. приняла и рекомендовала к использованию 10-й пересмотр МКБ. На основании Приказа Минздрава России от 27.05.97 №170 «О переходе органов и учреждений здравоохранения Российской Федерации на МКБ-10», данная классификация была внедрена в практику здравоохранения РФ [4]. Сегодня МКБ-10 широко используется не только для сбора статистических данных, но и для выявления и обоснования приоритетных направлений перераспределения ресурсов в первичном звене оказания медицинской помощи, мониторинга течения важнейших инфекционных заболеваний, а также проведения клинических исследований [5, 6].

На достоверность статистических сведений о заболеваемости и смертности, могут влиять некоторые особенности, связанные с их регистрацией и учетом. При регистрации смертности оформляется свидетельство о смерти с последующей передачей данных в органы записи актов гражданского состояния и составлением регистра умерших, в том числе и по причинам смерти. При этом данный статистический показатель строится лишь на первоначальной причине смерти, т.е. том состоянии, которое вызвало череду анатомо-физиологических процессов, в конечном счете приведших к летальному исходу.

Заболеваемость регистрируется по обращаемости граждан в медицинские организации, которая в значительной степени зависит от доступности медицинской помощи (город, село), степени ресурсного обеспечения медицинских организаций, а также уровня квалификации медицинских работников. Регистрация случаев заболевания, так же как и факта смерти, проводится врачом или фельдшером при заполнении первичной медицинской документации, с последующим формированием и передачей реестров счетов для оплаты медицинской помощи. Таким образом, верное кодирование заболеваний имеет не только важное эпидемиологическое, но и экономическое значение, определяющее необходимость обеспечения достоверности данных путем исключения ошибок при кодировании по МКБ-10 [7, 8].

Ошибки кодирования при использовании МКБ-10

Недостоверность статистических данных о заболеваемости и смертности при кодировании по МКБ-10, а также их низкое качество являются актуальной проблемой, препятствующей эффективному планированию мероприятий по борьбе с заболеваемостью и смертностью.

Предпосылками возникновения ошибок при кодировании медицинской информации являются: периодические коррективы, вносимые ВОЗ в структуру МКБ; значительное число кодов, обозначающих неопределенные или неуточненные причины смерти (например, «старость», «смерть без свидетелей»); низкий уровень компетенций медицинских работников в области кодирования причин смертности и случаев заболеваемости, а также их невысокая заинтересованность в получении достоверных статистических данных [9].

Значительное влияние на достоверность установки диагнозов оказывают различные экономические (разная стоимость медицинских услуг в системе ОМС в зависимости от нозологической формы) и административные факторы (активное давление со стороны руководителей), а также ряд организационных проблем, включающих недостаточность контроля качества кодирования и слаженности работы представителей судебно-медицинской экспертизы и органов статистики [10].

Не менее важным фактором, приводящим к снижению качества статистических данных, является высокая территориальная мобильность граждан пожилого возраста, в связи с которой регистрация смерти осуществляется именно по месту наступления летального исхода, а не территории постоянной регистрации умершего [11].

Кроме того, значительное число больных, проживающих в малонаселенных городах или сельской местности, могут длительное время не наблюдаться в медицинских организациях и умирают в домашних условиях [10]. Родственники пациентов зачастую отказываются от патологоанатомического вскрытия, увеличивая тем самым процент неуточненных первоначальных причин смерти.

Ошибки при регистрации смерти связаны с определением первоначальной причины смерти, ее кодированием, а также некорректным оформлением свидетельства о смерти. Также отмечается прямая зависимость между этими ошибками и квалификацией медицинского работника, устанавливающего причину смерти, а также частой недостаточностью данных для установления диагноза [12]. В некоторых случаях неудовлетворительное качество кодирования связано с несоответствием используемых в нашей стране клинических формулировок диагнозам, представленным в классификаторе МКБ-10, что влечет за собой произвольную кодировку [4, 13]. Наличие ряда «самобытных» российских терминов (например, «вегетососудистая дистония», «межреберная невралгия», «нормохромная анемия», «дисбактериоз») связано с активной разработкой отечественных клинических и морфологических классификаций, одна часть из которых на сегодняшний момент является устаревшей, а другая — не согласующейся с прописанными в МКБ кодами.

Ряд исследователей выделили следующие ошибки при оформлении медицинского свидетельства о смерти: редкое проведение заполнения нескольких полей при описании летального процесса; выставление одинаковых кодов во всех полях; частая установка неопределенной причины смерти; некорректные формулировки диагнозов, не соответствующих МКБ-10; ошибки в выборе первоначальной причины смерти; небрежное отношение к заполнению учетных форм со стороны медицинских работников [14].

Среди оснований для возникновения многочисленных ошибок при оформлении медицинского свидетельства о смерти отмечаются также недостаточность навыков работы медицинского персонала с МКБ-10, отсутствие инструкций о порядке заполнения свидетельств о смерти; незнание Методических рекомендаций Минздрава России по выбору и кодированию первоначальной причины смерти, а также отсутствие единого учебного центра и программ обучения по работе с МКБ-10 [14—16].

Показатели заболеваемости сегодня являются не менее уязвимым компонентом медицинской статистики. По немногочисленным данным отечественной литературы, о наличии ошибок при регистрации случаев заболеваемости свидетельствует существенная разница в уровнях общей и первичной заболеваемости, а также их выраженные сдвиги при оценке в динамике. Эти явления могут являться результатом неадекватности диагностического процесса, неверного оформления первичной медицинской документации, некорректного определения основных и сопутствующих заболеваний, допущения ошибок при кодировании диагнозов [17].

Информатизация здравоохранения привела к широкому внедрению и распространению в медицинских организациях электронных медицинских карт. Несмотря на это, качество заполнения существенной части документов осталось неудовлетворительным. Использование «шаблонов» при ведении электронных медицинских карт может приводить к излишней формализации описания лечебно-диагностического процесса с упущением ряда значимых состояний [18].

Наличие проблем с кодированием процессов заболеваемости и смертности по МКБ довольно ярко проявила пандемия новой коронавирусной инфекции COVID-19. В МКБ-10 были добавлены два новых кода — U07.1 и U07.2. ВОЗ сформулировала «Международные методические рекомендации по удостоверению и кодированию COVID-19 в качестве причины смерти», на основании которых 27.05.20 Минздравом России были утверждены «Методические рекомендации по кодированию и выбору основного состояния в статистике заболеваемости и первоначальной причины в статистике смертности, связанных с COVID-19» [19]. ВОЗ призвала все страны соблюдать представленный в рекомендациях алгоритм оценки причинно-следственных связей при установлении первоначальной причины смерти для получения достоверных и сопоставимых в международном масштабе статистических данных. Однако в средствах массовой информации неоднократно упоминался факт нарушения принципов кодирования случаев заболеваемости и смертности, связанных с COVID-19. Тем не менее в связи с ограниченностью данных о полноте выполнения рекомендаций ВОЗ судить в настоящее время не представляется возможным.

Рекомендации по правильному кодированию заболеваний и причин смерти

Способствовать повышению качества кодирования причин смерти могут: улучшение диагностических возможностей медицинских организаций; повышение уровня квалификации медицинских работников по работе с МКБ-10; конкретизация субъекта и мер ответственности за качество кодирования; внедрение системы контроля за качеством кодирования причин смерти на всех этапах ее регистрации [13].

Стандартизация методов, способствующих уточнению диагноза, может способствовать конкретизации перечня клинических диагнозов, что упростит ввод информации и позволит снизить число ошибок [20].

Опыт организации системы обучения медицинских работников правилам кодирования причин смерти по МКБ-10 показывает, что возможно существенно снизить число ошибок и повысить достоверность показателей смертности посредством целенаправленной работы с персоналом [21, 22]

При этом необходимо в разы повысить востребованность достоверных статистических данных со стороны органов власти, науки и общества, а также увеличить объем доступной для исследователей медицинской информации, собираемой и анализируемой Федеральной службой государственной статистики [23].

Вместе с тем при выборе источников медицинской статистики должны учитываться следующие их особенности: тип, формат, уровень сложности, что существенно затрудняет предварительную обработку данных, в результате чего возникает проблема в формировании значимых прогнозирующих аналитических сигналов, информационной достоверности. Обработка статистических данных и их моделирование представляют собой сложную задачу, требующую решения.

В связи с этим актуальным становится внедрение искусственного интеллекта в систему кодирования, что подтверждается результатами первичного внедрения подобных систем.

В работе Д.Ш. Вайсмана [24] проводилась оценка оформления свидетельств о смерти до и после обучения врачей по МКБ-10. В результате было установлено, что до обучения частота ошибок оформления свидетельств о смерти составила 80,7%. В то же время после обучения отмечалось значительное снижение частоты ошибок до 23,6%. А при кодировании автоматизированным способом частота ошибок составила всего 1,4%, в то время как при ручном кодировании — 13,9%.

При первичном срезе аналитической информации относительно точности кодирования автоматических систем определяется постепенное повышение эффективности работы автоматизированной системы по всем ключевым показателям, что выражается количественно в 4—5% случаях для набора данных при стационарном лечении, в 2—3% случаев при обработке данных амбулаторной диагностики [25]. Различные источники [26, 27] вносят вклад в точность работы автоматизированной системы. Например, данные, которые были взяты из рецептов, являются наиболее достоверными и статистически информативными. Для каждого источника используется автоматизированная система определенной сложности, требующая разного количества времени и итераций для точного изучения. Информационные базы данных могут находить оптимальный минимум в одних модальностях данных быстрее, чем другие.

С другой стороны, представленная автоматизированная система может значительно превышать точность диагностики, особенно при работе с данными из стационара, поскольку в стационаре больше диагностических данных, что имеет значение при различных типах применения клинического кодирования.

Невзирая на исследования внедренных пилотных вариантов информационных систем, можно утверждать, что автоматический учет диагноза значительно снижает количество ошибок, что коррелирует с результатами зарубежных исследователей, которым удалось в итоге ошибки практически исключить. Использование систем поддержки принятия решений, систематизированных по нозологиям в соответствии с МКБ-10 и увязкой со стандартами и клиническими рекомендациями, помогут медицинскому работнику ориентироваться в маршрутизации пациента для уточнения диагноза и коррекции лечения, а также выдавать наиболее вероятные варианты причины смерти, что в итоге позволит повысить качество оказания медицинской помощи [28—31].

Выводы

Таким образом, имеющиеся проблемы при оформлении медицинской документации, связанные с регистрацией причин смерти и заболеваний, которые отмечены в представленных исследованиях, связаны с большим числом организационных, методических, административных, экономических факторов. Основным способом повышения достоверности статистических данных наряду с повышением уровня компетенций медицинских работников по правильному использованию МКБ-10 считается внедрение автоматизированных систем с функцией поддержки принятия решений. Однако опыт применения подобных систем в РФ незначителен, необходимы дальнейшие шаги по их апробации в практике здравоохранения с представлением соответствующего опыта.

Участие авторов: концепция и дизайн — Е.А. Берсенева; сбор и обработка материала — Д.Ю. Михайлов, Е.А. Берсенева; написание текста — З.Х. Агамов, Д.Ю. Михайлов; редактирование — Е.А. Берсенева.

Авторы заявляют об отсутствии конфликта интересов.

Литература / References:

  1. Вайсман Д.Ш. Система анализа статистики смертности по данным «Медицинских свидетельств о смерти» и достоверность регистрации причин смерти. Социальные аспекты здоровья населения. 2013;2:1-15. 
  2. Chen D, Zhang R, Zhao H, Feng J. Bibliometric Analysis of the Development of ICD-11 in Medical Informatics. J Healthc Eng. 2019;2019:1649363. https://doi.org/10.1155/2019/1649363
  3. Shi X, Liu H, Zhan S, Wang Z, Wang L, Dong C, Wang Y, Yao C, Ding J, Li Y. Rare diseases in China: analysis of 2014-2015 hospitalization summary reports for 281 rare diseases from 96 tertiary hospitals. Orphanet J Rare Dis. 2019;14(1):160.  https://doi.org/10.1186/s13023-019-1137-y
  4. Какорина Е.П., Максимова М.В., Мишнев О.Д., Овчаров В.К., Погорелова Э.И. Секриеру Э.М. Использование Международной статистической классификации болезней и проблем, связанных со здоровьем, десятого пересмотра (МКБ-10) в практике отечественной медицины. М.: НИИ им. Н.А. Семашко РАМН; 2002. Ссылка активна на 12.02.21.  https://webmed.irkutsk.ru/doc/pdf/mkb1.pdf
  5. Jones LK, Pulk R, Gionfriddo MR, Evans MA, Parry D. Utilizing big data to provide better health at lower cost. Am J Health Syst Pharm. 2018;75(7):427-435.  https://doi.org/10.2146/ajhp170350
  6. Bouzillé G, Poirier C, Campillo-Gimenez B, Aubert ML, Chabot M, Chazard E, Lavenu A, Cuggia M. Leveraging hospital big data to monitor flu epidemics. Comput Methods Programs Biomed. 2018;154:153-160.  https://doi.org/10.1016/j.cmpb.2017.11.012
  7. Cheng SW, Wang CY, Chen JH, Ko Y. Healthcare costs and utilization of diabetes-related complications in Taiwan: A claims database analysis. Medicine (Baltimore). 2018;97(31):e11602. https://doi.org/10.1097/MD.0000000000011602
  8. Chiu ATG, Chung CCY, Wong WHS, Lee SL, Chung BHY. Healthcare burden of rare diseases in Hong Kong — adopting ORPHAcodes in ICD-10 based healthcare administrative datasets. Orphanet J Rare Dis. 2018;13(1):147.  https://doi.org/10.1186/s13023-018-0892-5
  9. Юмагузин В.В., Винник М.В. Проблемы статистического учета смертности от внешних причин в России. Проблемы социальной гигиены, здравоохранения и истории медицины. 2017;25(5):265-268. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/problemy-statisticheskogo-uchyota-smertnosti-ot-vneshnih-prichin-v-rossii
  10. Барбараш О.Л., Бойцов С.А., Вайсман Д.Ш., Галявич А.С., Драпкина О.М., Забозлаев Ф.Г., Зайратьянц О.В., Какорина Е.П., Кактурский Л.В., Клевно В.А., Никулина Н.Н. Самородская И.В., Черкасов С.Н., Эфрос Л.А., Якушин С.С. Проблемы оценки показателей смертности от отдельных причин. Комплексные проблемы сердечно-сосудистых заболеваний. 2018;7(2):6-9.  https://doi.org/10.17802/2306-1278-2018-7-2-6-9
  11. Папанова Е.К., Школьников В.М., Андреев Е.М., Тимонин С.А. Высокая продолжительность жизни москвичей после 80 лет — реальность или статистический артефакт? Успехи геронтологии. 2017;30(6):826-835. Ссылка активна на 12.02.21.  https://www.gersociety.ru/netcat_files/userfiles/10/AG_2017-30-06.pdf
  12. Лопаков К.В. Оценка достоверности кодирования причин смерти (по материалам пилотного исследования). Социальные аспекты здоровья населения. 2011;2:1-12. Ссылка активна на 12.02.21.  https://vestnik.mednet.ru/content/view/292/30/lang,ru/
  13. Самородская И.И., Ватолина М.А., Белов В.Б., Бойцов С.А. Оценка уровня смертности от психических заболеваний и болезней системы кровообращения: проблемы кодирования и статистического учета случаев смерти. Проблемы социальной гигиены, здравоохранения и истории медицины. 2014;5:8-12. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/otsenka-urovnya-smertnosti-ot-psihicheskih-zabolevaniy-i-bolezney-sistemy-krovoobrascheniya-problemy-kodirovaniya-i-statisticheskogo
  14. Сабгайда Т.П., Семенова В.Г., Иванова А.Е., Евдокушкина Г.Н., Секриеру Е.М., Никитина С.Ю. Полнота учета в медицинских свидетельствах о смерти состояний, приведших к смерти. Здравоохранение РФ. 2014;5:4-7. Ссылка активна на 12.02.01.  https://elibrary.ru/item.asp?id=21943807
  15. Иванов В.К., Кочергина Е.В., Зеленская Н.С., Максютов М.А., Туманов К.А., Щукина Н.В., Чекин С.Ю. Методы анализа качества первичной медицинской информации по цереброваскулярным болезням для когорты российских ликвидаторов. Радиация и риск (Бюллетень НРЭР). 2015;2:77-84. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/metody-analiza-kachestva-pervichnoy-meditsinskoy-informatsii-po-tserebrovaskulyarnym-boleznyam-dlya-kogorty-rossiyskih-likvidatorov
  16. Вайсман Д.Ш. О влиянии кодирования некоторых заболеваний из класса «Болезни системы кровообращения» на статистику заболеваемости и смертности. Врач и информационные технологии. 2013;4:50-55. Ссылка активна на 12.02.21.  https://www.elibrary.ru/download/elibrary_20276403_18332803.pdf
  17. Кривонос О.В. Болезнь Паркинсона: достоверность статистических показателей заболеваемости и смертности в Российской Федерации. Саратовский научно-медицинский журнал. 2013;4:863-866. Ссылка активна на 12.02.21.  https://www.elibrary.ru/download/elibrary_21527878_54768960.pdf
  18. Берсенева Е.А., Седов А.А. Автоматизированная система лексического анализа: основные методы и подходы. Вестник современной клинической медицины. 2017;2:7-12.  https://doi.org/10.20969/vskm.2017.10(2).7-12
  19. Методические рекомендации по кодированию и выбору основного состояния в статистике заболеваемости и первоначальной причины в статистике смертности, связанных с COVID-19. Утверждены Министерством здравоохранения РФ 27.05.20. Ссылка активна на 12.02.01.  https://www.garant.ru/products/ipo/prime/doc/74083741/
  20. Незнанов А.А., Старичкова Ю.В. Развитие классификации клинических диагнозов в медицинских информационных системах. Бизнес-информатика. 2015;2(32):39-46. Ссылка активна на 12.02.21.  https://www.hse.ru/data/2015/06/16/1084146088/4.pdf
  21. Вайсман Д.Ш. Совершенствование системы информационного обеспечения оценки и анализа смертности населения на уровне субъекта Российской Федерации: Дис. ... д-ра мед. наук. М. 2015. Ссылка активна на 12.02.21.  mednet.ru/images/stories/files/abstracts/Autoreferat_Vajsman.pdf
  22. Шиф А.А., Лушнов М.С., Солдатенкова Ж.М., Березин А.И. Научное обоснование автоматизации сбора и обработки данных о показателях смертности в Санкт-Петербурге. Вестник НовГУ. 2010;59:24-28. Ссылка активна на 12.02.21.  https://www.elibrary.ru/download/elibrary_15220519_53831002.pdf
  23. Юмагузин В.В., Винник М.В. Проблемы качества статистики смертности в России. ЭКО. 2019;10:54-77. 
  24. Вайсман Д.Ш. Анализ влияния обучения врачей и внедрения автоматизированной системы на достоверность статистики смертности. Бюллетень Национального научно-исследовательского института общественного здоровья им. Н.А. Семашко. 2015;6:22-31. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/analiz-vliyaniya-obucheniya-vrachey-i-vnedreniya-avtomatizirovannoy-sistemy-na-dostovernost-statistiki-smertnosti
  25. Automated AI approaches to clinical coding «A Case Study». Growing Data; 2020. Accessed February 12, 2021. https://growingdata.com.au/automated-ai-approaches-to-clinical-coding-a-case-study/
  26. Сычугов Г.В., Дивисенко А.С., И.Н. Шиман. Анализ неправильной формулировки заключительного клинического диагноза. Вестник Северо-Западного государственного медицинского университета им. И.И. Мечникова. 2016;8(1):117-122. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/analiz-nepravilnoy-formulirovki-zaklyuchitelnogo-klinicheskogo-diagnoza/viewer
  27. Попова Н.М., Кирьянов, Н.А., Семеновых Е.А., Андреева А.М., Плюхин С.В. Улучшение качества оказания медицинской помощи: роль патологоанатомической службы. Научный медицинский журнал «Авиценна». 2017;14:38-40. Ссылка активна на 12.02.21.  https://www.elibrary.ru/item.asp?id=32378857
  28. Чеченин Г.И., Райх А.В., Дубровин А.А., Жилина Н.М. Информационная поддержка принятия решений врачом для повышения качества медицинской помощи. ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ. 2015;2(2):151. Ссылка активна на 12.02.21.  https://cyberleninka.ru/article/n/informatsionnaya-podderzhka-prinyatiya-resheniy-vrachom-dlya-povysheniya-kachestva-meditsinskoy-pomoshi
  29. Санников А.Г. Системы поддержки принятия решения в судебной психиатрии. Врач и информационные технологии. 2008;4:64-65. Ссылка активна на 12.02.21.  https://www.elibrary.ru/download/elibrary_11968988_36158120.pdf
  30. Хромушин В.А., Хадарцев А.А., Даильнев В.И., Ластовецкий А.Г. Принципы реализации мониторинга смертности на региональном уровне. Вестник новых медицинских технологий. Электронное издание. 2014;1.  https://doi.org/10.12737/5610
  31. Берсенева Е.А., Михайлов Д.Ю. Сравнительный анализ показателей оценки соответствия кодирования заключительных диагнозов в автоматизированной системе поддержки кодирования. Уральский медицинский журнал. 2020(4):61-66.  https://doi.org/10.25694/URMJ.2020.04.09

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.