Головерова Ю.А., Абросимова О.А., Кузнецова А.В., Воронин Е.М.
МАШИННОЕ ОБУЧЕНИЕ ДЛЯ ОЦЕНКИ ВЗАИМОСВЯЗИ КАДРОВЫХ РЕСУРСОВ И ОСНОВНЫХ ПОКАЗАТЕЛЕЙ ЗДРАВООХРАНЕНИЯ С ЗАБОЛЕВАЕМОСТЬЮ ИНФЕКЦИЯМИ, СВЯЗАННЫМИ С ОКАЗАНИЕМ МЕДИЦИНСКОЙ ПОМОЩИ, СРЕДИ ПАЦИЕНТОВ СТАЦИОНАРОВ В СУБЪЕКТАХ РОССИЙСКОЙ ФЕДЕРАЦИИ *
Аннотация:
в работе изучена взаимосвязь заболеваемости инфекций, связанных с оказанием медицинской помощи с показателями кадровых ресурсов и основных показателей здравоохранения. Представлен анализ статистически значимых закономерностей в многопараметрической выборке показателей отчётности. При помощи программного обеспечения: Microsoft Excel, Data Master Azforus с применением методов машинного обучения, в том числе, оригинальные методы (оптимально достоверных разбиений и статистически взвешенных синдромов), сделаны рекомендации для усовершенствования системы эпидемиологического надзора
Ключевые слова:
машинное обучение, DMA, данные, инфекции, связанные с оказанием медицинской помощи, кадровые ресурсы, показатели здравоохранения
УДК 004.021
Головерова Ю.А.
младший научный сотрудник лаборатории инфекций,
связанных с оказанием медицинской помощи
Центральный научно-исследовательский институт эпидемиологии
Роспотребнадзора
(г. Москва, Россия)
Абросимова О.А.
руководитель эпидемиологической службы,
врач-эпидемиолог, младший научный сотрудник лаборатории инфекций,
связанных с оказанием медицинской помощи
Центральный научно-исследовательский институт эпидемиологии
Роспотребнадзора
(г. Москва, Россия)
Кузнецова А.В.
канд. биол. наук, старший научный сотрудник научной группы
математического моделирования и эпидемиологических процессов
Центральный научно-исследовательский институт эпидемиологии Роспотребнадзора
Институт Биохимической физики им. Н.М. Эмануэля
(г. Москва, Россия)
Воронин Е.М.
канд. мед. наук, руководитель научной группы
математических методов и эпидемиологического прогнозирования
Центральный научно-исследовательский институт эпидемиологии
Роспотребнадзора
(г. Москва, Россия)
МАШИННОЕ ОБУЧЕНИЕ ДЛЯ ОЦЕНКИ ВЗАИМОСВЯЗИ
КАДРОВЫХ РЕСУРСОВ И ОСНОВНЫХ ПОКАЗАТЕЛЕЙ
ЗДРАВООХРАНЕНИЯ С ЗАБОЛЕВАЕМОСТЬЮ ИНФЕКЦИЯМИ,
СВЯЗАННЫМИ С ОКАЗАНИЕМ МЕДИЦИНСКОЙ ПОМОЩИ,
СРЕДИ ПАЦИЕНТОВ СТАЦИОНАРОВ В СУБЪЕКТАХ РОССИЙСКОЙ ФЕДЕРАЦИИ
Аннотация: в работе изучена взаимосвязь заболеваемости инфекций, связанных с оказанием медицинской помощи с показателями кадровых ресурсов и основных показателей здравоохранения. Представлен анализ статистически значимых закономерностей в многопараметрической выборке показателей отчётности. При помощи программного обеспечения: Microsoft Excel, Data Master Azforus с применением методов машинного обучения, в том числе, оригинальные методы (оптимально достоверных разбиений и статистически взвешенных синдромов), сделаны рекомендации для усовершенствования системы эпидемиологического надзора.
Ключевые слова: машинное обучение, DMA, данные, инфекции, связанные с оказанием медицинской помощи, кадровые ресурсы, показатели здравоохранения.
Обеспечение населения страны доступной, специализированной медицинской помощью является приоритетной задачей правительства Российской Федерации (РФ), которая регламентируется Минздравом России и на региональном уровне органами государственной власти субъектов РФ в сфере охраны здоровья. Кроме того, в стационарах субъектов РФ среди пациентов контролируется эпидемиологическая безопасность на уровне Роспотребнадзора и Росздравнадзора [1 416 с., 2 с. 46].
При этом, важным критерием качества оказания медицинской помощи является показатель заболеваемости инфекциями, связанными с оказанием медицинской помощи (ИСМП). Так, ежегодно выявляются ИСМП среди пациентов стационаров в субъектах РФ. Кроме того, ИСМП в большинстве случаев, присоединяясь к основному заболеванию, часто сводят на нет результаты лечения, увеличивают летальность, а также длительность госпитализации и лечения, и, следовательно, потребность отрасли здравоохранения в дополнительных экономических ресурсах.
В условиях реформирования здравоохранения и государственной санитарно-эпидемиологической службы является актуальным усовершенствование существующей системы управления деятельностью медицинских организаций – формирование системы, которая обеспечивала бы, прежде всего, эффективное использование кадровых, финансовых и других ресурсов, направляемых в отрасль. Руководителям органов управления и учреждений здравоохранения, Роспотребнадзора в практике необходимы эффективно действующие механизмы выработки и принятия научно обоснованных управленческих решений, ориентированных на достижение конечных результатов – обеспечение эпидемиологической безопасности медицинской помощи пациентам [3-4].
С конца ХХ века и с каждым днём методы машинного обучения (англ. machine learning) активно внедряются в работу организаторов здравоохранения как один из способов создания диагностических и прогностических моделей в медико-биологических исследованиях [5 с. 225, 6 с. 43].
Цель: Выявление статистически значимых закономерностей в многопараметрической выборке показателей отчётности для усовершенствования системы эпидемиологического надзора за ИСМП методами машинного обучения.
Задачи
Материалы и методы
Для настоящего исследования были взяты: отчёты Референс-центра по мониторингу за ИСМП Центрального научно-исследовательского института эпидемиологии, данные Федеральной службы государственной статистики, опубликованные результаты исследований по исследуемой тематике по 85 субъектам РФ за 2020 г. При проведении статистического анализа использовали программное обеспечение: Microsoft Excel, Data Master Azforus, с применением методов машинного обучения, в том числе, оригинальные методы (оптимально достоверных разбиений (ОДР) и статистически взвешенных синдромов (СВС).
Результаты и обсуждение
Обучающая выборка включила 70 объектов и 34 показателя отчётности по изучаемой теме, которая была разделена на два класса субъектов РФ по целевому показателю «Кумулятивная инцидентность зарегистрированных случаев ИСМП среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре)» («Кумулятивная инцидентность случаев ИСМП в 2020 г.»). Границей деления на классы была взята 1. Первый класс: 50 объектов с низким показателем «Кумулятивная инцидентность случаев ИСМП в 2020 г.» – ниже 1. Второй класс: 20 объектов – выше 1.
Следует отметить, что 15 субъектов РФ (Республики Тыва, Северная Осетия-Алания, Чувашская, Карелия, Алтай; Чукотский авт. округ; Калужская, Челябинская, Пермская, Ульяновская, Оренбургская, Архангельская, Тамбовская и Воронежская области и Красноярский край) не участвовали в машинном обучении и были использованы в качестве прямого контроля на полученном решающем правиле: 8 из них полученным алгоритмом (9 значимых показателей) были отнесены к 1 классу – с низким значением показателя «Кумулятивная инцидентность случаев ИСМП в 2020 г.», а 7 были отнесены ко 2 классу – с высоким значением показателя «Кумулятивная инцидентность случаев ИСМП в 2020 г.». Данное распознавание можно считать прогнозом, который в дальнейшем должен быть взят для обоснованных мероприятий по переводу субъектов РФ, попавших во 2 класс, в первый класс. На основе 9 показателей с поставленными границами разбиения каждому субъекту может быть создан план перехода в благоприятный класс.
Статистический анализ с применением U-критерия Манна–Уитни из 34 показателей выявил значимые различия между классами по 8 показателям. Метод ОДР подтвердил значимость некоторых из них и выявил два других значимых показателя (Таблица 1).
Таблица 1 – Значимые различия между классами сравнения методом
U-критерия Манна-Уиттни и методом оптимально достоверных разбиений
|
№ п/п |
Показатель |
Mean1 |
Mean2 |
U-test p< |
ОДР p< |
|
1. |
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
0,4153 |
1,267 |
0,000249 |
0,0045 |
|
2. |
Инвестиции в основной капитал направленные на развитие здравоохранения по субъектам РФ в 2020 г. (миллионов руб.) |
7555,2 |
3044 |
0,0132 |
не значимо (н/з) |
|
3. |
Летальные исходы среди пациентов с ИСМП в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
10,12 |
12,01 |
не значимо (н/з) |
0,0255 |
|
4. |
Общебольничная летальность по субъектам РФ в 2020 г. (%) |
0,316 |
0,68 |
0,018 |
0,0285 |
|
5. |
Расходование консолидированного бюджета на здравоохранения по субъектам РФ в 2020 г. (миллионов рублей) |
31544 |
10645 |
0,018 |
не значимо (н/з) |
|
6. |
Заболеваемость населения болезнями мочеполовой системы по субъектам РФ в 2020 г. (на 100 тыс. человек населения) |
2578,8 |
1565,3 |
0,019 |
не значимо (н/з) |
|
7. |
Заболеваемость инфекций области хирургического вмешательства среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 операций) |
0,2676 |
0,7821 |
0,032 |
не значимо (н/з) |
|
8. |
Заболеваемость инфекциями кровотока среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
0,002936 |
0,006219 |
0,035 |
не значимо (н/з) |
|
9. |
Заболеваемость инфекциями мочевыводящих путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
0,001319 |
0,00743 |
0,050 |
0,0085 |
|
10. |
Распределение численности врачей СПГ и врачей по общей гигиене по субъектам РФ в 2020 г. (на 100 тыс. чел. населения) |
9,249 |
7,026 |
не значимо (н/з) |
0,0395 |
Для показателя «Распределение численности врачей санитарно-противоэпидемической группы и врачей по общей гигиене по субъектам РФ в 2020 г. (на 100 тыс. чел. населения)» («Распределение численности врачей СПГ и врачей по общей гигиене в 2020 г.») приведём иллюстрацию работы метода ОДР. На диаграмме рассеяния (Рис. 1) преобладают объекты с высоким уровнем показателя «Кумулятивной инцидентности случаев ИСМП в 2020 г.» – зелёные кружки – слева от границы, равные 6,98. С правой стороны от границы преобладают субъекты РФ с низким уровнем – «Кумулятивной инцидентности случаев ИСМП в 2020 г.» – красные крестики.
Рис. 1. Одномерная диаграмма рассеяния. Ось X – «Распределение численности врачей СПГ и врачей по общей гигиене в 2020 г.» (на 100 тыс. человек населения). Ось Y – «Летальные исходы среди пациентов с ИСМП в 2020 г.» (на 1000 пролеченных в стационаре). В первом квадранте – ниже границы разбиения – преобладает второй класс. Во втором квадранте преобладает первый класс.
Таблица 2 – Преобладание классов с двух сторон от границ разбиения
|
№ п/п |
Показатель |
Преобладает |
Граница |
Преобладает |
p-value |
|
1. |
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
1 класс |
0,116 |
2 класс |
0,0045 |
|
2. |
Заболеваемость инфекциями мочевыводящих путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
1 класс |
0,00215 |
2 класс |
0,0085 |
|
3. |
Летальные исходы среди пациентов с ИСМП в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
1 класс |
0,005 |
2 класс |
0,0255 |
|
4. |
Общебольничная летальность по субъектам РФ в 2020 г. (%) |
1 класс |
1,5 |
2 класс |
0,0285 |
|
5. |
Распределение численности врачей СПГ и врачей по общей гигиене по субъектам РФ в 2020 г. (на 100 тыс. чел. населения) |
2 класс |
6,98 |
1 класс |
0,0395 |
Статистический анализ с применением U-критерия Манна–Уитни выявил значимые различия между классами по 8 показателям (первое число p<). Метод ОДР подтвердил значимость некоторых из них (второе число p<): «Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре)» – p<0,000249/0,0045 (ОДР), «Инвестиции в основной капитал направленные на развитие здравоохранения по субъектам РФ в 2020 г. (миллионов руб.)» – 0,0132/нз, «Общебольничная летальность по субъектам РФ в 2020 г. (%)» – 0,018/0,0285, «Расходование консолидированного бюджета на здравоохранение по субъектам РФ в 2020 г. (миллионов рублей)» – 0,018/нз, «Заболеваемость населения болезнями мочеполовой системы по субъектам РФ в 2020 г. (на 100 тыс. человек населения)» – 0,019/нз, «Заболеваемость инфекциями области хирургического вмешательства среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 операций)» – 0,032/нз, «Заболеваемость инфекциями кровотока среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре)» – 0,035/нз, «Заболеваемость инфекциями мочевыводящих путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре)» – 0,05/0,0085.
ОДР выявил дополнительно значимые показатели: «Летальные исходы среди пациентов с ИСМП в стационарах субъектов РФ в 2020 г.» – p<0,0255, «Распределение численности врачей СПГ и врачей по общей гигиене в 2020 г.» – p<0,0395. Для этого показателя приведем иллюстрацию работы метода ОДР. На диаграмме рассеяния (Рис. 1) преобладают объекты с высоким уровнем показателя «Кумулятивной инцидентности случаев ИСМП в 2020 г.» – зелёные кружки – слева от границы, равной 6,98. С правой стороны от границы преобладают субъекты с низким уровнем показателя «Кумулятивной инцидентности случаев ИСМП в 2020 г.» – красные крестики.
Методом ОДР были выявлены 15 значимых закономерностей на двумерных разбиениях – с участием пар показателей. Самой значимой из них стала пара: «Расходование консолидированного бюджета на здравоохранение в 2020 г.» и «Летальные исходы среди пациентов с ИСМП в 2020 г.», p<0,0005 для обоих показателей. На диаграмме рассеяния (Рис. 2) значения второго класса (с высоким показателем «Кумулятивной инцидентности случаев ИСМП в 2020 г.» – зелёные кружки) расположены в первом квадранте, где сочетаются низкие значения показателя «Расходование консолидированного бюджета на здравоохранение в 2020 г.» и высокие значения «Летальные исходы среди пациентов с ИСМП в 2020 г.» среди пациентов с ИСМП. В трёх других квадрантах преобладают значения первого класса – с низким уровнем показателя «Кумулятивной инцидентности случаев ИСМП в 2020 г.» (красные крестики). Данная закономерность подтверждает значимость взаимосвязи показателей: «Расходование консолидированного бюджета на здравоохранение в 2020 г.» и «Летальные исходы среди пациентов с ИСМП в 2020 г.». Три субъекта РФ из первого класса попали в первый квадрант: Кировская, Астраханская, Новгородская области. В связи с этим, можно предположить, что данные субъекты РФ имеют риск попасть в класс с высоким показателем «Кумулятивной инцидентности случаев ИСМП в 2020 г.».
Таблица 3 – Пары показателей, значимые по двумерным разбиениям
|
№ п/п |
Показатель |
Хи-квадрат |
Граница |
p-value |
Квадранты разбиения |
|
|
1. |
Расходование консолидированного бюджета на здравоохранение по субъектам РФ в 2020 г.(миллионов рублей) |
31,198 |
19537 |
0,0005 |
4 (8,5 %) / 15 (75 %) |
13 (27,7 %) / 0 (0 %) |
|
|
Летальные исходы среди пациентов с ИСМП в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,005 |
0,0005 |
22 (46,8 %) / 3 (15 %) |
8 (17 %) / 2 (10 %) |
|
2. |
Инвестиции в основной капитал направленные на развитие здравоохранения по субъектам РФ в 2020 г. (миллионов руб.) |
29,512 |
4494,5 |
0,0005 |
3 (6,4 %) / 13 (65 %) |
14 (29,8 %) / 1 (5 %) |
|
|
Летальные исходы среди пациентов с ИСМП в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,02 |
0,002 |
23 (48,9 %) / 2 (10 %) |
7 (14,9 %) / 4 (20 %) |
|
3. |
Заболеваемость населения болезнями эндокринной системы, расстройством питания и нарушениями обмена веществ по субъектам РФ в 2020 г. (на 100 тыс. человек населения) |
29,343 |
944,9 |
0,0005 |
3 (6,5 %) / 12 (70,6 %) |
17 (37 %) / 4 (23,5 %) |
|
|
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,116 |
0,0135 |
17 (37 %) / 0 (0 %) |
9 (19,6 %) / 1 (5,9 %) |
|
4. |
Заболеваемость населения болезнями мочеполовой системы по субъектам РФ в 2020 г. (на 100 тыс. человек населения) |
27,74 |
2216,1 |
0,002 |
6 (13 %) / 14 (82,4 %) |
14 (30,4%) / 2 (11,8 %) |
|
|
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,116 |
0,0265 |
16 (34,8 %) / 0 (0 %) |
10 (21,7 %) / 1 (5,9 %) |
|
5. |
Инвестиции в основной капитал направленные на развитие здравоохранения по субъектам РФ в 2020 г. (миллионов руб.) |
27,197 |
2249 |
0,0135 |
1 (2,2 %) / 9 (52,9 %) |
19 (41,3 %) / 7 (41,2 %) |
|
|
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,116 |
0,0315 |
6 (13 %) / 0 (0 %) |
20 (43,5 %) / 1 (5,9 %) |
|
6. |
Расходование консолидированного бюджета на здравоохранение по субъектам РФ в 2020 г. (миллионов рублей) |
26,834 |
16079,5 |
0,003 |
8 (17,4 %) / 15 (88,2 %) |
12 (26,1 %) / 1 (5,9 %) |
|
|
Заболеваемость инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,116 |
0,038 |
17 (37 %) / 0 (0 %) |
9 (19,6 %) / 1 (5,9 %) |
|
7. |
Число медицинских организаций в сельской местности по субъектам РФ в 2020 г. (на 100 тыс. населения) |
23,306 |
37,33 |
0,0275 |
3 (6,7 %) / 1 (5,9 %) |
1 (2,2 %) / 4 (23,5 %) |
|
|
Заболеваемость инфекциями области хирургического вмешательства среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 операций) |
- |
0,535 |
0,007 |
1 (2,2 %) / 6 (35,3 %) |
40 (88,9 %) / 6 (35,3 %) |
|
8. |
Инвестиции в основной капитал направленные на развитие здравоохранения по субъектам РФ в 2020 г. (миллионов руб.) |
21,703 |
6359 |
0,01 |
0 (0 %) / 7 (35 %) |
5 (10,6 %) / 0 (0 %) |
|
|
Заболеваемость инфекциями мочевыводящих путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,0005 |
0,0085 |
29 (61,7 %) / 12 (60 %) |
13 (27,7 %) / 1 (5 %) |
|
9. |
Расходование консолидированного бюджета на здравоохранение по субъектам РФ в 2020 г. (миллионов рублей) |
20,402 |
16204 |
0,0105 |
0 (0 %) / 7 (35 %) |
5 (10,6 %) / 0 (0 %) |
|
|
Заболеваемость инфекциями мочевыводящих путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,0005 |
0,0195 |
25 (53,2 %) / 10 (50 %) |
17 (36,2 %) / 3 (15 %) |
|
10. |
Оборот койки по субъектам РФ в 2020 г. (количество пролеченных пациентов на 1 койке) |
19,136 |
0,6 |
0,0025 |
26 (52 %) / 4 (20 %) |
6 (12 %) / 1 (5 %) |
|
|
Распределение численности врачей СПГ и врачей по общей гигиене по субъектам РФ в 2020 г. (на 100 тыс. чел. населения) |
- |
6,98 |
0,057 |
8 (16 %) / 14 (70 %) |
10 (20 %) / 1 (5 %) |
|
11. |
Заболеваемость инфекциями области хирургического вмешательства среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 операций) |
18,992 |
0,535 |
0,0085 |
3 (6,5 %) / 6 (35,3 %) |
3 (6,5 %) / 0 (0 %) |
|
|
Заболеваемость инфекциями кровотока среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 пролеченных в стационаре) |
- |
0,003 |
0,0215 |
38 (82,6 %) / 6 (35,3 %) |
2 (4,3 %) / 5 (29,4 %) |
|
12. |
Заболеваемость населения болезнями органов дыхания по субъектам РФ в 2020 г. (на 100 тыс. человек населения) |
17,561 |
4432,3 |
0,037 |
3 (6,4 %) / 0 (0 %) |
0 (0 %) / 2 (12,5 %) |
|
|
Заболеваемость катетер-ассоциированными инфекциями кровотока среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 катетеро/дней) |
- |
0,007 |
0,004 |
22 (46,8 %) / 14 (87,5 %) |
22 (46,8 %) / 0 (0 %) |
|
13. |
Мощность коечного фонда по субъектам РФ в 2020 г. (%) |
15,468 |
0,6 |
0,014 |
18 (38,3 %) / 11 (57,9 %) |
10 (21,3 %) / 0 (0 %) |
|
|
Распределение численности врачей онкологов в медицинских организациях субъектов РФ в 2020 г. (на 100 тыс. чел. населения) |
- |
5,455 |
0,0065 |
15 (31,9 %) / 1 (5,3 %) |
4 (8,5 %) / 7 (36,8 %) |
|
14. |
Средняя длительность лечения по субъектам РФ в 2020 г. (количество дней) |
14,192 |
1,5 |
0,0125 |
16 (32 %) / 4 (20 %) |
0 (0 %) / 4 (20 %) |
|
|
Распределение численности врачей кардиологов в медицинских организациях субъектов РФ в 2020 г. (на 100 тыс. чел. населения) |
- |
10,235 |
0,0215 |
21 (42 %) / 11 (55 %) |
13 (26 %) / 1 (5 %) |
|
15. |
Средняя длительность лечения по субъектам РФ в 2020 г. (количество дней) |
12,904 |
1,5 |
0,0155 |
9 (19,1 %) / 2 (12,5 %) |
0 (0 %) / 3 (18,8 %) |
|
|
Заболеваемость ИВЛ-ассоциированными инфекциями нижних дыхательных путей среди пациентов в стационарах субъектов РФ в 2020 г. (на 1000 ИВЛ/дней) |
- |
0,005 |
0,0255 |
27 (57,4 %) / 11 (68,8 %) |
11 (23,4 %) / 0 (0 %) |
В таблице 3 представлены пары показателей, для которых на перестановочном тесте доказана значимость различия между классами сравнения. В четырёх квадрантах указано число значений каждого класса и их процентное соотношение. Эти пары показателей наряду с одномерными закономерностями участвуют в голосовании при распознавании методом СВС.
Рис. 2. Двумерная диаграмма рассеяния. Ось Х – «Расходование консолидированного бюджета на здравоохранение в 2020 г.» (миллионов рублей)». Ось Y – «Летальные исходы среди пациентов с ИСМП в 2020 г.» (на 1000 пролеченных в стационаре)». В первом квадранте преобладает второй класс – низкие значения по Х и высокие по Y. Во втором квадранте преобладает первый класс. В третьем квадранте преобладает первый класс. В четвёртом квадранте преобладает первый класс.
На рисунке 2 для лучшей наглядности три субъекта РФ не показаны на диаграмме из-за очень больших значений по оси Х: Москва – 482397, Московская область – 143930, Санкт-Петербург – 130695.
На основе значимых одномерных и двумерных закономерностях был построен алгоритм распознавания, оформленный в программу «Прогноз». В него вошли 9 показателей. При распознавании методов СВС точность распознавания достигла величины ROC AUC = 0,96 (Рис. 3).
Рис. 3. Результат распознавания двух классов методом СВС.
Таким образом, с помощью отечественных оригинальных методов машинного обучения (программного комплекса Data Master Azforus) представлена возможность глубокого анализа изучаемых показателей с учётом попарного их взаимодействия. Получены новые данные, которые помогут специалистам обратить внимание на необходимость изучения статистически значимых закономерностей в многопараметрической выборке показателей отчётности для усовершенствования системы эпидемиологического надзора методами машинного обучения. В результате будут созданы предпосылки для снижения летальности среди пациентов и уменьшения экономического ущерба от ИСМП на основе выявления взаимосвязи кадровых, финансовых ресурсов и основных показателей здравоохранения на заболеваемость ИСМП среди пациентов стационаров в субъектах РФ. Поэтому данные методы могут быть рекомендованы на уровне управлений Роспотребнадзора, Минздрава, Росздравнадзора при составлении индивидуальных программ проведения противоэпидемических мероприятий, а также при составлении базы клинических данных, позволяющей прогнозировать заболеваемость ИСМП и обеспечивать целевое финансирование мер профилактики ИСМП.
СПИСОК ЛИТЕРАТУРЫ:
1. Улумбекова Г.Э. Здравоохранение России. Что надо делать. Состояние и предложения: 2019-2024 гг. 3-е изд. – М.: ГЭОТАР-Медиа, 2019. – 416 с.
2. Акимкин В.Г., Тутельян А.В. Актуальные направления научных исследований в области инфекций, связанных с оказанием медицинской помощи, на современном этапе // Здоровье населения и среда обитания. 2018. – № 4 (301). – С. 46-47.
3. Единая межведомственная информационно-статистическая система, официальный сайт [Электронный ресурс]. URL: http://fedstat.ru/ (дата обращения: 20.11.22).
4. Федеральная служба государственной статистики Российской Федерации [Электронный ресурс]. URL: http://www.gks.ru/ (дата обращения: 20.11.22).
5. De Rosis F, Pizzutilo S, Greco D. MICRO-IDEA: improving decisions in epidemiological analysis by a microcomputer. Med Inform (Lond). 1986. –V.11. – №3. – P. 225-236. – DOI: 10.3109/14639238609003729.
6. Shakhanina IL, Kucherovbskaia TV, Chernova TP. Primenenie razlichnykh statisticheskikh metodov épidemiologicheskogo analiza pri otsenke sezonnosti i territorial'nogo rasprostraneniia infektsionnykh bolezneĭ [The use of different statistical methods in epidemiological analysis to assess the seasonality and territorial spread of infectious diseases]. Zh Mikrobiol Epidemiol Immunobiol. 1990. – № 5. – P. 43-47.
Goloverova Yu.A.
junior researcher of the Laboratory of infections associated
with the provision of medical care
Central research institute of epidemiology of
Federal Service for Supervision
of Consumer Rights Protection and Human Well-Being (Rospotrebnadzor)
(Moscow, Russia)
Abrosimova O.A.
head of the epidemiological service, epidemiologist, junior researcher of the
Laboratory of infections associated with the provision of medical care
Central research institute of epidemiology of
Federal Service for Supervision
of Consumer Rights Protection and Human Well-Being (Rospotrebnadzor)
(Moscow, Russia)
Kuznetsova A.V.
PhD by biology, senior researcher of the scientific group of mathematical
methods and epidemiological forecasting
Central research institute of epidemiology of
Federal Service for Supervision
of Consumer Rights Protection and Human Well-Being (Rospotrebnadzor)
Emanuel IBCP (RAS)
(Moscow, Russia)
Voronin E.M.
MD, PhD, head of scientific group of mathematical
methods and epidemiological forecasting
Central research institute of epidemiology of
Federal Service for Supervision
of Consumer Rights Protection and Human Well-Being (Rospotrebnadzor)
(Moscow, Russia)
MACHINE LEARNING TO ASSESS THE RELATIONSHIP
OF HUMAN RESOURCES AND KEY HEALTH INDICATORS
WITH THE INCIDENCE OF INFECTIONS ASSOCIATED
WITH THE PROVISION OF MEDICAL CARE AMONG HOSPITAL
PATIENTS IN THE SUBJECTS OF THE RUSSIAN FEDERATION
Abstract: the paper examines the relationship between the incidence of infections associated with the provision of medical care with indicators of human resources and basic health indicators. The analysis of statistically significant patterns in a multiparametric sample of reporting indicators is presented. With the help of software: Microsoft Excel, Data Master Azforus using machine learning methods, including original methods (optimally reliable partitions and statistically weighted syndromes), recommendations were made to improve the epidemiological surveillance system.
Keywords: machine learning, DMA, data, health care-associated infections, human resources, health indicators.
Номер журнала Вестник науки №11 (56) том 3
Ссылка для цитирования:
Головерова Ю.А., Абросимова О.А., Кузнецова А.В., Воронин Е.М. МАШИННОЕ ОБУЧЕНИЕ ДЛЯ ОЦЕНКИ ВЗАИМОСВЯЗИ КАДРОВЫХ РЕСУРСОВ И ОСНОВНЫХ ПОКАЗАТЕЛЕЙ ЗДРАВООХРАНЕНИЯ С ЗАБОЛЕВАЕМОСТЬЮ ИНФЕКЦИЯМИ, СВЯЗАННЫМИ С ОКАЗАНИЕМ МЕДИЦИНСКОЙ ПОМОЩИ, СРЕДИ ПАЦИЕНТОВ СТАЦИОНАРОВ В СУБЪЕКТАХ РОССИЙСКОЙ ФЕДЕРАЦИИ // Вестник науки №11 (56) том 3. С. 304 - 320. 2022 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/6520 (дата обращения: 20.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2022. 16+