АНАЛИЗ ПРОЦЕССА КОНТРОЛЯ МЕДИЦИНСКОЙ ПОМОЩИ В РАМКАХ ПРОГРАММЫ ОБЯЗАТЕЛЬНОГО МЕДИЦИНСКОГО СТРАХОВАНИЯ

Актуальность работы обусловлена необходимостью выявления проблем и выработки эффективных решений для медицинских организаций на этапе контроля отчетной медицинской документации с целью прогнозирования получения денежных средств по программе обязательного медицинского страхования.
Цель работы – используя средства аппарата системного анализа, представить формальную модель исследуемого процесса для дальнейшего выявления проблем.
Материал и методы. Применяются методы системного анализа, в частности диаграммы IDEF0, а также диаграммы деятельности (activitydiagram), для оценки согласованности медицинских экспертов используется каппа Коэна.
Результаты. На основе нормативных документов, а также опыта экспертов представлено развернутое описание процесса контроля объемов, сроков, качества и условий предоставления медицинской помощи медицинскими организациями, проводимого страховой медицинской организацией. Определены входные и выходные параметры, а также элементы управления и исполнения процесса. Полученные в результате декомпозиции подпроцессы представлены с применением диаграмм последовательности.
Выводы. Полученные результаты исследования позволяют сделать вывод о наличии ряда проблем, с которыми сталкиваются медицинские организации при подаче на проверку медицинской отчетности для последующего получения денежных средств за оказанные медицинские услуги по программе обязательного медицинского страхования. На основании выявленных проблем можно сделать вывод о необходимости разработки интеллектуальной информационной системы, способной проводить оценку историй болезни на предмет получения денежных средств за оказанные медицинские услуги. Принимая во внимание наличие человеческого фактора на наиболее важных итерациях иследуемого процесса, предлагается в качестве метода логического вывода будущей системы использовать нечеткую логику, а функцию самообучаемости системы обеспечит реализованный в перспективе анализ прецедентов

1. Приказ ФФ ОМС № 230 «Об утверждении Порядка ор-ганизации и проведения контроля объемов, сроков, качества и условий предоставления медицинской помощи по обязательному медицинскому страхованию» от 01 декабря 2010 г.

2. Силич В.А., Силич М.П. Теория систем и системный анализ: учеб пособие. Томск: Томский политехнический университет, 2010. 281 с.

3. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: учеб. 2-е изд., доп. Томск: Изд-во НТЛ, 1997. 396 с.

4. Карась С.И., Конных О.В. Системный анализ информационных потоков в условиях высокотехнологичного лечебно-профилактического учреждения // Врач и информационные технологии. 2008. № 4. С. 38–39.

5. Методология IDEF0. Стандарт. Русская версия. М.: Метатехнология, 1993. 107 с.

6. Буч Г., Рамбо Д., Джекобсон А. Язык UML. Руководство пользователя: пер. с англ. М.: ДМК, 2000. 432 с.

7. Cohen’s kappa [Электронный ресурс]. URL: http://en.wikipedia.org/wiki/Cohen%27s_kappa (дата обра-щения: 15.05.2015).

8. Федеральный закон № 326 «Об обязательном медицинском страховании в Российской Федерации» от 29 ноября 2010 г.

9. Федеральный закон № 323 «Об основах охраны здоровья граждан в Российской Федерации» от 21 ноября 2011 г.

10. Приложение № 5 к Регламенту проведения предварительного медико-экономического контроля реестров счетов на оплату медицинской помощи, представляемых в электронном виде, утвержденному приказом ТФ ОМС Томской области от 13.11.2013 № 265.

11. Zadeh L.A. Fuzzy Sets // Information and Control. 1965. № 8. P. 338–353.

12. Тараник М.А., Копаница Г.Д. Анализ задач и методов построения интеллектуальных медицинских систем // Врач и информационные технологии. 2014. № 3. С. 6–12.

13. Anooj P. Clinical decision support system: Risk level prediction of heart disease using weighted fuzzy rules // Journal of King Saud University – Computer and Information Science. 2012. № 24. P. 27–40.

14. Samuel O., Omisore M., Ojokoh B. A web based decision support system driven by fuzzy logic for the diagnosis of typhoid fever // Expert Systems with Applications. 2013. № 40. P. 4164–4171.

15. Castanho M., Hernandes F., Re A., Rautenberg S., Billis A. Fuzzy expert system for predicting pathological stage of prostate cancer // Expert Systems with Applications. 2013. № 40. P. 466–470.

16. Pal D., Mandana K., Pal S. et al. Fuzzy expert system approach for coronary artery disease screening using clinical parameters // Knowledge-Based Systems. 2012. № 36. P. 162–174.

17. Castillo O., Melin P., Ramirez E., Soria J. Hybrid intelligent system for cardiac arrhythmia classification with Fuzzy K-Nearest Neighbors and neural networks combined with a fuzzy system // Expert Systems with Applications. 2012. № 39. P. 2947–2955.

18. Haghighi P., Burstein F., Zaslavsky A., Arbon P. Development and evaluation of ontology for intelligent decision support in medical emergency management for mass gatherings // Decision Support Systems. 2013. № 54. P. 1192–1204.

19. Bequm S., Barua S., Ahmed M.U. Physiological sensor signals classification for healthcare using sensor data fusion and case-based reasoning // Sensors. 2014. № 14. P. 11770–11785.

20. Gonzalez C., Lopez D.M., Blobel B. Case-based reasoning in intelligent Health Decision Support Systems // pHealth 2013: Studies in Health Technology and Informatics. № 189. P. 44–49.

21. Sharaf-EI-Deen D.A., Moawad I.F., Khalifa M.E. A new hybrid case-based reasoning approach for medical diagnosis system // Journal of Medical Systems. 2014. № 38 (9).

22. EI-Sappagh S.H., EI-Masri S., Elmogy M. et al. An ontologi-cal case base engineering methodology for diabetes ma-nagement // Journal of Medical Systems. 2014. 38 (8).

23. Serykh A., Karas S., Kazantceva A., Menshih N., Kopa¬nitsa G. Clinical decision support for the choice of treatment using case-based reasoning // Proс. of 23th International Conference of the European Federation for Medical Informatics. Oslo, 2011. 45.