ОРГЗДРАВ

Вопросы управления потерями человеческого капитала в последние годы значительно актуализированы ввиду современных социально-экономических и политических обстоятельств. Задачи интенсификации производительности труда, повышения инновационной активности неразрывно связаны с главнейшей целью, стоящей перед государством, - целью народосбережения. В связи с этим чрезвычайную важность представляет оценка реализованных и планирование дальнейших мероприятий, позволяющих сохранить и преумножить человеческий капитал.

В качестве методов исследования применены анализ, синтез, обобщение и классификация подходов к оценке экономических потерь человеческого капитала, связанных со здоровьем.

На основе проведенного авторами обзора научных материалов, посвященных оценке экономического ущерба человеческому капиталу, связанного со смертностью, заболеваемостью и инвалидизацией населения, предложена классификация основных подходов к оценке экономических потерь. Конкретизированы необходимые для расчетов экономических потерь человеческого капитала параметры и сформулированы достоинства и недостатки каждого из подходов.

Начиная с 1980-х гг. до настоящего времени в странах Организации экономического сотрудничества и развития (ОЭСР) и в Российской Федерации идут неолиберальные реформы здравоохранения, направленные на ограничение доступности медицинских гарантий, сдерживание государственных затрат, рост личных платежей населения, замену государственного управления рыночными механизмами. Причина этих реформ в странах ОЭСР - низкая эффективность их национальных систем всеобщего доступа к услугам здравоохранения (UHC), рост затрат которых опережает рост экономики. Авторы объясняют низкую эффективность систем UHC стран ОЭСР беспрецедентно благоприятными условиями их формирования в период так называемого золотого века капитализма (1945-1975), когда валовой внутренний продукт (ВВП) этих стран рос значительно быстрее расходов на здравоохранение. Это позволяло использовать высокозатратные решения прошлых веков: взгляд на медицинские гарантии как на конечное потребление домохозяйств, бисмарковское налогообложение труда, рыночный антагонизм и информационная асимметрия плательщика и провайдера, страховой механизм оплаты медицинских услуг с высокими административным издержками и фрагментацией ресурсов. Напротив, унаследованная Россией от СССР первая в мире система UHC демонстрировала исключительно высокую эффективность: гарантировала общедоступность и бесплатность медицинской помощи при многократно более низких по сравнению со странами ОЭСР затратах и страдала не от избытка, а от недостатка ресурсов. Авторы объясняют высокую эффективность советской системы UHC условиями ее создания в стране с низким доходом, что потребовало прорывных ресурсосберегающих инноваций: взгляд на UHC как на промежуточное потребление, финансирование общими налогами, интеграция плательщика и провайдера, отказ от оплаты услуг провайдеров централизованным финансированием их текущей деятельности линейным (постатейным) бюджетом. Успешный опыт СССР позволил создать системы UHC ряду стран с низким доходом - например, Монголии, Алжиру и Кубе. С учетом этих обстоятельств добросовестный научный подход требовал свободного от идеологических стереотипов научного изучения оригинальной советской системы западными системами UHC, роста ее финансирования и дальнейшего развития в России. Однако советская модель была предана забвению на Западе как "коммунистическая" вопреки тому, что многие ее решения используются странами с рыночной экономикой и/или рассматриваются как перспективные - например, финансирование общими налогами, его централизация "единым плательщиком" и модель интеграции плательщика и провайдера, которую с середины XX в. успешно использует в США корпорация Kaiser Permanente. В России в качестве доказательства неэффективности советской модели было предъявлено ее очевидное преимущество - способность гарантировать общедоступность и бесплатность медицинской помощи в условиях низкого, так называемого остаточного финансирования, закономерного для СССР как страны со средним доходом и высокими расходами на оборону. В ходе неолиберального демонтажа советской системы ее доказавшие эффективность инновации были заменены высокозатратными решениями стран с высоким доходом. При этом Россия осталась страной со средним доходом и высокими затратами на оборону, а финансирование здравоохранения государством - такое же низкое и остаточное, как и в СССР - менее 4% ВВП. Закономерный результат сохранения советского низкого финансирования и демонтажа советских рычагов эффективности - Россия занимает последние места в международных рейтингах эффективности национальных систем здравоохранения. Сегодня налицо глобальный провал неолиберальных реформ. Расходы стран ОЭСР на здравоохранение по-прежнему растут быстрее их экономики, а Россия де-факто отказалась от советских принципов общедоступности и бесплатности медицинской помощи: рост личных платежей "out-of-pocket" принял угрожающие масштабы. Авторы полагают инновации советской системы UHC безальтернативными для стран с низким доходом и делают вывод о сомнительной доказательности научного обоснования неолиберальных реформ здравоохранения.

На основании разработанного алгоритма представлены методологические приемы формирования корпоративной модели гибких компетенций медицинского персонала на примере отдельной медицинской организации.

Цель - систематизировать методологию формирования корпоративной модели мягких компетенций медицинского персонала на примере отдельной медицинской организации.

Материал и методы. Данный проект был реализован в Реабилитационном центре "Благополучие" Московской области. Основной профиль деятельности: оказание медицинских услуг по профилю "медицинская реабилитация" после неврологических и травматологических заболеваний, а также реабилитация после перенесенной новой коронавирусной инфекции COVID-19. Штат организации - 210 сотрудников. Из них 37 человек - медицинский персонал. Коечный фонд рассчитан на одновременное пребывание 100 пациентов. Использованы аналитический, социологический, статистический административный методы.

Результаты. Сформированы алгоритм и методология построения корпоративной модели мягких компетенций медицинского персонала.

Заключение. Предложенные методологические приемы построения корпоративной модели мягких компетенций медицинского персонала на основании разработанного алгоритма достаточно просты и могут быть реализованы в медицинской организации без привлечения консалтинговых компаний.На основании разработанного алгоритма представлены методологические приемы формирования корпоративной модели гибких компетенций медицинского персонала на примере отдельной медицинской организации.

В статье рассматривается история медицинского туризма в мире - от термальных источников к современной высокотехнологической медицине. Авторы обращают внимание на проблемы, которые препятствуют развитию медицинского туризма, а также предлагают возможные варианты их решения. Приводят список мероприятий и программ, которые будут способствовать развитию медицинского туризма и продвигать медицинские услуги в других странах. Среди таких мероприятий - решение вопроса взаимодействия участников медицинского туризма.

Для написания статьи использовали теоретические методы исследования, а в качестве материала - публикации в научных журналах, рассматривающие тему медицинского туризма.

Цель исследования - создание и тестирование методики экспертной оценки случаев лечения пациентов с язвенной болезнью, которая бы позволила предсказывать дальнейшее развитие заболевания.

В качестве методов использованы диагностические коэффициенты по А. Вальду и коэффициенты информативности по С. Кульбаку. Исследована медицинская документация больных с диагнозом "язвенная болезнь", заключения экспертизы качества по данным случаям оказания медицинской помощи, а также законодательные акты, регламентирующие оказание медицинской помощи.

Выявлены нарушения, которые являются предикторами неблагоприятного исхода. Проведен анализ воздействия этих нарушений, по отдельности и совместно, на возникновение неблагоприятного исхода.

Разработана методика профессиональной оценки нарушений в случаях терапии язвенной болезни и предикции наиболее вероятного исхода заболевания, которая может использоваться при проведении экспертизы качества оказания медицинской помощи и внутреннего контроля в медицинских организациях, а также для прогнозирования наиболее вероятного течения заболевания и исхода у пациентов в практике врача-терапевта, врача общей практики, врача-гастроэнтеролога, если на предыдущем этапе оказания медицинской помощи были допущены нарушения.

Цель - разработать времясберегающую технологию, позволяющую повысить продуктивность как разработки, так и изучения клинических рекомендаций, устранить системные дефекты алгоритмов, облегчить понимание, изучение и усвоение алгоритмов и на этой основе предложить более совершенную методику разработки клинических рекомендаций.

Материал и методы. В России создан графический медицинский язык ДРАКОН, предназначенный для разработки алгоритмов в виде эргономичных чертежей. Информация о языке ДРАКОН приведена в книге "Клиническая алгоритмическая медицина. Алгоритмы диагностики и лечения на медицинском языке ДРАКОН". Для повышения продуктивности труда разработчиков клинических рекомендаций создано автоматизированное рабочее место врача-разработчика алгоритмов. С их помощью разработаны 20 профессиональных алгоритмов высокой точности в терапии, неврологии, фтизиатрии.

Результаты. Разработана времясберегающая технология, позволяющая повысить продуктивность разработки и изучения клинических рекомендаций. Технология содержит медицинский язык ДРАКОН и автоматизированное рабочее место врача - разработчика клинических рекомендаций (программа ДРАКОН-конструктор). Рабочее место служит не только для разработки, но также для изучения языка ДРАКОН и анализа созданных алгоритмов.

На сайте Минздрава России в разделе "Рубрикатор клинических рекомендаций" выявлены системные дефекты алгоритмов. Для устранения недостатков предложена методика разработки клинических рекомендаций на основе языка ДРАКОН. Введено понятие "медицинская алгоритмическая система" и продемонстрирована реальная алгоритмическая система, содержащая 9 алгоритмов действий врача: "Респираторная терапия дыхательной недостаточности, ассоциированной с COVID-19". Показано применение медицинской алгоритмической системы при разработке клинических рекомендаций.

Заключение. На основе языка ДРАКОН создана времясберегающая технология, позволяющая повысить продуктивность как разработки, так и изучения клинических рекомендаций. Клинические рекомендации, содержащие эргономичные алгоритмы высокой точности, приобретают новое качество: они становятся эргономичными, удобными для изучения, усвоения, анализа, поиска ошибок, проверки и сертификации. В результате устраняются или ослабевают трудности при внедрении клинических рекомендаций в медицинскую практику.

Актуальность. Старение и полиморбидность населения, а также нехватка медицинского персонала создают значительную нагрузку на первичное звено здравоохранения. Хотя предиктивные алгоритмы машинного обучения (МО) обладают потенциалом для решения этих проблем, опасения вызывают прозрачность и недостаток сообщений о валидации модели и эффективности ее внедрения в клиническую практику.

Цели - систематически выявлять предиктивные алгоритмы МО, внедряемые в первичное звено здравоохранения, на основе рецензируемой литературы и баз данных регистрации Управления по контролю качества пищевых продуктов и лекарственных средств США (FDA) и Conformité Européene (CE), а также удостовериться в общедоступности доказательств, включая рецензируемую литературу, иные публикации и технические отчеты на различных этапах всего жизненного цикла искусственного интеллекта (ИИ).

Обзор доказательств. Поиск исследований, опубликованных с января 2000 г. по июль 2023 г., проводили в базах данных PubMed, Embase, Web of Science, Cochrane Library, Emcare, Academic Search Premier, IEEE Xplore, ACM Digital Library, MathSciNet, AAAI.org (Ассоциация по развитию искусственного интеллекта), arXiv, Epistemonikos, PsycINFO и Google Scholar с использованием поисковых запросов, связанных с ИИ, первичным звеном здравоохранения и внедрением. Поиск был расширен для охвата предиктивных алгоритмов МО, имеющих маркировку CE или одобренных FDA, полученных из соответствующих регистрационных баз данных. 2 рецензента собирали последующие доказательства, используя такие стратегии, как поиск продуктов, изучение ссылок, посещение веб-сайтов производителей, прямые запросы авторам и владельцам продуктов. Степень соответствия доказательств для каждого предиктивного алгоритма МО требованиям голландского руководства по предиктивным алгоритмам ИИ (AIPA) оценивалась по фазам жизненного цикла ИИ, что позволяло получить баллы доступности доказательств.

Результаты. Систематический поиск выявил 43 предиктивных алгоритма МО, из них 25 были коммерчески доступны и имели маркировку CE или были одобрены FDA. Предиктивные алгоритмы МО охватывают несколько клинических областей, но большинство из них [27 (63%)] посвящены сердечно-сосудистым заболеваниям и диабету. Большая часть [35 (81%)] была опубликована в течение последних 5 лет. Доступность доказательств различалась на разных этапах жизненного цикла предиктивного алгоритма МО, при этом меньше всего доказательств было представлено для этапа 1 (подготовка) и этапа 5 (оценка воздействия) - 19 и 30% соответственно. 12 (28%) предиктивных алгоритмов МО достигли приблизительно половины своего максимального индивидуального показателя доступности доказательств. В целом предиктивные алгоритмы МО из рецензируемой литературы обнаружили более высокую доступность доказательств по сравнению с полученными из баз данных, одобренных FDA или имеющих маркировку CE (45 против 29%).

Заключение. Результаты указывают на острую необходимость улучшения доступности доказательств относительно критериев качества предиктивных алгоритмов МО. Принятие голландского руководства AIPA может способствовать получению прозрачной и последовательной информации по критериям качества, что может укрепить доверие среди конечных пользователей и способствовать широкомасштабному внедрению.

Ключевые моменты

Вопрос. Какие предиктивные алгоритмы МО были внедрены в первичное звено здравоохранения и какие общедоступные данные подтверждают их качество?

Результаты. В этом систематическом обзоре содержатся 43 предиктивных алгоритма МО в первичном звене здравоохранения из научной литературы и регистрационных баз данных Управления по контролю качества пищевых продуктов и лекарственных средств США (FDA) и Conformité Européene (CE). Обнаружено ограниченное количество общедоступных доказательств по всем фазам жизненного цикла искусственного интеллекта (ИИ) от разработки до внедрения. Хотя чаще всего сообщалось о фазе разработки (фаза 2), большинство предиктивных алгоритмов МО не соответствовали половине предопределенных требований голландского руководства по предиктивным алгоритмам ИИ.

Значение. Результаты данного исследования подчеркивают настоятельную необходимость в обеспечении прозрачного и последовательного представления критериев качества в литературе, что могло бы повысить доверие конечных пользователей и облегчить широкомасштабное внедрение.

В статье рассматривается проблема эффективного использования лечащими врачами современных знаний в области клинической лабораторной диагностики (КЛД). Предлагается изменить порядок взаимодействия лечащих врачей и врачей КЛД, повысив активную роль последних в лечебно-диагностическом процессе. В частности, приоритет при назначении лабораторных исследований должен быть отдан врачам КЛД. Также необходимо дать возможность врачам КЛД назначать дополнительные лабораторные тесты, если результаты анализов не дают четкой диагностической картины. Результаты лабораторных исследований должны сопровождаться клиническим лабораторным заключением. Предлагаемые изменения позволят существенно повысить качество лечебно-диагностического процесса.