Главная

О журнале |  Архив |  Текущий номер |  Подписка |  Авторам |  Контакты      


Журнал "Проблемы стандартизации в здравоохранении"

НАУЧНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ РИСК-МЕНЕДЖМЕНТА В ОБЛАСТИ ЗДРАВООХРАНЕНИЯ С ПОМОЩЬЮ СКОРИНГОВЫХ МОДЕЛЕЙ НА ПРИМЕРЕ ОКАЗАНИЯ МЕДИКО-САНИТАРНОЙ ПОМОЩИ БОЛЬНЫМ С ХРОНИЧЕСКИМИ БОЛЕЗНЯМИ ПОЧЕК
К.С. Мильчаков
Первый Московский государственный медицинский университет им. И.М. Сеченова

Общепопуляционные проблемы старения и, в частности, прогрессирования хронических болезней почек сами по себе затрагивают миллионы пациентов в нашей стране, что ухудшает качество жизни таких пациентов, увеличивает смертность, создает серьезную нагрузку на систему социального обеспечения. Таким образом, существует большая проблема менеджмента нефрологических пациентов с хроническими заболеваниями как на популяционном, так и на индивидуальном уровнях в связи с частой неэффективностью терапевтических схем, необходимостью подразделения пациентов на субгруппы и т.д. Все это создает запрос на организацию систем централизованных баз данных и как следствие на удобные механизмы интерпретации результатов их анализа, понятные для широкого круга медицинских специалистов. Одним из таких интерфейсов могут стать скоринговые-карты – удобные балльные системы оценки рисков, способные решать целый спектр клинических и управленческих задач.
Ключевые слова: хронические болезни почек, скоринговые системы.

SCIENTIFIC AND METHODOLOGICAL SUPPORT OF RISK MANAGEMENT IN HEALTH WITH SCORING MODELS AS DELIVERY OF HEALTH CARE TO PATIENTS WITH CHRONIC KIDNEY DISEASE.
Milchakov K.S.
First Moscow State Medical University named after I.M. Sechenov

Aging population-wide problem and in particular the progression of chronic renal disease in themselves affect millions of patients in our country, which impairs the quality of life of these patients and their increased mortality cause a serious burden on the social welfare system. Thus, there is a big problem in nephrology management of patients with chronic diseases like at the population and individual levels in connection with the frequent ineffectiveness of therapeutic regimens, the need for patients to subgroups units, etc. All this creates a request to organize a centralized database systems, and as a consequence on the convenient mechanisms interpret the results of their analysis, understandable for a broad range of medical experts. One of these interfaces can be a scoring card - convenient risk scoring systems capable of addressing a range of clinical and administrative tasks.
Keywords: chronic kidney disease, a scoring system.

ЛИТЕРАТУРА

  1. Lynch C. Editorial. Community cleverness required. [Электронный ресурс] / C.Lynch. Электрон. текст. дан. 2008. Режим доступа: http://www.nature.com/nature/journal/v455/n7209/full/455001a.html
  2. Costa F.F. Big data in biomedicine / F. F. Costa // Drug Discov. Today. 2014. № 19 (4). С. 443-440.
  3. Киблицкий С.А. Скоринг-методика оптимизации банковской деятельности при кредитовании физических лиц: дис. ... канд. экон. наук. Москва, 2011. 124 с.
  4. Погорлецкая Ю.И. Кредитный скоринг в системе банковского риск-менеджмента: дис. ... канд. экон. наук. СПб., 2009. 161 с.
  5. Уланов С.В. Скоринговые модели и средства управления рисками для поддержки принятия кредитных решений: дис. ... канд. экон. наук. Ижевск, 2007. 152 с.
  6. A. Donabedian. Evaluating the Quality of Medical Care. / Donabedian A. // Milbank Q. 2005. № 83(4). С. 691–729.
  7. Гельфанд И.М., Розенфельд Б.И., Шифрин М.А. Очерки по совместной работе математиков и врачей. М.: Наука, 1989. 272 с.
  8. Lins R.L., Elseviers M.M., Daelemans R., Arnouts P. et al. Re-evaluation and modification of the Stuivenberg Hospital Acute Renal Failure (SHARF) scoring system for the prognosis of acute renal failure: an independent multicentre, prospective study // Nephrol. Dial. Transplant. 2004. № 19 (9). С. 2282-2288.
  9. Zolnoori M., Zarandi M.H., Moin M., Teimorian S. J. Fuzzy rule-based expert system for assessment severity of asthma // Med. Syst. 2012. № 36 (3). C. 1707–1717.
  10. Гайнуллина Ю.И. Фармакоэпидемиологическое и фармакоэкономическое обоснование периоперационной антибиотикопрофилактики при остром аппендиците: дис. ... канд. мед. наук. Владивосток, 2004. 136 с.
  11. Григорьев С.Г. Многомерное математико-статистическое моделирование сложных медицинских систем [Текст]:  автореф. дис. … д-ра мед. наук. СПб., 2003. 42 с.
  12. Реброва О.Ю. Математические алгоритмы и экспертные системы в дифференциальной диагностике инсультов: дис. … д-ра мед. наук. Москва, 2003. 325 с.
  13. Ермакова Н.В. Нейроиммунные аспекты патогенеза лихорадочной и менингеальной форм клещевого энцефалита: дис. … канд. мед. наук. Челябинск, 2007. 173 с.
  14. Зелтынь-Абрамов Е.М. Тромболитическая терапия и разрывы сердца в остром периоде инфаркта миокарда: дис. … д-ра мед. наук. Москва, 2011. 225 с.
  15. Тетюшкина Е.В. Клинико морфологические предикторы прогрессирования хронического гломерулонефрита: дис. … канд. мед. наук. Москва, 2008. 158 с.
  16. Yoo I., Alafaireet P., Marinov M., Pena-Hernandez K., Gopidi R., Chang J.F., Hua L. Data mining in healthcare and biomedicine: A survey of the literature // J. Med. Syst. 2012. Т. 36. С. 2431–2448.
  17. Groves P., Kayyali B., Knott D., Van Kuiken S.. The «big data» revolution in healthcare. URL. http://www.images-et-reseaux.com/sites/default/files/medias/ blog/2013/12/mckinsey_131204_-_the_big_data_revolution_in_healthcare.pdf.
  18. Lins R.L., Elseviers M.M., Daelemans R., Arnouts P., Billiouw J.M., Couttenye M., Gheuens E., Rogiers P., Rutsaert R., Van der Niepen P., De Broe M.E. «Re-evaluation and modification of the Stuivenberg Hospital Acute Renal Failure (SHARF) scoring system for the prognosis of acute renal failure: an independent multicentre, prospective study» // Nephrol. Dial. Transplant. Vol. 19, № 9. P. 2282–8. Sep., 2004.
  19. Lins R.L., Elseviers M., Daelemans R., Zach?e P., Gheuens E., Lens S., De Broe M.E. Prognostic value of a new scoring system for hospital mortality in acute renal failure // Clin. Nephrol. Vol. 53. N. 1. P. 10–7. Jan. 2000.
  20. Mehta R.L., Pascual M.T., Gruta C.G., Zhuang S., Chertow G.M. Refining predictive models in critically ill patients with acute renal failure. // J. Am. Soc. Nephrol. Vol. 13. no. 5, P. 1350–7. May 2002.
  21. Hwang S.J., Yang W.C., Lin M.Y., Mau L.W., Chen H.C. Impact of the clinical conditions at dialysis initiation on mortality in incident haemodialysis patients: a national cohort study in Taiwan. // Nephrol. Dial. Transplant. Vol. 25. no. 8. P. 2616–24. Aug. 2010.
  22. Xie Q., Zhou Y., Xu Z., Yang Y., Kuang D., You H., Ma S., Hao C., Gu Y., Lin S., Ding F. The ratio of CRP to prealbumin levels predict mortality in patients with hospital-acquired acute kidney injury // BMC Nephrol. Vol. 12. №. 1. P. 30. Jan. 2011.
  23. Ponce D., Zorzenon C. de P.F., Santos dos N.Y., Balbi A.L. Early nephrology consultation can have an impact on outcome of acute kidney injury patients. // Nephrol. Dial. Transplant. Vol. 26. № 10. P. 3202–6. Oct. 2011.
  24. Cerqueira D.C., Soares C.M., Silva V.R., Magalh?es J.O., Barcelos I.P., Duarte M.G., Pinheiro S.V., Colosimo E.A., Sim?es A.C., Silva E., Oliveira E.A. A predictive model of progression of CKD to ESRD in a predialysis pediatric interdisciplinary program // Clin. J. Am. Soc. Nephrol. Vol. 9. № 4. P. 728–35. Apr. 2014.
  25. Johnson E.S., Thorp M.L., Platt R.W., Smith D.H. Predicting the risk of dialysis and transplant among patients with CKD: a retrospective cohort study // Am. J. Kidney Dis. Vol. 52. № 4. P. 653–60. Oct. 2008.
  26. Harel Z., Bell C.M., Dixon S.N., McArthur E., James M.T., Garg A.X., Harel S., Silver S., Wald R. Predictors of progression to chronic dialysis in survivors of severe acute kidney injury: a competing risk study. // BMC Nephrol. Vol. 15. № 1. P. 114. Jan. 2014.
  27. Wijeysundera D.N., Karkouti K., Dupuis J.Y., Rao V., Chan C.T., Granton J.T., Beattie W.S. Derivation and validation of a simplified predictive index for renal replacement therapy after cardiac surgery. // JAMA, Vol. 297. № 16. P. 1801–9. Apr. 2007.
  28. Massie A.B., Luo X., Chow E.K.H., Alejo J.L., Desai N.M., Segev D.L. Survival Benefit of Primary Deceased Donor Transplantation With High-KDPI Kidneys // Am. J. Transplant. Vol. 14. № 10. P. 2310–6. Oct. 2014.
  29. Гапунин В.Н., Зубрицкий В.И., Мухин И.В. О методике метаболического прогнозирования медико-биологических процессов с помощью компьютерной системы «Statistica 5.5А» // Вестник новых медицинских технологий. 2001. № 3. С. 26–27.
  30. World M.J. Renal function after trauma // J.R. Army Med. Corps, Vol. 159. № 2. P. 94–7. Jun. 2013.
  31. Kojo S., Sada K., Kobayashi M., Maruyama M., Maeshima Y., Sugiyama H., Makino H. Clinical usefulness of a prognostic score in histological analysis of renal biopsy in patients with lupus nephritis // J. Rheumatol. Vol. 36. № 10. P. 2218–23. Oct. 2009.
  32. Geddes C.C., Fox J.G., Allison M.E., Boulton-Jones J.M., Simpson K. An artificial neural network can select patients at high risk of developing progressive IgA nephropathy more accurately than experienced nephrologists // Nephrol. Dial. Transplant. Vol. 13. № 1. P. 67–71. Jan. 1998.
  33. Zimmerman J.E., Kramer A.A., McNair D.S., Malila F.M. Acute Physiology and Chronic Health Evaluation (APACHE) IV: hospital mortality assessment for today’s critically ill patients // Crit. Care Med. Vol. 34.№ 5. P. 1297–310. May 2006.
  34. Moreno R.P., Metnitz P.G.H., Almeida E., Jordan B., Bauer P., Campos R.A., Iapichino G., Edbrooke D., Capuzzo M., Le Gall J.R. SAPS 3--From evaluation of the patient to evaluation of the intensive care unit. Part 2: Development of a prognostic model for hospital mortality at ICU admission // Intensive Care Med. Vol. 31. № 10. P. 1345–55. Oct. 2005.
  35. Higgins T.L., Teres D., Copes W.S., Nathanson B.H., Stark M., Kramer A.A., Assessing contemporary intensive care unit outcome: an updated Mortality Probability Admission Model (MPM0-III) // Crit. Care Med. Vol. 35. № 3. P. 827–35. Mar. 2007.
  36. Vincent J.L., Moreno R., Takala J., Willatts S., Mendon?a A.De., Bruining H., Reinhart C.K., Suter P.M., Thijs L.G. The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure. On behalf of the Working Group on Sepsis-Related Problems of the European Society of Intensive Care Medicine // Intensive Care Med. Vol. 22. № 7. P. 707–10. Jul. 1996.
  37. Fiaccadori E., Maggiore U., Lombardi M., Leonardi S., Rotelli C., Borghetti A. Predicting patient outcome from acute renal failure comparing three general severity of illness scoring systems // Kidney Int. Vol. 58. № 1. P. 283–92. Jul. 2000.
  38. Costa V.T. e Silva, de Castro I., Lia?o F., Muriel A., Rodr?guez-Palomares J.R., Yu L. Sequential evaluation of prognostic models in the early diagnosis of acute kidney injury in the intensive care unit // Kidney Int. Vol. 75. № 9. P. 982–6. May 2009.
  39. Lia?o F., Gallego A., Pascual J., Garc?a-Mart?n F., Teruel J.L., Marc?n R., Orofino L., Orte L., Rivera M., Gallego N. Prognosis of acute tubular necrosis: an extended prospectively contrasted study // Nephron. Vol. 63. № 1. P. 21–31. Jan. 1993.
  40. Bullock M.L., Umen A.J., Finkelstein M., Keane W.F. The assessment of risk factors in 462 patients with acute renal failure // Am. J. Kidney Dis. Vol. 5. № 2, P. 97–103. Feb. 1985.
  41. Uchino S., Bellomo R., Morimatsu H., Morgera S., Schetz M., Tan I., Bouman C., Macedo E., Gibney N., Tolwani A., Doig G.S., Oudemans H. Straaten Van, Ronco C., Kellum J.A. External validation of severity scoring systems for acute renal failure using a multinational database. // Crit. Care Med. Vol. 33. №. 9. P. 1961–7. Sep. 2005.
  42. Ronco C., Bellomo R., Kellum J.A. Critical care nephrology. 2nd ed. Saunders, 2009.
  43. Короткова Н.В. Оптимизация диагностики, прогнозирования течения и лечения хронического гломерулонефрита (ХГН) с использованием экспертных систем: автореф. дис. ... канд. мед. наук. Самара, 2003. 25 с.
  44. Phan J.H., Quo C.F., Cheng C., Wang M.D. Multiscale integration of -omic, imaging, and clinical data in biomedical informatics // IEEE Rev. Biomed. Eng. Vol. 5. P. 74–87. Jan. 2012.


Programming & design
by I.S.0pаrin