авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 ||

Методы нелинейной динамики для двухуровневого моделирования задач управления ресурсами здравоохранения

-- [ Страница 3 ] --

В качестве подходящих числовых значений элементов выбираются в лингвистическом временном ряде (2) ближайшие к элементам низкие, средние и высокие недельные потоки больных, которые затем усредняются:

; ;.

Отсюда, с учетом представленных в нечетком лингвистическом множестве (5) значений функции принадлежности получаем искомый прогноз в виде НМ .

Согласно определению прогнозной модели, на ее выходе можно получить ВР прогнозных численных значений , , занумерованных тем же индексом, которым были занумерованы уровни в исследуемом временном ряде, в качестве примера. Тогда относительная погрешность прогнозирования для каждого наблюдения вычисляется по формуле . В качестве оценки точности прогнозирования принимаем среднее значение .

На основании валидации результатов лингвистического прогнозирования ВР числа зарегистрированных больных в отделении «Пульмонология» получена оценка средней погрешности лингвистического прогноза , т.е. в процессе валидации прогнозная модель выдала один неточный прогноз в лингвистических термах для .

В диссертации отражены результаты клеточно-автоматной прогнозной модели для агрегированных временных рядов количества поступивших больных во все отделения Карачаево-Черкесской республиканской больницы за период с 01.01.2007 г. по 27.12.2009 г.

Проведенные эксперименты показали, что предложенная двухуровневая модель отражает динамику изменения реального спроса на медицинские услуги, предлагаемые Центральной республиканской больницей для всего населения региона. Методика одинаково хорошо работает: как на краткосрочном периоде (горизонте), так и на среднесрочном, в зависимости от состава исходных данных: посуточный график, понедельный или помесячный.

Таким образом, планирующие органы здравоохранения региона получают в свое распоряжение прогноз реальной потребности населения в услугах ЦРБ на предстоящие 1-3 года, причем дифференцированно по профилям отделений. Спрогнозированный спрос на услуги дает возможность обосновать (на основе действующих нормативов) потребность в ресурсах ЦРБ на тот же период. В частности, потребность в текущем финансировании на основную деятельность из средств республиканского бюджета.

Четвертая группа проблем исследования связана с определением приоритетных направлений вложения инвестиций в объекты здравоохранения.

Рассмотрим важную задачу планирования направлений инвестирования, т.е. выбора объектов вложения средств (одного из разнопрофильных отделений ЦРБ), когда объем финансирования в целом ограничен и сроки их освоения тоже ограничены среднесрочной перспективой. Ставится задача среднесрочного прогнозирования загрузки коечного фонда этого учреждения и наиболее приоритетных направлений вложения инвестиций при распределении ограниченного объема бюджетного финансирования.

К настоящему времени основным подходом к оценке экономической эффективности вложений является максимизируемый подход на основе пропускной способности медучреждения, т.е. (МХ – математическое ожидание случайной величины занятости койко-мест за анализируемый период).

Очевидно, что единственного критерия недостаточно при сравнении разнопрофильных объектов вложений и многофакторности самого показателя заполненности койко-мест. Поэтому логичным представляется подход на основе многокритериального выбора альтернатив:

F(X) = (F1(X), F2 (X), …, Fn (X)), (7)

где Х = (х1, х2…,хm) – вектор характеристик наблюдаемого объекта;

(F1, F2,…,Fn) - множество частных критериев, определяющих выбор (ранжирование) объектов, задаваемых априори.

Для рассматриваемого объекта исходной информацией для анализа является статистика загрузки койко-мест в разрезе разнопрофильных отделений. Для уточнения вида функций F1, F2,…,Fn необходимо провести предварительный статистический анализ.

Для наглядности приведем пример анализ временных рядов ежедневного количества больных в отделении кардиологии – В1 (1) и в детском анестезиолого-реанимационном отделении (ДАРО) – В1 (2) за период с 01.01.2008 г. по 31.12.2010 г.

Для оценки меры риска, возникающего в планировании и финансировании деятельности учреждений здравоохранения, используем вначале классический подход, опирающийся на анализ таких статистических характеристик случайной величины (наблюдаемое количество заболеваний) как: математическое ожидание М, дисперсия D, среднеквадратическое отклонение, а также: коэффициенты вариации V, асимметрии А и эксцесса Е.

Обозначим: D(М) – дисперсия, вычисленная для всех тех значений случайной величины (СВ) Z, которые находятся в окрестности - дисперсия, вычисленная для всех таких значений СВ Z, которые находятся за пределами окрестности справа от М; Е(М) – коэффициент эксцесса, вычисленный для всех тех значений СВ Z, которые находятся в окрестности ; - эксцесс, вычисленный для всех таких значений СВ Z, которые находятся за пределами окрестности  справа от М (табл. 5.). Таблица 5. Статистические характеристики двух-144 справа от М (табл. 5.).

Таблица 5. Статистические характеристики двух отделений (кардиологии и ДАРО).

Отделения

D (M)

D3+

D3+/D

в %

Е(M)

Е 3+

Е 3+/ Е

в %

В1 (1)

8.82

1.68

19.04

1.83

11.8

644.8

В1 (2)

0.82

0.42

51.2

1.38

79.4

5753.6

Анализируя вычисленные статистические характеристики, можно утверждать, во-первых о неподчинении рядов В1(1) и В1(2) нормальному закону распределения и во-вторых, о наличии у этих распределений отчетливо выраженных правых «тяжелых хвостов». В пользу первого утверждения об отсутствии подчинения нормальному закону говорят значения таких статистических параметров, как коэффициент асимметрии и, в особенности, коэффициент эксцесса Е, который для рассматриваемых отделений принимает соответственно значения Е>1.81 и Е>1.38. Напомним, что в случае нормального распределения коэффициент эксцесса всегда принимает постоянное значение Е =3.

Изучение временных рядов посуточного нахождения больных в отделениях медучреждения позволяет не только прогнозировать этот показатель на ближайшее будущее (плановый период) подходящими адаптивными методами, но и оценить приоритетность вложения средств в развитие того или иного отделения в том же периоде, то есть ранжировать объекты инвестирования по критерию эффективности векторного вида

(8)

где (пропускная способность отделения, т.е. относительная заполненность коечного фонда);

 - оценки максимального риска ошибочного ранжирования. Критерий (8) назовем-147 - оценки максимального риска ошибочного ранжирования.

Критерий (8) назовем векторной целевой функцией (ВЦФ) задачи классификации многомерных наблюдений, где объектами классификации являются разнопрофильные отделения крупного медучреждения регионального уровня, представленные своими временными рядами. В нашем случае это В1 (1) и В1 (2).

Учитывая тот факт, что эмпирические распределения рассматриваемых случайных величин (В1(1) и В1(2)) являются асимметричными (в положительную сторону) и имеют правосторонние «тяжелые хвосты», можем следующим образом определить виды экстремума для рисковых критериев ВЦФ (8):

max, А max, Е max, (9)

Смысл вида экстремумов, определенных согласно (3), состоит практически в том, что, ранжируя рассматриваемые отделения с приблизительно одинаковыми значениями критерия ожидаемого количества пациентов М(Х)є{4.08; 0.92}, мы стремимся оценить максимальный риск ошибки получения максимальной пропускной способности отделений, вклада «правых тяжелых хвостов». Проверим достаточность критериев (9).

Рассмотрим табл.6, представляющую значения критериев ВЦФ (2), для наблюдаемых отделений. По этой ВЦФ эти отделения являются векторно-несравнимыми, т.к. В1(1) предпочтительней В1(2) по критерию пропускной способности (с учетом дневного стационара и длительности пребывания больных), но В1 (1) имеет худшие показатели по всем другим рисковым критериям по сравнению с отделением В1 (2).

Таблица 6. Значения критериев векторной целевой функции для 2 наблюдаемых отделений В1 (1) и В1 (2).

Отделения

МХ

А

Е

В1 (1)

4.08

176.8

1.65

13.6

В1 (2)

0.92

55.8

5.28

80.7

Таблица 6 демонстрирует неоднозначность решения задачи ранжирования отделений, из чего следует необходимость увеличения числа критериев в (8).

Учитывая вышеуказанную векторную несравнимость наблюдаемых отделений, осуществим R/S – анализ соответствующих временных рядов. Из визуализации этих R/S – траекторий вытекает, что оба ряда имеют одинаковые циклы, по истечении которых происходит срыв с тренда этого цикла. Вместе с тем показатели Херста для отделения В1 (1) и для отделения В1 (2) принимают значения соответственно Н = 0,76 и Н = 0,62, т.е. первая из этих траекторий является более трендоустойчивой и, наоборот, для второй проявляется близость к хаотическому поведению. Иными словами, пополнение ВЦФ пятым максимизируемым критерием F5 = Н max только усиливает предпочтительность отделения В1 (1) по сравнению с отделением В1 (2).

Окончательный вид ВЦФ для классификации (упорядочения) разнопрофильных отделений

 (10) имеет смысл оценки максимального риска ошибки. Представленная реализация-149 (10)

имеет смысл оценки максимального риска ошибки. Представленная реализация векторного подхода к оценке риска вместе с R/S – анализом представляют инструментарий для ранжирования различных отделений по показателю спроса на их услуги. Для оценки инвестиционной потребности объектов, при ограниченности общего финансирования, нужно учитывать «удельную стоимость» одного койко-места в разнопрофильных отделениях, при вариантах: простого расширения действующего коечного фонда и при условии модернизации (например, в форме весовых коэффициентов локальных критериев в ВЦФ (4), представленной в виде свертки).

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в научных изданиях, рекомендованных ВАК РФ

  1. Биджиев А.З., Ильченко А.Н. Анализ спроса на медицинские услуги с применением векторной оценки риска и фрактального анализа временных рядов»/Вестник университета/Москва, Изд.дом ГОУВПО «ГУУ».-2010.- №1,-0,2 п.л.,-авт.-0,1 п.л.
  2. Биджиев А.З. Моделирование временных рядов заболеваемостей на базе фрактального анализа. Известия вузов. Северо-Кавказский регион. Приложение №3. – 2006.- 0,37 п.л.
  3. Биджиев А.З., Тебуева Ф.Б. Структурирование данных для дискретных эволюционных процессов и прогнозирование временных рядов// Гуманитарные социально-экономические науки.– 2006.-№5.- 0,25 п.л., авт.0,12 п.л.

Прочие публикации

  1. Биджиев А.З. Исследование задач дискретной оптимизации в условиях двухуровневого моделирования. М.:ВИНИТИ, 2006.Деп.№ 3351 от 15.10.06 г.–2,6 п.л.
  2. Биджиев А.З., Темирова М.А. Формирование данных для верхнего уровня моделирования на базе клеточно-автоматного прогнозирования. М.: ВИНИТИ, 2006. Деп. № 305 от 23.03.2006 г.- 1,8 п.л., авт. 0,6 п.л.
  3. Биджиев А.З. Фазовые траектории и агрегирование как инструментарий для предпрогнозного анализа микро- и макроэкономических рядов. Научная мысль Кавказа. Приложение №5 – Ростов-на-Дону: Изд-во Северо-Кавказского центра высшей школы, 2006. – 0,56 п.л., авт. 0,28 п.л.
  4. Биджиев А.З., Темирова Л.Г. Иерархия цикличности временных рядов заболеваемости на базе фазового анализа//Электронный журнал/«Исследовано в России». – 2006. – С./http://zhurnal/ape/relarn/ru/articles/003/6016//pdf.-0,53 п.л., авт. 0,18 п.л.
  5. Биджиев А.З.,Тебуева Ф.Б. Использование агрегирования и клеточного автомата для прогнозирования временных рядов заболеваемости. Материалы конференции Международной междисциплинарной научной конференции «Идеи синергетики в естественных науках». Вторые Курдюмовские чтения, Тверь: Твер.гос.ун-т, 2006.– 0,18 п.л., авт. 0,1 п.л.
  6. Биджиев А.З.,Темирова М.А. Адаптация клеточно-автоматной прогнозной модели для медицинских временных рядов с памятью. Материалы конференции Международной междисциплинарной научной конференции «Идеи синергетики в естественных науках». Вторые Курдюмовские чтения, Тверь: Твер.гос.ун-т, 2006.– 0,25 п.л., авт. 0,14 п.л.
  7. Биджиев А.З., Бобылева Е.В. Использование информационных технологий для моделирования медицинских временных рядов. Материалы VIII Международной научно-практической конференции «Экономико-организационные проблемы проектирования и применения информационных систем», Кисловодск, 27-29 октября 2005. – Ростов н/Д: Изд-во Рост. ун-та, 2005.- 0,18 п.л., авт. 0,1 п.л.
  8. Биджиев А.З., Темирова М.А. Двухуровневый подход к моделированию задач управления здравоохранением. Материалы Международной научно-практической конференции «Экономическое прогнозирование: модели и методы». Воронеж, 30-31 марта 2006 г., в 2 ч./ под ред.проф. В.В.Давниса. – Воронеж: ВГУ, 2006. – Ч.1. – 0,18 п.л., авт. 0,1 п.л.
  9. Биджиев А.З., Лукашов С.А. Иерархический подход к прогнозированию для принятия управленческих решений в сфере здравоохранения. Сб. трудов X Международной научно-практической конференции «Системный анализ в проектировании и управлении», Таганрог, 28 июня – 10 июля 2006 г. – Санкт-Петербург: Изд-во Политехнического университета, 2006.– 0,25 п.л., авт. 0,12 п.л.
  10. Биджиев А.З., Боташева Л.С. Роль национального приоритетного проекта «Здоровье» в развитии здравоохранения в регионе». Региональное приложение к журналу «Современные наукоемкие технологии» №3, Иваново. – 2009 г., -0,19 п.л., авт.0,1 п.л.


Pages:     | 1 | 2 ||
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.