The object of research, development or design (in Russian) : Больницы, участвующие в ОСМС

The object of research, development or design (in Kazakh) : Міндетті медициналық сақтандыруға қатысатын ауруханалар

Aim of work (in Russian) : Целью проекта является разработка эмпирических математических моделей для прогнозирования продуктивности больницы, длительности пребывания пациентов и создания инструмента поддержки принятия решений для улучшения бюджетного планирования в рамках ОСМС. Это соответствует текущей реформе системы бюджетирования, являющейся одной из приоритетных задач, поставленных Президентом К. Токаевым.

Aim of work (in Kazakh) : Жобаның мақсаты стационар өнімділігін, пациенттің болу ұзақтығын болжау үшін эмпирикалық математикалық модельдерді әзірлеу және міндетті әлеуметтік медициналық сақтандыру жүйесі аясында бюджетті жоспарлауды жақсарту үшін шешім қабылдауды қолдау құралын жасау. Бұл Президент K.Тоқаев белгілеген басымдықтардың бірі болып табылатын бюджет жүйесінде жүргізіліп жатқан реформаға сәйкес келеді

Методы исследования (на русском) : 1. Систематический литературный обзор для выявления параметров математической модели прогнозирования деятельности больниц 2. Построение моделей машинного обучения на основе ретроспективных данных госпитализации пациентов такие как: нейронные сети, градиентный бустинг и др.

Методы исследования (на казахском) : 1. Аурухана жұмысын болжау үшін математикалық модельдің параметрлерін анықтау үшін жүйелі әдебиеттерді шолу 2. Науқасты госпитализациялаудың ретроспективті деректеріне негізделген машиналық оқыту үлгілерін құру, мысалы: нейрондық желілер, градиентті күшейту және т.б

Obtained results and novelty (in Russian) : Данная работа использовала модели машинного обучения (МО), построенных на данных о госпитализациях за последние 12 лет. Исследование охватывало все случаи госпитализаций в рамках ОСМС, без ограничения конкретными заболеваниями. Детализированные данные включали социально-демографические и клинические характеристики пациентов: диагноз, сопутствующие заболевания, проведённые процедуры, тип и дату госпитализации, исход лечения. Обширность данных позволила алгоритмам МО учитывать сочетание диагностических групп и стохастический характер потока пациентов при построении прогностических моделей. Предложенный системный подход, охватывающий весь период пребывания пациента от поступления до выписки или перевода, имеет практическое значение для планирования финансирования и повышения эффективности распределения бюджета здравоохранения. Разработанные модели могут использоваться различными заинтересованными сторонами МЗРК, ФОМС и администрацией больниц. Проведённый систематический обзор выявил ограниченную эффективность и методологические пробелы существующих моделей, а также обозначил барьеры внедрения МО в управление здравоохранением. Установлено, что сложности наблюдаются как на уровне государственных органов, так и среди руководителей медицинских учреждений. Эмпирический анализ показал высокую точность прогнозирования на данных ОСМС, однако масштабное внедрение требует существенных организационных усилий, инвестиций, цифровой инфраструктуры и нормативно-правовой базы.

Obtained results and novelty (in Kazakh) : Бұл зерттеу соңғы 12 жылдағы госпитализация деректері негізінде құрылған МО модельдерін пайдаланды. Зерттеу нақты ауру түрлерімен шектелмей, МӘМС аясындағы барлық госпитализация жағдайларын қамтыды. Пациенттер туралы егжей тегжейлі деректер әлеуметтік демографиялық және клиникалық сипаттамаларды қамтыды: диагноз, қатар жүретін аурулар, жүргізілген медициналық процедуралар, госпитализация түрі мен күні, сондай-ақ емдеу нәтижесі. Деректердің кең қамтылуы МО диагностикалық топтардың үйлесімін және пациенттер ағынының стохастикалық сипатын ескеруге мүмкіндік берді. Ұсынылған жүйелі тәсіл пациенттің ауруханаға түскен күнінен бастап шығу немесе ауыстырылу уақытына дейінгі кезеңді қамтып, қаржыландыруды жоспарлау мен денсаулық сақтау бюджетін тиімді бөлуге практикалық маңыз берді. Дайындалған МО ҚР Денсаулық сақтау министрлігі, МӘМС қоры және аурухана әкімшілігі сияқты мүдделі тараптар үшін шешім қабылдау кезінде қолдануға жарамды. Жүргізілген жүйелі шолу қолданыстағы модельдердің шектеулі тиімділігі мен әдіснамалық кемшіліктерін анықтап, денсаулық сақтауды басқаруда МО технологияларын енгізудегі негізгі кедергілерді айқындады. Қиындықтар мемлекеттік органдар деңгейінде де, медициналық ұйымдардың басшылары арасында да байқалды. Эмпирикалық талдау МӘМС деректері негізінде МО модельдерінің жоғары болжамдық дәлдігін көрсетті, алайда оларды кеңінен енгізу айтарлықтай ұйымдастырушылық күш-жігерді, инвестицияларды, цифрлық инфрақұрылым мен нормативтік базаны дамытуды қажет етеді.

The main constructive and technical economic indicators (in Russian) : Данное исследование показало, модели, построенные на алгоритмах машинного обучения (МО), обученные на реальных данных, способны более точно прогнозировать такие параметры как продуктивность больниц и продолжительности пребывания в стационаре. Мы ожидаем, что прогнозы, построенные на основе МО, могут быть в дальнейшем использованы лицами принимающие решения при планировании бюджета в рамках ОСМС.

The main constructive and technical economic indicators (in Kazakh) : Нақты деректерге үйретілген машиналық оқыту (ML) алгоритмдеріне негізделген модельдер аурухана өнімділігі мен болу ұзақтығы сияқты параметрлерді дәлірек болжауға қабілетті. МL негізінде жасалған болжамдарды шешім қабылдаушылар міндетті медициналық сақтандыру шеңберінде бюджетті жоспарлау кезінде одан әрі пайдалана алады деп күтеміз.

Level of implementation (in Russian) : не предусмотрено

Level of implementation (in Kazakh) : көзделмеген

Efficiency (in Russian) : не предусмотрено

Efficiency (in Kazakh) : көзделмеген

Field of application (in Russian) : Здравоохранение

Field of application (in Kazakh) : Денсаулық сақтау