RUS | UKR | ENG || ДонНТУ > Портал магистров ДонНТУ


		Казакова Ольга Сергеевна Факультет компьютерных наук и технологий Кафедра: Автоматизированные системы управления Специальность: информационные управляющие системы и технологии Тема выпускной работы: Разработка компьютеризированной подсистемы поддержки принятия решений для оптимизации работы станции скорой медицинской помощи Научный руководитель: Мартыненко Татьяна Владимировна

Реферат по теме выпускной работы

ВВЕДЕНИЕ

    Среди проблем реформирования отрасли здравоохранения важнейшее значение имеет совершенствование службы скорой медицинской помощи, которая оказывает круглосуточную экстренную помощь взрослому и детскому населению на догоспитальном этапе, а так же транспортировку больных в медицинские учреждения.
    Станция скорой медицинской помощи (ССМП) функционирует в режиме круглосуточного дежурства и готовности к оказанию экстренной медицинской помощи населению. Для обеспечения установленных сроков прибытия выездных бригад скорой медицинской помощи (15 минут) к месту вызова в составе ССМП создана сеть из 10 подстанций, которые расположены по зональному принципу в каждом районе города.
    На каждой подстанции создаются бригады скорой медицинской помощи. Выделяют следующие виды бригад:

врачебные,
фельдшерские,
специализированные (кардиологические, неврологические, психиатрические, бригады интенсивной терапии и другие).

Процесс управления ССМП – это формирование управленческих решений по следующим направлениям деятельности станции:

формирование оптимального графика выхода на линию бригад и оперативного персонала;
управление материально-техническими поставками для обеспечения работы ССМП;
разработка мероприятий по совместным действиям скорой медицинской помощи с другими оперативно-диспетчерскими службами и лечебно-профилактическими учреждениями;
решения, связанные с оперативностью обслуживания вызовов бригадами и оперативным персоналом.

АКТУАЛЬНОСТЬ

Совершенствование службы скорой медицинской помощи является одной их важнейших задач организации системы здравоохранения. От своевременности и качества оказания медицинских услуг скорой зависит жизнь и в значительной мере здоровье многих людей. Повышение эффективности работы СМП должно обеспечивать равную доступность и оперативность в получении услуг СМП для каждого жителя. Оптимизация работы станции скорой медицинской помощи требует, в первую очередь, обоснованного планирования ее ресурсов; при любом решении этой задачи необходимо учитывать экономические и медицинские цели.

ЦЕЛИ И ЗАДАЧИ

    Цель работы – повышение эффективности использования ресурсов станции скорой медицинской помощи. В соответствии с целью были поставлены следующие задачи:
    1. выполнить системный анализ работы станции скорой медицинской помощи для определения основных параметров, влияющих на функционирование;
    2. провести анализ обращений населения в скорую медицинскую помощь, определить их динамику и структуру;
    3. разработать модель прогнозирования числа вызовов скорой медицинской помощи и определить ее параметры;
    4. реализовать комплекс программных средств для оптимизации работы станции скорой медицинской помощи.

ПРЕДПОЛАГАЕМАЯ НАУЧНАЯ НОВИЗНА

1.Разработана модель прогнозирования числа вызовов скорой медицинской помощи, что повышает эффективность использования ее ресурсов.
2.Разработана система поддержки принятия решений, которая позволяет осуществить планирование работы станции скорой медицинской помощи.

ПЛАНИРУЕМЫЕ ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ

Планируемая практическая значимость работы состоит в разработке программных средств для оптимизации работы станции скорой медицинской помощи.
Применение разработанной системы поддержки принятия решений позволит рационально планировать использование ресурсов скорой помощи.

ОБЗОР ИССЛЕДОВАНИЙ ПО ТЕМЕ

    Задачи рационального планирования и организации работы скорой медицинской помощи рассматривали в своих работах Моисеев В. С., Бутузова А. В., Петров Э. Г., Никитина М. И.
    В современной практике для автоматизации сбора и обработки информации о деятельности скорой медицинской помощи используются следующие автоматизированные системы: «Скорая помощь» (ЗАО «Информационные системы»), система «Скорая медицинская помощь» («СИТРОНИКС. Информационные Технологии»), «Служба 03» («Связьинформсервис»).
    Анализ существующих программных комплексов
    Комплекс «Скорая помощь» ЗАО «Информационные системы» позволяет вести оперативный учет принятых по телефону вызовов, отслеживать работу бригад, вводить информацию об обслуженных вызовах и оперативно получать все необходимые отчеты и справки за любой период времени. Комплекс включает в себя несколько автоматизированных рабочих мест (АРМ): Общие справочники, АРМ диспетчера, АРМ оператора по приёму вызовов, АРМ для ввода результатов обслуженных вызовов, АРМ старшего врача смены, АРМ получения статистических отчетов, архив модуль поиска.
    Автоматизированная информационно-диспетчерская система «Скорая медицинская помощь» компании «СИТРОНИКС. Информационные Технологии» обеспечивает автоматизацию технологических процессов приёма вызовов, анализ вызовов по поводам и территориальными признаками, их немедленную передачу на подстанции, процесс ведения вызова и управление выездными бригадами, отображение состояния оперативной работы всех подстанций и всей станции вообще.
    «Служба 03» (компания «Связьинформсервис») – это программный продукт для автоматизации и оперативного управления работой станции скорой медицинской помощи, он решает задачи приема, регистрации и обработки вызовов от населения, оперативного контроля состояния принятых вызовов, управления бригадами и госпитализацией населения, осуществляет оперативное получение полной статистической информации о работе ССМП.
    Анализ современных программных комплексов в рассматриваемой предметной области показал, что они в основном сосредоточены на решении задачи автоматизации документооборота. Однако эти системы не предоставляют возможности формирования управленческих решений для оптимизации работы ССМП.
    Обзор существующих методов прогнозирования     Под методом прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, внешних и внутренних связей объекта прогнозирования вывести суждения определенной достоверности относительно будущего развития объекта.
    По степени формализации все методы прогнозирования можно разделить на интуитивные (экспертные) и формализованные.
    Интуитивные методы используются в тех случаях, когда отсутствуют какие-либо статистические данные, на которых мог бы базироваться количественный прогноз, или если невозможно учесть влияние многих факторов из-за сложности объекта прогнозирования (метод «интервью», анкетирование, построение сценария, метод комиссий, метод «Дельфи»).
    Формализованные методы базируются на фактической информации о прошлом и настоящем развитии объекта прогнозирования. Формализованные методы можно разделить на следующие группы:
    Методы экстраполяции – заключаются в изучении устойчивых тенденций развития объекта прогнозирования и переносе их на будущее (метод наименьших квадратов, экспоненциальное сглаживание, вероятностное моделирование).
    Регрессионные методы основаны на анализе и использовании устойчивых статистических связей между некоторыми переменными и прогнозируемой функцией. Получение регрессионной модели происходит в два этапа: подбор вида функции и вычисление ее параметров.
    Нейронные сети являются альтернативой традиционным методам решения задач прогнозирования временных рядов. Применение нейронных сетей для прогнозирования временных рядов основано на их способности аппроксимировать нелинейные функции. При этом обработка нейронной сетью входных данных может осуществляться как для отдельных данных, так и для набора данных, описывающих предысторию процесса.

КРАТКОЕ ИЗЛОЖЕНИЕ СОБСТВЕННЫХ РЕЗУЛЬТАТОВ

Для оптимизации работы ССМП необходимо прогнозировать количество ожидаемых вызовов скорой медицинской помощи для различных календарных периодов. Надежные прогнозы спроса являются важнейшим вкладом для планирования ресурсов станции скорой медицинской помощи. В таблице 1 представлены варианты использования полученных прогнозов для различных временных периодов.

Таблица 1 – Использование прогнозов количества вызовов скорой медицинской помощи

Период прогнозирования	Использование полученного прогноза
Годовой прогноз	Определение необходимого числа закупочных медикаментов при проведении тендера на закупку медицинского оснащения на будущий год
Прогноз на месяц	Обоснование необходимого количества койко-мест для потерпевших, которые резервируются в стационарах города
Прогноз для каждой подстанции на месяц	Управление запасами медикаментов и перевязочного материала на подстанциях скорой помощи
Прогноз вызовов определенного профиля для каждого месяца года	Используется при составлении рациональных графиков отпусков медицинского персонала
Прогноз на день	Обоснование решений о том, когда необходимо привлекать дополнительные ресурсы

В общем виде задача прогнозирования сводится к поиску функции f

Y_n+1 = f ( Y₁, Y₂, ..., Y_n )

(1)

где Y₁, Y₂, ..., Y_n – значения прогнозируемой величины в предшествующие моменты времени.
В свою очередь Y_i может быть функцией от некоторых переменных:

Y_i = φ ( X₁, X₂, ..., X_k )

(2)

Тогда годовой прогноз числа вызовов скорой медицинской помощи можно записать в виде:

kv_n+1 = f ( kv₁, kg₁, kv₂, kg₂, ..., kv_n, kg_n )

(3)

где kv_i – количество вызовов скорой помощи в прошлые года;
kg_i – число жителей;
n – количество элементов выборки.
Прогнозирования числа вызовов скорой помощи на месяц представим в виде:

km_n+1 = f ( km₁, km₂, ..., km_n )

(4)

где km_i – количество вызовов скорой помощи за прошлые месяцы.
Состояние здоровья людей, обострение хронических заболеваний, дорожно-транспортные происшествия тесно связаны с погодными условиями, поэтому число вызовов скорой медицинской помощи за день зависит от месяца (M), дня недели (Dn), температуры воздуха (Tem), влажности (H), наличия сильного дождя (R), снегопада (Sn), тумана (B) и гололеда (Sl).
Прогноз числа вызовов скорой помощи на день:

kd_n+1 = f ( g₁, g₂, ..., g_n )

(5)

где g_i = { kd_i, M_i, D_i, Tem_i, H_i, R_i, Sn_i, Sl_i, B_i }.
Процесс прогнозирования является ключевым моментом при принятии управленческих решений.
Прогноз – это результат процесса прогнозирования, который представлен в словесной, математической, графической или другой форме суждения про возможное состояние объекта в будущий период времени. Выбор и использование метода являются основным этапами в разработке прогноза, однако эта процедура предполагает и другие этапы деятельности. Этапы разработки модели прогнозирования представлены на рисунке 1.

Рисунок 1. – Этапы разработки модели прогнозирования
(анимация: объем – 104 КБ, размер – 644x498, количество кадров – 10, задержка между кадрами – 70 мс; задержка между последним и первым кадрами – 200 мс; количество циклов повторения – непрерывный цикл повторения)

    Чрезвычайно важную роль в построении прогнозов играют исторические данные, используемые при выработке модели прогнозирования. В идеале желательно иметь большое количество данных за значительный период времени. Кроме того, используемые данные должны быть «типичными» с точки зрения ситуации, достоверными, сопоставимы, достаточно представительны для проявления закономерности, однородны и устойчивы.
    Основным критерием при оценке эффективности модели прогнозирования служит точность прогноза. Точность или ошибка прогноза – это разница между прогнозным и фактическим значениями.
    Прежде чем использовать модель для составления реальных прогнозов, ее необходимо проверить на объективность. Оценка адекватности осуществляется одним из следующих способов:
    1) Результаты, полученные с помощью модели, сравниваются с фактическими значениями через какой-то промежуток времени, когда те появляются. Недостаток такого подхода состоит в том, что проверка модели может занять много времени, так как по-настоящему проверить модель можно только на продолжительном временном отрезке.
    2) Модель строится исходя из усеченного набора имеющихся исторических данных. Оставшиеся данные можно использовать для сравнения с прогнозными показателями, полученными с помощью этой модели. Такого рода проверка более реалистична, так как она фактически моделирует прогнозную ситуацию. Недостаток этого метода состоит в том, что самые последние, следовательно, и наиболее значимые показатели исключены из процесса формирования исходной модели.
    Наиболее распространенным является прогнозирование на основе временных рядов. Временной ряд представляет собой упорядоченные во времени наборы измерений тех или иных характеристик исследуемого объекта или процесса. Временные ряды состоят из двух элементов:

период времени, за который или по состоянию на который приводятся числовые значения;
числовые значения того или иного показателя, называемые уровнями ряда.

Временной ряд Y_t может быть представлен в следующем виде:

Y_t = x_t + S + C + ε_t

(6)

где x_t – детерминированная неслучайная компонента процесса (тренд), характеризует существующую динамику развития процесса в целом;
S – сезонная составляющая;
C – циклическая составляющая;
ε_t – стохастическая компонента процесса, отражает случайные колебания или шумы процесса.
По временному признаку различают прогнозы:

оперативные;
краткосрочные;
среднесрочные;
долгосрочные.

Временная градация прогнозов является в определенной мере условной и зависит от характера и цели данного прогноза. Для нашего исследования период упреждения для краткосрочного прогнозирования составляет 1-2 недели, для среднесрочного – 1- 3 месяца, а для долгосрочного – 1- 2 года.

ЗАКЛЮЧЕНИЕ

Скорая помощь является оперативно-диспетчерской службой, без работы которой невозможно нормальное функционирование города. Для организации эффективной работы этой службы необходимо прогнозировать ее загрузку в течение определенных календарных периодов для обоснования количества и численности дежурных бригад, а также технического оснащения оперативного персонала, принимающего заявки от населения, количества мест для потерпевших, резервируемых в стационарах, материально-технического обеспечения и т. д.

Список литературы

Антохонова И. В. Методы прогнозирования социально-экономических процессов: Учебное пособие. – Улан-Удэ: Изд-во ВСГТУ, 2004. – 212 с.
Афанасьев В. Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. – М.: Финансы и статистика, 2001. – 228 с.
Зимарин Г. И., Кравец О. Я. Анализ загрузки исполнительной подсистемы службы экстренной медицинской помощи, «Врач-аспирант», 2006, 2(11), 184–187
Моисеев В. С., Бутузова А. В. Основные задачи разработки автоматизированной системы управления скорой медицинской помощью, «Исследования по информатике», 10, Отечество, Казань, 2006, 141–150
Моисеев В. С., Сбоева А. В. Математическая модель прогнозирования численности населения, обслуживаемого оперативно-диспетчерскими службами, «Исследования по информатике», 8, Отечество, Казань, 2004, 63–74
Автоматизированная информационно-диспетчерская система «Скорая медицинская помощь г. Киева». Сайт компании «СИТРОНИКС Информационные Технологии». [Электронный ресурс]. Режим доступа: URL:
http://www.it.sitronics.com/about/projects/view.php?ID=571
АСУ «Скорая помощь». Сайт компании «Информационные системы».[Электронный ресурс]. Режим доступа: URL:
http://www.yarinsi.ru/products/detail.php?ID=1967&cat=opisanie
Служба 03». Сайт компании «Связьинформсервис». [Электронный ресурс]. Режим доступа: URL:
http://www.sis-group.com/products/officeatc/especial-service/03/
Nabil Channouf, Pierre L’Ecuyer, Armann Ingolfsson, Athanassios N. Avramidis "The application of forecasting techniques to modeling emergency medical system calls in Calgary, Alberta". [Электронный ресурс]. Режим доступа: URL:
http://www.iro.umontreal.ca/~lecuyer/myftp/papers/ambul.pdf
Melania Calinescu "Forecasting and Capacity Planning for Ambulance Services". [Электронный ресурс]. Режим доступа: URL:
http://www.few.vu.nl/en/Images/stageverslag-calinescu_tcm39-105827.pdf
Ping-Sung Liao, Yung-Shu Tzeng, Tse-Sheng Chen. Ambulance Run Volume Prediction by Back-Propagation Neural Network[Электронный ресурс]. Режим доступа: URL: http://www.csu.edu.tw/csitshow/Hmanager/91data/427.doc

Замечание. При написании данного автореферата магистерская работа еще не завершена. Дата окончательного завершения работы: декабрь 2010 г. Полный текст работы и материалы по теме могут быть получены у автора или его научного руководителя после указанной даты.