автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Разработка подсистемы информационной поддержки принятия управленческих решений в медучреждении

КУРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

Сазонов Сергей Юрьевич

РАЗРАБОТКА ПОДСИСТЕМЫ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В МЕДУЧРЕЖДЕНИИ

Специальность: 05.13.10 — Управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Курск - 2003

Работа выполнена на кафедре «Информационные системы в экономике» Курского государственного технического университета.

Научный руководитель:

Официальные оппоненты:

доктор технических наук, профессор Уразбахтин И.Г.

доктор технических наук, профессор Емельянов С.Г. кандидат технических наук, старший научный сотрудник Носков М.М.

Ведущая организация: Курская областная клиническая больница.

Защита состоится «29» октября 2003 г. в 14.00 на заседании диссертационного совета Д 212.105.02 в Курском государственном техническом университете по адресу: 305040, г.Курск, ул. 50 лет Октября 94, конференц-зал.

С диссертацией можно ознакомиться в библиотеке Курск! 1 У.

Автореферат разослан «^¿С

Ученый секретарь диссертационного совета

Е.А.Титенко

\5~0 83

Г ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современная ситуация, сложившаяся в медицинских учреждениях в период перехода от бюджетной к бюджетно-страховой и платной формам организации медицинской помощи, характеризуется исключительной сложностью и динамичностью. Это диктует необходимость рассмотрения медицинского лечебного учреждения как сложной, слабоформализуемой медико-социальной системы.

В настоящее время происходит активное внедрение математических методов вычислений в медицине, создание моделей решения актуальных медицинских проблем, формирование кибернетических направлений в медицинской науке. Вместе с тем недостаточно теоретически проработанным звеном является взаимосвязь компьютерных информационных систем и структуры управления лечебно-профилактическим учреждением (ЛПУ).

Одной из проблем, возникающих при управлении ЛПУ является прогнозирование развития медицинской ситуации и своевременное оперативное принятие решений. С математической точки зрения это трудно формализуемая задача анализа сложных медико-социальных систем рассматривалась в работах М.П. Ройтмана, В.М. Губарева, Г.А. Попова., A.M. Чухраева.

Отсутствие строгой формализации медицинских знаний и большие объемы неоднородной информации, отсутствие или ограниченность достоверных данных об исследуемых биомедицинских объектах, влияние факторов окружающей среды, необходимость сведения к минимуму риска, связанного со здоровьем и жизнью людей, возможная субъективность восприятия ситуации врачом-специалистом - все это значительно осложняет формирование и выбор оптимальных вариантов управляющих решений в медицинских системах.

Проводимые в последние десятилетия медико-экологические мониторинговые исследования выявили высокую степень зависимости уровня заболеваемости населения относительно различных нозологических форм от геоэкологических факторов внешней среды, что связывается с ухудшением социально-экономических условий жизни населения и экологической обстановки в регионах, прогрессирующей урбанизацией при общем снижении комфортности городской среды. Эта проблема особенно актуальна в настоящее время для нозологических форм кожно-венерологических заболеваний. Многомерность исходных данных, различие в форматах хранения, возможность только качественных оценок многих показателей и отсутствие наглядного представления их динамики с учетом пространственного и временного аспектов, нечеткое задание критериев принятия решений, - все это создает сложности при оценивании медицинской ситуации в регионе лицами принимающими решения (ЛПР). В связи с этим значительный интерес представляет исследование медицинских, социально-экономических, природно-хозяйственных, экологических показателей с помощью геоинформационных технологий. В настоящее время актуальны быстрое принятие решений, степень адекватности аналитических данных реальным процессам, возможность использования экономико-математических методов и моделей для анализа медицинской ситуации в регионе. Вместе с тем большинство известных исследований направлено на создание информационных систем, которые способны решать эту задачу не в полной мере или не достаточно оперативно.

РОС НАЦИОНАЛЬНАЯ БИБЛИОТЕКА | С.Петербург

ОЭ 'SO

Объектом исследования является процесс управления в медицинском лечебном учреждении.

Предметом исследования является подсистема информационной поддержки принятия управленческих решений (ПСИППУР) в ЛПУ типа кожно-венерологический диспансер (КВД).

Цель и задачи исследования. Целью диссертационного исследования является повышение оперативности принятия управленческих решений в ЛПУ путем разработки математического аппарата, алгоритмов и методик построения ПСИППУР для медучреждения.

Для достижения поставленной цели решены следующие задачи:

1. Анализ особенностей функционирования существующей системы управления ЛПУ и комплекса первоочередных задач, подлежащих автоматизации, факторов, влияющих на оперативность, качество медицинского обслуживания, подходов и методов информатизации здравоохранения.

2. Построение типовых моделей поведения пациентов при обращении в

ЛПУ.

3. Разработка математических моделей и алгоритмов прогнозирования и имитационного моделирования развития медицинской ситуации в регионе для подсистемы информационной поддержки принятия управленческих решений.

4. Разработка структурно-функциональной схемы ПСИППУР в ЛПУ, основных методических положений по проектированию подсистемы, в том числе и автоматизированных рабочих мест (АРМ).

5. Создание информационного и программного обеспечения для реализации процесса информационной поддержки принятия управленческих решений, внедрение и апробация результатов исследования в ЛПУ.

Методы исследования базируются на основных положениях теории информации, теории моделирования экономических, социальных, медицинских систем, теории вероятностей и математической статистики, теории принятия решений, теории управления, теории нейронных сетей, теории проектирования баз данных и разработки программного обеспечения.

В диссертационном исследовании использовалась экономическая, техническая и медицинская литература (монографии, статьи в периодических изданиях), документы управленческого, бухгалтерского и статистического учета Курского областного клинического кожно-венерологического диспансера.

Научная новизна. Основные результаты диссертационного исследования, имеющие научную новизну, состоят в следующем:

1. Разработана методика построения тематических самоорганизующихся карт, отличающаяся возможностью визуализации прогностических оценок и результатов геоинформационного моделирования по данным медицинского мониторинга, позволяющая повысить оперативность действий лица, принимающего решения (ЛПР).

2. Предложен методический подход комплексного использования нейросе-тевого метода самоорганизующихся карт (СОК) совместно с методом приведенных распределений и имитационного моделирования, что позволяет на основе выявленных статистических взаимосвязей повысить в 2 раза достоверность получаемых

прогнозных оценок медицинских показателей для территориальных единиц региона с учетом пространственно-временного аспекта.

3. Разработаны алгоритмы идентификации вероятностных моделей, позволяющие в условиях высокой априорной неопределенности восстановить вид закона распределения и его параметры для последующего имитационного моделирования.

4. Предложен модифицированный алгоритм проведения имитационного моделирования развития медицинской ситуации региона как слабоформализуемой системы.

Практическая значимость. Проведенные теоретические и экспериментальные исследования позволили:

1. Предложить концептуальные модели поведения пациентов в ЛПУ данного типа и разработать ШЕРО- и ОРО-диаграммы объекта исследования, служащие основой построения структурно-функциональной схемы ПСИППУР.

2. Разработать программный комплекс, обеспечивающий информационную поддержку принятия решений ЛПР в медучреждении, путем предоставления лицу, принимающему решения, дополнительной визуальной информации.

3. Повысить оперативность документооборота и решения управленческих задач в ЛПУ путем внедрения подсистемы информационной поддержки принятия управленческих решений.

Научные положения, выводы и рекомендации, изложенные в диссертации, служат базой для дальнейшей работы по рационализации управления ЛПУ и положены в основу проектирования и дальнейшего развития структуры системы управления кожно-венерологического диспансера, системы оказания медицинской помощи и контроля за качеством лечебно-диагностического процесса.

Основные положения, выносимые на защиту:

1. Метод идентификации вероятностных моделей при прогнозировании развития медицинской ситуации региона на основе ее мониторинга и автоматизации обработки медицинской информации.

2. Двухэтапный алгоритм идентификации вероятностных моделей медико-экономического объекта.

3. Модифицированный алгоритм проведения имитационного моделирования развития медицинской ситуации региона.

4. Структурно-функциональная схема ПСИППУР медицинского лечебного учреждения.

Апробация работы. Основные результаты работы неоднократно докладывались и одобрены на конференциях и семинарах различных уровней:

- Международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий», г.Москва, 2002 г.;

- V Всероссийской научно-технической конференции «Нейроинформатика -2003», г.Москва, 2003 г.;

- Всероссийской научно-технической конференции «Наука и образование -2003», г. Мурманск, 2003 г.;

- I Международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации»,г.Курск,2003 г.;

- Первый Российский конгресс дерматовенерологов, г.Санкт-Петербург, 2003. г.;

- Международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий», г.Москва, 2003 г.

Внедрение. Результаты проведенного исследования были экспериментально апробированы и внедрены в эксплуатацию в Курской областной клинической больнице, Курском областном кожно-венерологическом диспансере и Областной клинической больнице микрохирургии глаза, что подтверждено актами о внедрении из этих организаций.

Результаты исследования внедрены в учебный процесс и нашли развитие в курсе «Методы и модели в экономике», что подтверждено актом о внедрении.

Публикации. По теме диссертации опубликовано 15 печатных работ общим объемом 4,5 п.л., в том числе 11 статей.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников (137 наименований) и приложений. Общее количество машинописных страниц — 168, рисунков - 45, таблиц — 32.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практическая ценность полученных результатов, защищаемые положения, изложено краткое содержание диссертационной работы по главам.

Первая глава посвящена анализу путей повышения эффективности управления медицинским лечебным учреждением, рассмотрены основные направления организационной и лечебно-диагностической деятельности медицинского учреждения, формулируются особенности управления медучреждением в условиях внедрения системы обязательного медицинского страхования.

Описано состояние информатизации отрасли здравоохранения на современном этапе. Определены основные направления информатизации. Проведена обобщенная классификация существующих в настоящее время медицинских информационных систем, рассмотрены их отличительные особенности, области применения и классы решаемых ими задач.

Проанализировано состояние автоматизации процессов управления, учета и отчетности в медицинском лечебном учреждении типа кожно-венерологический диспансер, и приводится организационно-функциональная характеристика объекта исследования.

Результаты анализа функционирования КВД позволили разработать и предложить следующие типовые модели поведения пациентов:

- типовая модель поведения пациента при платном анонимном обследовании;

- типовая модель поведения пациента при самостоятельном обращении в КВД и амбулаторном лечении;

- типовая модель поведения пациента при стационарном лечении.

По результатам обследования и анализа деятельности КВД выделены основные факторы и вытекающие из них особенности и ограничения, существенно влияющие на реализацию ПСИППУР, такие как:

1) разнородность информации, циркулирующей в системе (документы, схемы, таблицы, планы и т.д.), представляемой как в бумажной, так и в электронной формах;

2) пространственная привязка данных медицинского мониторинга;

3) историческая и юридическая значимость информации.

Для выбранного объекта исследования определен состав задач, подлежащих автоматизации и информатизации, образующих единый комплекс. Все это обусловило потребность в создании информационной системы поддержки принятия управленческих решений в медучреждении.

Вторая глава посвящена выбору методического и инструментального построения ПСИППУР для медучреждения на основе проведения реинжиниринга бизнес процессов в ЛПУ.

Рассматриваются характерные особенности проведения реинжиниринга бизнес-процессов в ЛПУ, который должен быть направлен в первую очередь на систему управления медучреждением и базироваться на концепции процессного подхода.

Под реинжинирингом в рассматриваемой предметной области понимается реинтеграция лечебного процесса в ЛПУ с целью достижения улучшения таких важных показателей, как издержки, качество обслуживания и скорость. Реинтеграция осуществляется в трех основных областях:

• Реинтеграция задачи: объединяет подзадачи более мелких лечебных процессов и деятельность, связанную с ними, в более крупные интегрированные блоки и комплексы, т.е. требуется сокращение количества частей, компонентов, сегментов.

• Реинтеграция рабочей силы: позволяет медперсоналу выполнять и координировать большие, а не меньшие части процесса, т.е. необходима многофункциональность, ротация медперсонала, деспециализация и права собственности на процесс. В настоящее время желательно дать возможность медперсоналу работать в автономных командах и координировать интегрированные лечебные процессы.

• Реинтеграция знаний: медперсонал должен знать, т.е. быть способным успешно координировать все большие и большие части лечебного процесса.

При отсутствии информации управленческие решения интуитивны и целесообразны, но не всегда экономичны. Доступ к информации улучшает принятие решений и помогает руководству ЛПУ реализовать цели реинжиниринга. Поэтому реинжиниринг бизнес-процессов в ЛПУ должен подкрепляться соответствующей, необходимой для этого организационной структурой медучреждения и надлежащей информационной технологией.

Исходя из этого требования, определены особенности проектирования современных информационных систем (ИС) и обоснована необходимость их информационного и логического моделирования при проектировании. Проведен анализ различных типов инфологических моделей по семантическим и технологическим аспектам их применения, а также анализ современных САБЕ-средств. Таким образом, для решения поставленных в работе задач по проектированию ПСИППУР для медучреждения необходимо построение ГОЕРО-, БРО- и ЕМЭ-моделей.

С учетом выявленной пространственной привязки медицинской информации, рассмотрены основные направления развития геоинформационных систем (ГИС) и ГИС-технологий. Проведена классификация и сравнительный анализ существующих ГИС по различным основаниям. Показаны преимущества и перспективность

использования ГИС для автоматизации управления медицинским учреждением вследствие широкого использования в здравоохранении пространственно-распределенных данных.

Третья глава посвящена разработке моделей принятия решений в ПСИП-ПУР медучреждения.

Обосновывается возможность использования для описания и прогнозирования развития слабоформализуемых медико-социальных систем вероятностных моделей, основанных на законах распределения случайных величин.

При идентификации закона распределения случайной величины и последующем его моделировании с использованием вероятностных моделей, как следствие воздействия случайных, неконтролируемых факторов, будет наблюдаться некоторый разброс статистических индикаторов относительно выбранных собственных индикаторов. Собственные индикаторы, определяются как совокупность начального

- тг и центральных моментов

2,3, ..., где цгк- центральные момен-

ты к-го порядка распределения. Величины АР гк , вычисленные для эмпирических данных определяться как статистические индикаторы. В результате при близком расположении собственных индикаторов области рассеяния статистических индикаторов будут перекрывать друг друга, и возникает задача оценки адекватности полученных вероятностных моделей и разделения областей рассеяния. Данная задача является одной из частных задач распознавания образов.

Классические методы решения задач по распознаванию образов не могут применяться для решения поставленной задачи в связи с тем что пространство

"V Хд/К*| не является однородным. Поэтому, например, доминирующие системы

распознавания, построенные на основе критерия минимизации квадратов расстояний дают неточные результаты (рис. 1.)

Рис. 1. Пример построения разделяющих линий в

пространстве статистических индикаторов; 1 -разделяющая линия построенная по критерию

минимизации вероятностей ложной тревоги; 2- линия, построена по критерию минимизации квадратов расстояний.

Рис. 2. Определение центра вращения разделяющей прямой

Для решения поставленной задачи предлагается метод, который позволяет выделить границу, разделяющую две области статистических индикаторов по критерию минимизации вероятностей ложной тревоги, и выбор наиболее адекватной вероятностной модели для заданного стохастического процесса или явления. Вероятность ложной тревоги будет определяться как отношение неправильно классифицированных статистических индикаторов к общему числу рассматриваемых статистических индикаторов.

В качестве методической основы решения задач идентификации вероятностных моделей в прогнозировании была использована концептуальная модель представления пар распределений разработанная профессором И.Г.Уразбахтиным.

Сущность разработанного метода заключается в реализации следующих этапов:

1. Генерируются две обучающие выборки с заданными законами распределения.

2. Полученные выборки приводятся к интервалу [0,1] , и для них рассчитываются статистические индикаторы.

3. Этапы 1 и 2 повторяются N раз (/V е [100;1000]).

4. Для каждой из обучающих выборок вычисляются средние значения статистических индикаторов, которые являются координатами "центров масс" сгенерированных выборок - точки А и В (рис. 2.)

5. Вычисляются координаты точки Е - центра вращения разделяющей прямой из соотношения длин отрезков АО/ ВС — АЕ! ВЕ.

6. Строится разделяющая прямая под углом 90 градусов к оси абсцисс, проходящая через точку Е.

7. Определяется число неправильно распознанных точек, и вычисляется вероятность ложной тревоги для первой и второй выборки.

8. Угол наклона разделяющей прямой увеличивается на 1 градус, и повторяется этап 7.

9. Этапы 7 и 8 повторяются до полного оборота разделяющей прямой вокруг точки Е.

Ю.Выбирается тот вариант построения разделяющей прямой, для которого суммарная вероятность ложной тревоги первой и второй выборок минимальна.

11 .Вводится значение экспериментальной выборки, для нее рассчитываются статистические индикаторы. По положению точки в пространстве (тг х <тг) (рис. 3.) относительно разделяющей прямой делается вывод о правильности восстановления закона распределения, т.е. идентификации эмпирических данных выбранным законом распределения, и наилучшей адекватности одной из полученных статистических моделей.

Для восстановления формы закона распределения вероятностной модели в условиях высокой априорной неопределенности и малого числа опытных данных в работе предлагается следующий двухэтапный алгоритм, основанный на методе приведенных распределений:

На первом этапе:

1) вводятся или получаются из внешнего источника статистические данные;

2) полученные статистические данные приводятся к интервалу [ОД], и для них

рассчитываются статистические индикаторы тг и 11

3) полученные статистические индикаторы отмечаются в пространстве

4) этапы 1-3 повторяются N раз (¡V е [100;1000]);

5) вычисляются средние значения статистических индикаторов, которые будут являться координатами центров кругов рассеяния собственных статистических индикаторов;

6) строятся ш кругов рассеяния статистических индикаторов (т е [10;20]) (пример для случая (тгх12)см. на рис. 2);

7) вычисляется число индикаторов, попавших в каждый из кругов, и по полученным данным строится гистограмма распределения статистических индикаторов по кругам рассеивания.

Гэспри&кии!: I - Н.*риу1Шл 2-к'згиатв

** - ( Л-ЗЦЯМГ^

\ - лл-и%л|ш

> - И)|ИМ 1УП1С

ИЛ.цу ш

1 тТ

Рис. 3. Теоретические индикаторы распределений

На втором этапе:

1) полученные статистические индикаторы повторно приводятся к интервалу [ОЛ] и для них рассчитываются свои собственные статистические индикаторы, кото-

л

рые также наносятся в пространствах Щ- (к = 2,3,..,9);

2) оценивается и строится в пространствах Щ. (к = 2,3 ,..,9) линия регрессии между полученными на втором этапе статистическими индикаторами;

3) делается вывод о правильности идентификации полученной вероятностной модели социально-экономического явления или процесса.

Как известно, на достоверность результатов, полученных с помощью имитационных вероятностных моделей, и их адекватность реальным социально-экономическим процессам большое влияние оказывает качество генераторов случайных чисел, используемых в процессе имитационного моделирования. Поэтому одним из этапов анализа адекватности имитационных моделей реальным стохастическим социально-экономическим объектам является исследование генератора случайных чисел, используемого при имитационном моделировании.

Для решения поставленной задачи предлагается алгоритм, который осуществляет оценку вероятностной модели, алгоритма или генератора случайных чисел для заданного стохастического социально-экономического процесса или явления.

Разработанный алгоритм состоит из следующих этапов:

1. Генерируется или получается из внешнего источника данных выборка с заданным законом распределения.

2. Полученная выборка приводится к интервалу [0,1] и для нее рассчитываются статистические индикаторы где /Лск- центральные моменты к-го порядка выборочного распределения.

3. Этапы 1 и 2 повторяются N раз (ЛГ € [100;1000]).

4. Вычисляются средние значения статистических индикаторов, которые будут являться координатами центров эллипсов рассеяния выборки.

5. Строятся ш эллипсов рассеяния (от е [10;20]).

6. Определяется число точек, попавших в каждый из эллипсов, и при необходимости по полученным данным строится гистограмма.

7. Этапы 5 и 6 повторяются для 2-9 моментов, т.е. эллипсы рассеяния строятся в пространствах {щ. к = 2,3,..,9).

8. Затем для полученных распределений статистических моментов по эллипсам рассеяния рассчитываются свои собственные статистические индикаторы, которые наносятся в пространство (тг х аг ).

9. Этапы 1-8 повторяются с! раз {а е [10;100]).

10. По положению полученных с1 точек в пространстве (тг х <уг ) делается вывод о качестве вероятностной модели, алгоритма или генератора случайных чисел для заданного стохастического социально-экономического процесса или явления.

Блок-схема предлагаемого алгоритма представлена на рисунке 4.

После проведения кластеризации районов, т.е. разбиения их на качественной однородные группы, проводится построение вероятностной модели для всего кластера в целом. Таким образом, статистические данные по отдельным районам объединяются для одного кластера, и построение вероятностной модели производится по этим объединенным статистическим данным. Такой подход позволяет снизить априорную неопределенность, увеличив количество исходных данных, путем объединения районов в кластеры.

В работе предлагается следующий модифицированный алгоритм построения вероятностных моделей развития медицинской ситуации в регионе (рис. 5).

К преимуществам алгоритма относится то, что использование метода СОК позволяет работать в условиях высокой априорной неопределенности и малого числа слабоформализуемых и неполных опытных данных.

^ Начало ^ (1=0,к=10,н-+

X

Аналоз положения точек в "колоколе"

Конец

3

¡=0,к100,1++ ~1—

Генерация или получение из внешнего источника данных выборки с заданным законом распределения

Расчет собственных

статистических индикаторов выборки

I-

Расчет координат центров эллипсов рассеивания как средних статистических индикаторов

Построение эллипсов рассеивания (от 10 до 20) 1

Подсчет числа точек, полаших в каждый из эллипсов

I

Построение гистограммы распределения попаданий точек в

эллипсы

X

Момент=2, Момент<=10, Момент«-

Т

Расчет статистических индикаторов распределения попаданий в эллипсы рассеивания

Построение полученных стати ндикаторо в в"колоколе"

Рис. 4. Алгоритм оценки качества вероятностных моделей, алгоритмов или генераторов случайных чисел с использованием метода приведенных распределений

Четвертая глава посвящена проектированию и реализации ПСИППУР медучреждения. Представленные типовые модели поведения пациентов позволили разработать структурно-функциональную схему и логическую модель реляционной базы данных ПСИППУР. Определены управленческие функции предлагаемой системы, ее характеристики и аппаратная реализация на базе КВД (рис. 6). Определен конкретный набор АРМов для выбранного медучреждения, их задачи, структура и выполняемые функции.

Разработаны ГОЕРО-модель и ЕЯ-модель предметной области, содержащая более двадцати сущностей.

Ввод данных мониторинга медицинской ситуации

Кластеризация исходных пространсгвенно-распреде ленных данных с помощью СОК

Восстановление формы закона распределения для каждого кластера с помощью метода приведенных распределений

Расчет параметров полученной вероятностной модели

Оценка качества Прогнозирование

используемого для развития медицинской

прогнозирован ия ситуации в регионе с

генератора использованием

случайных чисел вероятностной модели

Конец

1

Рис. 5. Модифицированный алгоритм построения вероятностных моделей развития медицинской

ситуации региона

Внешняя среда

ЛПУ

Система управления ЛПУ

Данные мониторинга медицинской ситуации

Информация о состоянии ЛПУ

Модуль ввода и обаботки исходных данных

Модуль анализа [л. данных

Модуль прогнозирования и планирования

СУБД

Модуль разработки альтернатив управленческих решений

__________J

управляющие воздействия

Рис. 6. Структурно-функциональная схема управления в ЛПУ 13

Информация о пациенте, сделанных ему назначениях, лечебных процедурах, исследованиях и о лекарственных средствах представлена в базе данных, включающей в себя следующие основные взаимосвязанные таблицы: Пациенты, Сотрудники, Назначения, Стационар, Аптека, Исследования, Лексредства, МКБ10, Районы, Населенные пункты, Улицы. Разработан комплекс программных средств ведения единой базы данных и нормативно-справочной информации. Структура базы данных представлена на рисунке 7.

Patient_

Issled

Postavshik

Kod_postavsh Name_postavsh Kod_region (FK) Kod_city (FK) Kod_street (FK)

rsch_schet

INN

Bank

Korr_schet

FIO_dir

Num_house

Num_kvartir

Telefon

Fax

E_mail

Web site

Kod_patient FIO _pat

Kod_region (FK) Kod_city (FK) Kod_street (FK)

Data_ragden Num_kart Anonim Pol

Num_house Num_kvartir Telefon

Street

Kodjssled Issled

Cena

Naznach

Stacionar

Kod_street

Street

Data_post

Kod_doctor

Rezult

Kod_sotrudn (FK) FIO_sotr(FK) Kod_palat (FK) Kod_MKB10 (FK) MKB10 (FK) Kod_street (FK) Kod_region (FK) Kod city (FK)

Kod_patient

Datajssed Kodjssled (FK) Kod_sotrudn (FK) FIO_sotr (FK) FIO_pat (FK) Kod_patient (FK) Issled (FK) Kodstreet (FK) Kod region (FK) Kod_city (FK)

Kolvojssl Rezult

Kod_sotr 1 ■

Palat_

Kod_palat

Num_palat

Kolvo mest

Obonid

MKB10

Kod_MKB10 MKB10

Nonn dlit

Leksredstva -

Kodjekva

Leksredstvo

Pokazjjnm

Sostav

lnst_pnm

Protivopokaz

Vzaimodjek

Pobochn

Form_vup

Osob_ukaz

Sotrudnik

Spieka

Kodjekva (FK) Data_zakupk Leksredstw (FK) Kod_postavsh (FK) Name_postavsh (FK) Kod_city (FK) Kod region (FK) Kod_street (FK)

Kod_postav

Edjzmer

Kol«

Kod_sotiudn FlO.sotr Kod_region (FK) Kod.city (FK) Kod_street (FK)

Data_rogden Oata_postupl Data_uwln Pol

Num_house

Num_kvartir

Telefon

Kod_razryda

Kategory

Kod_dolgn

Рис. 7. Структура базы данных ПСИППУР медучреждения

Рис. 9. Самоорганизующаяся карта районов Курской области по уровню заболеваемости гонореей за 5 лет (с 1997 по 2001 гол)

Приведен пример визуализации результатов прогнозирования медицинской ситуации региона по данным мониторинга на примере нозологической формы «гонорея» (рис. 8,9) и результаты прогнозирования этой ситуации с использованием экстраполяции тренда и вероятностных моделей (табл. 1).

В заключении приводятся выводы по диссертации. Основные результаты работы:

1. Исследована предметная область - управление медицинским лечебным учреждением. Определены требования к информационной системе медучреждения отличающиеся полнотой охвата всех функций, осуществляемых лечебно профилактическим учреждением, что позволяет спроектировать многофункциональную информационную систему медучреждения. Сформулированы задачи, возникающие при проектировании ПСИППУР медицинского лечебного учреждения, важнейшей из которых является прогнозирование развития медицинской ситуации в регионе на основе мониторинга и обработки пространственно-распределенных данных.

15

Таблица 1

№ п/п Наименование района Факт. Знач. 2002 г. Экстраполяция, тренда А 8, % Вероятностная модель А е, %

1 Беловский 5 8 3 60 6 1 20

2 бол ьшесол датски й 5 8 3 60 5 0 0

3 Глушковский 7 7 0 0 6 1 14

4 Горшеченский 1 2 1 100 1 0 0

5 Дмитриевский 14 12 2 14 12 2 14

6 Железногорский 24 17 7 29 17 7 29

7 Золотухинский 16 14 2 13 12 4 25

8 Касторенский 4 7 3 75 5 1 25

9 Конышовский 2 3 1 50 2 0 0

10 Кореневский 5 4 1 20 6 1 20

11 Курский 48 39 9 19 33 15 31

12 Курчатовский 1 1 0 0 1 0 0

13 Льговский 18 12 6 33 20 2 11

14 Манту ровский 1 1 0 0 1 0 0

15 Медвенский 7 5 2 29 5 2 29

16 Обоя некий 6 7 1 17 5 1 17

17 Октябрьский 14 15 1 7 13 1 7

18 Поныроеский 2 3 1 50 2 0 0

19 Пристенский 3 5 2 67 4 1 33

20 Рыльский 11 20 9 82 12 1 9

21 Советский 6 6 0 0 5 1 17

22 Солнцевский 3 1 2 67 4 1 33

23 Суджанский 8 9 1 13 7 1 13

24 Тимский 9 4 5 56 7 2 22

25 Фатежский 4 6 2 50 3 1 25

26 Хомутовский 5 8 3 60 6 1 20

27 Черемисиновский 1 1 0 0 1 0 0

28 Щигровский 19 36 17 89 20 1 5

29 г Железногорск 168 294 126 75 159 9 5

30 г.Курск 403 668 265 66 465 62 15

31 г Курчатов в 7 1 17 5 1 17

32 Анонимно 607 816 209 34 573 34 6

Среднее 39 14

2. Разработан алгоритм построения прогнозных оценок развития медицинской ситуации в регионе, отличающийся комплексным использованием метода самоорганизующихся карт и метода приведенных распределений, который в отличие от известных методик позволяет проводить прогнозирование и идентификацию вероятностных моделей в условиях высокой априорной неопределенности и малого числа слабоформапизуемых неполных опытных данных.

3. Разработан алгоритм оценки качества вероятностных моделей и алгоритмов, позволяющий повысить достоверность результатов, полученных при имитационном моделировании слабоформапизуемых медико-социальных систем.

4. Разработан модифицированный алгоритм построения и оценки адекватности вероятностных моделей, который позволяет идентифицировать вероятност-

ные модели развития медицинской ситуации региона при имитационном моделировании, в условиях недостатка исходной информации.

5. Спроектирована, реализована и внедрена ПСИППУР медицинского лечебного учреждения. В ходе проектирования ПСИППУР:

- разработана модель предметной области по предложенной методологии;

- спроектирована логическая структура базы данных;

- разработан модуль поддержки принятия решений для ИСУ медучреждением путем визуализации и обработки пространственно-распределенных данных мониторинга медицинской ситуации.

Внедрение результатов исследования позволило автоматизировать процесс управления медицинским лечебным учреждением и повысить оперативность принятия управленческих решений в 1,2 раза.

В приложениях приведены IDEFO-модель, ER-модель предметной области, листинги программных модулей.

Основные положения диссертации опубликованы в следующих работах:

1. Уразбахтин И.Г., Борисоглебская J1.H., Сазонов С.Ю. Оценка адекватности вероятностных моделей социально-экономических объектов с помощью метода приведенных распределений // Известия Курск.гос.техн.ун-та. 2002 №1(8). С. 157-170.

2. Уразбахтин И.Г., Борисоглебская J1.H., Сазонов С.Ю. Оценка качества генераторов случайных чисел при имитационном моделировании социально-экономических объектов с помощью метода приведенных распределений // Известия Курск.гос.техн.ун-та. 2002 №2(9). С. 130-135.

3. Уразбахтин И.Г., Сазонов С.Ю. Мониторинг и прогнозирование в ГИС поддержки управленческого учета медучреждения с использованием метода приведенных распределений // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Часть 2. М.: Радио и связь, 2002. С. 22-24.

4. Уразбахтин И.Г., Сазонов С.Ю. Комплексная автоматизация управленческого учета медицинского учреждения на основе ГИС-технологий // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Часть 2. М.: Радио и связь, 2002. С. 26-29.

5. Уразбахтин И.Г., Сазонов С.Ю. Разработка информационной системы поддержки принятия управленческих решений для медицинского учреждения на базе Курского областного кожно-венерологического диспансера // Известия Курск.гос.техн.ун-та. 2003 №1(10). С. 107-114.

6. Сазонов С.Ю. Обработка пространственно-распределенных данных мониторинга медицинской ситуации региона на основе самоорганизующихся карт Кохонена // Наука и образование - 2003: Материалы Всероссийской научно-технической конференции: В 5 ч. Мурманск: МГТУ, 2003.4.1. С. 93-94.

7. Сазонов С.Ю. Внедрение информационной системы поддержки принятия управленческих решений в Курском областном кожно-венерологическом диспансере // Объединенный научный журнал. 2003. №10 (68). С. 80-85.

8. Уразбахтин И.Г., Сазонов С.Ю., Гузенков A.A. Моделирование развития санитарно-эпидемиологической ситуации региона в информационной системе поддерж-

ки принятия управленческих решений медучреждения // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Ч. 3. Т. 3. М.: Радио и связь, 2003. С. 35 - 46.

9. Уразбахтин И.Г., Сазонов С.Ю. Реинжиниринг бизнес-процессов в медицинских лечебных учреждениях // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Ч. 3. Т. 3. М.: Радио и связь, 2003. С. 46-53.

10. Сазонов С.Ю., Куц В.В., Кочура A.B. Некоторые аспекты внедрение систем управления качеством в медицинских лечебных учреждениях // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Ч. 3. Т. 3. М.: Радио и связь, 2003. С. 53 - 58.

11. Уразбахтин И.Г., Сазонов С.Ю., Уразбахтин А.И. Двухэтапный алгоритм идентификации вероятностных моделей с использованием метода приведенных распределений // Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: Материалы международной конференции и Российской научной школы. Ч. 3. Т. 3. М.: Радио и связь, 2003. С.76-91.

12. Уразбахтин И.Г., Борисоглебская Л.Н., Сазонов С.Ю. Исследование качества генераторов случайных чисел с помощью метода приведенных распределений при построении имитационных моделей социально-экономических объектов // Телекоммуникации. 2003. № 8. С. 40-44.

13. Лукашов М.И., Сазонов С.Ю. Проблемы внедрения систем управления качеством в лечебно-профилактических учреждениях // Актуальные вопросы научно-практической медицины / Под.ред. П.А.Яковлева. Орел: Арагс, 2003. С. 100-106.

14. Лукашов М.И., Сазонов С.Ю., Сидоров Г.А. Применение SADT-диаграмм при разработке и внедрении систем управления качеством в медучреждении // Актуальные вопросы научно-практической медицины / Под.ред. П.А.Яковлева. Орел: Арагс, 2003. С. 115-120.

15. Уразбахтин И.Г., Сазонов С.Ю. Прогнозирование развития медицинской ситуации в регионе с помощью метода приведенных распределений и самоорганизующихся карт Кохонена // Современные инструментальные системы, информационные технологии и инновации: Сб.материалов 1 международной научно-технической конференции. Курск, 2003. С. 73-75.

ИД №06430 от 10.12.01

Подписано в печать 19.09.2003. Формат 60x84 1/16. Печ.л. 1,0. Тираж 100 экз. Заказ 105. Курский государственный технический университет. Издательско-полиграфический центр Курского государственного технического университета. 305040, г.Курск, ул.50 лет Октября, 94.

"Сазонов С.Ю.

2.00^ -А

Р 1 5 0 8 3

Введение.

1. Анализ организации процесса управления в системе здравоохранения и путей его автоматизации.

1.1. Производственно-экономическая деятельность медучреждений в современных условиях и пути повышения ее эффективности

1.2. Организационно-функциональная характеристика объекта исследования.

1.3 Комплексы задач, реализуемые подсистемой информационной поддержки принятия управленческих решений.

2. Выбор методологии и инструментария построения подсистемы информационной поддержки принятия управленческих решений в медучреждении.

2.1. Реинжиниринг бизнес-процессов в медучреждении.

2.2. CASE-технология создания и сопровождения программного обеспечения.

2.2.1. Методология RAD.V.

2.2.2. Структурный подход к проектированию информационных систем.

2.2.3. Методология функционального моделирования SADT.

2.2.4. Моделирование потоков данных (процессов).

2.2.5. Моделирование данных.

2.3. Использование геоинформационных систем для анализа медицинских пространственно-распределенных данных.

3. Разработка моделей принятия решений в информационной системе управления медучреждением.

3.1. Использование метода приведенных распределений для построения и идентификации вероятностных моделей в подсистеме информационной поддержки принятия управленческих решений.

3.2. Построение вероятностных моделей с использованием самоорганизующихся карт.

3.3. Двухэтапный алгоритм идентификации вероятностных моделей.

3.4. Оценка качества генераторов случайных чисел, используемых в имитационных вероятностных моделях.

3.5. Алгоритм построения вероятностных моделей для прогнозирования развития медицинской ситуации в регионе.

4. Разработка информационной системы поддержки принятия -управленческих решений на базе Курского областного клинического кожно-венерологического диспансера.

4.1. Структурно-функциональная организация подсистемы информационной поддержки принятия управленческих решений .V I

4.2. Разработка логической модели данных для подсистемы ' ■ информационной поддержки принятия управленческих решений в Курском областном клиническом кожно-венерологическом диспансере

4.3. Программная реализация подсистемы.

4.4. Экспериментальная проверка.

Актуальность темы. Современная ситуация, сложившаяся в медицинских учреждениях в период перехода от бюджетной к бюджетно-страховой и платным формам организации медицинской помощи, характеризуется исключительной сложностью и динамичностью. Это диктует необходимость рассмотрения медицинского лечебного учреждения как сложной, слабоформализуемой медико-социальной системы.

Изучение степени проработанности темы исследования показало, что в решении проблемы эффективного управления лечебно-профилактическим учреждением (ЖГУ) имеют место три направления:

1. Применение высоких медицинских технологий и новых метрдов диагностики и лечения.

2. Создание локальных автоматизированных систем диагностики и выбора тактики лечения на основе предложенных методов, моделей и алгоритмов.

3. Разработка системы управления лечебным учреждением на базе компьютерных технологий (М.П. Ройтман, В.М. Губарева, Г.А. Попова).

Недостаточно теоретически проработанным звеном является взаимосвязь компьютерных информационных систем и структуры управления ЛПУ. Отсутствие строгой формализации медицинских знаний и большие объемы неоднородной информации, отсутствие или ограниченность достоверных данных об исследуемых биомедицинских объектах, влияние факторов окружающей среды, необходимость сведения к минимуму риска, связанного со здоровьем и жизнью людей, возможная субъективность восприятия ситуации врачом-специалистом - все это значительно осложняет формирование и выбор оптимальных вариантов управляющих решений в медицинских системах (Ю.М. Комаров, Ю.П. Лисицын, A.M. Чухраев).

Проводимые в последние десятилетия медико-экологические мониторинговые исследования выявили высокую степень зависимости уровня заболеваемости населения относительно различных нозологических форм от геоэкологических факторов внешней среды, что связывается с ухудшением социально-экономических условий жизни населения и экологической обстановки в регионах, прогрессирующей урбанизацией при общем снижении комфортности городской среды. Многомерность исходных данных, различие в форматах хранения, возможность только качественных оценок многих показателей и отсутствие наглядного представления их динамики с учетом пространственного и временного аспектов, нечеткое задание критериев принятия решений - все это создает сложности при оценивании медицинской ситуации в регионе лицами, принимающими решения (ЛПР). В связи с этим значительный интерес представляет исследование медицинских, социально-экономических, природно-хозяйственных, экологических показателей с помощью геоинформационных технологий. В настоящее время актуальны быстрое принятие решений, степень адекватности аналитических данных реальным процессам, возможность использования экономико-математических методов и моделей для анализа медицинской ситуации в регионе. Однако большинство известных исследований направлено на создание информационных систем, которые не способны решать эту задачу в полной мере.

Объектом исследования является процесс управления в медицинском лечебном учреждении.

Предметом исследования является подсистема информационной поддержки принятия управленческих решений (ПСИ! ШУР) в ЛПУ типа кожно-венерологический диспансер (КВД).

Цель и задачи исследования. Целью диссертационного исследования является повышение оперативности принятия управленческих решений в ЛПУ путем разработки математического аппарата, алгоритмов и методик построения ПСИППУР для медучреждения.

Для достижения поставленной цели решены следующие задачи:

1. Анализ основных недостатков и комплекса задач, подлежащих автоматизации в ЛПУ, факторов, влияющих на оперативность, качество медицинского обслуживания, и существующих подходов и методов информатизации здравоохранения.

2. Построение типовых моделей поведения пациентов при обращении в ЛПУ.

3. Разработка математических моделей и алгоритмов прогнозирования и имитационного моделирования развития медицинской ситуации в регионе для подсистемы информационной поддержки принятия управленческих решений.

4. Разработка структурно-функциональной схемы ПСИППУР в ЛПУ, основных методических положений по проектированию подсистемы, в том числе и автоматизированных рабочих мест (АРМ).

5. Создание информационного и программного обеспечения для реализации процесса информационной поддержки принятия управленческих решений, внедрение и апробация результатов исследования в практическом здравоохранении.

Методы исследования базируются на основных положениях теории информации, теории моделирования экономических, социальных, биотехнических и медицинских систем, теории вероятностей и математической статистики, теории принятия решений, теории управления, теории нейронных сетей, теории проектирования баз данных и разработки программного обеспечения.

В разработке диссертационной работы использовалась экономическая, техническая и медицинская литература (монографии, статьи в периодических изданиях), документы управленческого, бухгалтерского и статистического учета Курского областного клинического кожно-венерологического диспансера.

Научная новизна. Основные результаты диссертационного исследования, имеющие научную новизну, состоят в следующем:

1. Разработана методика построения тематических самоорганизующихся карт, отличающаяся возможностью визуализации прогностических оценок и результатов геоинформационного моделирования по данным медицинского мониторинга, позволяющая повысить оперативность действий лица, принимающего решения (ЛПР).

2. В отличие от известных подходов, использующих регрессионные модели, задача прогнозирования развития медицинской ситуации региона решена на основе комплексного использования нейросетевого метода самоорганизующихся карт (СОК), приведенных распределений и имитационного моделирования, что позволяет на основе выявленных статистических взаимосвязей получать достоверные прогнозные оценки медицинских показателей для территориальных единиц региона с учетом пространственно-временного аспекта.

3. Разработаны алгоритмы идентификации вероятностных моделей, позволяющие в условиях высокой априорной неопределенности восстановить вид закона распределения и его параметры для последующего имитационного моделирования.

4. Предложен модифицированный алгоритм проведения имитационного моделирования развития медицинской ситуации региона как сла-боформализуемой системы.

Практическая значимость. Проведенные теоретические и экспериментальные исследования позволили:

1. Создать концептуальные модели поведения пациентов в ЛТТУ данного типа и разработать IDEF0- и DFD-диаграммы объекта исследования, служащие основой построения структурно-функциональной схемы ПСИППУР.

2. Разработать программный комплекс, обеспечивающий информационную поддержку принятия решений ЛПР в медучреждении, путем предоставления лицу, принимающему решения, дополнительной визуальной информации.

3. Повысить оперативность документооборота и решения управленческих задач в ЛПУ путем внедрения подсистемы информационной поддержки принятия управленческих решений.

Научные положения, выводы и рекомендации, изложенные в диссертации, служат базой для дальнейшей работы по рационализации управления ЛПУ и положены в основу проектирования и дальнейшего развития структуры системы управления кожно-венерологического диспансера, системы оказания медицинской помощи и контроля за качеством лечебно-диагностического процесса.

Основные положения, выносимые на защиту:

1. Метод идентификации вероятностных моделей в прогнозировании на основе мониторинга медицинской ситуации региона и автоматизации обработки медицинской информации.

2. Двухэтапный алгоритм идентификации вероятностных моделей медико-экономического объекта.

3. Модифицированный алгоритм проведения имитационного моделирования развития медицинской ситуации региона.

4. Структурно-функциональная разработка ПСИППУР медицинского лечебного учреждения.

Апробация работы. Основные результаты работы неоднократно щ докладывались и одобрены на конференциях и семинарах различных уровней:

- Международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий», г.Москва, 2002 г.;

- V Всероссийской научно-технической конференции «Нейро-информатика - 2003», г.Москва, 2003 г.;

Ф - Всероссийской научно-технической конференции «Наука и образование - 2003», г. Мурманск, 2003 г.;

- I Международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации», г.Курск, 2003 г.;

- Первый Российский конгресс дерматовенерологов, г. Санкт-Петербург, 2003 г.;

- Международной научно-технической конференции «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий», г.Москва, 2003 г.

Результаты проведенного исследования были экспериментально апробированы и внедрены в эксплуатацию в Курской областной клинической больнице, Курском областном кожно-венерологическом диспансере и Областной клинической больнице микрохирургии глаза. Результаты исследования внедрены в учебный процесс и нашли развитие в курсе «Методы и модели в экономике».

Публикации. По теме диссертации опубликовано 15 печатных работ общим объемом 4,3 п.л., в том числе 11 статей.

Личный вклад автора.

1. Разработка структурно-функциональной схемы ПСИППУР медучреждения (90%).

2. Разработка программного обеспечения модуля прогнозирования для ПСИППУР ЛПУ (100%).

3. Разработка алгоритмов и методик идентификации вероятностных моделей и имитационного моделирования развития медицинской ситуации региона (85%).

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников (137 наименований) и приложений. Общее количество машинописных страниц - 168, рисунков - 45, таблиц - 32.

Выводы.

Программное обеспечение предлагаемой системы выполнено по модульному принципу, предусматривающему как использование системы в целом, так и отдельных ее модулей, сохраняя возможность наращивания системы.

Внедрение ПСИППУР позволяет автоматизировать многие функции пользователя, повышая этим эффективность и качество его труда. Использование ПСИППУР позволяет исключить:

- ведение большого объема медицинской документации, в значительной степени дублирующей содержащуюся в ней информацию, на заполнение которой затрачивается до 40% рабочего времени врачей;

- поспешность заполнения медицинской документации;

- неразборчивость записей, сказывающуюся на четкости и ясности записанной (от руки) информации и приводящую к затруднению ее использования.

Появляется возможность сохранения информации на машинных носителях с осуществлением быстрого поиска необходимых данных. Исключается потеря при передаче и подготовке информации.

Все это позволяет сократить время на решение поставленных задач, повышается эффективность контроля за прохождением и исполнением документов, скорость и достоверность поиска информации, ускоряется документооборот, сокращается время обслуживания пациентов.

ЗАКЛЮЧЕНИЕ

Основными результатами проделанной работы следует считать:

1. Исследована предметная область - управление медицинским лечебным учреждением. Определены требования к информационной системе медучреждения отличающиеся полнотой охвата всех функций, осуществляемых лечебно профилактическим учреждением, что позволяет спроектировать многофункциональную информационную систему медучреждения. Сформулированы задачи, возникающие при проектировании ПСИППУР медицинского лечебного учреждения, важнейшей из которых является прогнозирование развития медицинской ситуации в регионе на основе мониторинга и обработки пространственно-распределенных данных.

2. Разработан алгоритм построения прогнозных оценок развития медицинской ситуации в регионе, отличающийся комплексным использованием метода самоорганизующихся карт и метода приведенных распределений, который в отличие от известных методик позволяет проводить прогнозирование и идентификацию вероятностных моделей в условиях высокой априорной неопределенности и малого числа слабоформализуемых неполных опытных данных.

3. Разработан алгоритм оценки качества вероятностных моделей и алгоритмов, позволяющий повысить достоверность результатов, полученных при имитационном моделировании слабоформализуемых медико-социальных систем.

4. Разработан модифицированный алгоритм построения и оценки адекватности вероятностных моделей, который позволяет идентифицировать вероятностные модели развития медицинской ситуации региона при имитационном моделировании, в условиях недостатка исходной информации.

5. Спроектирована, реализована и внедрена ПСИППУР медицинского лечебного учреждения. В ходе проектирования ПСИППУР:

- разработана модель предметной области по предложенной методологии;

- спроектирована логическая структура базы данных;

- разработан модуль поддержки принятия решений для ИСУ медучреждением путем визуализации и обработки пространственно-распределенных данных мониторинга медицинской ситуации.

Внедрение результатов исследования позволило автоматизировать процесс управления медицинским лечебным учреждением и повысить оперативность принятия управленческих решений в 1,2 раза.

1. Автоматизация информационного обеспечения научных исследований / А.А. Стогний, Ю.П. Каширин и др. Киев: Наук.думка, 1990. 296 с.

2. Автоматизированные медико-технологические системы: Монография / Под ред. А.Г. Устинова. Курск, 1995. Ч. 3. 105 с.

3. Автоматизированные системы управления предприятиями. / В.В. Брага, JI.A. Вдовенко и др. М.: Финансы и статистика, 1983. 263 с.

4. Автоматизированные системы управления предприятиями (методы создания). Справочное пособие / А.С. Гринберг, В.П. Колосков и др. М.: Энергия, 1978. 224 с.

5. Автоматизированные системы управления предприятиями / Н.А.Соломатин, А.И.Дударин и др. М.: Экономика, 1985. 248 с.

6. Автоматизированные системы управления предприятиями / В.Н.Четвериков, Г.Н.Воробьев и др. М.: Высш. шк., 1979. 303 с.

7. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. 1022 с.

8. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2000. 368 с.

9. Арсеньев Б.П., Яковлев С.А. Интеграция распределенных баз данных. СПб.: Изд-во «Лань», 2001. 464 с.

10. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001. 228 с.

11. Большаков А.С. Моделирование в менеджменте. М.: Релант, 2002. 464 с.

12. Болыпев Л.Н., Смирнов И.В. Таблицы математической статистики. М.: Наука, 1983. 416 с.

13. Боровков А.А. Математическая статистика. М.: Наука, 1984.471 с.

14. Бояжян В.А. К вопросу разработки автоматизированных систем лечебно- профилактических учреждений // Информатика в здравоохранении. М. 1990.75 с.

15. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983 . 464 с.

16. Браунли К.А. Статистическая теория и методология в науке и технике. М.: Наука, 1977.

17. Бронштейн А.С., Ривкин B.J1. Реформирование здравоохранения в России и в 17 других развитых странах. Состояние проблемы // Русский медицинский журнал. 1999. Т. 2. С. 75-80.

18. Вартанян Ф.Е., Смолин М.П. Вопросы экономической оценки лечебно-диагностических мероприятий // Здравоохранение Российской Федерации. 1997. №11. С. 7-10.

19. Васильков Ю.В., Василькова Н.Н. Компьютерные технологии вычислений в математическом моделировании. М.: Финансы и статистика, 2002. 256 с.

20. Вендров A.M. Проектирование программного обеспечения экономических информационных систем. М.: Финансы и статистика, 2000. 352 с.

21. Возневич Э. Delphi освой самостоятельно: Пер. с англ. М.: Восточная книжная компания, 1996. 739 с.

22. Гаек Я., Шидак 3. Теория ранговых критериев. М.: Наука, 1971. 375 с.

23. Гаспарян Н.О., Бороян П.Г. Информационная справочная система по выбору лекарственных препаратов // Информатика в здравоохранении. М. 1990. 46 с.

24. Гельман В.Я. Медицинская информатика. СПб.: Питер, 2002.480 с.

25. Гехт И.А. О некоторых проблемах внедрения медицинского страхования // Здравоохранение Российской Федерации. 1998. №4. С. 1720.

26. Гриненко А.И. Обязательное медицинское страхование: Плюсы и минусы // Весы фемиды. 1996. №1. С. 47-48.

27. Гришин В.В. Медицинское страхование в России // Роль и место медицинского страхования в реформировании здравоохранения: Материалы Междунар. конф. Москва, 1997. С. 7-21.

28. Губарев В.М. Экономика и планирование здравоохранения: Методические указания к практическим занятиям по социальной гигиене и организации здравоохранения для студентов лечебного факультета. Курск, 1995. 40 с.

29. Де Гроот М. Оптимальные статистические решения. М.: Мир, 1974. 491 с.

30. Дейвид Г. Порядковые статистики. М.: Наука, 1979. 336 с.

31. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979.

32. Демидов Н.А., Архангельская Е.Ф., Исполатова И.Н. Медицинское страхование проблемы и перспективы // Здравоохранение Российской Федерации. 1999. №3. С. 12-16.

33. Деминг В.Э. Выход из кризиса: Пер. с англ. / Ред. Г.Чебриков. Тверь: Альба, 1994. 497 с.

34. Джексон П. Введение в экспертные системы. М.: Изд.дом «Вильяме», 2001. 624 с.

35. Друкер П. Управление, нацеленное на результаты: Пер.с англ. М.: Технологическая школа бизнеса, 1994. С. 13-40.

36. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. 528 с.

37. Иган Дж. Теория обнаружения сигналов и анализ рабочих характеристик. М.: Наука, 1983. 216 с.

38. Индейкин Е.Н., Кричагин В.И., Мыльникова И.С. Словарь терминов по медицинскому страхованию. М.: Присцельс, 1994. 112 с.

39. Информационные технологии в бизнесе / Под ред. М.Желены.

40. СПб.: Питер, 2002. 1120 с.

41. Информация в деятельности медицинских служб: Сборник научных трудов / Под ред. Гаспаряна. М. 1992. 83 с.

42. Искусственный интеллект: Справочник / Под ред. В.Н. Захарова, В.Ф. Хорошевского. М.: Радио и связь, 1990. 386 с.

43. Исследование систем управления. / И.И. Архипова, В.В. Куль-ба, С.А. Косяченко, Ф.Ю. Чанхиева. М.: «Изд-во ПРИОР», 2002. 384 с.

44. Каллан Р. Основные концепции нейронных сетей. М.: Изд.дом «Вильяме», 2001. 288 с.

45. Калью П.С. Современные проблемы управления здравоохранением, М., 1995. 167 с.

46. Кант В.И. Методология системного подхода и ее применение в практике здравоохранения. М.: Медицина, 1998. 136 с.

47. Карданская H.J1. Основы принятия управленческих решений. М.: Русская Деловая Литература, 1998. 288 с.

48. Катовник В.Я. Непараметрическая идентификация и сглаживание данных: метод локальных аппроксимаций. М.: Наука, 1985. 336 с.

49. Кендалл М. Ранговые корреляции. Статистика. М., 1975. 216 с.

50. Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973. 900 с.

51. Кендалл М., Стьюарт А. Теория распределений. М.: Наука,1966.

52. Козлов В.А. Открытые информационные системы. М.: Финансы и статистика, 1999. 244 с.

53. Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978.516с.

54. Комаров Ю.М. Медицинское страхование: проблемы и решения. Страховая медицина: вопросы, теория, исторический опыт, перспективы развития. М., 1991. С. 6-23.

55. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия Телеком, 2003. 94 с.

56. Компьютерные системы биотехнологических исследований / Маслак А.А. и др. М.: ВНИ и ТИБП, 1993. 431с.

57. Косенко Г.Г. Критерии информативности при различении сигналов. М.: Радио и связь, 1982. 216 с.

58. Круглов В.В., Борисов В.В. Искусственные нейронные сети. М.: Горячая линия Телеком, 2002. 382 с.

59. Кузин Б.И., Юрьев В.Н., Шахдинаров Г.М. Методы и модели управления фирмой. СПб.: Питер, 2001. 432 с.

60. Кузьменко М.М., Баранов В.В., Шиленко Ю.В. Здравоохранение в условиях рыночной экономики. М., 1994. 297 с.

61. Кузьменко М.М., Баранов В.В., Шиленко Ю.В. Финансовый менеджмент в здравоохранении России. М., 1995. 269 с.

62. Кульбак С. Теория информации и статистика. М.: Наука,1967.408 с.

63. Кутелев П.В., Мишурова И.В. Технология реинжиниринга бизнеса. М.: ИКЦ «МарТ», 2003. 176 с.

64. Кучеренко В.З. Экономика и инновационные процессы в здравоохранении. М., 1994. 224 с.

65. Лабскер Л.Г. Вероятностное моделирование в финансово-экономической области. М.: Альпина, 2002. 224 с.

66. Леман Э. Проверка статистических гипотез. М.: Наука,1979.408 с.

67. Лисицын Ю.П. Здоровье населения и современные теории медицины. М.: Медицина, 1992. 326 с.

68. Лукашов М.И., Сазонов С.Ю. Проблемы внедрения систем управления качеством в лечебно-профилактических учреждениях. Актуальные вопросы научно-практической медицины / Под.ред. П.А. Яковлева. Орел: Арагс, 2003. С. 100-106.

69. Лукашов М.И., Сазонов С.Ю., Сидоров Г.А. Применение SADT-диаграмм при разработке и внедрении систем управления качеством в медучреждении. Актуальные вопросы научно-практической медицины / Под.ред. П.А. Яковлева. Орел: Арагс, 2003. С. 115-120.

70. Мартыненко В.Ф. Применение методов тоерии управления в аптечной службе. М.: Медицина, 1989. 272 с.

71. Мартыщенко Л.А. и др. Проверка гипотез о виде закона распределения по малой выборке. МО СССР, 1989. 34 с.

72. Мартыщенко Л.А., Злотников К.А., Кивалов А.Н. Идентификация закона распределения по малой выборке. МО СССР, 1991. 32 с.

73. Мартыщенко Л.А., Панов В.В. Методы военно-научных исследований в задачах разработки и испытания вооружения. Ч. 1 / МО СССР, 1981.279 с.

74. Мексон М., Альберт М., Хедоури Ф. Основы менеджмента. М.: Дело, 1998. 800 с.

75. Менеджмент в системе обязательного медицинского страхования и здравоохранения / Под ред. А.М.Таранова, Н.А.Кравченко. М., 1999. 351 с.

76. Мишенин А.И. Теория экономических информационных систем. М.: Финансы и статистика, 2001. 240 с.

77. Многомерный статистический анализ в экономике / Л.А. Сошникова, В.Н. Тамашевич, Г. Уебе, М. Шеффер. М.: ЮНИТИ-ДАНА, 1999. 598 с.

78. О совершенствовании контроля качества медицинской помощи: Приказ МЗ РФ и ФФОМС ;363/77 от 24 октября 1996 г., М., 1996. 24 с.

79. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.

80. Петухов Г.Б. Основы теории эффективности целенаправленных процессов. Ч. 1. Л.: МО СССР, 1989. 660 с.

81. Петухов Г.Б., Белоконь Н.К. Методы теории стохастической индикации в исследовании операций и прикладной кибернетике. Л.: ВИКИ им. А.Ф. Можайского, 1987. 191 с.

82. Питмен Э. Основы теории статистических выводов. М., 1986.105 с.

83. Пономаренко В.А. и др. Проектирование диалога "оператор-ЭВМ". М.: Машиностроение, 1993. 120 с.

84. Попов Г.А. Экономические проблемы в управлении лечебно-профилактическими учреждениями. М., 1986. 246 с.

85. Проектирование экономических информационных систем / Под ред. Ю.Ф.Тельнова. М.: Финансы и статистика, 2002. 512 с.

86. Райбман Н.С. Что такое идентификация. М., Наука, 1970.121 с.

87. Рельян Я.Р. Аналитическая основа принятия управленческих решений. М.: Финансы и статистика, 1989. 397 с.

88. Репин В.Г.,Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов.радио, 1977. 432 с.

89. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике. М.: ЮНИТИ-ДАНА, 2000. 487 с.

90. Сазонов С.Ю. Внедрение информационной системы поддержки принятия управленческих решений в Курском областном кожно-венерологическом диспансере // Объединенный научный журнал. 2003. №10 (68). С. 80-85.

91. Сейдж Э., Меле Дж. Идентификация систем управления. М.: Наука, 1974.

92. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении. М.: Связь, 1976. 496 с

93. Случайко И.С., Церковный Г.Ф. Статистическая информация в управлении учреждениями здравоохранения. М.: Медицина, 1993. 190 с.

94. Смирнов Н.В. Теория вероятностей и математической статистики. М.: Наука, 1970. 290 с.

95. Современные методы идентификации систем / Под ред. П.Эйк-хоффа. М.: Мир, 1970. 290 с.

96. Статистические методы обработки результатов наблюдений / Под ред. P.M. Юсупова. Л.: МО СССР, 1984. 563 с.

97. Статические и динамические экспертные системы / Э.В. Попов и др. М.: Финансы и статистика, 1996. 320 с.

98. Сулицкий В.Н. Методы статистического анализа в управлении. М.: Дело, 2002. 560 с.

99. Сыздыков Д.Ж., Юсупов P.M. Идентификация технических объектов. Алма-ата, 1994. 227 с.

100. Таненбаум Э.Распределенные системы. Принципы и парадигмы. СПб.: Питер, 2003. 877 с.

101. Тарасенко Ф.П. Непараметрическая статистика. Томск: ТГУ,1976. 294 с.

102. Таха X. Введение в исследование операций. М.: Издательский дом «Вильяме», 2001. 912 с.

103. Типовые нормы времени для программирования задач на ЭВМ: Методическое пособие. М., 1989.

104. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. 376 с.

105. Ту Ю. Современная теория управления / Пер. с англ. Я.Н. Ги-бадулина; Под ред. В.В.Солодовникова. М.: Машиностроение, 1971. 472 с.

106. Тьюки Дж. Анализ результатов измерений. М.: Мир, 1981.693 с.

107. Уколова JI.H. Дис.канд.техн.наук. Курск: КГТУ, 1996. 186 с.

108. Уразбахтин И.Г., Борисоглебская Л.Н., Сазонов С.Ю. Оценка адекватности вероятностных моделей социально-экономических объектов с помощью метода приведенных распределений // Известия Курск, гос. техн.ун-та. 2002. №1(8). С. 157-170.

109. Фомин Г.П. Математические методы и модели в коммерческой деятельности. М.: Финансы и статистика, 2001. 544 с.

110. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. 264 с.

111. Хастингс И., Пикок Дж. Справочник по статистическим распределениям. М.: Статистика, 1980. 95 с.

112. Хеттманспергер X. Статистические выводы, основанные на рангах. М.: Финансы и статистика, 1987. 334 с.

113. Химмельблау Д. Анализ процессов статистическими методами. М.: Мир, 1973.957 с.

114. Цыпкин Я.З. Информационная теория идентификации. М.: Наука, Физмат, 1985. 336 с.

115. Цыпкин Я.З. Основы теории автоматических систем. М.: Наука, 1977. 560 с.

116. Черемных С.В. Структурный анализ систем: IDEF-технологии. М.: Финансы и статистика, 2001. 208 с.

117. Шейман И.М. Реформа управления и финансирования здравоохранения. М.: Издатцентр, 1998. 336 с.

118. Шиган Е.Н. Методы прогнозирования и моделирования в социально-гигиенических исследованиях. М.: Медицина, 1986. 208 с.

119. Эйкхофф П. Основы идентификации систем управления / Под ред. Н.С.Райбмана. М.: Мир, 1975. 690 с.

120. The National Science Foundation National Center for Geographic Information and Analisis.- Int. J. of Geographical Information Systems, 1987, v. 1, N 4, pp. 302-306.

121. Fundamental operations in computer-assisted map analisis. International Journal of Geographical Information Systems, 1987, v. 1, pp. 119-136.

122. Geographic information systems: definitions and prospects. Bull. Geogr. and Map Div. Spec. Libr. Assoc., 1985, N 142, pp. 12-17.

123. Methodological observation on the state of geocartographic analisis in the context of automated spatial information systems.- Map Data Process. -Proc. NATO Adv. Study Inst. Maratea, June 18-29, 1979, Acad. Press. 1980, pp. 207-220.

124. Geograficke informacni systemy. Folia prirodoved. fak. UJEP v Brne, 1985, t. 26, N 13, 196 s.

125. Methodological observation on the state of geocartographic analisis in the context of automated spatial information systems. Map Data Process. -Proc. NATO Adv. Study Inst. Maratea, June 18-29, 1979, Acad. Press. 1980, pp. 207-220.