DSpace Repository

Разработка модели управления потоком пациентов с сердечно-сосудистыми заболеваниями методами интеллектуального анализа данных

Show simple item record

dc.contributor.author Болодурина, И.П.
dc.contributor.author Назаров, А.М.
dc.contributor.author Кича, Д.И.
dc.contributor.author Забродина, Л.С.
dc.contributor.author Жигалов, А.Ю.
dc.contributor.author Bolodurina, I.P.
dc.contributor.author Nazarov, A.M.
dc.contributor.author Kicha, D.I.
dc.contributor.author Zabrodina, L.S.
dc.contributor.author Zhigalov, A.Yu.
dc.date.accessioned 2022-04-07T09:25:46Z
dc.date.available 2022-04-07T09:25:46Z
dc.date.issued 2020
dc.identifier.citation Разработка модели управления потоком пациентов с сердечно-сосудистыми заболеваниями методами интеллектуального анализа данных / И.П. Болодурина, А.М. Назаров, Д.И. Кича и др. // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2020. – Т. 20, № 2. – С. 105–115. DOI: 10.14529/ctcr200210. Bolodurina I.P., Nazarov A.M., Kicha D.I., Zabrodina L.S., Zhigalov A.Yu. Development of a Model for Control the Flow of Patients with Cardiovascular Diseases Using Data Mining Methods. Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control, Radio Electronics, 2020, vol. 20, no. 2, pp. 105–115. (in Russ.) DOI: 10.14529/ctcr200210 ru_RU
dc.identifier.issn 2409-6571
dc.identifier.uri http://dspace.susu.ru/xmlui/handle/0001.74/44152
dc.description Болодурина Ирина Павловна, д-р техн. наук, профессор, заведующий кафедрой прикладной математики, Оренбургский государственный университет, г. Оренбург; prmat@mail.osu.ru. Назаров Александр Михайлович, канд. мед. наук, заведующий отделением реанимации и интенсивной терапии, Оренбургская областная клиническая больница, г. Оренбург; ookbmedis@ mail.ru. Кича Дмитрий Иванович, д-р мед. наук, профессор, заведующий кафедрой организации здравоохранения, лекарственного обеспечения, медицинских технологий и гигиены, Российский университет дружбы народов, г. Москва; kichad@yandex.ru. Забродина Любовь Сергеевна, ассистент кафедры прикладной математики, Оренбургский государственный университет, г. Оренбург; zabrodina97@inbox.ru. Жигалов Артур Юрьевич, ведущий программист, Оренбургский государственный университет, г. Оренбург; leroy137.artur@gmail.com. I.P. Bolodurina1, prmat@mail.osu.ru, A.M. Nazarov2, ookbmedis@mail.ru, D.I. Kicha3, kichad@yandex.ru, L.S. Zabrodina1, zabrodina97@inbox.ru, A.Yu. Zhigalov1, leroy137.artur@gmail.com 1 Orenburg State University, Orenburg, Russian Federation, 2 Orenburg Regional Clinical Hospital, Orenburg, Russian Federation, 3 Peoples' Friendship University of Russia, Moscow, Russian Federation. ru_RU
dc.description.abstract Введение. В настоящее время развитие технологий Big Data и методов интеллектуального анализа больших данных открыло возможность исследования своевременности, доступности и эффективности проводимой терапии при обработке всей доступной информации о практике лечения. Методы персонифицированной и профилактической медицины, основанные на удаленном мониторинге пациентов и интеллектуальном анализе аналогичной практики лечения, приведут к существенному сокращению затрат и повышению качества жизни. Одними из эффективных методов исследования данных о пациентах и их электронных медицинских карт являются методы машинного обучения. Цель исследования. Данное исследование направлено на построение модели управления потоком пациентов с сердечно-сосудистыми заболеваниями на основе анализа персонифицированных карт данных больных. Материалы и методы. Определение прогноза на предмет обращения в поликлинику с заболеваниями сердца проведено методом логистической регрессии, алгоритмом построения деревьев решений ID3 и методом обучения ансамбля – случайные леса. В рамках экспериментального исследования проведена оценка эффективности применения рассмотренных методов для прогнозирования на основе анализа ROC-кривой и метрики AUC. Результаты. Эксперименты на массиве электронных персонифицированных данных о медицинских услугах в территориальном фонде обязательного медицинского страхования (ТФОМС) и медицинском информационно-аналитическом центре г. Оренбурга показали, что для краткосрочного прогнозирования на 1 месяц более высокие результаты показал алгоритм ID3 построения решающих деревьев, а при увеличении рассматриваемого периода до 3 месяцев более эффективным оказался метод логистической регрессии. Заключение. Предложенный подход к прогнозированию обращений пациентов позволяет повысить качество управления клинико-организационной системой здравоохранения при оказании медицинской помощи, а также спланировать объем и количество отдельных медицинских услуг. Introduction. Currently, the development of Big Data technologies and methods of big data mining has opened up the possibility of investigating the timeliness, availability and effectiveness of therapy when processing all available information about the treatment practice. Personalized and preventive medicine methods based on remote monitoring of patients and intelligent analysis of similar treatment practices will lead to significant cost savings and improved quality of life. One of the most effective methods of studying patient data and their electronic medical records is machine learning methods. Aim. This study is aimed at building a model for managing the flow of patients with cardiovascular diseases based on the analysis of personalized patient data maps. Materials and methods. The forecast for treatment of patients with heart diseases was determined using the method of logistic regression, the algorithm for building ID3 decision trees, and the method of training the ensemble – random forests. As part of the experimental study, the effectiveness of the methods considered for forecasting was evaluated based on the analysis of the ROC curve and the AUC metric. Results. Experiments on an array of electronic personalized data about medical services in the territorial Fund of compulsory medical insurance (TFOMS) and the medical information and analytical center of Orenburg showed that for short-term forecasting for 1 month, the ID3 algorithm for constructing decision trees showed better results, and when the period under consideration was increased to 3 months, the method of logistic regression was more effective. Conclusion. The proposed approach to predicting patient requests allows us to improve the quality of management of the clinical and organizational health care system in the provision of medical care, as well as to plan the volume and number of individual medical services. ru_RU
dc.description.sponsorship Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 20-07-01065, а также гранта Президента Российской Федерации для государственной поддержки ведущих научных школ Российской Федерации (НШ 25-02.2020.9). ru_RU
dc.publisher Издательский центр ЮУрГУ ru_RU
dc.relation.ispartof Вестник ЮУрГУ. Серия Компьютерные технологии, управление, радиоэлектроника ru
dc.relation.ispartof Vestnik Yuzhno-Ural'skogo Gosudarstvennogo Universiteta. Seriya Kompjuternye tekhnologii, upravlenie, radioelektronika en
dc.relation.ispartof Bulletin of SUSU. Ser. Computer Technologies, Automatic Control, Radio Electronics en
dc.relation.ispartofseries Компьютерные технологии, управление, радиоэлектроника;Том 20
dc.subject УДК 517.977 ru_RU
dc.subject логистическая регрессия ru_RU
dc.subject деревья решений ru_RU
dc.subject случайный лес ru_RU
dc.subject сердечно-сосудистые заболевания ru_RU
dc.subject алгоритмы обучения ru_RU
dc.subject logistic regression ru_RU
dc.subject decision trees ru_RU
dc.subject random forest ru_RU
dc.subject cardiovascular diseases ru_RU
dc.subject learning algorithms ru_RU
dc.title Разработка модели управления потоком пациентов с сердечно-сосудистыми заболеваниями методами интеллектуального анализа данных ru_RU
dc.title.alternative Development of a Model for Control the Flow of Patients with Cardiovascular Diseases Using Data Mining Methods ru_RU
dc.type Article ru_RU
dc.identifier.doi DOI: 10.14529/ctcr200210


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account