Scientific journal

International Journal of Applied and fundamental research

ISSN 1996-3955

ИФ РИНЦ = 0,593

Согласно информации Международной Федерации Диабета (IDF) на 1 января 2015 года в мире сахарным диабетом больны 382 миллионов человек (втрое выше, чем в 1990 году) [6]. В 20015 году процент больных диабетом в мире составил: 4 %, в РФ 5 %, в США – 180 % от населения страны). Большая часть больных – люди трудоспособного возраста. В связи с этим, проблема лечения и профилактики заболеваний сахарным диабетом в мире является актуальной, обусловливая разработку соответствующих государственных и региональных программ.

Обширная номенклатура лекарственных препаратов, необходимость обслуживания как заболевших, так и вновь регистрируемых больных в непосредственной близости от аптечного пункта, оптимизация логистики соответствующих товарных запасов требуют качественное и своевременное прогнозирование потребности в соответствующих лекарственных средствах с учетом статически достоверной оценки количества больных сахарным диабетом в регионе (текущего и прогнозируемого).

В связи с этим, целью исследований являлось проведение работ в области моделирования для проектирования и эффективной эксплуатации автоматизированных систем поддержки принятия решений формирования потребности в лекарственных средствах больных сахарным диабетом.

Материалы и методы исследования

Использовались следующие методы и материалы: корреляционный и регрессионный анализы, метод группового учета аргументов, результаты мониторинга реализации противодиабетических лекарственных средств и уровня региональной заболеваемости населения.

Резельтаты исследования и их обсуждение

Существование двух основных и ряда специфических типов сахарного диабета определяет различные подходы к лечению и применению разных групп препаратов противодиабетического действия. В этом плане, в настоящее время, основоположен фактический расход с учетом степени удовлетворения заявок на лекарственные средства. Первые нормативы утверждены в 1924 году и периодически пересматривались. Развитие аптечной сети в СССР предопределили необходимость перехода от общесоюзных нормативов к нормативам потребления для каждой республики (региона). В частности, в классической работе Тольцмана Т.И. [8] научно обоснованная норма определяет величину, к которой стремится фактическое потребление. Большинством исследователей [6] отмечается нестабильность номенклатуры противодиабетических средств и прогнозируется увеличения потребления препаратов с рекомендацией необходимости систематического периодического проведения исследований на региональном уровне.

В настоящее время ассортимент специализированных программ для учета больных сахарным диабетом адекватно работающих и применяемых на практике не велик. Например:

1) «Регистр диабета 2008». Разработан ФГУ Эндокринологическим научным центром Росмедтехнологий РФ. Предназначен для учета, автоматизированной обработки информации, формирования учетных выходных форм и документов о заболевании сахарным диабетом. Реализовано средствами СУБД SQL Server.

2) «Регистр диабета 2014». Обновленная версия продукта «Регистр диабета 2008». Отличительными особенностями являются: формирование единой общероссийской базы данных и работу в режиме «online»; доступность к работе с базой данных любого пользователя различного иерархического (городской, муниципальный, участковый), подключение нового пользователя к Регистру не требует установка специализированного программного обеспечения (достаточно Internet Explorer), построение и сохранение собственных форм отчетности (включая графическое представление), стандартная отчетность осуществляется сравнении с предыдущем отчетным периодом [8].

К наиболее распространенным методам (научно обоснованным, формализованным, алгоритмически и программно обеспеченным) относятся [1]: регрессионные модели, адаптивное сглаживание, факторный анализ, имитационные моделирование, метод группового учета аргументов, экспоненциальное сглаживание тренда, метод скользящей средней, применение сплайн-функций, метод Бокса-Дженкинса, метод марковских цепей, авторегрессионное моделирование, вероятностное прогнозирование, полиномы Чебышева.

Существующие экспертные системы анализа и прогнозирования потребностей в лекарственных средствах базируются на алгоритмах, реализующих методы с дальнейшим осуществлением взвешенно-сглаженного прогнозирования [5] с указанием возможных вариантов развития ситуации: усредненной, наиболее вероятной, наихудшей (рост заболеваемости), наилучшей (снижение уровня заболеваемости) с оцениванием вероятности возникновения определенного варианта.

В ходе исследования применялись кодификаторы: В1 – количество больных сахарным диабетом 1 типа; В2 – количество больных сахарным диабетом 2 типа; ВЗ – общее количество больных сахарным диабетом типа 1 и типа 2, нуждающихся в инсулине; В4 – количество больных с впервые выявленным сахарным диабетом; В 5 – численность население региона; X1 – инсулины (ЕД– «единица действия»); Х2 – ультракороткие; ХЗ – короткие; Х4 – средней продолжительности действия; Х5 – пролонгированные; Х6 – смешанного действия (ЕД); У1 – глибенкламид 0,005; У2 – глибенкламид 3,5; УЗ – глибенкламид 1,75; У4 – гликлазид; У5 – гликлазид MB; У6 – амарил 2 мг; У7 – амарил 3 мг; У8 – амарил 4 мг; У9 – глипизид; У10 – гликвидон; Z1 – метформин 500; Z2 – новонорм 0,5; Z3 – новонорм 1,0; Z4 – новонорм 2,0;

Результаты построения математических моделей с помощью ортогонального алгоритма метода группового учета аргументов – МГУА – представлены в таблице 1 (вероятность ошибки первого рода здесь и далее p<0.01).

Система связей по представленным моделям показана на рис. 1.

Идентифицированные математические модели, отражающие динамику демографических показателей, показывают рост абсолютных и относительных показателей заболеваемости – особенно в группе больных 2 типа (в 6,5 раз больше чем у больных сахарным диабетом 1 типа, в 10 раз больше, чем у впервые выявленных, в 3,5 раза больше, чем у больных, нуждающихся в инсулине).

Поскольку выборка исходных данных статистически маломощна, то использовались прогностических модели видов: 1 – зависимости потребления лекарственного средства от времени; 2 – зависимости относительного потребления определенной группы больных лекарственного средства от времени; 3 вида – зависимости потребления лекарственного средства от формы заболевания.

Таблица 1

Модели потребления лекарственных средств

а б в

Рис. 1. Система анализируемых потребностей в противодиабетических средствах: а – система связей в группе Х; б – системв связей в группе Y; в – система связей в группе Z

Анализ результатов структурно-параметрической идентификации моделей позволили сделать следующие выводы: в абсолютном выражении наблюдается рост потребления противодиабетических препаратов; по отношению к динамике роста впервые выявленных больных сахарным диабетом наблюдается рост потребления противодиабетических препаратов; – по отношению к динамике роста общего числа больных обоих типов сахарного диабета нуждающихся в инсулине – в основном спад потребления, кроме XI- общего количества инсулина, ХЗ – инсулинов короткого, У1 – глибенкламид 0,005, Z4 – новонорм 2; – по отношению к динамике роста больных сахарным диабетом 2 типа – в основном спад, кроме ХЗ- короткие инсулины, У1 – глибенкламид 0,005, У8- амарил 4. – по отношению к динамике роста количества больных 1 типом – динамика потребления XI – общего количества инсулина (ЕД), инсулинов ХЗ – короткого, Х5 – пролонгированного, Х6 – комбинированного типов действия растет, а Х2 – ультракороткого и Х4 – средней продолжительности действия – убывает;- возрастающие тренды согласно полученным моделям у относительных показателей составляют 45 % .

На следующем этапе системного анализа идентифицировались математические модели, отражающие связи между потреблением противодиабетических препаратов и демографическими показателями в регионе (фрагмент приведен в табл. 2).

На основании проведенных исследований предлагается для практической реализации следующая информационно-аналитическая модель формирования рекомендаций обеспечения запасов и текущей реализации противодиабетических средств – представлена на рис. 2.

Модули модели функционируют следующим образом:

– «Сеть лечебно-профилактических учреждений» – совокупность лечебно-профилактических учреждений, передающих информацию внутри сети (в случае перерегистрации учета больного сахарным диабетом) в аптечную сеть;

– «База данных больных сахарным диабетом» содержит информацию паспортного характера, места жительства, характера заболевания, рекомендации к принимаемым препаратам на постоянной основе;

– «База прогностических моделей количества клиентов аптечной сети» содержит знания в виде идентифицированных и постоянно корректируемых математических моделей;

– «Модуль прогноза количества больных сахарным диабетом различных типов», осуществляет вычисление количественных значений и передает их в «Базу моделей потребностей в противодиабетических препаратах»;

– «База данных противодиабетических препаратов» представляет собой базу данных реляционного типа, в которой указаны: наименование препарата и его количество, непосредственно имеющиеся в аптечном учреждении.

– «База моделей потребности в противодиабетических препаратах» включает в себя математические модели (структуры и параметры), позволяющие по информации об имеющихся препаратах, поступающей из «Базы данных противодиабетических препаратов» и оценки возможного количества больных сахарным диабетом различных типов, оценивать наиболее вероятное, максимальное, минимальное, средневзвешенное значения возможной потребности по каждому из медикаментов по всей номенклатуре препаратов с учетом имеющихся данных о текущих остатках лекарственных средств в аптеке.

– «Модуль прогноза в противодиабетических препаратов различных типов» осуществляет количественный расчет на указанный пользователем период времени прогноз значений имеющихся лекарственных препаратов согласно номенклатуре.

– «База моделей взаимозаменяемостей противодиабетиков» содержит математические модели, отражающие закономерности потребления одних лекарственных средств от других за прошедший период временит в случае необходимости их взаимозаменяемости.

– «Модуль контроля поставок лекарственных препаратов» осуществляет контроль выполнения поставок согласно сформированного в «Модуле формирования заявки на лекарственные препараты» заказа «Сетью поставщиков». В случае возникновения противоречий между заявкой и поставкой, соответствующая информация корректирует содержание «Базы данных противодиабетических препаратов»;

Таблица 2

Регрессия между потреблением лекарственных и демографических показателей

Рис. 2. структура информационно-аналитической модели формирования рекомендаций обеспечения запасов противодиабетических средств и их оптимального резервирования

– «База данных текущих остатков лекарственных средств в аптеке» содержит информацию о текущих остатках на момент формирования нового заказа;

– «Модуль прогноза взаимозаменяемости препаратов» функционирует на основе структур и параметров математических моделей, поставляемых ему посредством внутреннего интерфейса из «Базы моделей взаимозаменяемости противодиабетиков»;

– «Модуль экспертной оценки конъюнктуры лекарственных препаратов» на основе номенклатуры имеющихся в наличии в «Сети поставщиков» лекарственных препаратов и потребительских рангов препаратов, определенных экспертами, упорядочивает номенклатуру лексредств по мере уменьшения их конкурентных возможностей.

– «Модуль формирования рекомендаций по закупке лекарственных препаратов» формирует множество рекомендаций для лица принимающего решения;

– «Сеть поставщиков» – множество конкурирующих или не конкурирующих поставщиков лекарственных препаратов;

– «Модуль формирования заявки на лекарственные препараты» оформляет под управлением лица принимающего решение (ЛПР) заказ для «Сети поставщиков» в унифицированной форме, позволяющей автоматизировать поставку и контроль за поставкой лексредств;

– ЛПР – руководитель аптечного учреждения или его отдела, занимающегося логистикой и маркетингом.

Результаты теоретических и практических исследований:

В процессе реализации цели исследования осуществлено:

1. Аналитическое изучение информационных источников;

2. Синтезированы математические модели по результатам мониторинга заболеваемости сахарным диабетом и потребления противодиабетических средств, отличающиеся применением методов самоорганизационного моделирования;

3. Разработана структура информационно-аналитической модели формирования рекомендаций по обеспечению запасов лекарственных противодиабетических средств текущей реализации и оптимального резервирования, позволяющая автоматизировать процесс взаимодействия аптечной сети и сети поставщиков с учетом научно обоснованного адекватного анализа и прогноза потребностей в лекарственных препаратах для больных сахарным диабетом и учитывающая прогноз уровня заболеваемости в регионе.