Разработка модуля статистического анализа потока пациентов в информационной системе МАУЗ ГКБ №2
|
АННОТАЦИЯ 2
ВВЕДЕНИЕ 7
1 МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА КОЛИЧЕСТВЕННЫХ И
КАЧЕСТВЕННЫХ МЕДИЦИНСКИХ ДАННЫХ ПАЦИЕНТОВ В МАУЗ ГКБ № 2 9
1.1 Понятие и требования статистического наблюдения медицинских
осмотров в МАУЗ ГКБ № 2 9
1.2 Виды статистических данных в медицине 10
1.3 Корреляционный и регрессионный анализ 13
1.3.1 Корреляционный анализ 13
1.3.2 Регрессионный анализ 14
1.3.3 Бинарная логистическая регрессия 14
1.3.4 Мультиномиальная логистическая регрессия 16
1.3.5 Регрессия Кокса 17
1.4 Снижение размерности 19
1.4.1 Факторный анализ 19
1.5 Выбор среды разработки и языка программирования 21
1.6 Выводы по разделу 22
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СТАТИСТИЧЕСКОГО АНАЛИЗА
ПОТОКА ПАЦИЕНТОВ МАУЗ ГКБ № 2 23
2.1 Дисперсионный анализ для сравнения нескольких групп 23
2.2 Сравнение двух групп: критерий Стьюдента с поправкой
Бонферрони 29
2.3 Метод группировок в статистике. Ряды распределения 34
2.4 Выводы по разделу 39
3 Программная реализация модуля статистического анализа прохождения
медицинского осмотра пациентами МАУЗ ГКБ № 2 40
3.1 База данных пациентов МАУЗ ГКБ № 2 40
3.2 Построение алгоритма разработки модуля 45
3.2.1 Модуль авторизации в системе 46
3.2.2 Алгоритм группировки данных 47
3.2.3 Схема алгоритма генерации расширенного отчёта 48
3.3 Разработка пользовательского интерфейса 49
3.4 Проверка на экспериментальных данных 52
3.5 Выводы по разделу 53
ЗАКЛЮЧЕНИЕ 54
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 56
ПРИЛОЖЕНИЕ
ВВЕДЕНИЕ 7
1 МЕТОДЫ СТАТИСТИЧЕСКОГО АНАЛИЗА КОЛИЧЕСТВЕННЫХ И
КАЧЕСТВЕННЫХ МЕДИЦИНСКИХ ДАННЫХ ПАЦИЕНТОВ В МАУЗ ГКБ № 2 9
1.1 Понятие и требования статистического наблюдения медицинских
осмотров в МАУЗ ГКБ № 2 9
1.2 Виды статистических данных в медицине 10
1.3 Корреляционный и регрессионный анализ 13
1.3.1 Корреляционный анализ 13
1.3.2 Регрессионный анализ 14
1.3.3 Бинарная логистическая регрессия 14
1.3.4 Мультиномиальная логистическая регрессия 16
1.3.5 Регрессия Кокса 17
1.4 Снижение размерности 19
1.4.1 Факторный анализ 19
1.5 Выбор среды разработки и языка программирования 21
1.6 Выводы по разделу 22
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СТАТИСТИЧЕСКОГО АНАЛИЗА
ПОТОКА ПАЦИЕНТОВ МАУЗ ГКБ № 2 23
2.1 Дисперсионный анализ для сравнения нескольких групп 23
2.2 Сравнение двух групп: критерий Стьюдента с поправкой
Бонферрони 29
2.3 Метод группировок в статистике. Ряды распределения 34
2.4 Выводы по разделу 39
3 Программная реализация модуля статистического анализа прохождения
медицинского осмотра пациентами МАУЗ ГКБ № 2 40
3.1 База данных пациентов МАУЗ ГКБ № 2 40
3.2 Построение алгоритма разработки модуля 45
3.2.1 Модуль авторизации в системе 46
3.2.2 Алгоритм группировки данных 47
3.2.3 Схема алгоритма генерации расширенного отчёта 48
3.3 Разработка пользовательского интерфейса 49
3.4 Проверка на экспериментальных данных 52
3.5 Выводы по разделу 53
ЗАКЛЮЧЕНИЕ 54
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 56
ПРИЛОЖЕНИЕ
МАУЗ ГКБ № 2 - это медицинское учреждение, которое представляет собой сложную систему с взаимодействующими сущностями и множеством как формальных, так и не формальных связей. Наладить работу медицинского учреждения - стремление каждого главного врача, потому что по итогу работы оптимизируется нагрузка на сотрудников, улучшается психологический климат в медицинском коллективе, что делает специалистов более динамичными и работоспособными. В результате увеличивается эффективность работы МАУЗ ГКБ № 2 и качество медицинской помощи пациентам.
Подходом к решению этой задачи является анализ потока пациентов в МАУЗ ГКБ № 2. В рамках решения данной задачи должны анализироваться и представляться в удобном для специалиста виде данные о траекториях потоков, интенсивности потоков, длине очередей, количестве и частоте отказов в обслуживании, а также суточных, недельных, месячных и сезонных изменениях данных характеристик.
Современная медицина это не только высококвалифицированные специалисты, это так же высокий уровень технологий. Выдвинутые экспертами гипотезы необходимо проверить, и математическая статистика является одним из инструментов анализа экспериментальных данных. Использование статистических программ предполагает знание основных методов и этапов статистического анализа: их последовательности, необходимости и достаточности.
Разработка модуля статистического анализа потока пациентов в информационной системе представляет определенную сложность, обусловленную объективными причинами:
1) сильная изменчивость исследуемых признаков ввиду влияния очень большого количества неуправляемых и неконтролируемых факторов;
2) проблемы в формировании выборок (планов экспериментов) требуемого объема и структуры;
3) трудности в освоении методов статистического анализа сотрудниками, не имеющими специального математического образования.
Статистическая обработка медицинских исследований основывается на принципе того, что истинное для случайной выборки истинно и для генеральной совокупности (популяции), из которой эта выборка получена. Выбрать или набрать истинно случайную выборку из генеральной совокупности очень сложно, следовательно, необходимо стремиться к тому, чтобы выборка была репрезентативной по отношению к изучаемой популяции.
В реабилитационном центре МАУЗ ГКБ № 2 текущие данные
записывались в файл формата Excel, что затрудняло доступ к информации одновременно нескольким специалистам. И представляло определенные трудности при выполнении массовых операций с большими объемами данных.
Разработка данного модуля статистического анализа потока пациентов в информационной системе позволит улучшить качество и доступность медицинского обслуживания за счет увеличения объема и качества доступной информации, упростит информационный обмен между специалистами и пациентами, а также обеспечит своевременный сбор и анализ медицинской статистики.
Подходом к решению этой задачи является анализ потока пациентов в МАУЗ ГКБ № 2. В рамках решения данной задачи должны анализироваться и представляться в удобном для специалиста виде данные о траекториях потоков, интенсивности потоков, длине очередей, количестве и частоте отказов в обслуживании, а также суточных, недельных, месячных и сезонных изменениях данных характеристик.
Современная медицина это не только высококвалифицированные специалисты, это так же высокий уровень технологий. Выдвинутые экспертами гипотезы необходимо проверить, и математическая статистика является одним из инструментов анализа экспериментальных данных. Использование статистических программ предполагает знание основных методов и этапов статистического анализа: их последовательности, необходимости и достаточности.
Разработка модуля статистического анализа потока пациентов в информационной системе представляет определенную сложность, обусловленную объективными причинами:
1) сильная изменчивость исследуемых признаков ввиду влияния очень большого количества неуправляемых и неконтролируемых факторов;
2) проблемы в формировании выборок (планов экспериментов) требуемого объема и структуры;
3) трудности в освоении методов статистического анализа сотрудниками, не имеющими специального математического образования.
Статистическая обработка медицинских исследований основывается на принципе того, что истинное для случайной выборки истинно и для генеральной совокупности (популяции), из которой эта выборка получена. Выбрать или набрать истинно случайную выборку из генеральной совокупности очень сложно, следовательно, необходимо стремиться к тому, чтобы выборка была репрезентативной по отношению к изучаемой популяции.
В реабилитационном центре МАУЗ ГКБ № 2 текущие данные
записывались в файл формата Excel, что затрудняло доступ к информации одновременно нескольким специалистам. И представляло определенные трудности при выполнении массовых операций с большими объемами данных.
Разработка данного модуля статистического анализа потока пациентов в информационной системе позволит улучшить качество и доступность медицинского обслуживания за счет увеличения объема и качества доступной информации, упростит информационный обмен между специалистами и пациентами, а также обеспечит своевременный сбор и анализ медицинской статистики.
После проведения анализа предметной области были выбраны математические методы для проведения статистического анализа потока пациентов в МАУЗ ГКБ № 2, метод оценки статистической значимости различий (дисперсионный анализ), метод сравнения двух групп: критерий Стьюдента с поправкой Бонферрони. На основании данных методов были проведены эксперименты. А также с помощью метода группировок и с помощью рядов распределения рассчитаны вероятности нахождения анализов в различных состояниях для каждого пациента.
Дисперсионный анализ и критерий Стьюдента с поправкой Бонферрони, позволили оценить вероятность нулевой гипотезы, то есть предположения об отсутствии эффекта экспериментального воздействия, во всех исследованиях. Вероятность нулевой гипотезы оценивалась с помощью критериев значимости - F, t. Гипотеза отклонялась, если значение критерия превышало критическое. Данное отклонение наблюдалось в первом и во втором эксперименте дисперсионного анализа. Также справедливо утверждалось, что найдены статистически значимые различия. Если значение критерия оказывалось меньше критического, то делался вывод об отсутствии статистически значимых различий.
Для разработки модуля использовался язык программирования JavaScript с использованием технологии NodeJS. В информационной системе МАУЗ ГКБ № 2 используется СУБД PostgreSQL, поэтому для создания модуля статистического анализа потока пациентов использовалась библиотека PostgreSQL node-postgres. Среда разработки Visual Studio Code. Для хранения результатов работы модуля статистического анализа потока пациентов была создана кеширующая таблица.
Использование модуля анализа потока пациентов в информационной системе МАУЗ ГКБ № 2 позволяет совершенствовать рабочий процесс специалистов, автоматизирует прохождение медицинских осмотров, облегчает работу медицинского персонала. Для успешного освоения модуля анализа потока пациентов в медицинской информационной системе необходимо иметь навыки работы с персональным компьютером.
В результате работы получен законченный программный продукт, который внедрен и используется в работе МАУЗ ГКБ №2.
Дисперсионный анализ и критерий Стьюдента с поправкой Бонферрони, позволили оценить вероятность нулевой гипотезы, то есть предположения об отсутствии эффекта экспериментального воздействия, во всех исследованиях. Вероятность нулевой гипотезы оценивалась с помощью критериев значимости - F, t. Гипотеза отклонялась, если значение критерия превышало критическое. Данное отклонение наблюдалось в первом и во втором эксперименте дисперсионного анализа. Также справедливо утверждалось, что найдены статистически значимые различия. Если значение критерия оказывалось меньше критического, то делался вывод об отсутствии статистически значимых различий.
Для разработки модуля использовался язык программирования JavaScript с использованием технологии NodeJS. В информационной системе МАУЗ ГКБ № 2 используется СУБД PostgreSQL, поэтому для создания модуля статистического анализа потока пациентов использовалась библиотека PostgreSQL node-postgres. Среда разработки Visual Studio Code. Для хранения результатов работы модуля статистического анализа потока пациентов была создана кеширующая таблица.
Использование модуля анализа потока пациентов в информационной системе МАУЗ ГКБ № 2 позволяет совершенствовать рабочий процесс специалистов, автоматизирует прохождение медицинских осмотров, облегчает работу медицинского персонала. Для успешного освоения модуля анализа потока пациентов в медицинской информационной системе необходимо иметь навыки работы с персональным компьютером.
В результате работы получен законченный программный продукт, который внедрен и используется в работе МАУЗ ГКБ №2.





