Евгения Игоревна Суворова — младший научный сотрудник отдела укрепления общественного здоровья.
Москва
Moscow
Анна Васильевна Концевая — доктор медицинских наук, заместитель директора по научной и аналитической работе.
Москва
Moscow
Александр Павлович Рыжов — доктор технических наук, профессор отдела организационно-методического управления и анализа оказания медицинской помощи.
Москва
Moscow
Азалия Орозбековна Мырзаматова — кандидат медицинских наук, научный сотрудник. отдела укрепления общественного здоровья.
Москва
Moscow
Динара Кямиловна Муканеева — младший научный сотрудник отдела укрепления общественного здоровья.
Москва
Moscow
Михаил Борисович Худяков — ведущий инженер отдела укрепления общественного здоровья.
Москва
Moscow
Оксана Михайловна Драпкина — доктор медицинских наук, профессор, член-корр. РАН, директор.
Москва
Moscow
Процесс принятия эффективных управленческих решений в сфере охраны здоровья и профилактики заболеваний требует системного, целостного и научно обоснованного подхода. Однако в такой трудно формализуемой сфере деятельности, как профилактическая медицина, существует проблема фрагментарности и недостаточности данных.
Цель. Разработать подходы к моделированию популяционных профилактических мер в России, применимых в условиях недостаточности данных.
Материал и методы. На первом этапе отобрали основные хронические неинфекционные заболевания (ХНИЗ), ассоциированные с высокой заболеваемостью и смертностью в России, в отношении которых есть эффективные меры профилактики. На следующем этапе, на основании анализа литературы отобрали факторы риска, ассоциированные с увеличением вероятности развития данных ХНИЗ. На следующем этапе проведен отбор мер популяционной профилактики. Рассматривались следующие меры популяционной профилактики: экономические меры, налоги, субсидии; информационные кампании в средствах массовой информации и образование населения; изменение среды, инфраструктуры; маркировка и информация для потребителя, запрет и другие законодательные меры.
Результаты. Построена онтологическая модель, имеющая вид графика. Процесс моделирования социально-экономического эффекта популяционных мер профилактики начинается с выбора профилактической меры с доказанным эффектом, реализация которой может опосредовано, через снижение распространённости факторов риска, привести к предотвращению новых случаев ХНИЗ среди населения России и снизить ассоциированные с ними затраты в будущем.
Заключение. Онтологический анализ позволил выявить функциональную структуру популяционной профилактики (объекты и их связи) и определить ее поведение (сценарии) в условиях недостаточности данных. Развитие онтологий способствует целенаправленному получению дополнительных средств доступа к имеющейся в мировом научном пространстве информации, необходимой для принятия научно обоснованных управленческих решений и эффективного распределения ограниченных ресурсов.
Effective management decisions in the field of health care and preventive medicine requires a systematic, holistic and scientifically based approach. However, there is a problem of fragmentation and insufficient data.
Aim. To develop approaches to modeling population-based preventive measures in Russia, applicable under uncertainty.
Material and methods. At the first stage, we selected the central chronic noncommunicable diseases (NCDs) associated with high morbidity and mortality in Russia, for which there are effective preventive measures. At the next stage, based on the literature analysis, we selected risk factors of these NCDs. Further, population-based preventive measures were selected. The following population-based preventive measures were considered: economic measures, taxes, subsidies; information campaigns in the media and public education; changing the environment, infrastructure; labeling, information for the consumer, prohibition, and other legislative measures.
Results. An ontological model in the form of a graph was created. Modeling the socio-economic effect of population-based strategies begins with the choice of a preventive measure with a proven effect, which can indirectly, through a decrease in the risk factors’ prevalence, preclude new cases of chronic diseases among the population of Russia and reduce the related costs in the future.
Conclusion. Ontological analysis made it possible to identify the functional structure of population-based prevention and its action under uncertainty. The development of ontology provides an additional means of access to the available research data, which is necessary for evidence-based management decision-making.
The authors declare that there are no conflicts of interest present.