ПРОГНОЗИРОВАНИЕ ПОКАЗАТЕЛЕЙ УРОЛОГИЧЕСКОГО ЗДОРОВЬЯ И УДОВЛЕТВОРЁННОСТИ МЕДИЦИНСКИМ ОБСЛУЖИВАНИЕМ ПАЦИЕНТОВ ПО СОЦИАЛЬНО-ГИГИЕНИЧЕСКИМ ФАКТОРАМ РИСКА

PREDICTING PERFORMANCE OF UROLOGICAL HEALTH AND SATISFACTION WITH MEDICAL PATIENT CARE BASED ON SOCIAL AND HYGIENIC RISK FACTORS

Nikolai Koval

postgraduate student of the Department public health, health care, hygiene and epidemiology Institute of additional professional education, Voronezh state medical University. N.N. Burdenko,

Russia, Voronezh

Vladimir Kosolapov

dr. med. science, head. Department public health, health care, hygiene and epidemiology Institute of additional professional education, Voronezh state University medical University named after him. N.N. Burdenko,

Russia, Voronezh

Konstantin Razinkin

dr. tech. sciences, Professor of the Department information security system, Voronezh state technical University,

Russia, Voronezh

АННОТАЦИЯ

Целью работы является формирование прогностических моделей развития урологической заболеваемости, а также удовлетворённости пациентов оказанной медицинской помощью на основе множественного и логистического  регрессионного анализа. В качестве независимых переменных выступали социально-гигиенические характеристики пациентов и самооценки состояния здоровья пациентов, прошедших лечение в Городском урологическом центре (г. Воронеж). Полученные результаты стали основой для принятия решений по коррекции ведения лечебно-диагностического процесса и выбора вариантов профилактических мероприятий.

ABSTRACT

The aim of this work is to form predictive models of urological morbidity development, as well as patient satisfaction with medical care provided on the basis of multiple and logistic regression analysis. The independent variables were the socio-hygienic characteristics of patients and self-assessment of the health status of patients treated at the City urology center (Voronezh). The results obtained became the basis for making decisions on correcting the management of the medical and diagnostic process and selecting options for preventive measures.

Ключевые слова: прогностическое моделирование; социально-гигиенические характеристики; урологическая патология.

Keywords: prognostic modeling; social and hygienic characteristics; urological pathology.

Согласно данным ВОЗ, в структуре смертности населения экономически развитых стран болезни мочеполовой системы занимают 7-е место и составляют 2,5-3% всех причин смертности. Но вместе с тем, они поражают людей всех возрастов, являясь причиной временной нетрудоспособности и инвалидизации значительного числа трудоспособного населения и нанося тем самым, значительный  экономический ущерб стране [1].

В этой связи, выявление и анализ факторов, в том числе медико-социальных, влияющих на состояние здоровья и степень удовлетворённости оказанной медицинской помощи, позволяет выделить наиболее значимые, что является основанием для совершенствования управления качеством медицинской помощи больным урологического профиля, разработки индивидуального прогноза развития заболевания и дифференцированного подхода к его профилактике с учетом социальных характеристик больного.

На начальном этапе работы рассмотрена структура медико-социальных и социально-гигиенических факторов риска развития урологических патологий у пациентов трёх групп, а именно: прошедших лечение в Городском урологическом центре (ГУЦ) – основная группа, в ГКБ БСМП №1 (Воронеж) – контрольная группа 1 и пациентов без урологической патологии – контрольная группа 2.

Осуществлено попарное сравнение групп по критерию Пирсона. Наблюдались значимые различия между группами пациентов основной и группы ГКБ СМП и основной и контрольных  группы. На рис. 1 представлено  Распределение контингента групп исследуемых пациентов в зависимости от возраста.

Рисунок 1. Распределение контингента групп исследуемых пациентов в зависимости от возраста (Основная и контрольная 1 = 146,8467, p <0,05; основная и контрольная 2 = 50,94367 p <0,05)

Статистическая обработка результатов эксперимента предполагает числовое представление данных. С учётом того, что  анкетные данные были зарегистрированы как в количественном, так и качественном виде, осуществлено преобразование информации, содержащее фиксированные лингвистические значения. При этом применялся метод априорного ранжирования для ранговой оценки каждого значения.[2]

Подобные расчёты и нормировка показателей была произведена для всех показателей не имевших численной оценки.

Рассчитанные нормированные показатели в дальнейшем были использованы для реализации методов математической статистики и оптимизации.

Для оценки взаимосвязи медико-социальных характеристик пациентов с заболеваниями мочеполовой системы были рассчитаны коэффициенты парной  корреляции. Пример оценки корреляционной связи в виде диаграммы рассеивания показан на рис.2.

Рисунок 2. Диаграмма рассеивания для корреляционной связи  показателей «Оценка состояния здоровья» и «Возраст»

Как видно из графика c возрастом снижается самооценка здоровья пациентов.

Дальнейший этап работы связан с построением регрессионных моделей с использованием ПО Statistica 10 Copyright© StatSoft Inc. представлены ниже.

Первая модель – модель множественной регрессии для прогнозирования оценки состояния здоровья пациента. Результаты представлены на рис. 3.

Рисунок 3. Результаты множественной регрессии для прогнозирования  оценки состояния здоровья пациента

Как видно из рисунка значения коэффициентов детерминации как доли (R=0,91 и R² = 0,84) дисперсии зависимой переменной близки к единице, так как модели с коэффициентом детерминации выше 80 % можно признать достаточно хорошими с точки зрения адекватности модели результатам эксперимента [3]. Стандартная ошибка оценки достаточно мала и равна 0,098, что говорит о соответствии линии регрессии набору данных.

На рис. 4 представлены итоги регрессии для зависимой переменной – оценка состояния здоровья, где более развернуто, представлена значимость коэффициентов β модели регрессии.

Рисунок 4. Итоги регрессии для зависимой переменной

Как видно из рис. 4 все коэффициенты, включая свободный член имеют статистически значимые оценки (p<0,05).

Формализованная модель представлена ниже, а именно:

-0,92208 +1,16578*+0,46447*+0,21320*+1,62382*–

–  1,70554 * – 0,15337*

где  оценка состояния здоровья; - характер сна;  - местность проживания; - оценка аппетита; - материальное обеспечение; - возраст.

Шкала для оценки: 0 - 0,20 – неудовлетворительное; 0,21 - 0,50 – удовлетворительное;  0,51 - 1,00 – хорошее.

Рассмотрим пример, также с использованием расчёта предсказанных значений в модуле «Множественная регрессия» пакета Statistica 10 Copyright^©StatSoft.

Пациент А. Возраст 46 лет (0,571), проживает в городе (=1), оценивает свой аппетит как хороший (=1), оценивает своё материальное обеспечение как среднее (=), характеризует свой сон как беспокойный (=0,286). Все данные сведены в окне на рис. 5.

Рисунок 5. Окно задания независимых переменных

Предсказанное значение, как видно из рис. 6., равно 0,84, которое по введённой шкале близко к единице, что соответствует оценке своего состояния здоровья как хорошее.

Рисунок 6. Предсказанные значения для переменной – оценка состояния здоровья

Таким образом, экспериментальные и теоретические значения достаточно близки, так как пациент А. в эксперименте оценил своё состояние здоровья как хорошее. 

Так как очередной показатель, характеризующий удовлетворённость пациента оказанной  медицинской помощью, а именно – ответ на вопрос «Ваше пребывание было безопасным?» – носит бинарный характер типа «да/нет» (1 или 0), то будем использовать методы нелинейной регрессии для построения модели. Очевидно, что модель логистической регрессии в данном случае наилучшим образом подходит для отражения связи зависимой переменной и предикторов. На рис. 7. представлены общие результаты построения логистической модели.

Рисунок 7. Результаты построения логистический модели

Как видно из данного скриншота – модель значима, т.е. при значении  = 35,42379 гипотеза о значимости модели принимается при p=0,0000004 и числе степеней свободы =4. На рис. 8. представлены коэффициенты логистической модели, включая b₀.

Рисунок 8. Коэффициенты уравнения логистической регрессии и оценки их значимости

Как следует из рис. 8 все коэффициенты статистически значимы, так как p_знач<0,05. Следовательно, модель была формализована следующим образом:

Оценивание удовлетворённости безопасным пребыванием пациента (Y₃):

reg = -2,406043+2,884432*X₃₁+2,615172* X₃₂+3,617997* X₃₃-4,488189* X₃₄

где X₁₁ – оценка состояния здоровья; X₁₂ – удовлетворённость условиями пребывания;  X₁₃ – жилищно-бытовые условия; X₁₄ – материальное положение.

Шкала для оценки: 0 - 0,29 – низкая удовлетворённость; 0,30 - 0,69 – средняя удовлетворённость; 0,70 - 1,00 – высокая удовлетворённость.

Результаты верификации модели представлена на рис.9.

Рисунок 9. Результаты верификации модели

Как видно из данного скриншота модель корректно предсказывает зависимую переменную, а именно – ответ на вопрос «Ваше пребывание было безопасным?», в 92,11% случаев, что является приемлемым для практики результатом.

На рис.10  представлены графики изменения предсказанных значений зависимой переменной (ось ординат) в зависимости от варьируемых от нуля до единицы значений одного из независимых параметров логистической модели (ось абсцисс). Значения факторов X варьировались в диапазоне от 0 до 1 с частотой дискретизации  0,02. Для построения графиков варьировалась только одна переменная модели, остальные факторы были фиксированы.

Рисунок 10. Изменения прогнозируемых значений зависимой переменной логистической модели от входных факторов

Как видно из графиков рис. 10. характер изменения прогнозируемых значений ответа на вопрос «Ваше пребывание было безопасным?» соответствует логистической регрессии. Однако обращает на себя характер изменения прогнозируемого значения в зависимости от оценки материального положения. Данный факт объясняется тем, что  чем выше оценка материального положения, тем выше требования предъявляются пациентом к уровню безопасности.

Таким образом, в статье предложен подход, который при принятии решений о выборе лечебно-диагностической тактики ведения урологических больных учитывает  медико-социальные и социально-гигиенических характеристики пациентов, в то числе находящихся под наблюдением условиях амбулаторных городских урологических центров. Применение методов математической статистики позволило проанализировать закономерности воздействия социальных условий и факторов внешней среды на здоровье пациентов урологического профиля с целью совершенствования стационарозамещающих технологий реализации медицинской помощи и построить модели для прогнозирования данного заболевания на индивидуальном уровне.

Список литературы:

1. Лопаткин Н.А., Урология [Электронный ресурс] / под ред. Н.А. Лопаткина - М.: ГЭОТАР-Медиа, 2013. - 1024 с. (Серия "Национальные руководства") - ISBN 978-5-9704-2759-0 - Режим доступа: https://www.rosmedlib.ru/book/ISBN9785970427590.html.
2. Клименко Г.Я. Методика и результаты преобразования лингвистических характеристик в численные оценки факторов риска / Г.Я. Клименко, В.П. Косолапов, О.Н. Чопоров // Журн. Консилиум. – Воронеж, 2001. – № 4. – С. 25-28.
3. Медик В.А. Математическая статистика в медицине: учеб.пособие / В.А. Медик, М.С. Токмачёв. – М.: Финансы и статистика, 2007. – 800с.