ОБНАРУЖЕНИЕ ДЕФЕКТОВ ДОСТОВЕРНОСТИ ИНФОРМАЦИИ ПРИ МЕДИКО-ЭКОНОМИЧЕСКОЙ ЭКСПЕРТИЗЕ И КОНТРОЛЕ КАЧЕСТВА МЕДИЦИНСКОЙ ПОМОЩИ
Аннотация и ключевые слова
Аннотация (русский):
Рассматриваются способы фильтрации информации при медико-экономической экспертизе и контроле качества медицинской помощи в рамках программы обязательного медицинского страхования. Описан набор семантико-прагматических правил, в соответствии с которыми формализованы типичные дефекты достоверности первичной информации, поступающей от медицинских учреждений.

Ключевые слова:
достоверность данных, информационный шум, семантический фильтр, медицинское страхование
Текст
Введение Медико-экономическая экспертиза (МЭЭ) – процесс проверки достоверности информации, представленной в виде реестра счетов на оказанную медицинскую помощь медицинскими организациями (МО), работающими в системе обязательного медицинского страхования (ОМС). Данные реестров проверяются на синтаксическое и семантическое соответствие правилам оказания медицинской помощи и предоставления сведений об оказанных услугах. Контроль качества медицинской помощи (ККМП) – персонифицированная выборка сведений об оказанной медицинской помощи, успешно прошедшей МЭЭ на соответствие показателям, характеризующим качество и эффективность оказываемой медицинской помощи [1]. В настоящее время этот процесс в страховых медицинских организациях (СМО) производится в частично автоматизированном режиме. Постановка задачи Целью исследований являлось создание методики отбора достоверной информации для МЭЭ и ККМП в виде синтаксических, семантических и прагматических фильтров, обеспечивающих максимальную корректность выходной информации. Обнаружение дефектов достоверности информации При проведении МЭЭ данных об оказанных медицинских услугах в рамках программы ОМС [2] осуществляется проверка корректности представленных сведений. Если рассмотреть этот процесс с точки зрения теории информационных систем, то выявленные логические, структурные и механические несоответствия подходят под определение информационного шума. Различают три разновидности шума и, соответственно, три информационных фильтра, блокирующих этот шум [3]. 1. Синтаксический фильтр. В последовательности знаков, хранимых на носителе или передаваемых, могут быть обнаружены участки, относительно которых отсутствует соглашение о придании им смысла. Эти участки составляют синтаксический шум, и они распознаются синтаксическим фильтром. Фильтр содержит набор решающих правил, позволяющих различать правильные (осмысленные) и неправильные (бессмысленные) последовательности знаков. 2. Семантический фильтр. Первый аспект семантического шума связан с отсутствием новизны в получаемом сообщении. Иначе говоря, сообщение не расширяет знаний потребителя. Второй аспект семантического шума связан с прохождением ложного сообщения через синтаксический фильтр. Он проверяет соответствие контролируемого сообщения с уже имеющейся информацией. 3. Прагматический фильтр устанавливает степень важности, ценности информации для потребителя. Элементы прагматической оценки обычно охватывают качественную и ценностную сторону информацию для того, чтобы определить первоочередную, второстепенную или избыточную информацию. Каждый вид фильтра контролирует свой параметр. В результате контроля фильтры блокируют прохождение ложного сообщения. Синтаксический и семантический (смысловой) фильтры иногда образуют один фильтр. В качестве синтаксического фильтра применительно к рассматриваемым процессам возможно применение методов форматно-логического контроля [4]: составление схем данных и проверка входной информации на соответствие этим схемам. Следует выделить основные группы ошибок форматно-логического контроля: – нарушение целостности передаваемых данных; – избыточность структуры передаваемых данных; – отсутствие обязательных для заполнения сведений; – некорректное заполнение сведений. Прочие группы дефектов можно выявить путем анализа большего количества статистической информации об оказанной медицинской помощи, полученной в ходе проведения экспериментов с данными [5]. При применении синтаксического фильтра блокируются ложные сообщения с самыми простыми для обнаружения ошибками; фильтрацию проходят записи, формально соответствующие регламентным требованиям. Если данные не проходят семантический фильтр (второй этап), они отсекаются. Для формализации правил отбора данных используются основания для отказа в оплате медицинской помощи (уменьшения оплаты медицинской помощи) [1], однако каждому нарушению при оформлении реестра счетов или медицинской документации соответствует неопределенное множество ошибок реализации. Чтобы определить конкретные условия корректности записи, необходимо охарактеризовать данные, полученные на предыдущем этапе. Для каждого типа данных, хранимого в элементах структуры данных, существует набор семантических правил, совокупность которых и составляет семантический фильтр. , где – это перечень семантических правил для каждого используемого типа данных. Для типа данных даты и времени характерны проверки на вхождение в действительные интервалы дат. Например, дата рождения пациента должна описываться следующим выражением: , где – текущая дата; – дата рождения пациента. Для типа данных, использующего ссылки на справочную информацию, характерны проверки на вхождение в справочный источник. Более сложными семантическими правилами являются логические взаимосвязи между данными и правилами оказания медицинской помощи. В этом случае семантические правила будут применяться для следующих видов медицинской помощи: амбулаторно-поликлинической, стационарной, стационарозамещающей. Влияние на параметры отбора будет оказывать также профиль оказанной помощи (терапевтическая, хирургическая, стоматологическая и т. д.), индивидуальное государственное задание для МО, источники финансирования оказанных услуг. При МЭЭ данных СМО определяет также страховую принадлежность пациентов посредством использования информационного обмена с территориальным фондом ОМС. В случае возникновения спорных ситуаций при определении страховой принадлежности (например, о принадлежности человека заявляют несколько СМО) решение о приеме или отклонении сведений об оказанной помощи принимается специалистом, осуществляющим прием счетов от МО. Анализ реестров оказанной медицинской помощи должен также проводиться в разрезе МО на предмет несоответствий. Пусть входная информация при МЭЭ задана в виде множества , где – его записи. Тогда противоречия в реестре счетов можно представить следующим образом: 1. Разные виды медицинской помощи в одном счете. , где – множество, описывающее параметр «Вид медицинской помощи», регламентированный для указанных в реестре услуг; – множество значений видов медицинской помощи, перечисленных в реестре оказанных услуг. 2. Полис помечен как недействительный раньше, чем услуга была оказана. В этом случае условие отбора можно представить в следующем виде: , где – дата окончания срока страхования по указанному в реестре счетов полису;– дата оказания медицинской помощи. 3. Дублирование записей. Пусть имеется множество записей реестра , где – параметры, описывающие запись об оказанной медицинской помощи; – уникальный идентификатор записи. В случае если , запись считается дублированной. 4. Запись, соответствующая данному сочетанию фамилии, имени, отчества, даты рождения, диагноза, даты услуги, кода услуги, уже оплачена. 5. Количество дней, нарушающее норматив длительности лечения в соответствии со стандартами оказания медицинской помощи. Стандарт оказания медицинской помощи можно представить в виде множества , где – множество диагнозов, входящих в программу ОМС; – минимальный курс лечения; – максимальный курс лечения. Тогда для сведений о помощи, в которых нарушен норматив длительности лечения, соблюдаются условия: , где – запись об оказанной медицинской помощи; – параметр , описывающий диагноз по проведенному лечению; – параметр , описывающий длительность лечения. На следующем этапе обработки данных производится контроль качества оказанной медицинской помощи. Разработаны следующие семантико-прагматические фильтры для ККМП: 1. Пересечение сроков лечения – записи отбираются в случае оказания медицинской помощи одному и тому же лицу в один и тот же период времени различными МО. Подразделяется: - на пересечение сроков лечения «стационар – стационар»– одновременное оказание медицинской помощи в круглосуточном стационаре и стационаре дневного пребывания; - пересечение сроков лечения «поликлиника – стационар»– оказание медицинской помощи в МО амбулаторно-поликлинического типа в момент прохождения стационарного лечения; - пересечение сроков лечения внутри МО – оказание услуг амбулаторно-поликлиническим подразделением МО услуг в период прохождения стационарного лечения; - индивидуальное пересечение сроков лечения – оказание медицинской помощи одному и тому же лицу в один и тот же период времени одним и тем же врачом в различных МО. 2. Наличие признаков фальсификации медицинской документации – в рамках информационного обмена СМО с территориальным фондом ОМС последним передаются сведения о фактах смерти граждан, после чего проводится поиск услуг, оказанных таким гражданам после даты смерти. В случае обнаружения таких услуг имела место быть фальсификация медицинской документации или некорректное представление сведений об оказанной медицинской помощи. 3. Нелицензированная медицинская помощь – нарушения, связанные с включением в реестр счетов нелицензированных видов медицинской деятельности. В качестве примера можно привести оказание медицинской помощи врачом МО пациенту младше указанного в лицензии возраста. Однако в случае оказания экстренной медицинской помощи такая услуга подлежит оплате. В случае неопределенности при возникновении исключительных ситуаций по результатам прохождения семантических и прагматических фильтров, для поддержки принятия решения предлагается использовать рассуждения на основе прецедентов, а также выбор предпочтительных альтернатив [6]. Как правило, методы рассуждения на основе прецедентов включают в себя четыре основных этапа, образующие так называемый CBR-цикл, структура которого представлена на рисунке [7]. Структура CBR-цикла Основными этапами CBR-цикла являются [8]: - извлечение наиболее соответствующего (подобного) прецедента (прецедентов) для сложившейся ситуации из библиотеки прецедентов (БП); - повторное использование извлеченного прецедента для попытки решения текущей проблемы; - пересмотр и адаптация в случае необходимости полученного решения в соответствии с текущей проблемой; - сохранение вновь принятого решения как части нового прецедента. Поиск решения на основе прецедентов заключается в определении степени сходства текущей ситуации с ситуациями прецедентов из БП. При этом учитываются веса параметров для ситуаций из БП, заданные экспертом. Степень сходства зависит от близости текущей ситуации к ситуации прецедента и определяется с помощью алгоритма поиска ближайшего соседа посредством простого покоординатного сопоставления текущей ситуации с ситуацией прецедента (каждый параметр для описания ситуаций из БП рассматривается как одна из координат). В результате определяется расстояние D между текущей ситуацией и ситуацией прецедента и максимальное расстояние Dmax на основе границ диапазонов параметров для ситуаций прецедентов. Затем вычисляется значение степени сходства: . Необходимо учитывать, что рассуждение на основе прецедентов может не привести к необходимому решению для возникшей проблемной ситуации, например в случае отсутствия подобной (аналогичной) ситуации в БП. Данная проблема может быть разрешена, если в CBR-цикле предусмотреть возможность пополнения БП непосредственно в процессе рассуждения (вывода) [7]. Одним из способов пополнения БП является привлечение более мощного в плане обнаружения новых фактов (знаний) метода на основе аналогий. В свою очередь, в методах рассуждений на основе аналогий могут весьма успешно применяться и прецеденты. На основании результатов фильтрации данных становится возможным принятие решения [9] о корректности и обоснованности поданных сведений.
Список литературы

1. Приказ Федерального фонда обязательного медицинского страхования от 01 декабря 2010 года № 230 «Об утверждении Порядка организации и проведения контроля объемов, сроков, качества и условий предоставления медицинской помощи по обязательному медицинскому страхованию»: http://skfoms.ru›Документы›ФОМС.

2. Федеральный закон от 29 ноября 2010 года № 326-ФЗ «Об обязательном медицинском страховании в Российской Федерации»: http://base.garant.ru/12180688.

3. Антонов В. Н. Информационные технологии управления / В. Н. Антонов, В. Г. Иванов, Т. П. Горяинова / под науч. ред. проф. В. Е. Кантора: учеб. пособие. – СПб.: Изд-во СПбГУЭФ, 2008. – 113 с.

4. Общие принципы построения и функционирования информационных систем и порядок информационного взаимодействия в сфере обязательного медицинского страхования. Утверждены приказом Федерального фонда обязательного медицинского страхования от 07 апреля 2011 года № 79: http//referend.ru/1/193357.

5. Умеров А. Н. Методы и программные средства аппроксимации экспериментальных данных» / А. Н. Умеров, В. Ф. Шуршев // Вестн. Астрахан. гос. техн. ун-та. – 2005. – № 1(24). – С. 97–104.

6. Квятковская И. Ю. Линейное расслоение классов альтернатив с использованием логической формы функции выбора / И. Ю. Квятковская // Вестн. Астрахан. гос. техн. ун-та. – 2007. – № 1 (36). – С. 116–119.

7. Варшавский П. Р. Поиск решения на основе структурной аналогии для интеллектуальных систем поддержки принятия решений / П. Р. Варшавский, А. П. Еремеев // Известия РАН. Теория и системы управления. – 2005. – № 1. – С. 97–109.

8. Варшавский П. Р. Поиск решения на основе аналогий и прецедентов в интеллектуальных системах поддержки принятия решений / П. Р. Варшавский, А. П. Еремеев // Российская наука: мечта светла: сб. науч.-попул. ст. Математика. Системы поддержки принятия решений. – М.: Октопус, 2006. – 392 с.

9. Квятковская И. Ю. Формирование управленческих решений для социально-экономических систем в условиях слабой структурированности проблемы // Вестн. Сарат. гос. техн. ун-та. – 2009. – Т. 2, № 1. – С. 219–227.


Войти или Создать
* Забыли пароль?