Сегодня: 18.09.2019
RU / EN
Последнее обновление: 17.09.2019
Перспективность метода анализа больших данных (big data) для оценки качества и эффективности фармакотерапии пациентов с артериальной гипертензией

Перспективность метода анализа больших данных (big data) для оценки качества и эффективности фармакотерапии пациентов с артериальной гипертензией

И.М. Бурыкин, Г.Н. Алеева, Р.Х. Хафизьянова
Ключевые слова: артериальная гипертензия; фармакоэпидемиологические методы; комплаенс; big data.
СТМ, 2017, том 9, номер 4, стр. 194-200.

Полный текст статьи

html pdf
417
419

Цель исследования — изучить возможности и перспективность использования метода анализа больших данных (big data) для оценки рациональности и качества фармакотерапии пациентов с артериальной гипертензией.

Материалы и методы. Анализ данных об отпуске лекарственных препаратов (ЛП) для льготной (федеральной и региональной) категории граждан осуществлялся с помощью программ на языке Python 3.6 и OLAP-системы. Фармакоэпидемиологические методы были основаны на DDD-методологии (Defined DailyDose — установленная суточная доза).

Результаты. Рациональная фармакотерапия и высокая приверженность к лечению артериальной гипертензии регистрировались не во всех случаях. Выявлено, что от исходного до последующего визита проходило в среднем 86 дней и 25% пациентов в исследуемых районах Республики Татарстан в 2013 г. приходили на следующий прием через 90 дней и более. Кроме ЛП для сердечно-сосудистой системы категории C по классификации ATX (анатомо-терапевтическая химическая классификация лекарственных средств — международная система), в 10% случаев выписывались препараты других категорий (ацетилсалициловая кислота, пирацетам, церебролизин и др.). Наиболее используемыми ЛП являлись ингибиторы ренин-ангиотензиновой системы (196 DDD/человека/год), второе место по объему потребления занимали антагонисты кальциевых каналов (50,4 DDD/человека/год). Регистрировались существенные различия в объеме потребления антигипертензивных ЛП между районами (до 3,5 раз).

Заключение. Метод анализа больших данных являются перспективным инструментом оценки рациональности и качества фармакотерапии, позволяют оценивать качественные и количественные показатели фармакотерапии на уровне генеральной совокупности.

  1. Хабриев Р.У., Линденбратен А.Л., Комаров Ю.М. Стратегия охраны здоровья населения как основа со­циальной политики государства. Проблемы социальной гигиены, здравоохранения и истории медицины 2014; 3: 3–5.
  2. Голикова Т.А. О разработке и принятии регио­наль­ных программ модернизации здравоохранения. Менедж­мент качества в сфере здравоохранения и социального развития 2011; 1: 4–10.
  3. NCD Risk Factor Collaboration (NCD-RisC). Worldwide trends in blood pressure from 1975 to 2015: a pooled analysis of 1479 population-based measurement studies with 19·1 million participants. Lancet 2016; 389(10064): 37–55, https://doi.org/10.1016/s0140-6736(16)31919-5.
  4. Loewen L., Roudsari A. Evidence for business intelligence in health care: a literature review. Stud Health Technol Inform 2017; 235: 579–583.
  5. Хафизьянова Р.Х., Бурыкин И.М., Алеева Г.Н. Ма­те­матическая статистика в экспериментальной и кли­ни­­ческой фармакологии. Казань: Медицина; 2006; 374 с.
  6. Зиганшина Л.Е., Магсумова Д.Р., Кучаева А.В., Пикуза О.И., Герасимов В.Б., Яворский А.Н. ATC/DDD клас­сификационная система в фармако­эпидемио­ло­ги­­ческих исследованиях. Качественная клиническая практика 2004; 1: 28–33.
  7. Российское медицинское общество по артериальной гипертонии, Всероссийское научное общество кардио­ло­гов. Диагностика и лечение артериальной гипертензии. Кардиоваскулярная терапия и профилактика 2008; 7(6 Прил. 2): 7–34.
  8. Nimmagadda S.L., Dreher H.V. On robust methodologies for managing public health care systems. Int J Environ Res Public Health 2014; 11(1): 1106–1140, https://doi.org/10.3390/ijerph110101106.
  9. Хафизьянова Р.Х., Алеева Г.Н., Бурыкин И.М. Пер­спективы использования data mining методов ана­лиза данных в медицине. В кн.: Материалы Между­народной научно-практической конференции «Роль не­правительственных организаций в решении проблем, связанных с разработкой и внедрением инновационных технологий во всех сферах человеческой деятельности», посвященной 15-летию образования Академии информати­зации Республики Татарстан (2 часть). Казань; 2010. с. 32–39.
  10. Кармалита Е.Е., Юрьев К.Л. Потребление лекар­ственных средств для лечения артериальной гипертензии. Украинский медицинский журнал 2007; 61(5): 63–72.
  11. Якушева Е.Н. Возможности использования системы стандартных дневных доз. Вестник Волгоградского госу­дарственного медицинского университета 2008; 26(2): 74–77.
Burykin I.M., Aleyeva G.N., Hafizyanova R.H. Prospective Value of Big Data Analysis Method for Assessment of Pharmacotherapy Quality and Efficacy in Patients with Arterial Hypertension. Sovremennye tehnologii v medicine 2017; 9(4): 194–200, http://dx.doi.org/10.17691/stm2017.9.4.24


Журнал базах данных

web_of_science.jpg

scopus.jpg

crossref.jpg

doaj.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg

vak.jpg