Формирование лекарственного бюджета специализированного медицинского учреждения (стр. 5 из 16)

2.1 Концепция проведения фармакоэкономических исследований лекарственной помощи онкологическим больным

На данном этапе нами разработана концепция фармакоэкономических исследований больных онкологического диспансера, представленная на рис. 1. При разработке концепции исследований опирались на методологические подходы к проведению фармакоэкономических исследований, а также на методику, разработанную профессором Дремовой Н. Б.

1) на первом этапе изучены литературные данные по проблемам онкологической заболеваемости в России и Белгородской области, рассматривались методы и способы рационального использования лекарственных средств.

2) На втором этапе проводился анализ состояния онкологической заболеваемости с целью выявления тенденции на 2005-2006 г. Анализ проведен на основании статистических данных по заболеваемости в России и Белгородской области за десятилетний период; также проведен анализ основных показателей деятельности диспансера. Анализ проводился на основании статистических и экономических данных ГУЗ Белгородского областного онкологического диспансера (БООД), позволяющие спрогнозировать затраты на лечение онкологических больных.

3) На третьем этапе проводилось социологическое исследование больных онкологического диспансера с помощью контент – анализа 100 историй болезни ГУЗ БООД за 2004 г. и на основании этих данных проведен АВС–анализ ассортимента ЛС.

4) На четвертом этапе на основании АВС, XYZ, VEN–анализов были спрогнозированы финансовые средства на закупку ЛС. Для проведения анализа были использованы требования – накладные, счета – фактуры и журналы регистрации поступления ЛС за 2002-2004гг.

5) Пятый этап – анализ технологий лечения онкологических больных в стационарных условиях, изучение объемов медицинской помощи и особенностей лекарственной терапии в ГУЗ БООД.

6) На шестом, заключительном этапе, проведен экономический анализ технологий лечения онкологических больных; рассчитана прогнозная сумма денежных средств, необходимых учреждению для оказания лекарственной помощи.

2.2 Анализ заболеваемости онкологических больных, тенденции и прогноз

На первом этапе был проведен анализ основных показателей онкологической заболеваемости за 10 лет Белгородской области на основании данных Белгородского онкологического диспансера за период 1993-2003 г.

Таблица 1

Состояние онкологической заболеваемости по Белгородской области за период 1993-2003гг.

Годы	Всего заболеваемость		Темп прироста,%
	Абсолютное	на 1000тыс.
1993	4230	296,4	0,0000
1994	4376	293,2	-1,0796
1995	4676	299,7	2,2169
1996	4691	319,9	6,7401
1997	4389	296,3	-7,3773
1998	4605	309,4	4,4212
1999	4816	323,3	4,4926
2000	4938	330,2	2,1342
2001	4643	310,0	-6,1175
2002	4722	315,2	1,6774
2003	5014	331,5	5,1713
Среднее значение	4645,45	311,4	1,2300

Анализ данных таблицы показал, что несмотря на некоторое снижение онкологической заболеваемости в 1997 и 2001 гг., в десятилетней динамике наблюдается постоянное увеличение числа больных примерно в 1,2 раза: с показателя 4230 до 5014 в 2003г.(или с 296,4 на тысячу населения до 331,5 ). Показатели темпов прироста варьируют от отрицательных до 5-6,7%, но в среднем составляют положительные 1,23%.

Таблица 2

Всего пролечено больных

Годы	Всего	Темп прироста, %
1999	5780	-
2000	6781	17,32
2001	6978	2,91
2002	7261	4,06
2003	7535	3,77
2004	9270	23,03
Среднее значение	7267,5	10,22

В процессе анализа данных табл. 2 установлено, что в динамике наблюдается неравномерное изменение числа пролеченных больных – показатели темпов прироста варьируются от 3,77 до 23,03%. Но в целом происходит увеличение числа пролеченных больных в среднем на 10,22 %.

В табл. 3 представлена динамика числа прооперированных больных в онкологическом диспансере.

Таблица 3

Показатель числа прооперированных больных

Годы	Всего	Темп прироста
1994	1294	-
1995	1398	8,04
1996	1335	-4,51
1997	2000	49,81
1998	2560	28,0
1999	2544	-0,63
2000	2277	-10,50
2001	2755	20,99
2002	2696	-2,16
2003	2733	1,37
2004	3241	18,59
Среднее значение	2257,55	10,90

Показатель количества прооперированных больных показал, что в динамике происходит неравномерное увеличение количества прооперированных больных – средний темп прироста варьируется от –10,49 до 18,59 %. Средний темп прироста составил 10,90%.

Для расчета динамики и последующего регрессионного моделирования показателей использовалась программа «ТРЕНД» для ПВМ – совместимых компьютеров, разработанная на кафедре экономики и управления здравоохранения курского государственного медицинского университета (разработчики: профессор Н. Б. Дремова и математик – программист С.В. Соломка) . Алгоритм программы «ТРЕНД» представлен на рисунке 2.

Рис. 2. Алгоритм программы ТРЕНД

В ходе работы данной программы рассчитываются статистические величины: средняя арифметическая, дисперсия, среднее квадратическое отклонение, коэффициент вариации, темпы прироста. Формулы расчета этих величин приведены ниже.

1. Средняя арифметическая (формула 1):

(1)

где у – варианты показателя,

n – количество показателей.

2. Дисперсия (формула 2):

(2)

4. Среднее квадратическое отклонение (формула 3):

(3)

4. Коэффициент вариации (формула 4):

(4)

В норме величины Кv должен быть до 10%.

5. Темпы прироста (формула 5):

(5)

где У тек - показатель текущий,

У пред – показатель предыдущий.

Наличие взаимосвязи между двумя показателями устанавливается по величине коэффициента корреляции Пирсона (формула 6):

(6)

где xί – показатель фактора или времени.

При 0,7≤ ґ ≤ 0,1 динамический ряд показателя имеет устойчивую прямую взаимосвязь (тенденцию) с другими показателями.

При 0,4 ≤ ґ ≤ 0,69 говорят о наличии средней взаимосвязи. Величина коэффициента корреляции в пределах 0,01 ≤ ґ ≤ 0,39 свидетельствует об отсутствии или очень слабой взаимосвязи.

Отрицательные значения коэффициента корреляции указывают на наличие обратной взаимосвязи.

С целью подтверждения взаимосвязи коэффициент корреляции следует проверить на статистическую значимость по t- критерию Стьюдента (формула 7):

(7)

Полученные значения tc сравнивают с табличным значением tt – критериядля5%-го уровня значимости. Если расчетное значение tc больше tt, это свидетельствует о статистической значимости r .

В ходе анализа рядов динамики выявляются их основные тенденции. Для этого прибегают к выравниванию рядов динамики. Суть метода аналитического выравнивания состоит в том, что основную тенденцию развития представляют в виде математической функции. Регрессионная модель, характеризующая зависимость показателя от времени, называют трендом.

Аналитическое выравнивание производится с использованием тринадцати наиболее распространенных математических функций (формулы 8-20):

1) линейная	Y= a +bt	(8)
2) экспоненциальная	Y = a * exp bt	(9)
3) степенная	Y= a * t b	(10)
4) гиперболическая, первого типа	Y= a + b/t	(11)
5) гиперболическая, второго типа	Y= 1/(a + bt)	(12)
6) гиперболическая, третьего типа	Y= t/ (a + bt)	(13)
7) логарифмическая	Y= a + b ln t	(14)
8) S - образная	Y= exp (a + b/t)	(15)
9) обратнологарифмическая	Y= 1/ (a + b ln t)	(16)
10) модифицированная экспонента	Y= a + bc	(17)
11) кривая Гомперца	Y= a * b	(18)
12) логистическая	Y= 1/ (a + bc)	(19)
13) параболическая	Y= a + bt + ct²	(20)

Где a, b, c – параметры моделей

t - время (годы)

Динамика исследуемых показателей и результаты ее анализа, проведенного по программе «ТРЕНД», приведены в таблице 7 и приложение 1.

В ходе статистической обработки получены следующие показатели вариационной статистики для онкологической заболеваемости по Белгородской области (табл.1):

-среднее значение – 311,37

-средний темп прироста – 1,23%

-коэффициент вариации – 4,24%

-коэффициент корреляции – 0,746

Показатели вариационной статистики свидетельствуют о наличии положительной тенденции ежегодного прироста больных на 1,23%; имеющийся динамический ряд статистически однороден, так как коэффициент вариации в норме и не выше значений, принятых за норматив (+10%). В связи с этим можно допустить выявление тренда и выявление математической модели, так как коэффициент корреляции равный 0,746, (статистически значим по t-критерию Стьюдента) подтверждает наличие тесной взаимосвязи показателей заболеваемости в динамике, т.е. возможности дальнейшего установления тенденции в форме математической модели.