Диссертация (1154371), страница 45
Текст из файла (страница 45)
Разработана компетентностная модель такого специалиста.Всоответствиисновымитребованиямивфармацевтическимобразовании и разработанной моделью специалиста – менеджера сфармацевтическим образованием новому поколению лидеров – управленцевнеобходимо будет найти эффективный баланс между конечным результатомсвоей деятельности в сфере лекарственной политики и внешней средой, баланс, основанный на результативности, эффективности, экономическойконкурентоспособности,социальнойответственностииэкономическисбалансированном развитии системы лекарственного обеспечения.282Глава 7. РАЗРАБОТКА СТРАТЕГИЧЕСКИХ МОДЕЛЕЙРЕГИОНАЛЬНОЙ ЛЕКАРСТВЕННОЙ ПОЛИТИКИНа заключительном этапе в соответствии с программой исследования иполученными в ходе работы результатами предстояло сформировать моделиРЛП на перспективу.
Методический подход к решению этой задачипредставлен на рисунке 65.Теоретическиеосновы РЛПФакторыСостояние базовых ресурсов иэлементов РЛП вОмской областиСТРАТЕГИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЕГИОНАЛЬНОЙЛЕКАРСТВЕННОЙ ПОЛИТИКИМоделирование развития отдельных ресурсов РЛПМетоды:Математическоемоделирование(программа ТРЕНД);социологический опрос(анкетирование);логический; графическийИсточникиинформации:фактографические истатистические данныеэтапов 1 и 2;материалы проведенныхсоциологических опросовПостроениемногофакторныхрегрессионныхмоделейПостроениедвухфакторнойрегрессионноймоделиПостроениеоднофакторнойрегрессионноймоделиОпределение ключевых точек стратегии РЛПМоделированиеважнейшихпроблем и путейих решенияМоделированиеразвития РЛПМоделированиестраховоговариантаразвития РЛПКОМПЛЕКС МАТЕМАТИКО-СТАТИСТИЧЕСКИХ ИКОНЦЕПТУАЛЬНЫХ СТРАТЕГИЧЕСКИХ МОДЕЛЕЙ РЛПРисунок 65 – Методический подход к моделированию региональнойлекарственной политики в Омской областиКак показано на рисунке 65, планировалось выполнить 2 стадиимоделирования: стадия 1 – математико-статистическое моделирование (спомощью программы «ТРЕНД») развития результирующего показателядоступности ЛС с выявлением влияющих факторов; 2 – определениеключевыхточекстратегииРЛПпутемконцептуально-графическогомоделирования с получением стратегических моделей проблем и развитияРЛП в Омской области, а также модели страхового варианта развития РЛП.2837.1.
Математико-статистическое моделирование развитиядоступности лекарственных средствНа данной стадии исследований были поставлены задачи: выявлениястепени влияния каждого из факторов на значения показателей и построениямногофакторных математических моделей результирующих показателей:− П1«Количествограждан,обратившихсязалекарственнойобратившихсязалекарственнойпомощью» по программе ОНЛС и− П2помощью»«Количествопограждан,региональнойпрограммельготноголекарственногообеспечения.Показатели П1 и П2 были выбраны нами в качестве результирующихпотому, что они, по нашему мнению, отражают привлекательностьвышеупомянутыхсоциальныхпрограммдляпотребителей.Можнопредположить, что чем эффективнее работают программы льготноголекарственногообеспечениядлянаселениярегиона,темменьшепотребителей этой услуги будет от нее отказываться.При этом параметры, по которым органы исполнительной власти всфере здравоохранения осуществляют мониторинг организации и работысистемы льготного лекарственного обеспечения, рассматриваются нами какфакторы (Ф1-Ф11), влияющие на показатели П1 и П2.Динамика и корреляционно-регрессионные модели развития этихпоказателей, рассчитанные по программе «ТРЕНД», были обсуждены выше(глава 4.5).Приводимые далее расчеты выполнены совместно с математикомпрограммистом, канд.
фарм. наук С.В. Соломкой.284Построение многофакторных регрессионных моделей для изученияпоказателей «Количество граждан, обратившихся за лекарственнойпомощью» по программе ОНЛС и по региональной программеС целью выявления зависимостей результирующих показателей П1 иП2 от исследуемых факторов Ф1-Ф11 нами было проведено исследованиевозможности построения нелинейных многофакторных регрессионныхмоделей отдельно для программы ОНЛС и для региональной программы.Длявыявлениявозможностипостроениямногофакторной(множественной) регрессионной модели сначала было необходимо изучитьстепени зависимости между каждым фактором и другими факторами, а такжекаждымфакторомипоказателем.Дляэтогобылипостроеныкорреляционные матрицы, приведенные в таблицах 32 и 33.
В каждой ячейкеэтихматрицсодержатсяпарныекоэффициентыкорреляциимеждуразличными факторами и между факторами и показателями, указанными всоответствующих колонках и строках. Расчет корреляционных матрицосуществлялсяспомощьютриал-версиипрограммногопродуктаSTATISTICA 13 компании Dell Inc.Таблица 32 – Корреляционная матрица для факторов и показателя П1,характеризующих программу ОНЛСN=8П1Ф1Ф3Ф5Ф7Ф9Ф10Ф11П11,00000,8708-0,3261-0,42290,7001-0,8268-0,77880,7831Ф10,87081,0000-0,1183-0,61720,4074-0,8005-0,84470,9485Ф3-0,3261-0,11831,0000-0,0534-0,40810,55510,33270,0016Ф5-0,4229-0,6172-0,05341,00000,21250,44590,2184-0,7556Ф70,70010,4074-0,40810,21251,0000-0,5889-0,50060,2397Ф9-0,8268-0,80050,55510,4459-0,58891,00000,7721-0,6372Ф10-0,7788-0,84470,33270,2184-0,50060,77211,0000-0,6787Ф110,78310,94850,0016-0,75560,2397-0,6372-0,67871,0000p<0,05285Таблица 33 – Корреляционная матрица для факторов и показателя П2,характеризующих региональную программуN=8П2Ф2Ф4Ф6Ф8Ф9Ф10Ф11П21,0000-0,26060,22570,24940,67940,14220,10560,1916Ф2-0,26061,00000,03330,0010-0,66920,25920,4284-0,8955Ф40,22570,03331,00000,98150,52500,94560,6625-0,4395Ф60,24940,00100,98151,00000,56130,94920,6319-0,4125Ф80,6794-0,66920,52500,56131,00000,36220,26480,3860Ф90,14220,25920,94560,94920,36221,00000,7721-0,6372Ф100,10560,42840,66250,63190,26480,77211,0000-0,6787Ф110,1916-0,8955-0,4395-0,41250,3860-0,6372-0,67871,0000p<0,05Анализ взаимосвязи показателей и факторовПри оценке тесноты корреляционной взаимосвязи исходили из шкалызначенийиндикаторов:0,00-0,25–прямаялинейнаявзаимосвязьиндикаторов отсутствует, 0,26-0,50 – имеется слабая взаимосвязь, 0,51-0,75– взаимосвязь средней силы, 0,76-1,00 – сильная взаимосвязь междуиндикаторами.
При этом учитывали, что отсутствие линейной корреляции неозначает, что связь между переменными вообще отсутствует – в реальностиона вполне может иметь место, но по характеру связь является нелинейной играфически отображается кривой (парабола, гипербола и пр.), а не прямойлинией. По направлению взаимосвязь обозначается знаком плюс – прямаясвязь;сувеличением значенияфактораувеличиваетсяизначениепеременной, или минус – обратная связь; с увеличением значения факторауменьшается значение переменной (Беликов В.Г.
с соавт. Применениематематического планирования и обработка результатов эксперимента вфармации. – М.: Медицина, 1973. – 232 с.).Программа ОНЛС. Исходя из данных таблицы 32, установили, чтодля показателя П1:286− наиболее сильная, прямая и тесная связь с факторами Ф2 –количество граждан, имеющих право на безвозмездное получение ЛС и МИпо программе ОНЛС (парный коэффициент корреляции r равен 0,8708) и Ф11– количество точек отпуска (r = 0,7831); прямая связь средней силы – сфактором Ф7 – количество отпущенных рецептов по программе ОНЛС;− сильная обратная связь – с факторами Ф9 – количество врачей,имеющих право выписки льготных рецептов (r = -0,8268) и Ф10 – количествофельдшеров, имеющих право выписки льготных рецептов ((r = -0,7788);обратная корреляция средней силы – с факторами Ф5 – объем отпущенныхсредств по программе ОНЛС (r = -0,4229) и Ф3 – объем поступивших средствпо программе ОНЛС (r = -0,3261).Таким образом, на основании величины линейных коэффициентовкорреляции можно заключить, что все факторы, по которым отслеживаетсясостояние региональной системы льготного лекарственного обеспечения,действительно влияют на итоговый показатель количества граждан, реальнообратившихся за льготной лекарственной помощью по федеральнойпрограмме ОНЛС.
Вместе с тем, теснота выявленной корреляционной связии ее направление (прямая или обратная) обусловлены конкретным фактороми весьма неоднозначны, на первый взгляд.Например, логически рассуждая, показатель П1 должен бы прямо исильнее всего зависеть от фактора Ф3, т.е. от объёма поступивших в регионсредств по программе ОНЛС – чем больше средств поступило наобслуживание программы ОНЛС, тем большее количество гражданобратилось за лекарственной помощью по этой программе. Однакорассчитанный коэффициент корреляции свидетельствует о средней по силе иобратной по направлению взаимосвязи, что вызывает сомнения в верностирасчетов.С целью уточнения характера связи нами были построены 2графические модели (рисунки 66 и 67), наглядно отображающие ходразвития показателя П1 и фактора Ф3 за период 2008-2015 гг., по данным287таблицы 16.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
