![]() |
Поиск | Личный кабинет | Авторизация |
Моделирование интеллектуального интерфейса взаимодействия аптеки и детской клиники
Аннотация:
Экономические барьеры, неравномерное территориальное распределение аптечных организаций и недостаточная эффективность логистических цепочек поставок лекарственных препаратов (ЛП) затрудняют доступность ЛП и своевременное получение пациентами фармацевтической помощи (ФП) во всем мире. Цифровая трансформация в здравоохранении, ускоренная кризисом COVID-19, обусловливает необходимость адаптации практики оказания ФП под современные потребности пациентов. Цель исследования. Разработать и валидировать процедуру взаимодействия клиники и аптеки для обеспечения обмена данными через интерфейс, позволяющий аптеке получать данные для формирования ассортимента лекарственных препаратов (ЛП), адаптированного под особенности и тенденции поведения основной целевой аудитории. В исследовании использовались обезличенные данные о назначениях ЛП врачами из медицинской информационной системы сети медицинских организаций Москвы за период с января 2018 по декабрь 2023 гг. Проведена предварительная обработка данных, обучение модели машинного обучения с использованием алгоритма LightCBM, оценка ее предсказательной способности с применением метрик МАЕ и RMSE. В результате разработан аналитический интерфейс взаимодействия клиники и аптеки, включающий предсказательную модель формирования ассортимента ЛП. Модель эффективно учитывает сезонные тренды, демографические особенности пациентов и другие ключевые факторы, влияющие на спрос на ЛП. Средние значения метрик МАЕ и RMSE составили 1,27 и 1,68 соответственно, что свидетельствует о высокой точности модели. Заключение. Внедрение разработанного интерфейса позволяет аптеке формировать ассортимент ЛП, адаптированный к реальным потребностям пациентов, что способствует оптимизации управления запасами, снижению риска дефицита и избыточного накопления препаратов, повышению доступности ФП детям и увеличению экономической эффективности аптеки. Интеграция технологий больших данных и машинного обучения открывает новые перспективы для персонализации медицинской и ФП.
Авторы:
Курашов М.М.
Издание:
Фармация
Год издания: 2024
Объем: 8с.
Дополнительная информация: 2024.-N 7.-С.41-48. Библ. 15 назв.
Просмотров: 3