ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

3
Ожидается:
16 Сентября 2018

Поддержка принятия решений при выборе лекарственных препаратов на основе метода анализа иерархии

Decision support when choosing medications based on the hierarchy analysis method
Дата подачи статьи: 2016-04-13
УДК: 681.518
Статья опубликована в выпуске журнала № 3 за 2016 год. [ на стр. 96-100 ][ 22.08.2016 ]
Аннотация:Статья посвящена решению проблемы безопасности применения лекарственных препаратов в аспектах повышения эффективности принятия клинических решений, снижения риска клинических ошибок и усиления обоснованности назначения препарата и его дозы. Суть проблемы состоит в том, что в современной фармакологической индустрии с огромным количеством однотипных лекарственных средств различных производителей, а также различного качества задача анализа множества препаратов с целью выбора наиболее безопасного из них является крайне сложной. По результатам проведенных предпроектных исследований описан ряд основных задач, которые должна решать автоматизированная система по данной проблематике. Разработана модель поддержки принятия решения для выбора наиболее безопасных лекарственных препаратов. Модель основана на методе анализа иерархии и позволяет учитывать индивидуальные особенности конкретного пациента. Показан обобщенный алгоритм выбора наиболее безопасного лекарственного средства. На этой основе разработана программная система.
Abstract:The article is devoted to solving a problem of safe medicine usage in the aspects of increasing the efficiency of clinical decision-making, reducing the risk of clinical errors and enhancing the validity of drug prescription and its dose. The key part of the problem is that the safety analysis of many drugs to choose the safest one is extremely complecated task in modern pharmacological industry with a huge number of similar drugs from different manufacturers and of different quality. According to the initial investigation results the authors describe a number of key tasks, which should be solved by a scecialized automated system. A decision-making support model for choosing the safest drugs has been developed. The model is based on the hierarchy analysis method. The developed model allows taking into account the individual characteristics of a particular patient. The article shows a generalized algorithm for choosing the safest drug. It is a basis for the developed software system.
Авторы: Бутенко Д.В. (butenko@vstu.ru) - Волгоградский государственный технический университет, г. Волгоград, Россия, доктор химических наук, Бутенко Л.Н. (butenko@vstu.ru) - Волгоградский государственный технический университет, г. Волгоград, Россия, доктор химических наук, Большаков А.Л. (gindenburg@mail.ru) - Волгоградский государственный технический университет, Волгоград, Россия, Аспирант
Ключевые слова: модель, принятие решения, лекарственное средство, нежелательная побочная реакция, выбор лекарственного препарата
Keywords: mathematical model, decision making, drug, side effect, drug choice
Количество просмотров: 3432
Версия для печати
Выпуск в формате PDF (6.81Мб)
Скачать обложку в формате PDF (0.36Мб)

Размер шрифта:       Шрифт:

Проблема безопасности лекарственных препаратов на сегодняшний день является одной из основных в клинической практике. Фармакологический рынок интенсивно развивается, количество лекарственных средств (ЛС) постоянно увеличивается. Вместе с расширением диапазона ЛС усложняется выбор наиболее эффективных, а также наиболее безопасных лекарственных препаратов. Врачу необходимо ежедневно читать в среднем около двадцати медицинских статей, чтобы быть в курсе актуальной информации по своей специальности, однако время, которым он располагает для чтения на работе, – менее одного часа в неделю. В связи с этим адекватно оценить безопасность препарата для конкретного пациента становится для врача все более и более сложной задачей и как следствие – затруднения в принятии клинических решений, повышение риска клинических ошибок, необоснованность назначения препарата. Одна из первостепенных проблем лекарственной терапии – правильный выбор лекарственного препарата и его дозы, так как именно ошибка выбора занимает лидирующее место среди врачебных ошибок. Опасность развития тяжелых, зачастую непоправимых осложнений вследствие неверной лекарственной терапии привлекает внимание все большего количества врачей и пациентов. Как правило, причиной ошибок при назначении лекарственного препарата является отсутствие у врача своевременной актуальной информации о назначаемом ЛС, а именно о его вновь выявленных побочных действиях.

Анализ врачебной деятельности показал, что при принятии решения о выборе и дозировке ЛС врач, как правило, руководствуется информацией из инструкции к средству, из настольных справоч- ников, сетевых электронных банков данных, меди- цинских изданий, но эта информация не успевает актуально обновляться в соответствии с регистрируемыми новыми побочными действиями ЛС. Таким образом, анализ информации о безопасности лекарственных препаратов целиком ложится на практикующего врача. Однако в силу современных масштабов фармакологической индустрии, огромного количества однотипных ЛС разных производителей различного качества задача анализа всего множества этих препаратов с целью выбора наиболее безопасного становится все более сложной для врача, а зачастую просто невыполнимой.

В данной работе для облегчения ее решения предлагается использовать созданную авторами информационно-аналитическую систему, которая обеспечивает врача поддержкой при принятии решения при выборе наиболее безопасного ЛС с учетом индивидуальных особенностей пациента. Информация, предоставляемая системой, должна быть в привычном для врача виде, то есть соответствовать современным стандартам описания и классификации ЛС, таким как анатомо-терапевтически-химическая классификация лекарств, классификация в соответствии с международной классификацией болезней, классификация препаратов по активному веществу (по основному химическому компоненту препарата), классификация по фармакологическим группам и т.д.

В процессе предпроектных исследований были проанализированы и учтены современные потребности в информации при ведении клинической практики и выделен ряд основных задач, решаемых автоматизированной системой:

-     описание ЛС;

-     классификация ЛС в соответствии с совре- менными стандартами и методиками;

-     сбор информации о вновь выявляемых побочных действиях ЛС;

-     описание различных нежелательных лекарственных взаимодействий;

-     описание существующих схем лечения, а также выбор наиболее оптимальной из них;

-     поддержка принятия решения при выборе ЛС.

Таким образом, основной целью работы по созданию автоматизированной системы являлось применение методов теории принятия решения для поддержки выбора препарата. Разработанная методика актуальна при автоматизации задач выбора врачом наиболее безопасного ЛС для конкретного пациента в условиях информатизации общества и врачебной практики в частности.

Принятие врачебного решения традиционно ассоциируют с процессами поиска и связанным с ними перебором вариантов лечения – подбором ЛС. После анализа работы с привлечением экспертов [1] был обобщен и формализован процесс принятия врачебного решения, который можно представить в виде следующей последовательности:

-     описание состояния пациента (проведение анализов, постановка диагноза);

-     анализ ограничений (наличие аллергии на компоненты препарата, нарушение функции почек и т.п.);

-     выбор метода лечения/лекарственного препарата;

-     прогноз вариантов результата лечения (оценка безопасности препарата, возможности возникновения нежелательных побочных реакций).

Более подробно следует рассмотреть такую задачу системы, как поддержка принятия решения. Она основана на трех основных принципах: контроль допустимой дозы назначаемого препарата, контроль нежелательных лекарственных взаимодействий между назначаемым препаратом и препаратами, принимаемыми совместно или ранее (на основе данных об известных лекарственных взаимодействиях), анализ безопасности применения назначаемого препарата на основе данных о случаях нежелательных побочных действий, вызванных им.

Наибольший интерес представляют задача анализа безопасности применения назначаемого препарата, а также задача выбора наиболее безопасного из некоторого множества доступных препаратов. Для решения этой задачи авторы предлагают концепцию, которая основана на взаимодействии факторов, влияющих на проявление побочного действия ЛС. Предлагается информационная модель, с помощью которой возникновение побочного действия представляется как результат взаимодействия таких факторов, как назначаемая длительность и доза применения препарата, лечимая болезнь, препараты, применяемые совместно, а также индивидуальные особенности пациента (воз- раст, пол, вес, сопутствующие болезни, различные аллергические показатели и т.д.). В системе ведется сбор информации о случаях возникновения побочных действий при применении ЛС, а также значений факторов, в результате взаимодействия которых они проявились. При помощи системы во время регистрации случая нового побочного действия устанавливается степень достоверности связи «лекарство–побочное действие» посредством различных оценочных шкал (шкала Karch F., Lasagna L. [2] или алгоритм Наранжо [3]). В дальнейшем при анализе безопасности применения и выборе наиболее безопасного препарата, используя эту оценку, можно будет относиться с разной степенью доверия к каждому зарегистрированному случаю побочного действия.

С точки зрения теории принятия решений процесс сводится к определению множества критериев выбора, множества альтернатив, алгоритма выбора альтернатив согласно заданным критериям. В задаче выбора наиболее безопасного ЛС можно выделить следующие критерии:

-     диагноз, при котором назначается ЛС (согласно международной классификации болезней);

-     фармакологическая группа ЛС;

-     присутствие аллергических реакций на компоненты ЛС.

По данным критериям выполняется отбор подмножества альтернатив – ЛС из всего множества для дальнейшего выбора наиболее подходящего из них. В качестве критериев, по которым осуществляется окончательный выбор наилучшей альтернативы ЛС, предлагается использовать вероятности возникновения нежелательного влияния препарата на органы или системы организма пациента. Эти критерии могут иметь различную значимость и выбираются врачом-экспертом для каждого конкретного пациента после проведения соответствующей диагностики [4]. Например, для пациента с нарушением функции почек и печени критерии, соответствующие этим системам и органам, будут иметь наивысший приоритет среди остальных, так как даже малое поражение этих систем вследствие применения ЛС для данного пациента недопустимо.

Учитывая основные особенности предметной области, выполнена ее формализация и построена объектная модель при помощи унифицированного языка моделирования – UML [5]. Результат моделирования изображен на рисунке 1. Объектная модель позволяет учитывать при поддержке принятия решения параметры лекарственных препаратов с целью оценки их безопасности.

За основу модели поддержки принятия решения выбран метод анализа иерархии, так как он позволяет отбирать альтернативы по нескольким критериям, важность которых различна [6, 7]. Общая схема иерархии задачи поддержки принятия реше- ния при выборе наиболее безопасного ЛС изобра- жена на рисунке 2.

На первом уровне иерархии находится цель поддержки принятия решения – выбор наиболее безопасного ЛС, на втором уровне – критерии выбора (O1–On), которые описывают состояние органов и систем организма конкретного пациента, где B1–Bn – важность этих критериев в зависимости от состояния тех или иных органов.

На третьем уровне находятся альтернативы (ЛС) D1–Dn; Aji – оценки вероятности нежелательного влияния этих ЛС на системы и органы организма (O1–On), которые устанавливаются экспертами – клиническими фармакологами для каждого ЛС в ходе клинических испытаний или практики.

В общем виде алгоритм выбора наиболее безопасного ЛС согласно описанной модели поддержки принятия решения состоит из следующих этапов:

1)   оценка вероятности нежелательного влияния Aji для каждого препарата – альтернативы на каждую систему и органы организма;

2)   расстановка критериев (On) и их важности (Bn) для каждого органа и системы организма конкретного пациента;

3)   построение матрицы парных сравнений для критериев On, столбцы и строки матрицы – критерии On, значения элементов матрицы отношения значимости критериев Bni/Bnj, если Bni³Bnj, и Bnj/Bni в противном случае;

4)   построение матрицы парных сравнений альтернатив для каждого критерия On второго уровня, в которых сравниваются значения Aij каждой аль- тернативы; столбцы и строки матрицы – альтерна- тивы Dn, значения элементов матрицы отношения Ani/Anj, если Ani³Anj, и Anj/Ani в противном случае;

5)   нахождение для каждой матрицы вектора приоритетов Q = (W1, ..., Wn), где Wi рассчитывается по формуле Wi=qi/r,  и r=q1+...+qn, ai – значение матрицы i-й строки n-го столбца;

6)   расчет показателя безопасности Sj для каждой альтернативы препарата:  где Wi – вес i-го критерия, а Vji – важность j-й альтернативы по i-му критерию;

7)   сортировка альтернатив по возрастанию значения Sj.

Описанная методика поддержки принятия решения используется в разработанной автоматизированной системе поддержки принятия врачебного решения по выбору ЛС.

В ходе проектирования программной системы рассмотрены принципы построения и особенности реализации банка данных лекарственных препара- тов и подсистемы поддержки принятия решения при выборе ЛС. На рисунке 3 представлены концептуальная структура банка данных лекарственных препаратов и место подсистемы поддержки принятия решения (подсистема анализа безопасности и выбора препарата) в его структуре. Банк данных состоит из трех основных слоев: слой хра- нения данных о препаратах, веществах, других объектах предметной области; слой отображения данных, представляющий собой пользовательский интерфейс – набор необходимых элементов управ- ления; слой бизнес-логики, в котором находится специфичная для каждой подсистемы логика.

В результате проектирования программной среды была достигнута цель, заключающаяся в по- вышении обоснованности выбора ЛС за счет обес- печения автоматизированной поддержки принятия решения при выборе ЛС с учетом множества факторов. Выполнен следующий комплекс работ:

-     исследованы современные методы описания и классификации ЛС и их побочных действий, критериев безопасности ЛС;

-     проведен анализ современных информационных систем и банков данных по лекарственным препаратам, выявлены основные недостатки;

-     формализована предметная область и построена ее модель;

-     в качестве метода поддержки принятия решения выбран метод анализа иерархии и адаптирован под задачу выбора лекарственного препарата;

-     спроектирован и разработан банк данных ЛС с подсистемой поддержки принятия решения с использованием разработанной модели предметной области и адаптированного метода анализа иерархии.

Таким образом, при назначении лекарственного препарата пациенту, указав в системе значения факторов, влияющих на возникновение побочного действия, можно получить либо статистические сведения о случаях возникновения побочных действий данного препарата при таких же значениях факторов или близких к ним, либо конкретные предостережения со стороны системы с указанием наиболее вероятного побочного действия или действий данного препарата. Имея возможность оценить безопасность применения сразу для нескольких ЛС с учетом индивидуальных особенностей пациента, врач может принять объективное решение при выборе наиболее безопасного препарата и тем самым снизить риск возникновения нежелательных побочных реакций.

Используя предложенную концепцию, можно выбрать наиболее безопасный препарат для конкретного пациента, основываясь на статистике случаев возникновения побочных действий ЛС. Таким образом, статистика случаев возникновения побочных действий препаратов, анализ роли факторов, повлиявших на эти действия, коэффициент достоверности каждого из случаев побочных действий предоставляют поддержку для принятия решения о выборе наиболее безопасного препарата.

Данная система, внедренная в лечебные уч- реждения, предоставит врачу комплекс необходимой информации для выбора наиболее безопасного ЛС, а также наиболее оптимальной схемы лече- ния с учетом индивидуальных особенностей пациента.

Точность результатов, получаемых при анализе системой статистической информации о новых побочных действиях ЛС, напрямую зависит от количества поступающей информации о случаях регистрации побочных реакций, поэтому внедрение данной системы целесообразно проводить централизованно на областном или на федеральном уровне. То есть данная информационно-аналитическая система должна обладать единой БД, информацию из которой врачи могли бы использовать в любое время.

Авторы считают, что новым в данной работе является предлагаемая концепция обеспечения поддержки принятия врачебного решения, а также метод анализа безопасности ЛС, использование которых поможет врачу принимать решение в сложной ситуации в условиях недостатка информации о клинической практике применения того или иного лекарственного препарата.

Внедрение данной информационно-аналитической системы позволит снизить риск причинения вреда здоровью пациента при назначении ЛС, по- высить уровень фармакологического контроля и сократить расходы на лекарственную терапию.

Литература

1.     Большаков А.Л., Бутенко Д.В. Применение метода анализа иерархии для поддержки принятия решения при выборе лекарственных препаратов // Программные продукты и системы. 2010. № 2. C. 148–149.

2.     Edwards I.R., Lindquist M., Wiholm B.E., et al. Quality criteria for early signals of possible adverse drug reactions. Lancet, 1990, vol. 336, pp. 156–158.

3.     Астахова А.В., Лепахин В.К. Неблагоприятные побочные реакции и контроль безопасности лекарственных средств. М.: Когито-Центр, 2004. 200 с.

4.     Хомская Е.Д. Х76 Нейропсихология: Сер. «Классический университетский учебник». 4-е изд. СПб: Питер, 2005. 496 с.

5.     Ларман К. Применение UML 2.0 и шаблонов проектирования. М.: Вильямс, 2006. 3-е изд. 736 с.

6.     Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебных странах. М.: Логос, 2000. 296 с.

7.     Саати Т.Л. Принятие решений при зависимостях и обратных связях: Аналитические сети. М.: Изд-во ЛКИ, 2008. 360 с.

8.     Большаков А.Л., Бутенко Д.В. Информационно-аналитическая система поддержки принятия решения при выборе лекарственного средства // Вестн. новых медицинских технологий. Тематич. вып. Избранные технологии диагностики и лечения. 2009. № 1. C. 60–61.

9.     Бутенко Д.В., Ананьев Ан.С., Попов К.В. Методика концептуального проектирования программных информационных систем // Программные продукты и системы. 2012. № 2. C. 101–104.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=4184
Версия для печати
Выпуск в формате PDF (6.81Мб)
Скачать обложку в формате PDF (0.36Мб)
Статья опубликована в выпуске журнала № 3 за 2016 год. [ на стр. 96-100 ]

Возможно, Вас заинтересуют следующие статьи схожих тематик: