Dynamic and canonical analysis as a tool for predicting attendance of outpatient clinics in the Samara region

Abstract


The study describes the results of using dynamic and canonical analysis in forecasting the attendance of outpatient clinics in the Samara region. The healthcare sector is currently in a difficult state. This can be considered both from the point of view of the medical institutions themselves and their visitors. Outpatient clinics play a key role in the healthcare system. Therefore, the development and implementation of innovative approaches to management, improving the quality of medical care and increasing the availability of medical services in outpatient clinics is one of the main tasks of the modern healthcare system. There are many statistical methods for analyzing the attendance of medical institutions, including dynamic and canonical analysis. It is in the integrated approach to analysis, using the listed methods, that the scientific novelty of the work lies. This allows us to identify not only direct but also indirect relationships between the number of visitors and the state of the environment. The practical significance of the study is expressed in the possibility of using the obtained results to adjust management strategies and development of outpatient clinics, improve the quality of medical care and increase the efficiency of using healthcare resources. The purpose of this work is to assess the predicted number of visits to outpatient clinics in the Samara region for the period from 2004 to 2021, as well as to study the degree of relationship with environmental factors.

Full Text

5

About the authors

A. Yu Trusova

Samara University

A. I Ilyina

Samara University

References

  1. Якимова, Л.А. Исследование качества жизни сельских жителей Красноярского края методом сравнительной социальной интегральной оценки / Л.А. Якимова, А.В. Стрельцова // Наука Красноярья. – 2020. – Т. 9, № 4. – С. 255–267. – doi: 10.12731/2070-7568-2020-4-255-267
  2. Кожевников, А.А. Применение индекса наличия проблемы при сравнительном анализе заболеваемости населения Российской Федерации, Сибирского федерального округа и Кемеровской области / А.А. Кожевников, Д.Г. Данцигер, К.В. Часовников // Прикаспийский журнал: управление и высокие технологии. – 2019. – № 2 (46). – С. 22–30.
  3. Обзор способов моделирования влияния демографических факторов на параметры социально-экономического развития и систему здравоохранения / А.В. Леонидов, О.В. Обухова, И.П. Шибалков, Д.С. Тюфилин, Н.Г. Куракова, В.И. Климко, В.В. Кулаков // Социальные аспекты здоровья населения. – 2023. – Т. 69, № 4. – doi: 10.21045/2071-5021-2023-69-4-19. – EDN HSNDDB.
  4. Тарабукина, С.М. Основные аспекты направлений развития лекарственного обеспечения в Арктике / С.М. Тарабукина, Н.Б. Дремова // Современные проблемы здравоохранения и медицинской статистики. – 2020. – № 4. – С. 57–70. – doi: 10.24411/2312-2935-2020-00097. – EDN QXDGIS.
  5. Яшина, Н.Г. Методика оценки эффективности управления бюджетными ресурсами в сфере здравоохранения / Н.Г. Яшина, И.А. Гришунина, К.С. Яшин // Экономический анализ: теория и практика. – 2015. – № 21 (420). – С. 15–24.
  6. Болгарев, Д.В. Моделирование деятельности медицинских организаций на эвакуационном направлении / Д.В. Болгарев, Д.Н. Борисов // Известия Российской военно-медицинской академии. – 2021. – Т. 40, № 1. – С. 59–65. – doi: 10.17816/rmmar64484
  7. Латуха, О.А. Модель управления устойчивым развитием медицинской организации, оказывающей помощь в амбулаторных условиях: дис. … д-ра мед. наук / Латуха Ольга Александровна. – Новосибирск, 2024. – 469 с.
  8. Мухачева, А. В. Математическое моделирование качества жизни населения региона / А. В. Мухачева, Е. Я. Пастухова, А. Н. Кирюхина // Вестник Омского университета. Серия: Экономика. – 2020. – Т. 18, № 1. – С. 149–161. – doi: 10.24147/1812-3988.2020.18(1).149-161. – EDN WUUXOF.
  9. Аксенова Е.И., Бессчетнова О.В. Показатели доступности и качества медицинской помощи, обеспечивающие удовлетворенность населения медицинской помощью в различных странах мира: экспертный обзор. – М.: ГБУ «НИИОЗММ ДЗМ», 2021. – 40 с.
  10. Набережная, И. Б. Инновационные технологии и их место в борьбе с сердечно-сосудистыми заболеваниями / И. Б. Набережная // Современные проблемы здравоохранения и медицинской статистики. – 2021. – № 4. – С. 457–470. – doi: 10.24412/2312-2935-2021-4-457-470. – EDN OABLYX.
  11. Саадалов, Т.Ы. Методика расчета коэффициента корреляции Фехнера и Пирсона, и их области применения / Т.Ы. Саадалов, Р.М. Мырзаибраимов, Ж.Д. Абдуллаева // Бюллетень науки и практики. – 2021. – Т. 7, № 10. – С. 270-276. – doi: 10.33619/2414-2948/71/31. – EDN GNMYZT.
  12. Набережная, И.Б. Региональные особенности динамики смертности и объемов оказания высокотехнологичной медицинской помощи / И. Б. Набережная // Российский медицинский журнал. – 2020. – № 26, № 5. – С. 266–273. – doi: 10.17816/0869-2106-2020-26-5-266-273. – EDN YCUUHK.
  13. Окрепилов, В.В. Формирование подходов к применению стандартизации для оценки качества жизни / В. В. Окрепилов, И. В. Чудиновских // Петербургский экономический журнал. – 2018. – № 1. – С. 6–15.
  14. Макаров, В. Л. Принципы мониторинга качества жизни на основе агент-ориенти-рованных моделей / В. Л. Макаров, В. В. Окрепилов // Вестник Российской академии наук. – 2016. – Т. 86, № 8. – С. 711-718. – doi: 10.7868/S0869587316080089. – EDN WHYYFR.
  15. Тумусов Ф.С., Косенков Д.А. Современные тенденции в системе здравоохранения Российской Федерации. – М.: Издание Государственной Думы, 2019. – 80 с.
  16. Анализ рынка медицинских услуг в Самаре в 2015–2019 гг., прогноз на 2020–2024 гг. [демоверсия], [Электронный ресурс]. – URL: https://businesstat.ru/images/demo/medicine_samara_demo_businesstat.pdf (дата обращения: 12.11.2024).
  17. Грицай, А.А. Авторегрессия (AR, autoregression) [Электронный ресурс]. – URL: https://fnow.ru/algorithm-comparison/avtoregressia (дата обращения: 12.11.2024).
  18. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы: учебник. – М.: Финансы и статистика, 2000. – 352 с.
  19. Федеральная служба государственной статистики [Электронный ресурс]. – URL: https://rosstat.gov.ru/statistic (дата обращения: 12.11.2024).
  20. Самарастат. Орган Федеральной службы государственной статистики по Самарской области [Электронный ресурс]. – URL: https://63.rosstat.gov.ru/ (дата обращения: 12.11.2024).
  21. Компьютерные технологии анализа данных в эконометрике: монография / Д. М. Дайин¬бегов. – 3-е изд., доп. – М.: Вузовский учебник: ИНФРА-М, 2018. – 587 с.
  22. Прикладная статистика. Основы эконометрики: учеб. для студентов экон. специальностей вузов: в 2 т. / С.А. Айвазян, В.С. Мхитарян. Т. 2. – М.: ЮНИТИ-ДАНА, 2001. – 432 с.
  23. Кремер Н.Ш., Путко Б.А. Эконометрика: учебник для вузов / под ред. проф. Н. Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2002. – 311 с.
  24. Многомерный статистический анализ в экономике / Л.А. Сошникова, В.Н. Тамашевич, Г. Уебе, М. Шефер. – М.: Юнити-Дана, 1999. – 598 с. – EDN EOFQGD.

Statistics

Views

Abstract - 1

PDF (Russian) - 0

Refbacks

  • There are currently no refbacks.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies