http://doi.org/10.26347/1607-2502201709-10012-024
Стандартизация методов прогнозирования исходов хронических заболеваний позволяет проводить сравнительную оценку экономических последствий внедрения различных медицинских технологий. Для получения прогностической информации могут применяться общие инструменты математического моделирования состояний больных и результатов лечения. В литературе описано большое число математических моделей, обладающих ценными свойствами. Внедрение подобных моделей в систему здравоохранения может способствовать принятию обоснованных решений врачами при определении предпочтительных программ лечения и привести к улучшению качества медицинских услуг. В обзоре обобщаются актуальные на сегодняшний день подходы к вычислительному моделированию прогрессирования хронических заболеваний: от создания древа решений вручную до применения сложных самообучающихся компьютер ных систем. Последовательно рассматриваются этапы получения состоятельной математической модели, включающие разработку, валидацию и анализ практического значения. Из литературных источников приводятся примеры моделей с описанием принципов их построения и некоторых формул для вычисления результирующих параметров. Главной задачей процесса моделирования остается выбор из широкого ряда разработанных моделей наиболее надежных, воспроизводимых и практически значимых для последующей стандартизации в здравоохранении.
Ключевые слова: моделирование, хронические заболевания, предиктивная аналитика, прогнозирование клинических исходов, стандартизация инструментов оценки медицинских технологий
Standardized strategies for predicting chronic disease outcomes bring additional objectivity into health technology comparative assessments. The relevant prognostic information could be obtained using unified mathematical models for disease states and treatment results. The literature describes numerous valuable mathematical models. Implementation of these models into healthcare system may help physicians to improve their decision-making in predefinition of preferable cure that leads to better medical care. This review summarizes wide range of current techniques for computational disease progression modeling, comprising manually designed decision tree up to unsupervised machine learning tools. The paper depicts critical steps in generation of robust models including development, validation and evaluation of their impact on medical practice. Modeling approaches are exemplified based on available literature sources and key mathematical formulas for output calculations are highlighted in some cases. Establishing acceptable models for future standardization still remains main challenge in chronic disease progression modeling.
Keywords: modeling, chronic diseases, predictive models, prognosis of clinical outcomes, standardization of health technology assessment