The 7 reference contexts in paper A. Kolbin S., A. Prasolov V., E. Maksimkina A., Yu. Balykina E., Z. Golant M., Yu. Polushin S., A. Kurylev A., I. Vilyum A., А. Колбин С., А. Прасолов В., Е. Максимкина А., Ю. Балыкина Е., З. Голант М., Ю. Полушин С., А. Курылев А., И. Вилюм А. (2016) “Модели анализа включений лекарственных средств в ограничительные перечни (на примере ЖНВЛП) 2016 г. // MATHEMATICAL MODEL OF REIMBURSEMENT DECISION MAKING IN RUSSIA. RESULTS OF VIM LIST FOR 2016” / spz:neicon:pharmacoeconomics:y:2016:i:1:p:34-38

  1. Start
    6480
    Prefix
    E-mail address: alex.kolbin@mail.ru (Kolbin A.S.). Введение В 2014 г. Правительством Российской Федерации был утвержден документ «Об утверждении Правил формирования перечней лекарственных препаратов для медицинского применения...»
    Exact
    [2]
    Suffix
    . Предложены три основных ограничительных перечня (далее – перечени): жизненно необходимых и важнейших лекарственных препаратов (ЖНВЛП), дорогостоящий перечень, льготный (врач. комиссии).
    (check this in PDF content)

  2. Start
    7557
    Prefix
    В итоге в обновленный Перечень в 2014 г. вошло 50 новых ЛС (отсутствующих в предыдущих Перечнях). Нами были разработаны различные модели принятия решений о включение ЛС в Перечни – от моделей, построенных на принципах нейронных сетей, до линейных подходов
    Exact
    [4]
    Suffix
    . Было показано, что линейные модели наиболее целесообразны: они характеризуются невысоким процентом ошибок и «обучаемостью». Модели на принципах нейронных сетей давали большой процент ошибок и были крайне сложными.
    (check this in PDF content)

  3. Start
    8358
    Prefix
    результатам проведения экспертизы предложения о включении (исключении) лекарственного препарата в перечни лекарственных препаратов (Приложение No 7 к документу «Об утверждении Правил формирования перечней лекарственных препаратов для медицинского применения и минимального ассортимента лекарственных препаратов, необходимых для оказания медицинской помощи»)
    Exact
    [2]
    Suffix
    . Данные были представлены в виде таблицы, содержащей информацию о всех поданных к рассмотрению ЛС (класс анатомо-терапевтически-химической группы (АТХ), терапевтическая группа, фармако-терапевтическая группа, международное непатентованное название (МНН), экспертная организация (ЭО), главный внештатный специалист (ГВС) Министерства здравоохранения, баллы по п. 5 (результ
    (check this in PDF content)

  4. Start
    9776
    Prefix
    При рассмотрении такого рода задач каждому классу присваивается метка, а объекты классификации описываются набором признаков. Далее, с помощью определенного построенного правила (классификатора) каждый объект относится к одному из заранее указанных классов
    Exact
    [4]
    Suffix
    . В данном случае мы можем задать два класса – «отклонить ЛС» и «принять ЛС», и определить их метками 0 и 1 соответственно. В качестве набора признаков, описывающих объект (ЛС), будем рассматривать набор чисел (баллы, заключения ЭО и заключение ГВС).
    (check this in PDF content)

  5. Start
    12157
    Prefix
    В качестве математической модели решающего правила строили разделяющую гиперплоскость в пространстве. Процент ошибок разделения характеризовал адекватность модели. Данные о баллах, заключении ЭО и заключении ГВС для удобства в формулах обозначили через х1, х2 и х3
    Exact
    [4]
    Suffix
    . Модель решающего правила для заключения о включении в список со стороны экспертной организации Всего данных, характеризующих оценку ЭО, насчитывалось 127. Из них: принять в список (=1) – 55 ЛС, и не принять (=0) – 72 ЛС.
    (check this in PDF content)

  6. Start
    17082
    Prefix
    перечень необходимых составляющих: медицинское страхование; прозрачные процедуры возмещения затрат здравоохранения за счет государства; переговоры о цене с поставщиком или держателем регистрационного удостоверения; оценка медицинских технологий и т.д. В Российской Федерации (РФ) полноценной системы реимберсмента пока нет, однако есть признаки ее формирования
    Exact
    [1]
    Suffix
    . Если сравнивать построенные правила с аналогичными результатами 2014 г. [4], то имеющаяся тенденция сохраняется. Новые данные позволили несколько увеличить точность правила для ЭО: если в модели для данных 2014 г. процент различий в принятом решении между ЭО и математической моделью составлял 12,4%, Зависимая переменнаяГВСЭОБаллыРасхождение из 113 ЛС и R2 Включение в список999Ошиб
    (check this in PDF content)

  7. Start
    17164
    Prefix
    В Российской Федерации (РФ) полноценной системы реимберсмента пока нет, однако есть признаки ее формирования [1]. Если сравнивать построенные правила с аналогичными результатами 2014 г.
    Exact
    [4]
    Suffix
    , то имеющаяся тенденция сохраняется. Новые данные позволили несколько увеличить точность правила для ЭО: если в модели для данных 2014 г. процент различий в принятом решении между ЭО и математической моделью составлял 12,4%, Зависимая переменнаяГВСЭОБаллыРасхождение из 113 ЛС и R2 Включение в список999Ошибок 42,5%, R2 = 0,09 Включение в список−99Ошибок 41%, R2 = 0,01 Включение в список9
    (check this in PDF content)