Оценка качества медицинской помощи: современные методы и перспективы совершенствования

ВВЕДЕНИЕ. Оценка качества медицинской помощи является важнейшим элементом современного здравоохранения, направленным на повышение эффективности лечения, удовлетворенности пациентов и обеспечения безопасности медицинских услуг. Развитие инновационных технологий, необходимость стандартизации подходов к диагностике и терапии требуют совершенствования существующих методик оценки.

ЦЕЛЬ. Провести анализ существующих методик оценки качества медицинской помощи, выявление их ограничений и факторов, влияющих на точность и объективность оценки, а также разработка рекомендаций по их совершенствованию.

МАТЕРИАЛЫ И МЕТОДЫ. Исследование основано на анализе научных публикаций, представленных в международных базах данных (PubMed, Scopus, Web of Science) и российском научном электронном ресурсе eLIBRARY.RU. Использованы ключевые слова: оценка качества медицинской помощи, удовлетворенность пациентов, шкалы оценки качества жизни. Включены работы, опубликованные в период с 2010 по 2024 г. Применены методы контент-анализа, сравнительного анализа и статистической обработки данных.

РЕЗУЛЬТАТЫ. Анализ показал, что наиболее распространенной моделью оценки качества медицинской помощи является модель Доннабедиена, включающая три ключевых компонента: структуру, процесс и результат. Важную роль играют стандартизированные шкалы оценки качества жизни (SF-36, EQ-5D, WHOQOL-BREF), обеспечивающие комплексный показатель воздействия медицинских вмешательств на пациентов. Показано, что ключевыми индикаторами являются удовлетворенность пациентов, клинические исходы, доступность и безопасность медицинских услуг.

ОБСУЖДЕНИЕ. Современные тенденции в оценке качества медицинской помощи включают усиление акцента на интеграцию цифровых технологий, анализ больших данных, применение электронных медицинских записей и систем поддержки принятия клинических решений. Выявлены проблемы, связанные с субъективностью выводов, необходимостью культурной адаптации шкал оценки качества жизни и вариативностью применяемых методик в различных странах.

ЗАКЛЮЧЕНИЕ. Совершенствование системы оценки качества медицинской помощи требует комплексного подхода, включающего стандартизацию методик, адаптацию шкал оценки качества жизни, интеграцию цифровых технологий и усиление внимания к безопасности пациентов. Результаты исследования могут быть использованы для оптимизации управления качеством медицинских услуг и разработки эффективных стратегий повышения удовлетворенности пациентов.

1. Busse R., Klazinga N., Panteli D., Quentin W., et al. Improving healthcare quality in Europe: Characteristics, effectiveness and implementation of different strategies // Copenhagen (Denmark): European Observatory on Health Systems and Policies. [Internet]. 2019.

2. Young M., Smith M. A. Standards and Evaluation of Healthcare Quality, Safety, and Person-Centered Care. StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing. 2022. Affiliations expand. PMID: 35015457.

3. Владзимирский А. В. Матрица оценки качества телемедицинского консультирования «пациент-врач» // Журнал телемедицины и электронного здравоохранения. 2020. № 6 (4). C. 37–44 doi: 10.29188/2542-2413-2020-6-4-34-44.

4. Шестакова Е. В., Мамыкина К. К. Разработка методики оценки качества оказания платных медицинских услу // Синергия Наук. 2021. № 66. С. 66–88

5. Федорова И. Ю., Решетов Д. Н. Качество медицинских услуг и факторы, влияющие на изменение его параметров в условиях социальной рыночной экономики // Экономика и социум: современные модели развития. 2018. Т. 8, № 4 (22). С. 92–102

6. Сизов Д. А., Литовка А. Б. Проблемы определения качества медицинской помощи // Евразийская адвокатура. 2019. № 1(38). С. 43–47

7. Schwabe D., Becker, K., Seyferth, M., et al. The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review. Npj Digital Medicin, 2024, No. 7, pp. 203. doi: 10.1038/s41746-024-01196-4.

8. Dumbuya J.S., Ahmad B., Zeng C., et al. Assessing the effectiveness of measurement scales in evaluating the health-related quality of life in rare disease patients after treatment: a systematic review. Health Quality of Life Outcomes, 2024, No. 22, pp. 108. doi: 10.1186/s12955-024-02324-0.

9. O’Kane M., Agrawal S., Binder L., Dzau V., Gandhi T. K., Harrington R., Mate K., McGann P., Meyers D., Rosen P., Schreiber M., Schummers D. An Equity Agenda for the Field of Health Care Quality Improvement. NAM Perspect, 2021. doi: 10.31478/202109b.

10. Sakr F., Dabbous M., Akel M., Salameh P., Hosseini H. Cultural adaptation and validation of the Arabic version of the short 12-item stroke-specific quality of life scale. Frontiers in Neurology, 2023, No. 14, pp. 1232602. doi: 10.3389/fneur.2023.1232602.

11. Oluchi S. E., Manaf R. A., Ismail S., Kadir Shahar H., Mahmud A., Udeani T. K. Health Related Quality of Life Measurements for Diabetes: A Systematic Review. The International Journal of Environmental Research and Public Health, 2021, No. 18 (17), pp. 9245. doi: 10.3390/ijerph18179245.

12. Романенко Н. А., Чечеткин А. В., Жигулева Л. Ю. и др. Коррекция анемии и оценка эффективности трансфузий эритроцитов у пациентов с онкогематологическими заболеваниями // Клиническая онкогематология. 2018. № 11(3). С. 265–72 doi: 10.21320/2500-2139-2018-11-3-265-272.

13. Никитина Т. П., Ефремов С. М., Мельниченко В. Я., Пензин О. В., Ионова Т. И. Использование цифровых технологий для мониторинга состояния пациента и его качества жизни // Гематология. Трансфузиология. Восточная Европа. 2023. № 9(3). С. 341–356

14. Lennon A.M., Buchanan A.H., Kinde I., Warren A., Honushefsky A., Cohain A.T., et al. Feasibility of blood testing combined with PET-CT to screen for cancer and guide intervention. Science, 2020, No. 369, pp. 9601. doi: 10.1126/science.abb9601.

15. Xie L., Du X., Wang S., Shi P., Qian Y., Zhang W., et al. Development and evaluation of cancer differentiation analysis technology: a novel biophysics-based cancer screening method. Expert Review of Molecular Diagnostics, 2022, No. 22, pp. 111–7. doi: 10.1080/14737159.2021.2013201.

16. Mikami H., Kimura O., Yamamoto H., Kikuchi S., Nakamura Y., Ando T., Yamakado M. A multicentre clinical validation of AminoIndex Cancer Screening (AICS). Scientific Reports, 2019, No. 9, pp. 7. doi: 10.1038/s41598-019-50304-y.

17. Brito-Rocha T., Constancio V., Henrique R., Jeronimo C. Shifting the cancer screening paradigm: the rising potential of blood-based multi-cancer early detection tests. Cells, 2023, No. 12, pp. 935. doi: 10.3390/cells12060935.

18. Lee R., Robbins H.A. PATHFINDER: another step on the uncharted path to multicancer screening. Lancet, 2023, No. 402, pp. 1213–1215. doi: 10.1016/S0140-6736(23)02050-0.

19. Etzioni R., Gulati R., Weiss N.S. Multicancer early detection: learning from the past to meet the future. Journal of the National Cancer Institute, 2022, No. 114, pp. 349–352. doi: 10.1093/jnci/djab168.

20. Wise J. A blood test for multiple cancers: game changer or overhyped? British Medical Journal, 2022, No. 378, pp. 2279. doi:10.1136/bmj.o2279.

21. Mahase E. Clinicians raise concerns over pilot of blood test for multiple cancers. British Medical Journal, 2023, No. 383, pp. 2268. doi:10.1136/bmj.p2268.

22. Page M.J., McKenzie J.E., Bossuyt P.M., Boutron I., Hoffmann T.C., Mulrow C.D., et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. British Medical Journal, 2021, No. 372, pp. 71. doi:10.1136/bmj.n71.

23. Thomas J., Graziosi S., Brunton J., Ghouze Z., O’Driscoll P., Bond M., et al. EPPI-Reviewer: Advanced Software for Systematic Reviews, Maps and Evidence Synthesis. London: EPPI Centre, UCL Social Research Institute, University College London, 2022.

24. Stevenson M., Sergeant E., Firestone S. epiR: Tools for the Analysis of Epidemiological Data. R Package Version 2.0.65. [Internet]. 2023.

25. R Core Team. R: A Language and Environment for Statistical Computing. Vienna (Austria). R Foundation for Statistical Computing. [Internet]. 2023.

26. Whiting P.F., Rutjes A.W., Westwood M.E., Mallett S., Deeks J.J., Reitsma J.B., et al.; QUADAS-2 Group. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Annals of Internal Medicine, 2011, No. 155, pp. 529–536. doi:10.7326/0003-4819-155-8-201110180-00009.

27. Wade R., Nevitt S., Harden M., Dias S., Raine G., Khouja C., et al. Multi-cancer Early Detection Tests for Screening. PROSPERO. [Internet]. 2023.

28. Klein E.A., Richards D., Cohn A., Tummala M., Lapham R., Cosgrove D., et al. Clinical validation of a targeted methylation-based multi-cancer early detection test using an independent validation set. Annals of Oncology, 2021, No. 32, pp. 1167–1177. doi:10.1016/j.annonc.2021.05.806.

29. Rossi S.H., Stewart G.D. Clinical validation of a targeted methylation-based multi-cancer early detection test using an independent validation set. European Urology, 2022, No. 82, pp. 442–443. doi: 10.1016/j.eururo.2022.07.033.

30. Ventegodt S., Merrick J., and Andersen N.J. Measurement of Quality of Life II. From the Philosophy of Life to Science. TheScientificWorldJournal, 2003, No. 3, pp. 962-971. doi:10.1100/tsw.2003.76.

31. Klein E.A., Richards D., Cohn A., Tummala M., Lapham R., Cosgrove D., et al. Detecting Cancer Signal Across Multiple Cancers with One Blood Draw: Validating a Multi-Cancer Early Detection (MCED) Yest. Conference: American Academy of Family Physicians, Family Medicine Experience, Anaheim (California), 2021.

32. Venn O., Bredno J., Thornton A., Chang C., Hubbell E., Kurtzman K., et al. Robustness of a Targeted Methylation-based Multi-cancer Early Detection (MCED) Test to Population Differences in Self-reported Ethnicity. AACR Conference on the Science of Cancer Health Disparities in Racial/Ethnic Minorities and the Medically Underserved, Orlando, 2023.

33. Tang W.H.W., Yimer H., Tummala M., Shao S., Chung G., Clement J., et al. Performance of a targeted methylation-based multi-cancer early detection test by race/ethnicity. Journal of Clinical Oncology, 2021, No. 39, pp. 3071. doi:10.1016/j.ypmed.2022.107384.

34. Yimer H.A., Tang W.H.W., Tummala M.K., Shao S., Chung G.G., Couch F., et al. Detection of cancer signal for over 50 AJCC cancer types with a multi-cancer early-detection test. Journal of Clinical Oncology, 2021, No. 39, pp. 3072. doi:10.1200/JCO.2021.39.15_suppl.3072.

35. Papadopoulos N. A first-of-its-kind prospective study of a multi-cancer blood test to screen and manage 10,000 women with no history of cancer. Cancer Research, 2020, No. 80, pp. 22. doi:10.1158/1538-7445.AM2020-CT022

36. Suzuki M. Breast cancer screening by evaluating amino acid levels in the blood. Breast, 2015, No. 24, pp. 69.

37. Schrag D., Beer T.M., McDonnell C.H., Nadauld L., Dilaveri C.A., Klein E.A., et al. Evaluation of anxiety, distress and satisfaction with a multi-cancer early detection test. Annals of Oncology, 2022, No. 33, pp. 963.

38. Klein E.A., McDonnell C.H., Nadauld L., Dilaveri C.A., Reid R., Marinac C.R., et al. Clinical Evaluation of Cancer Signal Origin (CSO) Prediction and Diagnostic Resolution Following Multi-cancer Early Detection Testing. Chicago (Illinois): American Society of Clinical Oncology (ASCO); 2–6 June 2023.

39. Westgate C., Kingsbury D., Poliak M., Lipton J., McMillin M., Malinow L.B., et al. Early Real-world Experience with a Multi-cancer Early Detection Test. Chicago (Illinois): American Society of Clinical Oncology (ASCO); 2–6 June 2023.

40. McDonnell C.H., Hudnut A.G., Behl D., Ang R., Spinelli B., Jacobs D., et al. Diagnostic workup following a multicancer early detection test with a cancer signal origin prediction. Journal of Clinical Oncology, 2022, No. 40, pp. 15037. doi:10.1200/JCO.2022.40.16_suppl.e15037

41. Buchanan A.H., Lennon A.M., Rego S.P., Choudhry O.A., Elias P.Z., Sadler J.R., et al. Long-term clinical outcomes of cancers diagnosed following detection by a blood-based multi-cancer early detection (MCED) test. Journal of Clinical Oncology, 2023, No. 41, pp. 3037. doi: 10.1200/JCO.2023.41.16_suppl.3037

42. Lennon A.M. Buchanan A.H., Rego S.P., Choudhry O.A., Elias P.Z., Sadler J.R., et al. Outcomes in participants with a false positive multi-cancer early detection (MCED) test: results from >4 years follow-up from DETECT-A, the first large, prospective, interventional MCED study. Journal of Clinical Oncology, 2023, No. 41, pp. 3039. doi: 10.1200/JCO.2023.41.16_suppl.3039

43. McGuinness L.A., Higgins J.P.T. Risk-of-bias VISualization (robvis): An R package and Shiny web app for visualizing risk-of-bias assessments. Research synthesis methods, 2021, No. 12, pp. 55-61. doi:10.1002/jrsm.1411.

44. GRAIL. Written Evidence Submitted by GRAIL (FCR0024) to the Health and Social Care Committee Future Cancer Inquiry. UK Parliament Health and Social Care Committee, 2023.

45. Cristiano S., Leal A., Phallen J., Fiksel J., Adleff V., Bruhm D.C., et al. Genome-wide cell-free DNA fragmentation in patients with cancer. Nature, 2019, No. 570, pp. 385–389. doi:10.1038/s41586-019-1272-6.

46. Annapragada A.V., Medina J.E., Lof P., Mathios D., Foda Z.H., Noe M., et al. Early detection of ovarian cancer using cellfree DNA fragmentomes. Cancer Research, 2023, No. 83, pp. 773. doi: 10.1158/2159-8290.CD-24-0393.

47. Xu L., Wang J., Yang T., Tao J., Liu X., Ye Z., et al. Toward the development of a $100 screening test for 6 major cancer types. Cancer Research, 2020, No. 80, pp. 4601. doi: 10.1158/1538-7445.AM2020-4601.

48. Xu L., Wang J., Ma W., Liu X., Li S., Chen S., et al. Validation of a high performing blood test for multiple major cancer screenings. Journal of Clinical Oncology, 2021, No. 39, pp. 10561. doi: 10.1200/JCO.2021.39.15_suppl.10561.

49. Sun Yat-sen University Cancer Center. PanTum Technique for the Detection of Peripheral Blood APO10 and TKTL1 in the Diagnosis of High Incidence of Malignant Tumors in Chinese Population. Chinese Clinical Trial Registry, 2020.

50. Millennium Oncology India Private Limited. A Trial for Confirming the Accuracy of PanTum Test for Solid Tumor Detection. Clinical Trials Registry India, 2022.