Пациент-ориентированные системы для цифровой профилактики хронических неинфекционных заболеваний (обзор литературы)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Введение. Развитие цифровизации здравоохранения на основе цифровых и информационных технологий обеспечило рост систем, ориентированных на пациентов для профилактики хронических неинфекционных заболеваний. В этом аспекте пациент-ориентированные системы (ПОС) выступают средством управления здоровьем человека и инновационным инструментом цифровой профилактики заболеваний. Под цифровой профилактикой заболеваний будем понимать область цифрового здравоохранения, сфокусированную на применении информационных и коммуникационных технологий, а именно цифровых устройств и приложений, для решения задач профилактической помощи населению.Цель — систематизировать публикации, посвящённые ПОС для профилактики хронических неинфекционных заболеваний и представить их многоаспектную классификацию.Выбор публикаций выполняли с помощью поисковых систем и информационных ресурсов elibrary.ru, sciencedirect, BMJ, MEDLINE/PubMed, Elsevier, Springer, MDPI, Sage journals, JMIR за 2013–2023 гг. В результате экспертного анализа в обзор были включены 54 публикации.Даны определения понятий «Цифровая профилактика», «Пациент-ориентированные системы», приведена многоаспектная классификация публикаций в области ПОС: по основному назначению (28%), контенту (13%), используемым цифровым технологиям (39%), виду решаемых задач в области профилактики заболеваний (41%). Также проанализированы публикации, в которых применялись технологии искусственного интеллекта в рамках ПОС (13%) и готовые к использованию цифровые решения (20%).Заключение. Результаты будут способствовать дальнейшему исследованию, оптимальному внедрению и эффективному использованию цифровых технологий в виде ПОС для улучшения результатов профилактических мероприятий у пациентов с хроническими неинфекционными заболеваниями и развития цифровой профилактики заболеваний.Участие авторов: Афанасьева Т.В. — концепция и дизайн исследования, поиск и классификация публикаций, написание текста, составление списка литературы; Замашкин Ю.С. — написание текста, обработка и анализ публикаций, редактирование. Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи.Финансирование. Исследование выполнено в рамках государственного задания в сфере научной деятельности Министерства науки и высшего образования РФ на тему «Модели, методы и алгоритмы искусственного интеллекта в задачах экономики для анализа и стилизации многомерных данных, прогнозирования временных рядов и проектирования рекомендательных систем», номер проекта FSSW-2023-0004.Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.Поступила: 04.10.2023 / Принята к печати: 20.12.2023 / Опубликована: 30.06.2025

Об авторах

Татьяна Васильевна Афанасьева

ФГБОУ ВО «Российский экономический университет им. Г.В. Плеханова»

Email: afanaseva.tv@rea.ru

Юрий Сергеевич Замашкин

ООО «Глобал медикал систем»

Email: yzamashkin@gmail.com

Список литературы

  1. WHO. Global strategy on digital health 2020–2025; 2021. https://who.int/publications/i/item/9789240020924
  2. Драпкина О.М., Концевая А.В., Калинина А.М., Авдеев С.Н., Агальцов М.В., Александрова Л.М. и др. Профилактика хронических неинфекционных заболеваний в Российской Федерации. Национальное руководство 2022. Кардиоваскулярная терапия и профилактика. 2022; 21(4): 5–232. https://doi.org/10.15829/1728-8800-2022-3235 https://elibrary.ru/dnbvat
  3. ПАСПОРТ Стратегии цифровой трансформации отрасли «Здравоохранение» до 2024 года и на плановый период до 2030 года. 2021. Available at: https://clck.ru/3M5CPf
  4. Feigin V.L., Krishnamurthi R., Merkin A., Nair B., Kravchenko M., Jalili-Moghaddam S. Digital solutions for primary stroke and cardiovascular disease prevention: A mass individual and public health approach. The Lancet Regional Health – Western Pacific. 2022;29. https://doi.org/10.1016/j.lanwpc.2022.100511
  5. EC. eHealth: Digital health and care. Available at: https://health.ec.europa.eu/ehealth-digital-health-and-care/overview_en
  6. WHO Guideline: Recommendations on digital interventions for health system strengthening; 2019. Available at: https://who.int/publications/i/item/9789241550505
  7. Проект Роспотребнадзора РФ «Здоровое питание»; 2019. Доступно: https://здоровое-питание.рф
  8. Robles-Bykbaev Y., Oyola-Flores C., Robles-Bykbaev V.E., López-Nores M., Ingavélez-Guerra P., Pazos-Arias J.J., et al. A bespoke social network for deaf women in Ecuador to access information on sexual and reproductive health. Int. J. Environ. Res. Public Health. 2019; 16(20): 3962. https://doi.org/10.3390/ijerph16203962
  9. Aggarwal A., Chakradar M., Bhatia M.S., Kumar M., Stephan T., Gupta S.K., et al. COVID-19 risk prediction for diabetic patients using fuzzy inference system and machine learning approaches. J. Healthc. Eng. 2022; 2022: 4096950. https://doi.org/10.1155/2022/4096950
  10. Leddy J., Green J.A., Yule C., Molecavage J., Coresh J., Chang A.R. Improving proteinuria screening with mailed smartphone urinalysis testing in previously unscreened patients with hypertension: a randomized controlled trial. BMC Nephrol. 2019; 20(1): 132. https://doi.org/10.1186/s12882-019-1324-z
  11. Chen J., Li K., Rong H., Bilal K., Yang N., Li K. A disease diagnosis and treatment recommendation system based on big data mining and cloud computing. Inf. Sci. 2018; 435: 124–49. https://doi.org/10.1016/j.ins.2018.01.001
  12. Nashif S., Raihan R., Islam R., Imam M.H. Heart disease detection by using machine learning algorithms and a real-time cardiovascular health monitoring system. World J. Eng. Technol. 2018; 6(4): 854–73. https://doi.org/10.4236/wjet.2018.64057
  13. Abbas A., Ali M., Khan M.U.S., Khan S.U. Personalized healthcare cloud services for disease risk assessment and wellness management using social media. Pervasive Mob. Comput. 2016; 28: 81–99.
  14. Быков А.В., Кореневский Н.А., Родионова С.Н., Цымбал Е.В. Метод и нечеткая модель оценки динамики развития критической ишемии нижних конечностей. Вестник новых медицинских технологий. 2018; (4): 251–7. https://doi.org/10.24411/1609-2163-2018-16227 https://elibrary.ru/yrwkwl
  15. Nasiri M., Minaei B., Kiani A. Dynamic recommendation: Disease prediction and prevention using recommender system. Int. J. Basic Sci. Med. 2016; 1(1): 13–7. https://doi.org/10.15171/ijbsm.2016.04
  16. Cai Y., Yu F., Kumar M., Gladney R., Mostafa J. Health recommender systems development, usage, and evaluation from 2010 to 2022: A scoping review. Int. J. Environ. Res. Public Health. 2022; 19(22): 15115. https://doi.org/10.3390/ijerph192215115
  17. Ferretto L.R., Bellei E.A., Biduski D., Bin L.C.P., Moro M.M., Cervi C.R., et al. A physical activity recommender system for patients with arterial hypertension. IEEE Access. 2020; 8: 61656–64. https://doi.org/10.1109/ACCESS.2020.2983564
  18. Афанасьева Т.В., Платов П.В. Системная модель и архитектурное решение системы пациент-ориентированных рекомендаций для управления риском развития сердечно-сосудистых событий. Автоматизация процессов управления. 2023; (1): 15–24. https://doi.org/10.35752/1991-2927_2023_1_71_15 https://elibrary.ru/jtdymi
  19. Granda Morales L.F., Valdiviezo-Diaz P., Reátegui R., Barba-Guaman L. Drug recommendation system for diabetes using a collaborative filtering and clustering approach: development and performance evaluation. J. Med. Internet Res. 2022; 24(7): e37233. https://doi.org/10.2196/37233
  20. Chiang P.H., Wong M., Dey S. Using wearables and machine learning to enable personalized lifestyle recommendations to improve blood pressure. IEEE J. Transl. Eng. Health Med. 2021; 9: 2700513. https://doi.org/10.1109/jtehm.2021.3098173
  21. Sookrah R., Dhowtal J.D., Nagowah S.D. A DASH diet recommendation system for hypertensive patients using machine learning. In: Proceedings of the 2019 7th International Conference on Information and Communication Technology (ICoICT). Kuala Lumpur; 2019. https://doi.org/10.1109/ICoICT.2019.8835323
  22. Jung H., Chung K. Knowledge-based dietary nutrition recommendation for obese management. Inf. Technol. Manag. 2016; 17: 29–42. https://doi.org/10.1007/s10799-015-0218-4
  23. Emerencia A., van der Krieke L., Sytema S., Petkov N., Aiello M. Generating personalized advice for schizophrenia patients. Artif. Intell. Med. 2013; 58(1): 23–36. https://doi.org/10.1016/j.artmed.2013.01.002
  24. Gellert G.A., Orzechowski P.M., Price T., Kabat-Karabon A., Jaszczak J., Marcjasz N., et al. A multinational survey of patient utilization of and value conveyed through virtual symptom triage and healthcare referral. Front. Public Health. 2023; 10: 1047291. https://doi.org/10.3389/fpubh.2022.1047291
  25. Валеева Э.Р., Степанова Н.В., Абдуллин Д.Д., Басыйров А.М. Современные информационные технологии в формировании здорового образа жизни населения (программное обеспечение "VALEO LIFE"). Медико-фармацевтический журнал Пульс. 2022; 24(2): 73–80. https://doi.org/10.26787/nydha-2686-6838-2022-24-2-73-80 https://elibrary.ru/cafgbs
  26. De Santis K.K., Mergenthal L., Christianson L., Zeeb H. Digital technologies for health promotion and disease prevention in older people: protocol for a scoping review. JMIR Res. Protoc. 2022; 11(7): e37729. https://doi.org/10.2196/37729
  27. Santos M.A.G., Munoz R., Olivares R., Filho P.P.R., Del Ser J., de Albuquerque V.H.C. Online heart monitoring systems on the internet of health things environments: A survey, a reference model and an outlook. Inf. Fusion. 2020;53:222–39. https://doi.org/10.1016/j.inffus.2019.06.004
  28. Rachata N., Temdee P. Mobile-based self-monitoring for preventing patients with type 2 diabetes mellitus and hypertension from cardiovascular complication. Wireless Pers. Commun. 2021; 117: 151–75. https://doi.org/10.1007/s11277-020-07440-w
  29. Clarke S., Jaimes L.G., Labrador M.A. MStress: A mobile recommender system for just-in-time interventions for stress. In: Proceedings of the 2017 14th IEEE Annual Consumer Communications & Networking Conference (CCNC). Las Vegas; 2017: 1–5.
  30. Gómez J., Oviedo B., Zhuma E. Patient monitoring system based on internet of things. Procedia Comput. Sci. 2016; 83: 90–7. https://doi.org/10.1016/j.procs.2016.04.103
  31. Hors-Fraile S., Schneider F., Fernandez-Luque L., Luna-Perejon F., Civit A., Spachos D., et al. Tailoring motivational health messages for smoking cessation using an mHealth recommender system integrated with an electronic health record: a study protocol. BMC Public Health. 2018; 18(1): 698. https://doi.org/10.1186/s12889-018-5612-5
  32. Sana F., Isselbacher E.M., Singh J.P., Heist E.K., Pathik B., Armoundas A.A. Wearable devices for ambulatory cardiac monitoring: JACC state-of-the-art review. J. Am. Coll. Cardiol. 2020; 75(13): 1582–92. https://doi.org/10.1016/j.jacc.2020.01.046
  33. Duncker D., Ding W.Y., Etheridge S., Noseworthy P.A., Veltmann C., Yao X., et al. Smart wearables for cardiac monitoring-real-world use beyond atrial fibrillation. Sensors (Basel). 2021; 21(7): 2539. https://doi.org/10.3390/s21072539
  34. Сон Д.А., Турдалиева Б.С., Аимбетова Г.Е. Применение современных информационных технологий для охраны здоровья населения и профилактики хронических неинфекционных заболеваний. Наука о жизни и здоровье. 2019; (3): 82–7. https://doi.org/10.24411/2415-7414-2019-10042 https://elibrary.ru/szmhio
  35. Tran T.N.T., Felfernig A., Trattner C., Holzinger A. Recommender systems in the healthcare domain: state-of-the-art and research issues. J. Intell. Inf. Syst. 2021; 57: 171–201. https://doi.org/10.1007/s10844-020-00633-6
  36. Chaix B., Guillemassé A., Nectoux P., Delamon G., Brouard B. Vik: a chatbot to support patients with chronic diseases. Health. 2020; 12(07): 804–10. https://doi.org/10.4236/health.2020.127058
  37. Куликова М.С., Калинина А.М., Концевая А.В., Драпкина О.М. Дистанционный контроль процесса снижения избыточной массы тела с помощью мобильного приложения «Доктор ПМ»: мнение пациентов и медицинских работников. Профилактическая медицина. 2022; 25(10): 35‑43. https://doi.org/10.17116/profmed20222510135 https://elibrary.ru/oyksmy
  38. Su D., Michaud T.L., Estabrooks P., Schwab R.J., Eiland L.A., Hansen G., et al. Diabetes management through remote patient monitoring: the importance of patient activation and engagement with the technology. Telemed. J.E. Health. 2019; 25(10): 952–9. https://doi.org/10.1089/tmj.2018.0205
  39. Котельникова Е.В., Сенчихин В.Н., Липчанская Т.П. Возможности телемедицинского мониторинга факторов риска у пациентов с кардиоваскулярными заболеваниями: опыт использования пациент-ориентированной модели дистанционной реабилитационной помощи. Здравоохранение Российской Федерации. 2021; 65(6): 549–56. https://doi.org/10.47470/0044-197X-2021-65-6-549-556 https://elibrary.ru/nfzmia
  40. Haleem A., Javaid M., Singh R.P., Suman R. Telemedicine for healthcare: Capabilities, features, barriers, and applications. Sens. Int. 2021; 2: 100117. doi: https://doi.org/10.1016/j.sintl.2021.100117
  41. Foster C., Schinasi D., Kan K., Macy M., Wheeler D., Curfman A. Remote monitoring of patient- and family-generated health data in pediatrics. Pediatrics. 2022; 149(2): e2021054137. https://doi.org/10.1542/peds.2021-054137
  42. Alian S., Li J., Pandey V.A A personalized recommendation system to support diabetes self-management for American Indians. IEEE Access. 2018; 6: 73041–51. https://doi.org/10.1109/ACCESS.2018.2882138
  43. Huygens M.W., Swinkels I.C., de Jong J.D., Heijmans M.J., Friele R.D., van Schayck O.C., et al. Self-monitoring of health data by patients with a chronic disease: does disease controllability matter? BMC Fam. Pract. 2017; 18(1): 1–10. https://doi.org/10.1186/s12875-017-0615-3
  44. Agapito G., Simeoni M., Calabrese B., Caré I., Lamprinoudi T., Guzzi P.H., et al. DIETOS: A dietary recommender system for chronic diseases monitoring and management. Comput. Methods Programs Biomed. 2018; 153: 93–104. https://doi.org/10.1016/j.cmpb.2017.10.014
  45. Орнамент. Персональный коуч по здоровью; 2022. Доступно: https://ornament.health/ru
  46. Власова А. Виртуальные ассистенты в медицине. Альманах «Искусственный интеллект». 2022; (11): 94–101.
  47. Virtual assistant Medwhat; 2019. Available at: https://medwhat.com
  48. Калькулятор SCORE. Available at: https://cmphmao.ru/node/234
  49. Willis V.C., Thomas Craig K.J., Jabbarpour Y., Scheufele E.L., Arriaga Y.E., Ajinkya M., et al. Digital health interventions to enhance prevention in primary care: scoping review. JMIR Med. Inform. 2022; 10(1): e33518. https://doi.org/10.2196/33518
  50. Widmer R.J., Collins N.M., Collins C.S., West C.P., Lerman L.O., Lerman A. Digital health interventions for the prevention of cardiovascular disease: a systematic review and meta-analysis. Mayo Clin. Proc. 2015; 90(4): 469–80. https://doi.org/10.1016/j.mayocp.2014.12.026
  51. Кобринский Б.А. Интеллектуальные рекомендательные системы для медицины: особенности и ограничения. Искусственный интеллект и принятие решений. 2022; (3): 51–62. https://doi.org/10.14357/20718594220304 https://elibrary.ru/hhpfqw
  52. Chen Y., Perez-Cueto F.J.A., Giboreau A., Mavridis I., Hartwell H. The promotion of eating behaviour change through digital interventions. Int. J. Environ. Res. Public Health. 2020; 17(20): 7488. https://doi.org/10.3390/ijerph17207488/
  53. Stark A.L., Geukes C., Dockweiler C. Digital health promotion and prevention in settings: scoping review. J. Med. Internet Res. 2022; 24(1): e21063. https://doi.org/10.2196/21063
  54. Clephas P.R.D., Aydin D., Radhoe S.P., Brugts J.J. Recent advances in remote pulmonary artery pressure monitoring for patients with chronic heart failure: current evidence and future perspectives. Sensors (Basel). 2023; 23(3): 1364. https://doi.org/10.3390/s23031364

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© , 2025


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ:  ПИ № ФС77-50668 от 13.07.2012 г.