Managing Chinese and Russian healthcare development using a predictive Gray model and an autoregressive relationship model

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

This article examines the possible risks for health insurance funds due to an ageing population and the prevalence of infectious diseases in the world. By analyzing the structural differences between the existing health insurance funding systems in China and Russia, and using a Gray's model and an autoregressive model to forecast the existing flows of health insurance funds in Russia and China. The results of the forecasting model are then incorporated into a subsequent management model in order to propose optimisations for the future management of health insurance systems in both countries. The novelty of this paper lies not only in the analysis of the structure of the health insurance financing system, but also in the use of a predictive model to propose optimised management decisions for the future development of health insurance. The results provide theoretical support as well as guidance for national health insurance management. The results of the optimized management model for Russian health insurance show that the optimized solution not only improves the financing gap well, but also leaves a balance.

Sobre autores

Pingping He

Bauman Moscow State Technical University (National Research University)

Russian Federation,

Evgeniy Kostyrin

Bauman Moscow State Technical University (National Research University)

Russian Federation

Bibliografia

  1. Соколов, Е. В. Организация перехода граждан России на медицинские накопительные счета / Е. В. Соколов, Е. В. Костырин // Экономика и управление: проблемы, решения. – 2020. – Т. 1. – № 8(104). – С. 55–71. – doi: 10.34684/ek.up.p.r.2020.08.01.008.
  2. Федеральный закон от 06.12.2021 г. № 392-ФЗ "О бюджете Федерального фонда обязательного медицинского страхования на 2022 год и на плановый период 2023 и 2024 годов" // КонсультантПлюс: справ. прав. система: офиц. сайт / Компания «КонсультантПлюс». URL: http: // www.consultant.ru / data.html (дата обращения 11.03.2022).
  3. Соколов, Е. В. Система финансирования здравоохранения в Сингапуре / Е. В. Соколов, Д. А. Гречкин // Экономика и управление: проблемы, решения. – 2017. – Т. 5. – № 9. – С. 45–52.
  4. Соколов, Е. В. Прорывные технологии финансирования трудовой пенсии по старости / Е. В. Соколов, Е. В. Костырин // Экономика и управление: проблемы, решения. – 2021. – Т. 1. – № 7(115). – С. 63–80. – doi: 10.36871/ek.up.p.r.2021.07.01.009.
  5. Соколов, Е. В. Обоснование необходимости и эффективности внедрения медицинских накопительных счетов для всех субъектов Российской Федерации и России в целом / Е. В. Соколов, Е. В. Костырин // Экономика и управление: проблемы, решения. – 2018. – Т. 1. – № 11. – С. 52–64.
  6. Lang Ying, Xia Xiaohong. Исследование баланса доходов и расходов и устойчивого развития фонда медицинского страхования городских рабочих - на примере провинции Сычуань[J]. Health Soft Science, 2021, 35(9):30-34.
  7. Успенская, И. В. Анализ финансового обеспечения территориальной программы обязательного медицинского страхования / И. В. Успенская, Е. В. Манухина, С. В. Юрина // Социальные аспекты здоровья населения. – 2018. – № 1(59). – С. 10.
  8. Deng, J. L. Introduction to grey system theory / J. L. Deng // J Grey System. – 1989; 1:1–24.
  9. Jiao Man, Wang Huan. Prediction on the Urban Employee Basic Medical Insurance Scheme funds: A case study of Jiangsu province. Chinese Journal of Health Policy, 2018, 11(11): 16–21.
  10. Томская, К. М. Анализ временных рядов с помощью авто-регрессионных моделей / К. М. Томская // Интеграция наук. – 2018. – № 4(19). – С. 45–50.
  11. Козыренко, Е. И. Современное состояние финансирования здравоохранения в России / Е. И. Козыренко, Л. О. Авдеева // Вестник Астраханского государственного технического университета. Серия: Экономика. – 2019. – № 1. – С. 153–164. – doi: 10.24143/2073–5537-2019-1-153-164.
  12. Хабарова, Е. Л. О последовательном оценивании параметров авто-регрессионной модели с непрерывным временем / Е. Л. Хабарова, Т. В. Емельянова // Всероссийская молодежная научная конференция студентов, аспирантов и молодых ученых "Все грани математики и механики" : Сборник статей, Томск, 23–27 апреля 2019 года / Под редакцией А.В. Старченко. – Томск: Издательский Дом Томского государственного университета, 2019. – С. 189–197.
  13. Ma Guifeng, Zhu Zhongchi, Qiu Leijie. Исследование прогнозирования риска дисбаланса между доходами и расходами фонда базового медицинского страхования городских работников [J], Статистика здравоохранения Китая, 2018, 35 (3) :423 - 425.
  14. Основные услуги здравоохранения в Китае в 2021 году // Официальный сайт Китайской национальной службы здравоохранения. URL: http://www.nbphsp.org.cn (дата обращения 09.01.2022).
  15. Основные показатели деятельности государственных внебюджетных фондов Поступление и расходование средств территориальных фондов обязательного медицинского страхования // Официальный сайт Федеральной службы государственной статистики. URL: https://rosstat.gov.ru (дата обращения 09.01.2022).
  16. Документ Госсовета Китая "Руководство по запуску пилотной программы базового медицинского страхования для городских жителей"
  17. Буре, В. М. Адаптивные методы прогнозирования временных рядов в среде MATLAB / В. М. Буре, С. В. Плахотник // Проектирование научных и инженерных приложений в среде MATLAB : Труды Всероссийской научной конференции, Санкт-Петербург, 23–26 октября 2007 года. – Санкт-Петербург, 2007. – С. 1363–1370.
  18. Закон о социальном страховании Китайской Народной Республики
  19. People's Daily " Национальное бюро медицинской безопасности официально запущено, эксперты объясняют
  20. Федеральная служба государственной статистики [Электронный ресурс]. URL: www.gks.ru (дата обращения 07.11.2022).

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Russian Academy of Sciences, 2023