Казахский национальный университет имени аль-Фараби�

ФАКУЛЬТЕТ ГЕОГРАФИИ И ПРИРОДОПОЛЬЗОВАНИЯ

​

«Экономика здоровья в Казахстане, 1920-2020 гг.»

Спанкулова Лазат Сейтказиевна

В цикл работ входят:

1) 7 монографии - объем 90,24 печатных листов.

2) 3 заключительных отчета о научно-исследовательской работе.

3) 12 трудов опубликованных в Scopus и Web of Science. Количество цитировании 118 в 96 документах.

4) 14 трудов опубликованных в изданиях, рекомендованных КОКСНВО МНВО РК.

5) 15 Свидетельств о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом.

Казахский национальный университет имени аль-Фараби�

ФАКУЛЬТЕТ ГЕОГРАФИИ И ПРИРОДОПОЛЬЗОВАНИЯ

​

Неравенство по доходам и продолжительности жизни для США, мужчины и женщины50

Появление неравенства в потреблении медицинских услуг обусловлено множеством различных факторов.

Данные факторы имеют прямое или косвенное влияние на появление неравенства и включают в себя:

• экономическое положение пациентов;
• образование и грамотность пациентов;
• географическая удалённость местожительства пациентов и доступность здравоохранения для пациентов;
• социально демографические факторы
• (пол, возраст, раса, национальная принадлежность, язык, психологические особенности, культура и вера пациентов).

​

СОЦИАЛЬНАЯ СПРАВЕДЛИВОСТЬ VS ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ

• ОПЖ бедных жителей процветающего города Нью Иорк в среднем на 6 лет выше, чем таких же бедных жителей депрессивном Детройте, при том что у самых богатых жителей обоих городов разрыв составляет лишь 1 год.

Исторические тенденции доступа к медицинским услугам.. 1920-1930 годы

НЕРАВЕНСТВО ПО НАВЫКАМ; ОБРАЗОВАНИЮ; ВОЗМОЖНОСТЯМ; СОЦИАЛЬНОЙ МОБИЛЬНОСТИ; СЧАСТЬЮ; ЗДОРОВЬЮ; ПРОДОЛЖИТЕЛЬНОСТИ ЖИЗНИ И Т.Д.

Часто повторяющаяся ламентация в документах Кирздравотдела после Октябрьского переворота 1917 года92 – острая нехватка медицинского персонала. Связано это было не просто с характерным для царского периода дефицитом медицинских профессионалов. Мобилизация врачей и фельдшеров во время Первой мировой и Гражданской войн, тяжелое экономическое положение в республике, в том числе голод во время и после Гражданской войны привели к оттоку медиков из Казахстана. Помимо указанных факторов свою роль, должно быть, сыграл циркуляр наркома здравоохранения об организации медико-санитарной помощи и общим основам социалистического строительства». За частную деятельность вводилась уголовная ответственность.

Проблема

8

По официальной статистике, значительная часть населения не платежеспособна, хотя реальные доходы населения, по-видимому, выше.

9

10

Источник данных

11

Источник данных

Основные статистики

• Для целей анализа исключались наблюдения участников – заполнивших анкету, но не имевших собственные источники дохода (учащиеся, студенты) – сообщавших заведомо завышенную готовность платить за страховку (свыше 200,000 тг в месяц) – считавших, что страховка в принципе не нужна

12

13

Готовность платить по доходам

14

Сравнение готовностей платить: средние и медианы�медианная цена альтернативна средней цене�Как правило, Медианная цена ближе к реальной чем средняя, �поэтому мы взяли ее за основу в нашей системе.

15

16

Результаты распределения ответов на вопросы анкеты под № 1 и № 11

Результаты анализа категориальных данных с помощью статистических критериев на основе таблиц сопряженности (вопросы № 1 и № 11)

Тип населенного пункта�регион

17

Результаты распределения ответов на вопросы анкеты под № 1 и № 4

18

Результаты анализа категориальных данных с помощью статистических критериев на основе таблиц сопряженности (вопросы № 1 и № 4)

Эффект хронических больных

19

20

Результаты распределения ответов на вопросы анкеты под № 1 и № 15

Результаты анализа категориальных данных с помощью статистических критериев на основе таблиц сопряженности (вопросы № 1 и № 15)

Вероятности по категориям в зависимости от дохода

21

Готовность платить и текущие расходы

22

23

24

25

26

27

WTP coins = -2.829+0.049health + -0.006 chronicaldesease + 0.051disability + 0.233pillsprescribed + 0.007 medicalexpenses + 0.330 livingstandards + -0.089 age + 0.306gender + -0.170education + 0.079income + 0.035 industry + -0.265 city + 0.091 maritalstatus + 0.259 employment + 0.058 kids + -0.020 region + ε

WTP coins = -2.149+0.226health + -0.021chronicaldesease + 0.037 disability + 0.077pillsprescribed + 0.106medicalexpenses + 0.396livingstandards + -0.123age + 0.067gender + 0.038 education + 0.095 income + 0.016 industry + -0.323 city + 0.134 maritalstatus + 0.068 employment + 0. 042 kids + -0.082region + ε

Выводы

​

• Большинство респондентов сообщает о готовности покупать лекарственную страховку.
• Существенными детерминантами этой готовности является возраст (-), расходы на лекарства (+), наличие семьи (+) и проживание в сельской местности (-, возможно связано с их доступностью).
• При этом существенных различий в готовности по «языку», региону, типу населенного пункта, уровню образования и наличие родственника-медика обнаружено не было.
• Значимое различие обнаружено в готовности платить у наименее обеспеченных слоев населения: казахоязычные, особенно живущие в малых городах и сельской местности, в этих случаях готовы платить больше, чем русскоязычные. Остальные различия по языковому признаку не существенны.

​

28

29

�пространственные данные (cross-sectional data); временные данные (time-series data).

Панельные данные (panel data). Модели с фиксированными эффектами (переменные не меняются во времени). Модели со случайными эффектами

��пространственные данные (cross-sectional data); временные данные (time-series data). �Панельные данные (panel data). �Модели с фиксированными эффектами (переменные не меняются во времени). �Модели со случайными эффектами

30

пространственные данные (cross-sectional data); �временные данные (time-series data). ��Панельные данные (panel data). ��Модели с фиксированными эффектами (переменные не меняются во времени). ��Модели со случайными эффектами

31

пространственные данные (cross-sectional data); �временные данные (time-series data). ��Панельные данные (panel data). ��Модели с фиксированными эффектами (переменные не меняются во времени). ��Модели со случайными эффектами

32

пространственные данные (cross-sectional data); временные данные (time-series data). �Панельные данные (panel data). �Модели с фиксированными эффектами (переменные не меняются во времени). �Модели со случайными эффектами

33

34

35

пространственные данные (cross-sectional data); временные данные (time-series data). Панельные данные (panel data).

36

Вычислительные социальные науки�Computational Social Science. включая такие современные методы обработки и анализа данных как машинное обучение и/или natural language processing (NLP) и/или социально-сетевой анализ (social network analysis (SNA))

37

Данные нужны чтобы изучать поведение людей.

​

Искусственный интеллект и Большие данные

баз данных Smart Data Ukimet (https://egov.kz/cms/ru/ai-big-data?mobile=no) - информационно-аналитической системы, предназначенной для сбора, дополнения и обновления данных из 93 государственных баз данных,

хранения и комплексного анализа данных, накапливаемых в информационных системах государственных органов.

​

единого хранилища данных (https://egov.kz/cms/ru/ai-big-data?mobile=no);

​

Data protection agency (https://egov.kz/cms/ru/ai-big-data?mobile=no);

​

Smart bridge (https://egov.kz/cms/ru/ai-big-data?mobile=no);

​

(https://egov.kz/cms/ru/ai-big-data).

Используется также цифровая карта семьи, «Семья на уровне данных» (20 государственных БД), с возможностью перекрестного фильтра по доходу семьи.

Вычислительные социальные науки�Computational Social Science. включая такие современные методы обработки и анализа данных как машинное обучение и/или natural language processing (NLP) и/или социально-сетевой анализ (social network analysis (SNA))

38

Оңай – электронное билетирование.

За один месяц 1 миллиард теңге перевозка грузов за один год 1 миллиард тенге

Электронное правительсство

Единороги – в Казахстане 2 единорога, в Эстонии 7 единорогов и т.д.

КАСПИ

FREEDOM

SUSA поглощают единорогов)

​

Типология организационных культур Хофстеде опрошено 116 000 сотрудников корпорации IBM в 40 странах.

​

Карта культурных ценностей Рональда Инглхарта. Как изменение ценностей людей связано с экономическим развитием

Сергек

Вычислительные социальные науки�Computational Social Science. включая такие современные методы обработки и анализа данных как машинное обучение и/или natural language processing (NLP) и/или социально-сетевой анализ (social network analysis (SNA))

39

использование методов вычислительных социальных наук (Computational Social Science), которые позволяют не только проводить масштабные исследования с использованием больших данных, но и разрабатывать аналитические документы (policy papers), обоснованные с точки зрения доказательной политики.

​

Такой синтез предоставляет ученым и аналитикам более широкие возможности для исследования сложных социальных явлений, позволяя не только повышать достоверность выводов, но и обеспечивать гибкость при работе с новыми типами данных (например, цифровыми следами, социальными сетями, онлайн-взаимодействиями).

​

К теоретическим основам ВСН относят междисциплинарный подход, предполагающий активное сотрудничество со специалистами в области информатики, статистики и математического моделирования.

использование машинного обучения и методов анализа больших данных помогает выявлять скрытые закономерности и тренды в социальной сфере, недоступные при классической выборке.

​

При этом многие исследователи обращают внимание на необходимость критического осмысления методов обработки и интерпретации данных: недостаточно просто «подкрутить» алгоритмы, важно учитывать социальный контекст, в котором формируются и собираются данные.

​

​

​

Вычислительные социальные науки�Computational Social Science. включая такие современные методы обработки и анализа данных как машинное обучение и/или natural language processing (NLP) и/или социально-сетевой анализ (social network analysis (SNA))

40

Одним из наиболее перспективных направлений развития ВСС является подготовка аналитических документов (policy papers), опирающихся на доказательную базу и способных влиять на принятие политических решений. Исследователи в своих работах выделяют несколько аспектов:

Анализ текстовых данных и СМИ. Методы компьютерной лингвистики (в том числе автоматическое тематическое моделирование и анализ тональности) позволяют оперативно изучать общественное мнение и реакцию населения на различные инициативы, что особенно ценно для государственных органов и аналитических центров [7].

Социальные сети и big data. Активное развитие соцсетей привело к формированию колоссальных массивов данных о поведении и взаимодействиях людей в онлайне. Такие данные дают возможность более точно оценивать социальное влияние, идентифицировать «лидеров мнений» и прогнозировать реакции общества на предлагаемые реформы [4].

Агент-ориентированное моделирование. Набирают популярность подходы, позволяющие «воспроизводить» поведение индивидов и групп в искусственных компьютерных средах. Это дает возможность прогнозировать, как те или иные политические или экономические меры повлияют на систему в целом, выявляя узкие места и эффективные точки вмешательства [2,6].

​

​

​

Казахский национальный университет имени аль-Фараби�

ФАКУЛЬТЕТ ГЕОГРАФИИ И ПРИРОДОПОЛЬЗОВАНИЯ

​

Цикл работ на тему «Экономика здоровья в Казахстане, 1920-2020 гг.» исследуют проблему общественного неравенства и его влияние на общественное благосостояние. Основываясь на современных теориях социальной справедливости, рассмотрено как подходы к анализу фактического неравенства по доходам, богатству и возможностям, так и к восприятию этого неравенства с точки зрения самих людей, а также с последствиями как фактического, так и воспринимаемого неравенства для стабильности современных обществ.

​

Конкретным примером последствий неравенства служит доступ к медицинским услугам в исторической перспективе на примере Казахстана и других стран.

​

Проанализированы траектории политики в области здравоохранения в Казахстане на протяжении последнего столетия, выполнено сравнение их с другими развитыми и развивающимися странами, и сделаны выводы относительно перспективных направлений социальной политики, направленной на повышение социальной справедливости и стабильности доступа населения к медицинским услугам.

Казахский национальный университет имени аль-Фараби�

ФАКУЛЬТЕТ ГЕОГРАФИИ И ПРИРОДОПОЛЬЗОВАНИЯ

​

Спанкулова Л.С. является одним из наиболее активно публикующихся казахстанских экономистов-математиков. Автор 14 монографий и около 100 научных и аналитических работ, ориентированных на выработку рекомендаций, а также пионерных исследований и публикаций по экономике здоровья в Казахстане.

​

За последние 5 лет – с 2019 по 2024 годы – она имеет 17 (семнадцать) научных публикаций в международных научных журналах, входящих в БД Web of Science или в БД Scopus; в журналах ТОП 10% Скопус: Journal Ranking: Q2; 4 учебных пособий, 14 монографий по различным направлениям экономического развития РК, 20 научных публикации в журналах КОКСНВО. Является автором 20 авторских свидетельств, внесенных в государственный реестр прав на объекты, охраняемые авторским правом.

​

Спанкулова Л.С. имеет индекс Хирша (h-index=6) по работам последних пяти лет (2019-2024). Количество цитировании 120 в 96 документах.

​

43

Контакты:

​

Тел.: +7 747 417 67 54

e-mail:

spankulova@mail.ru

Ссылки:

​

О докладчике: https://pps.kaznu.kz/ru/Main/Personal/109/123/211/Спанкулова%20Лазат%20Сейтказиевна

Scopus: https://www.scopus.com/authid/detail.uri?authorId=55985135800

Web of Science: https://www.webofscience.com/wos/author/record/502201

Google Scholar: https://scholar.google.ru/citations?user=Zwff83AAAAAJ&hl=ru

ORCID: https://orcid.org/0000-0002-1865-4681

Разработка и успешная реализация долговременной политики народосбережения в Республике Казахстан, которая должна иметь экономический, научно-методический и политические эффекты

​

​

​

Благодарю за внимание

Казахский национальный университет имени аль-Фараби�

ФАКУЛЬТЕТ ГЕОГРАФИИ И ПРИРОДОПОЛЬЗОВАНИЯ

​

Спанкулова Лазат Сейтказиевна�(17.08.1963)��Образование:

КазГУ им. С.М. Кирова (высшее образование), 1985 год, Математика, Диплом с отличием «математик преподаватель». ЖВ – Б №242264

КазНУ им. аль-Фараби (докторантура), 2003 год, Экономика, Ученая степень доктор экономических наук, специальность 08.00.13-

математические и инструментальные методы экономики. Диплом FD – №0000550, 2007 год.

Академическая и ученая степень: доктор экономических наук, 2007 гг.�Учёное звание: доцент 2002 г., профессор 2024 г.�Государственные премии: «Лучший преподаватель Вуза - 2010», «Лучший научный сотрудник - 2021», �Подготовка PhD: 5.�Публикация книг: более 10 из них 5 монографий.�Руководство проектами:

1. ИРН № AP05131186 «Диффузия инноваций, «переток» знаний и экономический рост регионов Казахстана: концептуальные основы и механизмы реализации» за 2018-2020 годы. Проект успешно завершен.
2. ИРН № AP09259811 «Разработка количественной методологии выявления групп населения, готовых поддержать внедрение лекарственного страхования и оценка финансовой устойчивости этого вида страхования в Казахстане» за 2021-2023 годы. Проект успешно завершен.
3. BR10965247 в рамках ПЦФ за 2021-2023 годы. Спанкулова Л.С. - ответственный исполнитель проекта. Проект успешно завершен.
4. ИРН AP14869863 (ГФ 2022-2024 гг., научный руководитель Спанкулова Л.С.). Проект успешно завершен.
5. AP19679799 «Разработка модифицированной методологии оценки пространственных факторов роста и преодоления�различий между регионами». (ГФ 2023-2025 гг., Спанкулова Л.С. - ответственный исполнитель проекта. )

​

Акт внедрения: внедрено. результаты научно-исследовательской работы в виде 10 актов. �Общее количество публикации: по базе Scopus: 17. более 140 публикаций (в т.ч. статей в РИНЦ, рекомендованных КОКСНВО МНВО РК; 17 публикаций в Scopus, 5 публикаций в Web of Science), и имеются 20 охранных документов на интеллектуальную собственность в виде авторских свидетельств.

Индекс цитирования по базе Scopus: 113 и индекс Хирша: 6.�Общий стаж работы по специальности: 40 лет.�Основные научные направления: Экономика знаний и технологий, Экономика здоровья, Демография, Население и здоровье.