به گزارش تیترشهر : امروزه صرفاً مطلوب بودن خدمات و کیفیت یک محصول نمی‌تواند به‌تنهایی عامل اساسی موفقیت در رقابت و حضور پیوسته در بازار به شمار آید، بلکه عوامل متعدد و مؤثر دیگری نیز مطرح شده‌اند که ازجمله مهم‌ترین آنها می‌توان به تصویر مطلوب اندازه فروش، بودجه‌ریزی عملیاتی، بهبود تخمین‌های موجودی، برنامه‌ریزی مالی بهتر و بهبود تخمین اندازه گروه فروش اشاره کرد. این موضوع در همه زمینه‌ها ازجمله زمینه تولید و توزیع دارو نیز مطرح است. تحلیل فروش ریالی داروهای مصرفی کشور اعم از واردات و تولیدات داخلی یکی از مهم‌ترین عوامل در زمینه شناسایی داروهای پرفروش است.
در حال حاضر، متخصصان معتقدند مهم‌ترین عامل مرگ‌ومیر در جمعیت کشور به ترتیب مربوط به بیماری‌های قلبی-عروقی، مصدومیت‌ها و انواع سرطان‌ها است و لازم است در بازه‌های زمانی مناسب، نسبت به پیش‌بینی‌های مربوط به میزان داروی مورد نیاز کشور، اقداماتی صورت گیرد. به‌طورکلی، پیش‌بینی تقاضا در چرخه نهایی هر صنعتی، برای ارزیابی الزامات و احتیاجات ظرفیت آتی یا تصمیم‌گیری در مورد وارد شدن به بازار جدید استفاده می‌شود. اما در این خصوص، یکی از عارضه‌های روش‌های به کار گرفته‌شده در صنعت دارویی ایران، رویکرد تجربی و استفاده از ابزارهای شهودی بوده است. درحالی‌که امروزه فن‌های مدل‌سازی متنوعی به‌منظور پیش‌بینی تقاضا توسعه یافته‌اند و قادر به بررسی حساسیت بازار هستند.
در همین زمینه، گروهی از محققان کشور از دانشگاه آزاد اسلامی تهران واحد جنوب دست به انجام پژوهشی زده‌اند که در آن الگوی پیش‌بینی تقاضای سالانه داروی مصرفی ایران با استفاده از همین روش‌های جدید، بررسی شده است.
این مطالعه پژوهشی که در حوزه‌های هوش مصنوعی و داده‌کاوی انجام شده، در راستای بررسی و پیش‌بینی فروش صنعت دارویی کشور بوده است. محققان فوق به‌منظور گردآوری اطلاعات تحقیق، از روش مطالعه اسناد و مدارک استفاده کردند. داده‌های بکار رفته در این پژوهش، داده‌های تاریخی مربوط به فروش ریالی داروهای مختلف بوده‌اند که از سلسله گزارش‌های سال‌های ۱۳۳۵ تا ۱۳۷۳ استخراج شده‌اند. این محققان سپس از سه مدل و روش مختلف تحت عناوین ANN، CF و CAGR برای انجام پیش‌بینی‌های مدنظر خود، استفاده کردند.
نتایج به‌دست‌آمده از این پژوهش نشان داد که استفاده از فرایند مدل‌سازی برای پیش‌بینی مصرف داروی کشور با هر کدام از سه روش فوق، نتایج قابل‌قبول و دقیقی را ارائه می‌کند که درصد خطای آن پایین است.
به گفته نفیسه داودی، پژوهشگر دانشکده مهندسی صنایع دانشگاه آزاد اسلامی تهران واحد جنوب و همکارانش، «پس از بررسی حدود ۲۲۰۰ محصول ژنریک دارویی و شناسایی ۱۷ گروه‌درمانی اصلی با استفاده از سه روش یادشده، فروش ریالی ۱۷ گروه درمانی برای سال‌های ۱۳۹۷ و ۱۳۹۸ پیش‌بینی شد و درصد خطای فروش سالیانه محاسبه‌شده برای دو روش ANN یا شبکه عصبی مصنوعی و همچنین روش CF یا برازش منحنی، کمتر از هفت درصد بوده است».
این محققان این‌چنین ادامه می‌دهند: «نتایج پژوهش نشان داد که به‌کارگیری روش شبکه عصبی و برازش منحنی در پیش‌بینی میزان فروش ریالی دارو همواره عملکرد بهتری از روش‌های مرسوم دارد و در مواقعی که سوابق داده‌های تجربی گذشته برای فروش دارو کم است، روش برازش منحنی کارایی بهتری دارد. اما با داده‌های ورودی بیشتر، روش شبکه عصبی کارایی بهتری نسبت به دو روش دیگر خواهد داشت».
آن‌گونه که محققان در این پژوهش نشان داده‌اند، به‌طورکلی در سالیان گذشته، روش‌های مرسوم پیش‌بینی تقاضای دارو در کشور، روش‌های سرانگشتی و مبتنی بر تجارب بوده است. نبود شناخت کافی از ابزارهای نوین و روش‌های صحیح به‌کارگیری آنها و همچنین عدم اطلاع متصدیان و متولیان این بخش نسبت به میزان دقت و اثرگذاری که این روش‌ها نسبت به دیگر روش‌های سنتی، سرانگشتی و ترکیبی دارند، باعث شده است تا تلاش چندانی برای رفع چالش‌های موجود بر سر راه استفاده از این روش‌ها انجام نشود.
داودی و همکارانش که یافته‌های پژوهش خود را در فصل‌نامه «مدیریت سلامت» به چاپ رسانده‌اند، اعتقاد دارند: «در انتها با عنایت به رسالت استراتژیک سازمان غذا و داروی کشور، در خصوص مدیریت تأمین داروهای باکیفیت و پیشگیری از کمبودهای دارویی از طریق تولید داخل و واردات در شرایط و برهه‌های زمانی مختلف نظیر صلح، تحریم و جنگ از یکسو و وجود کلان داده‌ها در کلیه حلقه‌های زنجیره تأمین دارو در مخازن داده آن سازمان از سوی دیگر، استفاده از روش‌های آماری بهینه برای تخمین میزان فروش و به‌کارگیری نتایج پژوهش‌هایی از جنس پژوهش حاضر می‌تواند به‌صورت نسبی و به‌عنوان یکی از متغیرها، مدیریت مطلوب‌تری را در عرضه و تقاضای داروی کشور و به‌خصوص در شرایط تحدید و تحریم فراهم کند».
بر اساس این گزارش، فصل‌نامه «مدیریت سلامت» که به انتشار این یافته‌های علمی پژوهشی پرداخته است، توسط دانشگاه علوم پزشکی ایران منتشر می‌شود.
