CC BY
8
ОРИГИНАЛЬНАЯ СТАТЬЯ
DOI: 10.21045/1811-0185-2024-1-66-72 УДК: [61:378]: 331.108.244
МОДЕЛИРОВАНИЕ ПРОЦЕССА ПРИВЛЕЧЕНИЯ КАДРОВ В МЕДИЦИНСКИЕ ОРГАНИЗАЦИИ, ОКАЗЫВАЮЩИЕ МЕДИЦИНСКУЮ ПОМОЩЬ СЕЛЬСКОМУ НАСЕЛЕНИЮ
А.О. Мещеряков :
АО «СИНИМЕКС-ИНФОРМАТИКА», г. Москва, Россия. https://orcid.org/0000-0002-7657-3898
И Автор для корреспонденции: Мещеряков А.О.
АННОТАЦИЯ
Дефицит медицинских специалистов и их диспропорциональное распределение как по территориям, так и специальностям является глобальной проблемой всемирного здравоохранения. Согласно данным Федеральной службы государственной статистики дефицит медицинских кадров по состоянию на 2022 год составляет 84,7 тысячи человек, из них 26,5 тысячи врачей, относительно 2021 года проблема дефицита среднего медперсонала стоит менее остро, но при этом сохраняется дефицит врачей. Неотъемлемой частью кадровой политики является процесс удержания квалифицированных специалистов. Сложные мотивы сотрудников к прекращению или продолжению работы в организации вступают во взаимодействие с кадровыми решениями медицинской организации, что в свою очередь требует совместного изучения как характеристик сотрудников, так и характеристик организации.
Цель исследования: моделирование процесса привлечения кадров в медицинские организации, оказывающие медицинскую помощь сельскому населению.
Материалы и методы. Изучены данные о 151 студенте целевого обучения, поступившем в 2011 году в Оренбургский государственный медицинский университет. При помощи методов машинного обучения была построена математическая модель, позволяющая выявлять студентов целевого обучения с более высокой вероятностью привлечения в медицинскую организацию.
Результаты. Представленный набор данных является несбалансированным по целевой переменной, поскольку только 16,8% студентов продолжили работу в организации-заказчике. Среди всех вариантов наиболее оптимальным на кросс-проверке было использование дерева принятия решений с использованием весов для баланса классов. Все изученные медицинские организации можно разделить на 3 группы: организации с низким уровнем привлечения специалистов, организации со средним уровнем привлечения специалистов и организации с высоким уровнем привлечения специалистов. На основе полученных данных и анализа публикаций предложены меры по совершенствованию кадровой политики в медицинских организациях каждого типа. Выводы. Таким образом, медицинские организации имеют возможность осуществлять контроль за уровнем привлечения студентов целевого обучения через факторы, связанные с характеристиками организации, такие как условия работы, репутация и имидж, возможности для карьерного роста и другие.
Ключевые слова: привлечение специалистов, целевое обучение, кадровая политика, дефицит медицинских кадров, машинное обучение.
Для цитирования: Мещеряков А.О. Моделирование процесса привлечения кадров в медицинские организации, оказывающие медицинскую помощь сельскому населению. Менеджер здравоохранения. 2024; 1:66-72. DOI: 10.21045/1811-01852024-1-66-72
Введение
Согласно данным Федеральной службы государственной статистики дефицит медицинских кадров по состоянию на 2022 год составляет 84,7 тысячи человек, из них 26,5 тысячи врачей, относительно 2021 года проблема дефицита среднего медперсонала стоит менее остро, но при этом сохраняется дефицит врачей [1]. Помимо абсолютного дефицита имеется также проблема неравномерного распределения врачей,
© Мещеряков А.О, 2024 г.
как по территориям, так и по специальностям, что является глобальной проблемой всемирного здравоохранения [2].
В соответствии с Указом Президента РФ от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года», одной из задач Правительства РФ в сфере здравоохранения является ликвидация кадрового дефицита в медицинских организациях, оказывающих первичную медико-санитарную
вв
Менеджер
здравоохранения /
Мападег № 1
2с1гт\/оосЬгвпвп'1в 2024
помощь, обеспечение медицинских организаций системы здравоохранения квалифицированными кадрами, а также обеспечение оптимальной доступности медицинской помощи для населения [3].
Под кадровой политикой организации подразумевается система мер, направленных на сохранение и развитие кадрового потенциала. Неотъемлемой частью кадровой политики является процесс привлечения квалифицированных кадров. Сложные мотивы сотрудников к прекращению или продолжению работы в организации [4] вступают во взаимодействие с кадровыми решениями медицинской организации (МО), что в свою очередь требует совместного изучения как характеристик сотрудников, так и характеристик организации.
Целью настоящей работы является моделирование процесса привлечения кадров в медицинские организации, оказывающие медицинскую помощь сельскому населению.
Материалы и методы
Было изучено 177 записей о студентах целевого обучения, поступивших в ФГБОУ ВО ОрГМУ Минздрава России (далее - ОрГМУ) в 2011 году. Из обучающей выборки были исключены данные по студентам, обучавшимся по специальностям «Клиническая психология», «Стоматология» и «Фармация», в связи с тем, что класс продолживших работу в МО выпускников был не представлен. Таким образом в обучающую выборку вошел 151 выпускник (86,3% от всех данных).
Анализ данных производился с помощью языка программирования Python 3.8 с использованием библиотек pandas, sklearn и shap.
Для решения задачи прогнозирования перехода выпускников в организации-заказчики целевого обучения был подготовлен набор данных для обучения моделей машинного обучения. В качестве признаков модели использовались: доля успешно завершенных контрактов целевого обучения в данной организации (org), доля успешно завершенных контрактов целевого обучения по данной специальности (spec), время задержки обучения, история академического отпуска по здоровью у студента, история академического отпуска по беременности и родам у студента, история восстановления студента, пол, возраст при поступлении, средний бал по зачетной книжке, расположение медицинских организаций (МО) в Оренбурге, расположение МО в городе области.
Для представления категориальных данных использовался метод кодирования по целевой переменной. Для оценки метрик моделей использовался метод кросс-проверки по отдельным объектам (leave-one-out, LOO) [5]. Для приведения набора данных к сбалансированному виду использовался метод случайного снижения размера выборки (random undersampling) на преобладающем классе [6]. Для поиска оптимальной комбинации модель -метод подготовки данных использовался поиск по сетке (grid search). Для оценки качества моделей использовались следующие метрики: доля правильных ответов (accuracy), точность (precision), полнота (recall) и Л-мера для каждого класса, а также макро-усредненные и взвешенные по доле класса метрики. Поиск осуществлялся среди следующих методов классификации: логит-регрессия, метод опорных векторов (SVM), метод К-ближайших соседей, дерево принятия решений. Подготовка данных осуществлялась в следующих вариантах: отношение преобладающего класса к минорному 1:1, 2:1 и 4:1, обучение без снижения размера выборки, а также применение весов для классов при обучении моделей. Для оценки значимости признаков производился расчет значений Шепли при помощи библиотеки shap для каждой записи, признаки с максимальным абсолютным средним значением Шепли считались наиболее значимыми [7].
Результаты и обсуждение
Набор данных является несбалансированным по целевой переменной, поскольку только 16,8% студентов продолжили работу в МО (n=25). В качестве критерия выбора модели использовалась Л-мера для минорного класса (студентов, продолживших работу в МО), так как она сочетает в себе показатели полноты и точности для данного класса.
Среди всех вариантов наиболее оптимальной по метрике Л-меры для минорного класса на кросс-проверке было использование дерева принятия решений с использованием весов для баланса классов, в этом случае значение Л-меры составляет 0,977, также высокое значение Л-меры выявлено в варианте применения дерева принятия решения и случайного снижения размера превалирующего класса до соотношения 1:1 (Л-мера = 0,741), либо снижение размера превалирующего класса до соотношения 2:1 (Л-мера = 0,575).
На всем наборе данных была обучена модель деревьев принятия решений. Среди всех признаков наиболее важными являлись признак МО (org, 0,16)
С
#хс
№ 1 Manager
2024 Zdravoochranania
/Менеджер
здравоохранения
Таблица 1
Характеристика групп МО на основе модели деревьев принятия решений
Название группы МО с низким уровнем привлечения специалистов МО со средним уровнем привлечения специалистов МО с высоким уровнем привлечения специалистов
Критерий классификации org <= 0,074 0,074 < org <= 0,153, если данные отсутствуют, то по умолчанию МО относится к этой группе org > 0,153
Ожидаемое поведение Отказ от работы в МО Студенты со средним баллом Студенты со средним баллом студентов целевого ниже 3,75 продолжат работу выше 3,3 продолжат работу обучения
Рекомендуемая стратегия МО Усовершенствование работы МО Поиск мотивированных специалистов Выбор лучших специалистов
Org - Историческая доля студентов целевого обучения, продолживших работу в МО в течение 3 лет
и средний балл зачетной книжки у студента (0,11). Затем на основе этих двух признаков модель обучалась повторно с ограничением на количество уровней, равное 3 (в связи с тем, что в модели всего два признака). На основе полученного дерева принятия решений можно сформулировать следующие правила классификации: если значение org <= 0,074, то выпускник не будет работать в МО, если значение org находится в интервале от 0,074 до 0,153, то те студенты, у которых средний балл зачетной книжки ниже 3,75, будут продолжать работать в МО, в ином случае, выпускник продолжит работу в МО (таблица 1). Все МО, таким образом, можно разделить на 3 группы: МО с низким уровнем привлечения специалистов (org <= 0,074), МО со средним уровнем привлечения специалистов (0,074 < org <= 0,153) и МО с высоким уровнем привлечения специалистов (org > 0,153).
На основе данных современной литературы по теме мотивации труда в медицинской отрасли были выявлены основные направления развития для каждой из групп МО.
МО с низким уровнем привлечения специалистов
Реализация потребности в безопасности:
1. Финансовая безопасность:
• Регулярные дополнительные выплаты.
• Увеличение уровня заработной платы.
• Программа «Земский доктор», «Земский фельдшер» [8].
2. Безопасность труда медицинских работников:
а. Обеспечение физической безопасности
• Отказ от выездов на дом к пациентам.
• Перемещение с сопровождением в случае высокого криминального риска.
• Адекватное реагирование на жалобы, связанные с проявлением насилия.
• Использование систем безопасности (сигнализации, камеры видеонаблюдения, поддержание высокого уровня освещения ночью).
• Прочие меры [19].
Ь. Обеспечение безопасных условий труда
• Соблюдение мер и техники безопасности.
• Соблюдение адекватного режима (продолжительности и интенсивности) труда.
• Внедрение бережливых технологий.
• Страхование профессиональной ответственности медицинских работников [10].
• Профилактика эмоционального выгорания у сотрудников [11].
МО со средним уровнем привлечения специалистов
Помимо точек роста, характерных для МО с низким уровнем удержания специалистов.
Обеспечение потребности в общении:
1. Поиск абитуриентов среди местных жителей (согласно данным ВОЗ [12] около 68% студентов возвращаются на прежнее место жительства, где есть готовые социальные контакты).
2. Помощь в построении социальных и профессиональных связей в МО-заказчике (прохождение практики в МО, организация студенческих конференций и конференций молодых ученых на базе МО).
3. Помощь в волонтерской деятельности студентов и выпускников [13].
Обеспечение потребности в уважении:
1. Развитие корпоративной культуры на основе принципов взаимопомощи и взаимоуважения, внедрение практик коммуникации, основанной на уважении к коллегам и пациентам: развитие эмпатии, навыка активного
Менеджер
здравоохранения /
Manager № 1
ZdrevoochreneniB 2024
слушания, использования Я-посланий для выражения своих чувств и интересов, разрешения конфликтных ситуаций и развитие стрес-соустойчивости, помощь в развитии навыка конструктивной критики [14].
2. Вовлечение персонала в процесс принятия решений. Переход к демократическому стилю управления [15]. Помимо удовлетворенности сотрудников это также открывает возможность получения обратной связи, что в свою очередь улучшает качество управления.
3. Геймификация труда снижает утомление и чувство рутинности от работы. Данный метод мотивации особенно эффективен среди молодых специалистов [16].
4. Другие нематериальные методы мотивации труда (удобные и эргономичные интерьеры, удобная комната отдыха, бесплатный кофе и др.) [17].
МО с высоким уровнем привлечения специалистов
Помимо точек роста, характерных для МО с низким и средним уровнем удержания специалистов.
Обеспечение потребности в самоактуализации:
1. Помощь в профессиональном развитии и обучении студентов, выпускников и сотрудников МО [18].
2. Вовлечение сотрудников в глобальное профессиональное сообщество как на уровне РФ, так и на международном уровне (участие в международных профессиональных и научных конференциях, прохождение практической и теоретической подготовки в других регионах РФ и за рубежом) [19].
3. Снижение уровня бюрократизации (снижение количества оформляемой документации, переход к электронному документообороту и отказ от бумажных документов, автоматизация учета и отчетности, контроль за бюрократической нагрузкой, контроль за процессами и отчетностью: исключение противоречащих и дублирующих регламентов и документов, снижение контроля и количества проверок, оптимизация потоков пациентов) [18].
Выводы:
1. Показано, что различия в медицинских организациях влияют на взаимодействие между организацией-заказчиком и студентом целевого обучения.
2. Возможно выявить как минимум 3 группы медицинских организаций по историческим данным удержания специалистов: организации с низким уровнем привлечения специалистов, организации со средним уровнем привлечения специалистов и организации с высоким уровнем привлечения специалистов. Для каждого типа организации возможны различные стратегии поиска кандидатов для заключения договора целевого обучения: совершенствование работы медицинской организации с позиции базовых потребностей соискателей (потребность в безопасности, что также включает в себя потребность в достойной оплате труда), поиск мотивированных специалистов и отбор среди лучших специалистов.
3. Для МО с низким и высоким уровнем привлечения специалистов характерно преобладающее влияние факторов самой организации, а не характеристик студентов: в первом случае, с большой вероятностью произойдет отток студентов из МО, а во втором - у организации будет возможность выбирать наиболее подходящего соискателя.
4. Для организаций с высоким уровнем привлечения специалистов основными рисками оттока студентов целевого обучения будет являться выбытие из медицинского вуза.
5. Для организаций со средним уровнем привлечения специалистов помимо изменения других характеристик МО, возможно осуществлять поиск наиболее мотивированных специалистов.
Таким образом, МО имеют возможность осуществлять контроль за уровнем привлечения студентов целевого обучения через факторы, связанные с характеристиками организации, такими как условия работы, репутация и имидж, возможности для карьерного роста и другие.
№ 1 Мападег
2024 2с1гв^/оос1-1гвпеп1а
/Менеджер
здравоохранения
СПИСОК ИСТОЧНИКОВ
1. Федеральная служба государственной статистики. [Электронный ресурс]. URL: https://rosstat. gov.ru (Дата обращения: 22.09.2029).
2. Nguyen V.A.T, Konings K.D., Wright E.P., Luu H.N., Scherpbier A.J.J.A, van Merrienboer J.J.G. Working in preventive medicine or not? Flawed perceptions decrease chance of retaining students for the profession. Hum. Resour. Health.2019;17(1):31. DOI: 10.1186/s12960-019-0368-2.
3. Указ Президента Российской Федерации от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» // СПС Кон-сультантПлюс.
4. Noya F. et al. Approaches to facilitate improved recruitment, development, and retention of the rural and remote medical workforce: a scoping review protocol //International Journal of Health Policy and Management. - 2021. - Т. 10. - № 1. - С. 22.
5. Wong T.T. Performance evaluation of classification algorithms by k-fold and leave-one-out cross validation //Pattern Recognition. - 2015. - Т. 48. - № 9. - С. 2839-2846.
6. Hasanin T, Khoshgoftaar T. The effects of random undersampling with simulated class imbalance for big data // 2018 IEEE international conference on information reuse and integration (IRI). - I EEE, 2018. - С. 70-79.
7. Van den Broeck G. et al. On the tractability of SHAP explanations //Journal of Artificial Intelligence Research. - 2022. - Т. 74. - С. 851-886.
8. Постановление Правительства Российской Федерации от 26 декабря 2017 г. № 1640 «Об утверждении государственной программы Российской Федерации «Развитие здравоохранения» // Собрание законодательства Российской Федерации. - 2018. - № 1. - С. 373.
9. Бикмаева М.Р. Эффективность и обоснованность аудио-и видеосъемки на территории организаций по оказанию медицинских услуг и на местах выезда бригады скорой помощи //Актуальные вопросы права: теоретические и практические проблемы. - 2020. - С. 15-26.
10. Антонова Т.А. Страхование профессиональной ответственности медицинских работников в России: проблемы и перспективы //Юридическая наука: традиции и инновации. - 2019. -С. 22-24.
11. Осыкина А.С., Усынина Н.И., Васильева Л.П. Теоретические аспекты выявления синдрома эмоционального выгорания у врачей // Актуальные вопросы современного медицинского образования. - 2021. - С. 18-21.
12. World Health Organization et al. Increasing access to health workers in remote and rural areas through improved retention: global policy recommendations. - World Health Organization, 2010.
13. Бельтюкова О.В. Волонтерство как фактор развития социальной активности будущих медицинских работников // Педагогическое взаимодействие: возможности и перспективы. - 2019. -С. 700-703.
14. Ярашева А. В., Марков Д.И. Развитие корпоративной культуры сотрудников медицинских организаций // Народонаселение. 2022. - № 1.
15. Пульвер Н.А. и др. Проблема мотивации медицинских работников и нематериальное стимулирование персонала медицинских организаций //Многопрофильный стационар. - 2019. - Т. 6. -№ 1. - С. 49-52.
16. Katonai Z. et al. Serious Games and Gamification: Health Care Workers' Experience, Attitudes, and Knowledge // Academic Psychiatry. - 2023. - Т. 47. - № 2. - С. 169-173.
17. Parashakti R.D. et al. The influence of work environment and competence on motivation and its impact on employee performance in health sector // 3rd Asia Pacific International Conference of Management and Business Science (AICMBS2019). - Atlantis Press, 2020. - С. 259-267.
18. Dohlman L. et al. Global brain drain: how can the Maslow theory of motivation improve our understanding of physician migration? //International journal of environmental research and public health. - 2019. - Т. 16. - № 7. - С. 1182.
19. Волнухин А.В., Сибурина Т.А. Управление профессионально-личностным потенциалом врачебных кадров // Проблемы социальной гигиены, здравоохранения и истории медицины. - 2021. -Т. 29. - № 1. - С. 147-152.
Менеджер
здравоохранения /
Manager № 1
ZdrevoochrBnenÍB 2024
ORIGINAL PAPER
MODELING THE PROCESS OF ATTRACTING PERSONNEL TO MEDICAL ORGANIZATIONS PROVIDING MEDICAL CARE TO THE RURAL POPULATION
A.O. MeshcheryakovH
Cinimex, Moscow, Russia.
https://orcid.org/0000-0002-7657-3898.
H Corresponding author: Meshcheryakov A.O.
ABSTRACT
The shortage of medical specialists and their disproportionate distribution both across territories and specialties is a global health problem. According to the Russian Federal State Statistics Service, the shortage of medical personnel as of 2022 is 84.7 thousand people, of which 26.5 thousand are doctors; compared to 2021, the problem of shortage of nursing staff is less acute, but the shortage of doctors remains. An integral part of personnel policy is the process of retaining qualified specialists. The complex motivations of employees to stop or continue working in an organization interact with the personnel decisions of a healthcare organization, which in turn requires a joint study of both the characteristics of the employees and the characteristics of the organization.
Purpose of the study is to model the process of attracting personnel to medical organizations providing medical care to the rural population.
Materials and methods. Data on 151 students of targeted training who entered the Orenburg State Medical University in 2011 were studied. Using machine learning methods, a mathematical model was built that allows identifying students of targeted training with a higher probability of attraction to the medical organization.
Results. The presented data set is unbalanced in terms of the target variable, since only 16.8% of students continued to work in the organization. Among all the options, the most optimal in cross-validation was the use of a decision tree using weights to balance the classes. All studied medical organizations can be divided into 3 groups: organizations with a low level of attraction of specialists, organizations with an average level of attraction of specialists and organizations with a high level of attraction of specialists. Based on the data obtained and analysis of publications, measures were proposed to improve the personnel policy of medical organizations of each type. Findings. Therefore, healthcare organizations have the opportunity to monitor the attraction process of targeted students through factors related to the characteristics of the organization, such as working conditions, reputation and image, career opportunities, and others. Keywords: attraction of specialists, targeted training, personnel policy, shortage of medical personnel, machine learning.
For citation: Meshcheryakov A.O. Modeling the process of attracting personnel to medical organizations providing medical care to the rural population. Manager Zdravookhranenia. 2024; 1:66-72. DOI: 10.21045/1811-0185-2024-1-66-72
REFERENCES
О
s\
>rs he
«КС
1. Federal State Statistics Service. [Electronic resource]. URL: https://rosstat.gov.ru (Accessed: 09/22/2029)
2. Nguyen V.A.T., Konings K.D., Wright E.P., Luu H.N, Scherpbier A.J.J.A, van Merrienboer J.J.G. Working in preventive medicine or not? Flawed perceptions decrease chance of retaining students for the profession. Hum. Resour. Health.2019;17(1):31. DOI: 10.1186/s12960-019-0368-2.
3. Decree of the President of the Russian Federation dated 05/07/2018 No. 204 "On national goals and strategic objectives of the development of the Russian Federation for the period until 2024" // SPS ConsultantPlus.
4. Noya F. et al. Approaches to facilitate improved recruitment, development, and retention of the rural and remote medical workforce: a scoping review protocol //International Journal of Health Policy and Management. -
2021. - T. 10. - No. 1. - P. 22.
5. Wong T.T. Performance evaluation of classification algorithms by k-fold and leave-one-out cross validation // Pattern Recognition. - 2015. - T. 48. - No. 9. - P. 2839-2846.
6. Hasanin T, Khoshgoftaar T. The effects of random undersampling with simulated class imbalance for big data // 2018 IEEE international conference on information reuse and integration (IRI). - I EEE, 2018. - P. 70-79.
7. Van den Broeck G. et al. On the tractability of SHAP explanations //Journal of Artificial Intelligence Research. -
2022. - T. 74. - P. 851-886.
8. Decree of the Government of the Russian Federation of December 26, 2017 № 1640 "On approval of the state program of the Russian Federation "Health Development" // Collection of Legislation of the Russian Federation, 2018, № 1, Art. 373.
9. Bikmaeva M.R. Efficiency and validity of audio and video recording on the territory of organizations providing medical services and at the places where the ambulance team is visiting // Current issues of law: theoretical and practical problems. - 2020. - P. 15-26.
10. Antonova T.A. Professional liability insurance for medical workers in Russia: problems and prospects // Legal science: traditions and innovations. - 2019. - P. 22-24.
11. Osykina A.S., Usynina N.¡., Vasilyeva L.P. Theoretical aspects of identifying the syndrome of emotional burnout among doctors // Current issues of modern medical education. - 2021. - P. 18-21.
№ 1 Manager
2024 Zdravoochranania
/Менеджер
здравоохранения
12. World Health Organization et al. Increasing access to health workers in remote and rural areas through improved retention: global policy recommendations. - World Health Organization, 2010.
13. Beltyukova O.V. Volunteering as a factor in the development of social activity of future medical workers // Pedagogical interaction: opportunities and prospects. - 2019. - P. 700-703.
14. Yarasheva A.V., Markov D.I. Development of corporate culture of employees of medical organizations // Population. 2022. No. 1.
15. Pulver N.A. et al. The problem of motivating medical workers and non-material incentives for personnel of medical organizations // Multidisciplinary hospital. - 2019. - T. 6. - No. 1. - P. 49-52.
16. Katonai Z. et al. Serious Games and Gamification: Health Care Workers' Experience, Attitudes, and Knowledge // Academic Psychiatry. - 2023. - T. 47. - No. 2. - P. 169-173.
17. Parashakti R.D. et al. The influence of work environment and competence on motivation and its impact on employee performance in the health sector //3rd Asia Pacific International Conference of Management and Business Science (AICMBS2019). - Atlantis Press, 2020. - P. 259-267.
18. Dohlman L. et al. Global brain drain: how can the Maslow theory of motivation improve our understanding of physician migration? //International journal of environmental research and public health. - 2019. - T. 16. -No. 7. - P. 1182.
19. Volnukhin A.V., Siburina T.A. Management of the professional and personal potential of medical personnel // Problems of social hygiene, health care and history of medicine. - 2021. - T. 29. - No. 1. - P. 147-152.
ИНФОРМАЦИЯ ОБ АВТОРАХ / ABOUT THE AUTHORS
Мещеряков Александр Олегович - специалист по анализу данных АО «СИНИМЕКС-ИНФОРМАТИКА», г. Москва, Россия. Alexandr O. Meshcheryakov - middle data analyst at Cinimex, Moscow, Russia. E-mail: [email protected]
Менеджер
здравоохранения /
Manager № 1
ZdrevoochrBnenÍB 2024
