Journal of Economics, Entrepreneurship and Law Journal of Economics, Entrepreneurship and Law Экономика, предпринимательство и право 2222-534X BIBLIO-GLOBUS Publishing House 124823 10.18334/epp.16.4.124823 WFRHRU Articles Статьи Research Article Digital transformation of medical organizations' business processes: correlation analysis of the relationship Цифровая трансформация бизнес-процессов медицинских организаций: корреляционный анализ взаимосвязей https://orcid.org/0000-0003-4131-03741527-1923IXD-8684-2023 Bulatnikov Vladimir Vladimirovich Булатников Владимир Владимирович

аспирант кафедры региональной экономики и менеджмента

 vovabulatnikov95@yandex.ru The Southwest State University Юго-Западный государственный университет 30 04 2026 16 4 VOL 16, NO4 (2026) ТОМ 16, №4 (2026) 2703 2722 03 03 2026 04 04 2026 Copyright ©; 2026, Bulatnikov V.V. Copyright ©; 2026, Булатников В.В. 2026 Bulatnikov V.V. Булатников В.В. https://1economic.ru/lib/124823

The article analyzes the problems in the digital transformation of medical organizations. Using the correlation analysis of the relationships between current problem areas of business processes and in-demand innovative solutions aimed at the future, the article identifies prioritization in digital transformation. Based on the survey of 390 medical employees of healthcare institutions in the Russian Federation, the article reveals a hierarchy of problems: employee training comes first, followed by quality control of medical care and document management. Correlation analysis has shown a close relationship between the perception of bureaucratic workload and the demand for electronic document management systems, as well as between the shortage of qualified personnel and the interest in electronic knowledge bases and medical decision support systems. At the same time, the connection with the artificial intelligence tools for medicine data analysis turned out to be less pronounced. In the context of document management, the medical staff's demand for digitalization is ahead of the awareness of other problems. This signals a willingness to change, whereas there is a significant gap in the field of knowledge management. The problem is acute, but innovative tools for solving it are underestimated. As a result, the directions of digitalization are chosen mainly rationally and are focused on routine automation.

В статье анализируются проблемы в цифровой трансформации медицинских организаций. С помощью корреляционного анализа взаимосвязей между текущими проблемными зонами бизнес-процессов и востребованными инновационными решениями, направленными в будущее, выявлена приоритизация в цифровой трансформации. На материале опроса 390 медицинских работников учреждений здравоохранения РФ раскрыта иерархия проблем: на первом месте обучение сотрудников, за ним контроль качества медицинской помощи и документооборот. Корреляционный анализ показал тесную связь между восприятием бюрократической нагрузки и запросом на системы электронного документооборота. А также между дефицитом квалифицированных кадров и интересом к электронным базам знаний и системам поддержки принятия врачебных решений. При этом связь с инструментами искусственного интеллекта медицины для анализа данных оказалась менее выраженной. В вопросе, связанным с документооборотом, запрос медицинскими сотрудниками на цифровизацию опережает осознание других проблем. Это сигнализирует о готовности к изменениям, тогда как в сфере управления знаниями наблюдается значительный разрыв. Проблема остро стоит, но инновационные инструменты для её решения недооцениваются. В итоге, направления цифровизации выбираются, преимущественно, рационально и ориентированы на автоматизацию рутины.

 healthcare digital transformation healthcare business process innovative solutions medical personnel survey correlation analysis GAP analysis цифровая трансформация здравоохранения бизнес-процессы в здравоохранении инновационные решения анкетирование медицинского персонала корреляционный анализ GAP-анализ 1. Братишко Н.П., Моисеенко А.А. Цифровая трансформация российской системы здравоохранения // Вестник Московского университета имени С.Ю. Витте. Серия 1: Экономика и управление. – 2025. – № 1. – c. 19-26. – doi: 10.14357/20790279250203. 2. Grigorieva N. S., Demkina A. E., Korobeynikova A. N. Digitalization in the Russian healthcare: barriers to digital maturity // Population and Economics. – 2024. – № 1. – p. 1-14. – doi: 10.3897/popecon.8.e111793. 3. Карпов О.Э., Клименко Г.С., Лебедев Г.С. Применение интеллектуальных систем в здравоохранении // Современные наукоемкие технологии. – 2016. – № 7-1. – c. 38-43. – url: https://elibrary.ru/item.asp?id=26342115. 4. Лукманов А.А., Агаев В.Н., Цыпкин Д.А. Автоматизация труда в сфере здравоохранения: преимущества, перспективы, барьеры восприятия // Здоровье мегаполиса. – 2024. – № 2. – c. 181-188. – doi: 10.47619/2713-2617.zm.2024.v.5i2;181-188. 5. Матвеева Л.Г., Козель Ю.Ю., Косенкова Е.Л. Цифровые императивы адаптации системы здравоохранения России к условиям пандемии: роль промышленности // Вестник Академии знаний. – 2021. – № 4. – c. 191-197. – doi: 10.24412/2304-6139-2021-11356. 6. Орлов Г.М. Цифровое здравоохранение в России: история трех десятилетий развития и тренды перехода к ориентации на пациента // Врач и информационные технологии. – 2024. – № 1. – c. 6-27. – doi: 10.25881/18110193_2024_1_6. 7. Братишко Н.П., Моисеенко А.А. Цифровая трансформация российской системы здравоохранения // Вестник Московского университета имени С.Ю. Витте. Серия 1: Экономика и управление. – 2025. – № 2. – c. 22-27. – doi: 10.14357/20790279250203. 8. Abulela M.A.A., Khalaf M.A. Does the Number of Response Categories Impact Validity Evidence in Self-Report Measures? A Scoping Review // SAGE Open. – 2024. – № 1. – doi: 10.1177/21582440241230363. 9. Brosnan K., Grün B., Dolnicar S. Cognitive load reduction strategies in questionnaire design // International Journal of Market Research. – 2021. – № 2. – p. 125-133. – doi: 10.1177/1470785320986797. 10. Curran, P.G. Methods for the detection of carelessly invalid responses in survey data // Journal of Social Psychology. – 2016. – № 66. – p. 4-19. – doi: 10.1016/j.jesp.2015.07.006. 11. Daly A. Dummy coding vs. effects coding for categorical variables: clarifications and extensions // Journal of Experimental Education. – 2015. – № 4. – p. 505-526. – doi: 10.1016/j.jocm.2016.09.005. 12. Kang H.-Y., Lee A.H.I., Chan Y.-C. An Integrated Fuzzy Multi-Criteria Decision-Making Approach for Evaluating Business Process Information Systems // Mathematics. – 2019. – № 10. – p. 982. – doi: 10.3390/math7100982. 13. Karamat J., Shurong N., Ahmad N. Enablers supporting the implementation of knowledge management in the healthcare of Pakistan // International Journal of Environmental Research and Public Health. – 2018. – № 12. – p. 2816. – doi: 10.3390/ijerph15122816. 14. Meade A.W., Craig S.B. Identifying careless responses in survey data // Psychological Methods. – 2012. – № 3. – p. 437-455. – doi: 10.1037/e518362013-127. 15. Obermeyer Z., Emanuel E.J. Predicting the future - Big data, machine learning, and clinical medicine // New England Journal of Medicine. – 2016. – № 13. – p. 1216-1219. – doi: 10.1056/NEJMp1606181. 16. Ratnapalan S., Uleryk S. Organizational learning in health care organizations // Systems. – 2019. – № 1. – p. 4. – doi: 10.3390/systems2010024. 17. Si H., Kavadias S., Loch C. Managing innovation portfolios: From project selection to portfolio design // Production and Operations Management. – 2022. – № 12. – p. 4572-4588. – doi: 10.2139/ssrn.4050940. 18. Trout K.E., Chen W., Ashikaga M. The Impact of Meaningful Use and Electronic Health Records on Hospital Patient Safety // International Journal of Environmental Research and Public Health. – 2022. – № 19. – p. 12525. – doi: 10.3390/ijerph191912525. 19. Watson K.J., Blackstone J.H., Gardiner S.C. The evolution of a management philosophy: A theory of constraints // Journal of Operations Management. – 2007. – № 2. – p. 387-402. – doi: 10.1016/j.jom.2006.04.004. 20. Zelmer J., Ronchi C., Hyppönen A. et al. International health IT benchmarking: learning from cross-country comparisons // Journal of the American Medical Informatics Association. – 2016. – № 2. – p. 371-379. – doi: 10.1093/jamia/ocw111.