住院病人医疗管理质量评估方法技术

本发明专利技术公开了一种住院病人医疗管理质量评估方法，历史性数据筛选与建模：数据鉴别和清理；疾病诊断相关分组DRG和模型的归类；入院时ICD合并发症及其他变量的归类集合；入院及合并发症变量的统计检验与筛选；统计学模型的建立和质量验证；当前数据筛选与预值计算：计算病人入院风险的预测值，实现对每个入院病人在死亡率、住院天数和医疗成本的入院风险预测。本发明专利技术通过大数据分析、数学统计学和机器学习等方法实现了医疗数据从数据到解决方案的有效转化，实现了数据价值。解决了医疗数据之间不可比的难题，不仅能够实现病种之间的医疗质量评估，还可实现医生之间、医院科室之间、医院之间在住院病人疾病治疗管理的绩效合理性评价。

【技术实现步骤摘要】

本专利技术涉及精益医院质量管理领域、医疗大数据分析及医院管理决策支持领域，特别是涉及一种住院病人医疗管理质量评估方法。
技术介绍
近年来由于国内医院IT技术的迅猛发展，已经初步地完成了病人和疾病的原始数据积累，然而苦于没有方法学，不能够将这些数据有效地提炼成为指导信息和医院管理的决策依据，致使绝大部分数据只能储存在医院的数据仓库中，浪费了资源。如果能够充分地借鉴美国政府对医院管理的成功模式和优秀的方法学，再加以本土化改良，不但能够让国内的医疗管理机构增加有效的监控途径和手段，而且还能促使医院加快从粗放向精细化管理模式转型的步伐。近来政府积极倡导和鼓励传统行业向“互联网+”的转型，充分利用数字科技提高医院的医疗质量，营运效率和减少医疗资源浪费已经成为时代潮流，把握时机，借鉴先进经验，建立标准模式，将会占有先发优势，引领行业的改革浪潮。临床医学的多学科和疾病的复杂性增加了数据深度分析和提纯为管理决策支持依据的难度，与其他行业的数据相比较，医疗数据具有非叠加性(如财务数据)和非直接可比性(如数据大小)特点，由于每个医院入院病人人群和疾病程度差异，通过直接采用死亡率、住院天数和医疗成本等数据对病种、医生、科室和医院之间的绩效比较评估是不合理的。譬如说由于接受大量转院病人和收治病情更加严重的病人人群，四川华西医院就不能够直接同某个县级医院进行简单的绩效评估。为了有效解决临床数据不平的困境，医院通常采用的评估模式之一有以资源使用为标准的疾病群组归纳方法，如各类DRG和DCG等，然后将治疗中使用的医疗成本，经过分析，获得疾病群组的案例复杂性指数(CMI)。通过医疗资源使用情况倒推出住院疾病群组的病情程度，从而实现医院和科室在同一个体系内的评估。然而以CMI计算的方法在评价医疗质量、营运效率以及合理性用药等方面有其先天性不足，首先这种模式并未考虑到疾病本身的特性和其他临床相关性影响因素，不符合医疗规律；其次过度检查和治疗而导致的虚高成本治疗本身也会增加模型不稳定性，从而导致判断结果的偏差。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种新型的住院病人医疗管理质量评估方法，以住院病人疾病风险调整为基础实现全疾病医院质量管理评估，模型通过某个医院或者某一地区所有医院住院病人的历史性数据，将病人入院时伴随的合并症/并发症，病人个体特质(如性别、年龄、生存状态等)，以及入院状态来源等整合成疾病治疗的影响变量因素，按疾病相关性群组(DRG)类别和这些病人最终的治疗信息，分别建立死亡率、住院天数和住院医疗成本的统计学相关性回归模型。然后再按这些模型所得出的算法对医院现有病人进行精准预测，计算出每个病人在死亡率、住院天数和住院医疗成本的预期值。本专利技术的目的是通过以下技术方案来实现的：住院病人医疗管理质量评估方法，包括一个历史性数据筛选与建模步骤、一个当前数据筛选与预值计算步骤：所述的历史性数据筛选与建模步骤包括以下步骤：S1：从医院数据库中导入历史性出院病人数据；S2：数据鉴别和清理，筛选出坏数据和极值数据并予以删除；S3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模型分类、编号归类集合；每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实现相关性DRG的归类和评估；S4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，实现对入院病人合并症和并发症及其他变量的归类；依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行分类处理；采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手术编码进行群组集合，形成合并发症类别变量；其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；S5：在同一DRG群组中，利用统计检验方法对显著影响病人死亡率、住院天数和成本的入院及合并发症变量进行预处理；S6：建立统计学模型，死亡率数据采用逻辑回归模型，住院天数和医疗成本数据采用多元线性回归模型，建模中运用基于统计LASSO方法的变量选择方法，并结合临床经验分析，然后得到选中的显著性变量在模型中的系数，形成预测值的量化公式；S7：模型质量验证：采用统计学中的C-Index检验和R-square检验方法对模型在样本人群和非样本人群进行计算，依据相应的结果进行评定；所述的当前数据筛选与预值计算步骤包括以下步骤：SS1：从医院数据库中导入当前出院病人数据；SS2：数据鉴别和清理，筛选出坏数据并予以删除；SS3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模型分类、编号归类集合；每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实现相关性DRG的归类和评估；SS4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，实现对入院病人合并症和并发症及其他变量的归类；依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行分类处理；采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手术编码进行群组集合，形成合并发症类别变量；其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；SS5：计算病人入院风险的预测值，实现对每个入院病人在死亡率、住院天数和医疗成本的入院风险预测；疾病的风险预测指通过在医院各病种管理的历史性数据中找出对影响最终治疗结果的普遍规律和可量化因素，推测出当前有同类疾病程度和相似特征的病人的死亡率、住院天数和医疗成本的预测发生值；预测值的算法公式如下：预期死亡率其中，bi表示显著相关性系数，b0表示模型截距，n表示病人的显著相关性变量个数；住院天数和医疗成本其中，b0表示模型截距，MSE表示模型的平方误差，bi表示显著相关性系数，0.5为统计偏差修正值；最终采用实际发生和预期相对值对住院病人医疗管理质量进行评估。步骤S5所述的利用统计检验方法对显著影响病人死亡率、住院天数和医疗成本的入院及合并发症变量进行预处理的步骤包括以下子步骤：(1)统计检验：筛选出各模型中对死亡率、住院天数和医疗成本有显著性影响的变量，显著性影响变量是指利用统计检验选择对本文档来自技高网...

【技术保护点】
住院病人医疗管理质量评估方法，其特征在于，包括一个历史性数据筛选与建模步骤、一个当前数据筛选与预值计算步骤：所述的历史性数据筛选与建模步骤包括以下步骤：S1：从医院数据库中导入历史性出院病人数据；S2：数据鉴别和清理，筛选出坏数据和极值数据并予以删除；S3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模型分类、编号归类集合；每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实现相关性DRG的归类和评估；S4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，实现对入院病人合并症和并发症及其他变量的归类；依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行分类处理；采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手术编码进行群组集合，形成合并发症类别变量；其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；S5：在同一DRG群组中，利用统计检验方法对显著影响病人死亡率、住院天数和医疗成本的入院及合并发症变量进行预处理；S6：建立统计学模型，死亡率数据采用逻辑回归模型，住院天数和医疗成本数据采用多元线性回归模型，建模中运用基于统计LASSO方法的变量选择方法，并结合临床经验分析，然后得到选中的显著性变量在模型中的系数，形成预测值的量化公式；S7：模型质量验证：采用统计学中的C‑Index检验和R‑square检验方法对模型在样本人群和非样本人群进行计算，依据相应的结果进行评定；所述的当前数据筛选与预值计算步骤包括以下步骤：SS1：从医院数据库中导入当前出院病人数据；SS2：数据鉴别和清理，筛选出坏数据并予以删除；SS3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模型分类、编号归类集合；每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实现相关性DRG的归类和评估；SS4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，实现对入院病人合并症和并发症及其他变量的归类；依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行分类处理；采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手术编码进行群组集合，形成合并发症类别变量；其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；SS5：计算病人入院风险的预测值，实现对每个入院病人在死亡率、住院天数和医疗成本的入院风险预测；疾病的风险预测指通过在医院各病种管理的历史性数据中找出对影响最终治疗结果的普遍规律和可量化因素，推测出当前有同类疾病程度和相似特征的病人的死亡率、住院天数和医疗成本的预测发生值；预测值的算法公式如下：预期死亡率其中，bi表示显著相关性系数，b0表示模型截距，n表示病人的显著相关性变量个数；住院天数和医疗成本其中，b0表示模型截距，MSE表示模型的平方误差，bi表示显著相关性系数，0.5为统计偏差修正值；最终采用实际发生和预期相对值对住院病人医疗管理质量进行评估。...

【技术特征摘要】
1.住院病人医疗管理质量评估方法，其特征在于，包括一个历史性数据筛选与建模步骤、
一个当前数据筛选与预值计算步骤：
所述的历史性数据筛选与建模步骤包括以下步骤：
S1：从医院数据库中导入历史性出院病人数据；
S2：数据鉴别和清理，筛选出坏数据和极值数据并予以删除；
S3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模
型分类、编号归类集合；
每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；
依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实
现相关性DRG的归类和评估；
S4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，
实现对入院病人合并症和并发症及其他变量的归类；
依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行
分类处理；
采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手
术编码进行群组集合，形成合并发症类别变量；
其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；
S5：在同一DRG群组中，利用统计检验方法对显著影响病人死亡率、住院天数和医疗
成本的入院及合并发症变量进行预处理；
S6：建立统计学模型，死亡率数据采用逻辑回归模型，住院天数和医疗成本数据采用多
元线性回归模型，建模中运用基于统计LASSO方法的变量选择方法，并结合临床经验分析，
然后得到选中的显著性变量在模型中的系数，形成预测值的量化公式；
S7：模型质量验证：采用统计学中的C-Index检验和R-square检验方法对模型在样本人
群和非样本人群进行计算，依据相应的结果进行评定；
所述的当前数据筛选与预值计算步骤包括以下步骤：
SS1：从医院数据库中导入当前出院病人数据；
SS2：数据鉴别和清理，筛选出坏数据并予以删除；
SS3：疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、模
型分类、编号归类集合；
每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；
依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实

\t现相关性DRG的归类和评估；
SS4：入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类集合，
实现对入院病人合并症和并发症及其他变量的归类；
依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合并症进行
分类处理；
采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断或手
术编码进行群组集...

【专利技术属性】
技术研发人员：李涛，杨思坦，陶金蓝，陈霞，
申请(专利权)人：成都厚立信息技术有限公司，
类型：发明
国别省市：四川;51