合并症及并发症影响因子的估算方法和电子设备技术

公开了一种合并症及并发症影响因子的估算方法和电子设备，本发明专利技术实施例通过优化算法求取影响因子向量，以使得诊断向量与影响因子向量的内积最为接近资源消耗水平参数，从而可以获取到一个诊断相关分组下的每一种合并症和并发症的出现与否或严重程度对于医疗资源消耗水平的影响权重。该影响权重可以精确地估计每一种合并症和并发症的出现与否或严重程度对于医疗资源消耗水平的影响。

【技术实现步骤摘要】
合并症及并发症影响因子的估算方法和电子设备
本专利技术涉及医疗数据处理及人工智能技术，具体涉及一种合并症及并发症影响因子的估算方法和电子设备。
技术介绍
诊断相关分组(DiagnosisRelatedGroups，DRGs)是用于医疗诊断的分类编码标准，其根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500-600个诊断相关组，从而分级进行科学地测算。保险机构可以基于诊断相关分组来评估保费支付额度。诊断相关分组可以通过统一的疾病诊断分类定额支付标准的制定，达到医疗资源利用标准化。我国的CN-DRGs(2014)包含26个主要疾病分类(majordiagnosticcategory，MDC)，涉及33个临床专业基干DRGs(adjacent-DRGs，ADRGs)。对于合并症(Comorbidity)与并发症(Complication)(两者合称CC)的考虑，则直接应用美国MedicareSeverity-28版(MS-28版)的合并症与并发症分类，其中，按照与主诊断疾病的相关度，将合并症与并发症分为CC和MajorCC(MCC本文档来自技高网...

【技术保护点】
一种合并症及并发症影响因子的估算方法，包括：获取历史诊疗信息，所述历史诊疗信息包括多个样本的主诊断信息、附属诊断信息以及资源消耗水平参数，其中，所述附属诊断信息用于表征对于合并症和并发症的诊断；对于具有相同类别的主诊断信息的每一个样本，获取对应的基干诊断相关分组下的所有合并症和并发症类别，并基于所述附属诊断信息获取对应样本的诊断向量，所述诊断向量用于表征对应样本所出现的合并症和并发症；以最小化目标函数为优化目标，获取最优的影响因子向量；其中，所述目标函数表征所有样本的所述资源消耗水平参数和诊断向量与影响因子向量的内积的比值或差值，所述影响因子向量用于表征特定主诊断信息下每一类合并症或并发症对资...

【技术特征摘要】
1.一种合并症及并发症影响因子的估算方法，包括：获取历史诊疗信息，所述历史诊疗信息包括多个样本的主诊断信息、附属诊断信息以及资源消耗水平参数，其中，所述附属诊断信息用于表征对于合并症和并发症的诊断；对于具有相同类别的主诊断信息的每一个样本，获取对应的基干诊断相关分组下的所有合并症和并发症类别，并基于所述附属诊断信息获取对应样本的诊断向量，所述诊断向量用于表征对应样本所出现的合并症和并发症；以最小化目标函数为优化目标，获取最优的影响因子向量；其中，所述目标函数表征所有样本的所述资源消耗水平参数和诊断向量与影响因子向量的内积的比值或差值，所述影响因子向量用于表征特定主诊断信息下每一类合并症或并发症对资源消耗水平的影响。2.根据权利要求1所述的方法，其特征在于，所述目标函数为：J(Θ)＝∑(log(yi)-log(Yi))2其中，J(Θ)为所述目标函数，yi为第i个样本的资源消耗水平参数，为第i个样本的诊断向量与影响因子向量的内积，Θ为所述影响因子向量，xn为所述诊断向量的第n个分量，θn为所述影响因子向量的第n个分量，N为诊断向量的长度。3.根据权利要求2所述的方法，其特征在于，以最小化目标函数为优化目标，获取最优的影响因子向量包括：初始化影响因子向量；求取目标函数对于影响因子向量的每一个向量的偏导数，并基于当前影响因子向量和当前偏导数更新影响因子向量，直至在目标函数不再下降或影响因子向量不再变化。4.根据权利要求3所述的方法，其特征在于，基于如下公式更新影响因子向量的每一个分量：

【专利技术属性】
技术研发人员：陈一昕，
申请(专利权)人：陈一昕，
类型：发明
国别省市：北京,11