一种病例分组方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种病例分组方法、装置、电子设备及存储介质；方法包括：确定待分组病例的疾病治疗大类，获取第一疾病治疗大类的数据；其中，所述第一疾病治疗大类为待分组病例所在的疾病治疗大类，是基于待分组病例的主诊断类型和主手术类型得到的；根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数；确定所述待分组病例的费用影响特征；其中，所述费用影响特征为对待分组病例的医疗费用的影响高于预设阈值的特征；将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组；其中，所述病例分组模型是基于样本病例的CCI指数以及费用影响特征训练得到的。

【技术实现步骤摘要】
一种病例分组方法、装置、电子设备及存储介质
本专利技术涉及医疗
，尤其涉及一种病例分组方法、装置、电子设备及存储介质。
技术介绍
目前医保支付方式改革主要涉及按疾病诊断相关分组(DiagnosisRelatedGroups，以下简称为DRGs)付费和基于大数据的病种(BigDataDiagnosis-InterventionPacket，以下简称为DIP)分值付费两种基金支付方式。DRGs支付和DIP支付两种付费方式本质上都以出院患者信息为基础，综合考虑患者的主要诊断和主要治疗方式，但相比于DRGs支付，DIP支付具有推进速度快，推广阻力小的优势。DIP支付分为三个层次，首先根据病种组合目录将病例分到病种层级，其次利用疾病严重程度辅助目录反映疾病严重程度，最后利用违规行为监管辅助目录对医院违规行为进行监管。但由于DIP分组所需要的数据相对简单，主要是使用病例中主要诊断和主要操作的组合。利用疾病严重程度辅助目录反映疾病严重程度，仅能够考虑单个诊断的影响，无法考虑多个诊断复合作用的影响，损失了部分疾病信息，导致疾病的严重程度判断不够精确。因此，如何提供一种病例分组方法、装置、电子设备及存储介质，有效解决基于辅助目录判断疾病严重程度精度不高的问题，能够实现在不同的疾病治疗分类下识别出病例填写的诊断与费用变异程度的关系，实现用病例的所有诊断来评价每个病例的疾病的严重程度，提高对疾病严重程度判断的精确度，成为亟待解决的问题。
技术实现思路
本专利技术实施例提供一种病例分组方法、装置、电子设备及存储介质，用以解决现有技术中的病例分组方法不够精确的缺陷。本专利技术实施例提供一种病例分组方法，包括：确定待分组病例的疾病治疗大类，获取第一疾病治疗大类的数据；其中，所述第一疾病治疗大类为待分组病例所在的疾病治疗大类，是基于待分组病例的主诊断类型和主手术类型得到的；根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数；确定所述待分组病例的费用影响特征；其中，所述费用影响特征为对待分组病例的医疗费用的影响高于预设阈值的特征；将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组；其中，所述病例分组模型是基于样本病例的CCI指数以及费用影响特征训练得到的。上述技术方案中，所述病例分组模型是基于CART决策回归树模型训练得到的；其中，所述病例分组模型包括多棵决策树；所述多棵决策树中的任意一棵决策树各自与一个疾病治疗大类相对应；相应的，将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组，包括：将待分组病例的CCI指数和费用影响特征输入与第一疾病治疗大类对应的决策树，确定所述待分组病例所在的DIP疾病严重程度分组。上述技术方案中，所述根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数，包括：计算所述待分组病例中的各个诊断的DCL值；对所述待分组病例中的各个诊断按照DCL值从大到小进行排序，按照排序结果计算所述待分组病例的CCI指数；其中，计算所述待分组病例的CCI指数的公式为：其中，CCIS是待分组病例的CCI指数；DCL(x1；A)≥DCL(x2；A)≥…≥DCL(xn；A)；R为预设的第一衰减系数。上述技术方案中，所述计算所述待分组病例中的各个诊断的DCL值，包括：计算第一诊断在包含有i个诊断的病例中的相对费用，所述相对费用为具有i个诊断并且包含第一诊断的所有病例的平均费用与具有i-1个诊断的病例的平均费用估计值的相对比例值；其中，所述第一诊断为所述待分组病例中的任意一个诊断，所述包含有i个诊断的病例为第一疾病治疗大类中的病例；i为大于1的自然数；根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用；根据所述第一诊断的平均相对费用，计算第一诊断的DCL值。上述技术方案中，所述根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用，包括：检测第一疾病治疗大类中包含第一诊断的病例的数量，当病例数量少于预先设置的阈值，从与所述第一诊断相近的诊断和/或与所述第一疾病治疗大类相近的疾病治疗大类中获取新的病例以扩展包含第一诊断的病例；根据扩展后的包含第一诊断的病例，计算第一诊断的平均相对费用。上述技术方案中，方法还包括：确定样本病例的疾病治疗大类，获取所述样本病例的疾病治疗大类数据；基于所述样本病例的疾病治疗大类数据，得到所述样本病例的CCI指数；确定所述样本病例的费用影响特征；基于所述样本病例的CCI指数以及费用影响特征，训练得到病例分组模型。上述技术方案中，所述基于所述样本病例的CCI指数以及费用影响特征，训练得到病例分组模型，包括：基于所述样本病例的CCI指数以及费用影响特征，对CART决策回归树模型进行训练，得到病例分组模型；其中，所述病例分组模型包括多棵决策树；所述多棵决策树中的任意一棵决策树各自与一个疾病治疗大类相对应。上述技术方案中，方法还包括：通过后剪枝的方法对所述病例分组模型进行修正；具体包括：对于任一疾病治疗大类所对应的决策树，在一个节点下的两个分支，如果裁剪后病例数小于预设的最小病例阈值，或相邻病组裁剪后高费用组的均费不超过低费用组均费的预设的第一倍数，则合并该节点；在跨节点下的两个相邻分支，如果裁剪后病例数小于预设的最小病例阈值，或相邻病组裁剪后高费用组的均费不超过低费用组均费的预设的第一倍数，则合并相邻分支。上述技术方案中，所述CART决策回归树模型的深度设置为2；所述CART决策回归树模型中的叶子结点所含病例的最小数量为40。上述技术方案中，所述基于所述样本病例的疾病治疗大类数据，得到所述样本病例的CCI指数包括：根据样本病例的疾病治疗大类数据，为各个疾病治疗大类计算各自的费用估计模型；所述费用估计模型的表达式为：A代表疾病治疗大类的标识，Ci(A)表示估计得到的疾病治疗大类A中诊断数量为i的所有病例的几何平均费用，参数a表示疾病治疗大类A的基准费用，参数b表示疾病治疗大类A的变化参数，参数r表示第二衰减系数；所述参数a、参数b以及参数r的取值通过数据拟合得到；计算样本病例中的诊断的DCL值；根据样本病例中的诊断的DCL值，计算第一衰减系数的值；包括：将样本病例中的诊断的DCL值代入如下公式：其中，C代表病例的总费用，DCL1—DCLN代表样本病例中所有诊断的DCL值按从大到小排序，参数a、参数b为所述费用估计模型中的参数a和参数b；R为第一衰减系数；将样本病例的数据纳入公式，得到所有疾病治疗大类中R值的最小二乘最佳估计；根据样本病例中的诊断的DCL值以及第一衰减系数的值，计算样本病例的CCI指数本文档来自技高网...

【技术保护点】
1.一种病例分组方法，其特征在于，包括：/n确定待分组病例的疾病治疗大类，获取第一疾病治疗大类的数据；其中，所述第一疾病治疗大类为待分组病例所在的疾病治疗大类，是基于待分组病例的主诊断类型和主手术类型得到的；/n根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数；/n确定所述待分组病例的费用影响特征；其中，所述费用影响特征为对待分组病例的医疗费用的影响高于预设阈值的特征；/n将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组；其中，/n所述病例分组模型是基于样本病例的CCI指数以及费用影响特征训练得到的。/n

【技术特征摘要】
20200710 CN 20201066384541.一种病例分组方法，其特征在于，包括：
确定待分组病例的疾病治疗大类，获取第一疾病治疗大类的数据；其中，所述第一疾病治疗大类为待分组病例所在的疾病治疗大类，是基于待分组病例的主诊断类型和主手术类型得到的；
根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数；
确定所述待分组病例的费用影响特征；其中，所述费用影响特征为对待分组病例的医疗费用的影响高于预设阈值的特征；
将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组；其中，
所述病例分组模型是基于样本病例的CCI指数以及费用影响特征训练得到的。


2.根据权利要求1所述的病例分组方法，其特征在于，所述病例分组模型是基于CART决策回归树模型训练得到的；其中，
所述病例分组模型包括多棵决策树；所述多棵决策树中的任意一棵决策树各自与一个疾病治疗大类相对应；
相应的，将待分组病例的CCI指数和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DIP疾病严重程度分组，包括：
将待分组病例的CCI指数和费用影响特征输入与第一疾病治疗大类对应的决策树，确定所述待分组病例所在的DIP疾病严重程度分组。


3.根据权利要求1所述的病例分组方法，其特征在于，所述根据所述第一疾病治疗大类的数据，计算所述待分组病例的CCI指数，包括：
计算所述待分组病例中的各个诊断的DCL值；
对所述待分组病例中的各个诊断按照DCL值从大到小进行排序，按照排序结果计算所述待分组病例的CCI指数；其中，
计算所述待分组病例的CCI指数的公式为：



其中，CCIS是待分组病例的CCI指数；DCL(x1；A)≥DCL(x2；A)≥…≥DCL(xn；A)；R为预设的第一衰减系数。


4.根据权利要求3所述的病例分组方法，其特征在于，所述计算所述待分组病例中的各个诊断的DCL值，包括：
计算第一诊断在包含有i个诊断的病例中的相对费用，所述相对费用为具有i个诊断并且包含第一诊断的所有病例的平均费用与具有i-1个诊断的病例的平均费用估计值的相对比例值；其中，所述第一诊断为所述待分组病例中的任意一个诊断，所述包含有i个诊断的病例为第一疾病治疗大类中的病例；i为大于1的自然数；
根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用；
根据所述第一诊断的平均相对费用，计算第一诊断的DCL值。


5.根据权利要求4所述的病例分组方法，其特征在于，所述根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用，包括：
检测第一疾病治疗大类中包含第一诊断的病例的数量，当病例数量少于预先设置的阈值，从与所述第一诊断相近的诊断和/或与所述第一疾病治疗大类相近的疾病治疗大类中获取新的病例以扩展包含第一诊断的病例；
根据扩展后的包含第一诊断的病例，计算第一诊断的平均相对费用。


6.根据权利要求1至5任一项所述的病例分组方法，其特征在于，方法还包括：
确定样本病例的疾病治疗大类，获取所述样本病例的疾病治疗大类数据；
基于所述样本病例的疾病治疗大类数据，得到所述样本病例的CCI指数；
确定所述样本病例的费用影响特征；
基于所述样本病例的CCI指数以及费用影响特征，训练得到病例分组模型。


7.根据权利要求6所述的病例分组方法，...

【专利技术属性】
技术研发人员：舒正，尹珊珊，张骁雅，艾馨，董子坤，朱波，田雅如，傅兆翔，罗屿浪，王净，刘英杰，赵明，李璐璐，
申请(专利权)人：青岛国新健康产业科技有限公司，
类型：发明
国别省市：山东;37