基于病例组合的医生住院服务绩效评估方法及系统技术方案

本发明专利技术提供一种基于病例组合的医生住院服务绩效评估方法及系统，方法包括以下步骤：在所述科室分类组的基础上建立规范的数据类型并进行相关变量的数据描述，得到标准病案数据；建立科室分类组的分类节点变量；基于组内方差最小和组间方差最大的原则构建病例组合，得到病历分组结果；基于所述病历分组结果计算绩效评估值，使用加权来计算医生绩效评价值，根据一类病人的例均住院天数与基准住院天数的比值计算病例组合的权重；通过计算一个科室分类组内医师不同病例组合收治病人数与所述权重的二次加权，获得医生住院服务绩效考核结果；本发明专利技术的绩效指标基于病例组合，进而以工作量、技术含量和工作风险为依据对医生进行科学、准确地评价。准确地评价。准确地评价。

【技术实现步骤摘要】
基于病例组合的医生住院服务绩效评估方法及系统


[0001]本专利技术属于医疗水平及绩效评估领域，具体涉及一种基于病例组合的医生住院服务绩效评估方法及系统。

技术介绍

[0002]绩效评估是运用系统的方法、原理，评定和测量员工在职务上的工作行为和工作效果。科学合理地进行绩效分配，可以通过改善个体的工作表现，在实现组织目标的同时，提高个体的满意程度和未来的成就感。对医生的绩效考核应实行以服务质量及岗位工作量为主的综合绩效考核和岗位绩效工资制度，有效调动医务人员的积极性。
[0003]早期的绩效评估方法常采用住院人次完成率、手术人次完成率、会诊量完成比等指标算法，在这些方法中使用了医生接收病人数量进行考核，而对于实际工作情况而言，每个病人的个体差异及不同的病情疑难程度均会导致所需医生的实际工作量有较大差异。通过医疗质量、服务质量、患者满意度等社会效益指标进行评价，又由于缺乏统一的评价标准缺少实际操作的依据。因此，单纯对评价结果进行简单的处理再排序，所得的评估结果难以真实的反映病人病情疑难程度、疾病诊疗技术水平和医生实际工作量，这使得绩效评估不准确。

技术实现思路

[0004]为了解决现有技术中存在的问题，本专利技术提供一种基于病例组合的医生住院服务绩效评估方法及系统，可以充分利用医院医疗系统中的病案首页数据资料，把病情复杂程度相近、医疗服务强度相当的病例组合在一起，以疾病的一次发作并接受住院服务的过程为研究单元，评估住院医师基于该种组合病人所患疾病的复杂程度、临床治疗难度和风险程度基础上的医生实际工作量以及卫生资源的消耗程度，进而以工作量、技术含量和工作风险为依据对医生进行科学、准确地评价，摆脱传统绩效评估中主观人为因素的限制。
[0005]为了实现上述目的，本专利技术采用的技术方案是：一种基于病例组合的医生住院服务绩效评估方法，包括以下步骤：
[0006]S1，建立科室分类组，在所述科室分类组的基础上建立规范的数据类型并进行相关变量的数据描述，得到标准病案数据；
[0007]S2，建立科室分类组的分类节点变量；
[0008]S21，以科室分类组为单元，以住院天数为因变量，以所述标准病案数据作为自变量构建随机森林模型；
[0009]S22，用变量重要性评分筛选对每个大类的住院天数影响最大的若干变量，构成各科室分类组的分类节点变量；
[0010]S3，基于组内方差最小和组间方差最大的原则构建病例组合，采用树模型，以住院天数的正态性转换值为因变量，以住院费用为影响变量，以所述分类节点变量为自变量，得到病历分组结果；
[0011]S4，基于所述病历分组结果计算绩效评估值，包括以下步骤，
[0012]S41，使用加权来计算医生绩效评价值，根据一类病人的例均住院天数与基准住院天数的比值计算病例组合的权重CGWi，权重越高，病人所患疾病病情越复杂，临床治疗难度和风险越大，医生实际工作量越大，所消耗的卫生资源越多；计算公式为：
[0013]CGWi＝第i组例均住院天数/所有病例的平均住院天数；
[0014]S42：通过计算一个科室分类组内医师不同病例组合收治病人数与所述权重的二次加权，获得医生住院服务绩效考核结果。
[0015]S1具体包括以下步骤：
[0016]S11，数据集成，根据拟评价的住院科室，建立OC科室分类组，集成所有分科室样本病例的住院病例病案首页库；
[0017]S12，数据清洗，按照住院病例病案首页库进行字段索引，进行异常值处理、缺失值处理、数据标准化，规范数据类型及统一字段编码。
[0018]建立科室分类组的分类节点变量时，首先以住院天数为因变量，构建随机森林模型筛选住院天数的解释变量，对构建的随机森林的特征变量按照变量重要性降序排序，然后从当前的特征变量中剔除相应比例不重要的指标，从而得到一个新的特征集，用所述新特征集建立新的随机森林，计算特征集中每个特征的VI并排序，重复以上步骤，直到剩下m个特征，直至计算对应的袋外误差率最低，将所述特征集作为最后选定的解释特征集，所述解释特征集作为分类节点变量。
[0019]S3具体包括以下步骤：
[0020]S31，确定分组原则为：同一组病人的病情复杂程度相似，所需临床治疗难度和风险相似；同一组病人所需医生实际工作量相同；同一组病人所消耗的卫生资源情况相似；依据一定的分类节点变量来进行分组；组数尽量少，同时覆盖所有的病例并且各个组别的病人不重复；
[0021]S32，构建病例组合：采用修正的交互式卡方自动检验方法进行分组，把病情复杂程度相近、医疗服务强度相当的病例组合在一起，以疾病的一次发作并接受住院服务的过程为研究单元，形成病例组合。
[0022]构建病例组合时，首先选择分类方法中的树模型，选择修正的交互式卡方自动检验方法作为分类树的增长方法，以住院天数的正态性转换值为因变量，以住院费用为影响变量，以S2确定的分类节点变量为自变量；设定决策树的输出方向为从上到下，节点内容为表格，同时输出自变量统计量和节点定义；生成一个分类规则，类型为个案指定值，节点为所有的终端节点；采用分割样本检验的方法，设定训练样本和测试样本的比例为70:30，对分类结果进行验证；
[0023]其中，决策树增长条件为，设置最大分类树深度为5，最小个案树中父节点P为50，子节点H为30进行增长限制；CHAID设置有显著性水平的拆分节点为0.05，卡方统计量用P值，重要值用Bonferrioni来调整。
[0024]还对所述分组结果合理性评价，具体采用方差减少量和ROC曲线两种方法，对分组结果进行评价，检验所做出的决策树分类的准确性。
[0025]另外，本专利技术提供一种基于病例组合的医生住院服务绩效评估系统，包括病案数据统计模块、分类节点变量获取模块、病历分组模块以及评估模块；其中，
[0026]病案数据统计模块用于建立科室分类组，在所述科室分类组的基础上建立规范的数据类型并进行相关变量的数据描述，得到病案数据；
[0027]分类节点变量获取模块用于建立科室分类组的分类节点变量；具体的：以科室分类组为单元，以住院天数为因变量，以所述病案数据作为自变量构建随机森林模型；用变量重要性评分筛选对每个大类的住院天数影响最大的若干变量，构成各科室分类组的分类节点变量；
[0028]病历分组模块用于根据组内方差最小和组间方差最大的原则构建病例组合，采用树模型，以住院天数的正态性转换值为因变量，以住院费用为影响变量，以所述分类节点变量为自变量，得到病历分组结果；
[0029]评估模块基于所述病历分组结果计算绩效评估值，具体的，使用加权来计算医生绩效评价值，根据一类病人的例均住院天数与基准住院天数的比值计算病例组合的权重CGWi，计算公式为：CGWi＝第i组例均住院天数/所有病例的平均住院天数，权重越高，病人所患疾病病情越复杂，临床治疗难度和风险越大，医生实际工作量越大，所消耗的卫生资源越多；通过计算一个科室分类组内医师不同病例组合收治病人数与所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于病例组合的医生住院服务绩效评估方法，其特征在于，包括以下步骤：S1，建立科室分类组，在所述科室分类组的基础上建立规范的数据类型并进行相关变量的数据描述，得到标准病案数据；S2，建立科室分类组的分类节点变量；S21，以科室分类组为单元，以住院天数为因变量，以所述标准病案数据作为自变量构建随机森林模型；S22，用变量重要性评分筛选对每个大类的住院天数影响最大的若干变量，构成各科室分类组的分类节点变量；S3，基于组内方差最小和组间方差最大的原则构建病例组合，采用树模型，以住院天数的正态性转换值为因变量，以住院费用为影响变量，以所述分类节点变量为自变量，得到病历分组结果；S4，基于所述病历分组结果计算绩效评估值，包括以下步骤，S41，使用加权来计算医生绩效评价值，根据一类病人的例均住院天数与基准住院天数的比值计算病例组合的权重CGWi，权重越高，病人所患疾病病情越复杂，临床治疗难度和风险越大，医生实际工作量越大，所消耗的卫生资源越多；计算公式为：CGWi＝第i组例均住院天数/所有病例的平均住院天数；S42：通过计算一个科室分类组内医师不同病例组合收治病人数与所述权重的二次加权，获得医生住院服务绩效考核结果。2.根据权利要求1所述的基于病例组合的医生住院服务绩效评估方法，其特征在于，S1具体包括以下步骤：S11，数据集成，根据拟评价的住院科室，建立OC科室分类组，集成所有分科室样本病例的住院病例病案首页库；S12，数据清洗，按照住院病例病案首页库进行字段索引，进行异常值处理、缺失值处理、数据标准化，规范数据类型及统一字段编码。3.根据权利要求1所述的基于病例组合的医生住院服务绩效评估方法，其特征在于，建立科室分类组的分类节点变量时，首先以住院天数为因变量，构建随机森林模型筛选住院天数的解释变量，对构建的随机森林的特征变量按照变量重要性降序排序，然后从当前的特征变量中剔除相应比例不重要的指标，从而得到一个新的特征集，用所述新特征集建立新的随机森林，计算特征集中每个特征的VI并排序，重复以上步骤，直到剩下m个特征，直至计算对应的袋外误差率最低，将所述特征集作为最后选定的解释特征集，所述解释特征集作为分类节点变量。4.根据权利要求1所述的基于病例组合的医生住院服务绩效评估方法，其特征在于，S3具体包括以下步骤：S31，确定分组原则为：同一组病人的病情复杂程度相似，所需临床治疗难度和风险相似；同一组病人所需医生实际工作量相同；同一组病人所消耗的卫生资源情况相似；依据一定的分类节点变量来进行分组；组数尽量少，同时覆盖所有的病例并且各个组别的病人不重复；S32，构建病例组合：采用修正的交互式卡方自动检验方法进行分组，把病情复杂程度相近、医疗服务强度相当的病例组合在一起，以疾病的一次发作并接受住院服务的过程为
研究单元，形成病例组合。5.根据权利要求1所述的基于病例组合的医生住院服务绩效评估方法，其特征在于，构建病例组合时，首先选择分类方法中的树模型，选择修正...

【专利技术属性】
技术研发人员：高建民，董琬月，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：