CN107463771B - 一种病例分组的方法和系统 - Google Patents
一种病例分组的方法和系统 Download PDFInfo
- Publication number
- CN107463771B CN107463771B CN201710575891.7A CN201710575891A CN107463771B CN 107463771 B CN107463771 B CN 107463771B CN 201710575891 A CN201710575891 A CN 201710575891A CN 107463771 B CN107463771 B CN 107463771B
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- code
- basic group
- codes
- disease
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种病例分组的方法和系统,包括:获取病例信息,根据病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称;当主要诊断编码对应的主要诊断不属于住院时间影响型,或者,基本组不属于特定基本组时,根据基本组编码和各诊断编码,计算得到各诊断编码对应的诊断复杂性得分;根据各诊断编码对应的诊断复杂性得分,计算得到病例信息对应的疾病复杂指数;根据疾病复杂指数,将病例信息从基本组分入细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。本发明可在全国范围内实现统一的编码规则,有助于卫生行政部门和医保部门对病例的统一管理,操作性强。
Description
技术领域
本发明涉及医疗信息管理技术领域,特别是涉及一种病例分组的方法和系统。
背景技术
DRG(Diagnosis Related Groups,DRG)的中文全称是“按疾病诊断相关分组”,它以出院病历为依据,综合考虑了患者的主要诊断和主要治疗方式,结合个体特征如年龄、并发症和伴随症,按照临床过程相似性和资源消耗相近性(即按照病人的疾病严重程度、治疗方法的复杂程度及资源消耗程度)将病历分成一定书目的疾病组。第一代DRG系统于1967年由美国耶鲁大学RobertB.Fetter及其团队开发(下称“Yale DRG”)。此后逐渐在医疗管理研究中应用。在2003年,有研究报道称,世界上应用DRG的国家超过25个。在DRG被世界各国引进并应用的过程中,产生了多个本土化的DRG版本,例如澳洲的AR-DRG、芬兰等北欧国家使用的Nord DRG、英国的HRG等等。据不完全统计,目前这些版本总共超过了25个,形成了所谓的“DRG家族”。
我国有关DRG的研究始于20世纪80年代末,一些学者开始积极探讨用国外DRG分组方案对我国病例进行分组的可行性,并进行结合我国国情的DRG探索性研究。这些研究得到基本一致的结论:即国外DRG分组方案在我国的应用是可行的,但也出现部分DRG组内同质性不好、组间异质性不强的问题。
目前,全国范围并未统一编码标准和版本,各地区根据自身实际情况而衍生、扩展了不同版本的疾病诊断编码。此外,由于我国没有自己的操作编码,自2001年起开始借用美国的ICD-9-CM-3(四位编码)用于病案的“手术操作编码”,但是没有发布全国统一的ICD-9-CM-3文件及编码。各医院应用时,根据自己的需要在ICD-9-CM-3四位编码的基础上自行扩展到六到八位不等。基于以上原因,我国目前的编码现状存在以下问题:
A.编码版本和标准不统一,医学术语名称不统一。
B.中国缺乏自己的操作编码,原使用的美国ICD-9-CM-3编码已于2015年弃用。
C.编码判断取决于编码员的水平、素质和经验,与临床活动脱离,且编码员质量良莠不齐。
D.部分医疗机构采用固定生成的方式,有时与临床实际不符,医院根据项目价格调整编码的现象比较普遍。
发明内容
本发明提供一种病例分组的方法和系统,以解决或部分解决上述问题。
本发明解决上述技术问题的技术方案如下:一种病例分组的方法和细,包括以下步骤:
步骤1、获取病例信息,根据所述病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称;
步骤2、当所述主要诊断编码对应的主要诊断不属于住院时间影响型,或者,所述基本组不属于特定基本组时,根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码包括所述主要诊断编码和所述病例信息中的次要诊断编码集合中的各次要诊断编码;
步骤3、根据所述各诊断编码对应的诊断复杂性得分,计算得到所述病例信息对应的疾病复杂指数;
步骤4、根据所述疾病复杂指数,将所述病例信息从所述基本组分入所述基本组下的所述疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
本发明的有益效果是:本发明利用诊断编码和操作编码,实现对病例的分组,其中,中国临床疾病诊断规范术语集对应诊断编码,中国医疗服务操作分类与编码(CCHI)对应操作编码。一方面,本发明对于临床医生来说,可了解收治患者所述的DRG分组以及DRG分组相对权重,以便更准确、更高效地对收治患者进行治疗,同时可方向的激励临床医生填写准确的临床术语和操作术语;另一方面,本发明对应卫生行政部门,可实现对数据的批量分组,以针对临床质量管理进行统计分析;再次,本发明对于医保部门,在实现对数据的自动分组的同时,可获得每个病例对应的分组结果,特别是疾病相关分组相对权重,以便进行合理的收费及收费管理。本发明符合中国临床实际现状,可在全国范围内实现统一的编码规则,消除了人为因素及各地的差异,有助于卫生行政部门和医保部门对病例的统一管理,很好的结合临床实际,操作性强。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,在步骤2之前,所述方法还包括:
获取所述基本组编码对应的合并症并发症排除列表,根据所述排除列表,在所述次要诊断编码集合中删除存在于所述排除列表中的次要诊断编码,得到新的次要诊断编码集合;
则步骤2中,计算得到所述各诊断编码对应的诊断复杂性得分时,所述各诊断编码包括所述主要诊断编码和所述新的次要诊断编码集合中的各次要诊断编码。
进一步,所述病例信息还包括住院时间,所述方法还包括:
当所述主要诊断编码对应的主要诊断属于住院时间影响型时,将所述病例信息从所述基本组分入所述基本组下的所述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
进一步,所述方法还包括;
当所述基本组属于特定基本组时,将所述病例信息从所述基本组分入名称与所述基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
进一步,所述步骤2中,所述根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,包括:
步骤2.1、截取所述各诊断编码中的特征编码,其中,所述各诊断编码分别为八位编码,所述特征编码为三位编码或四位编码;
步骤2.2、根据所述基本组编码和所述特征编码,计算得到所述各诊断编码对应的诊断复杂性得分。
本发明还提供了一种病例分组的系统,包括:
基本组分组模块,用于获取病例信息,根据所述病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称;
合并症-并发症测算模块,用于当所述主要诊断编码对应的主要诊断不属于住院时间影响型,或者,所述基本组不属于特定基本组时,根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码包括所述主要诊断编码和所述病例信息中的次要诊断编码集合中的各次要诊断编码;
细分组分组模块,用于根据所述合并症-并发症测算模块得到的所述各诊断编码对应的诊断复杂性得分,计算得到所述病例信息对应的疾病复杂指数,并根据所述疾病复杂指数,将所述病例信息从所述基本组分入所述基本组下的所述疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
进一步,所述合并症-并发症测算模块包括次要诊断排除单元;
所述次要诊断排除单元,用于获取所述基本组编码对应的合并症并发症排除列表,根据所述排除列表,在所述次要诊断编码集合中删除存在于所述排除列表中的次要诊断编码,得到新的次要诊断编码集合。
进一步,所述病例信息还包括住院时间;
则所述细分组分组模块还用于:
当所述主要诊断编码对应的主要诊断属于住院时间影响型时,将所述病例信息从所述基本组分入所述基本组下的所述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
进一步,所述基本组分组模块还用于:
当所述基本组属于特定基本组时,将所述病例信息从所述基本组分入名称与所述基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
进一步,所述合并症-并发症测算模块还包括计算单元;
所述计算单元,用于截取所述各诊断编码中的特征编码,根据所述基本组编码和所述特征编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码分别为八位编码,所述特征编码为三位编码或四位编码。
附图说明
图1为本发明一个实施例提供的一种病例分组的方法的示意性框图;
图2为图1中的步骤120的示意性框图;
图3为本发明另一个实施例提供的一种病例分组的方法的示意性流程图;
图4为本发明一个实施例提供的一种病例分组的系统的结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
一种病例分组的方法100,如图1所示,包括:
步骤110、获取病例信息,根据病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称。
步骤120、当主要诊断编码对应的主要诊断不属于住院时间影响型,或者,基本组不属于特定基本组时,根据基本组编码和各诊断编码,计算得到各诊断编码对应的诊断复杂性得分,其中,各诊断编码包括主要诊断编码和病例信息中的次要诊断编码集合中的各次要诊断编码。
步骤130、根据各诊断编码对应的诊断复杂性得分,计算得到病例信息对应的疾病复杂指数。
步骤140、根据疾病复杂指数,将病例信息从基本组分入基本组下的疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
需要说明的是,在进行步骤110之前,会对诊断术语和操作术语进行编码,建立医院自身的符合实际现状的诊断术语和操作术语库以及临床医生书写的诊断、操作与上述编码之间的转换流程,以规范临床医生用语,方便转码工作。进一步的,对病例首页数据信息(即病例信息中的主要信息,如主要诊断、主要操作等)进行校验,把不符合书写规范或标准的病例信息进行过滤剔除,留下校验通过的病例信息,以便后续按照疾病诊断相关进行病例分组(DRG分组),将过滤剔除掉的病例信息返回至该病例信息所属的医院,由医院进行更改处理。
另外,需要说明的是,病例信息还包括年龄、出生体重和住院时间,在将病例信息分入基本组时,主要根据主要诊断编码和操纵编码将其分入细分组,但也可参照年龄、出生体重和住院时间等信息对病例信息进行基本组的划分。步骤110在将病例信息分入对应的基本组时,还得到主要诊断分类编码和主要诊断分类,其中,基本组约有四百个,主要诊断分类的英文全称为Main Diagnostic Category,简称MDC。主要诊断分类编码由MDC*表示,其中*可代表字母A到Z任一字母,该字母由主要诊断决定,例如神经系统疾病的主要诊断分类编码为MDCA。细分组约有958组。
其中,具体的,如图2所示,步骤120中,根据基本组编码和各诊断编码,计算得到各诊断编码对应的诊断复杂性得分,包括:
步骤121、截取各诊断编码中的特征编码,其中,各诊断编码分别为八位编码,特征编码为三位编码或四位编码。
步骤122、根据基本组编码和特征编码,计算得到各诊断编码对应的诊断复杂性得分。
诊断编码有八位,例如额叶恶性肿瘤,诊断编码为C71.10000。另外,不同的诊断其特征编码的位数不同,一般为四位或三位。操作编码也为八位,例如经腹阑尾切除术,操作编码为HPR75301。
实施例二
本实施例二为基于实施例一所述方法100的一种病例分组的方法。
如图3所示,在实施例一的基础上,步骤120还包括:获取基本组编码对应的合并症并发症排除列表,根据排除列表,在次要诊断集合中删除存在于排除列表中的次要诊断,得到新的次要诊断集合,则计算得到各诊断编码对应的诊断复杂性得分时,各诊断编码包括主要诊断编码和新的次要诊断编码集合中的各次要诊断编码。
实施例三
本实施例三为基于实施例一所述方法100的一种病例分组的方法。
由于有些主要诊断其受住院时间的影响较大(如癌症化疗),且大于诊断复杂性得分,则对主要诊断对应的病例信息的细分是根据病例信息中的住院时间来进行,因此,病例信息还包括住院时间。
因此,如图3所示,在实施例一的基础上,方法100还包括:
当主要诊断属于住院时间影响型时,将病例信息从基本组分入基本组下的上述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
实施例四
本实施例四为基于实施例一或实施例三所述方法100的一种病例分组的方法。
如图3所示,在实施例一和实施例三的基础上,方法100还包括:当基本组属于特定基本组时,将病例信息从基本组分入名称与基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
合并症并发症排除列表,又称C.C.排除列表。一个主要诊断对应一个C.C.排除列表,该排除列表中包括了不属于该主要诊断对应的合并症并发症的诊断,因在一个病例信息中,一个主要诊断对应多个次要诊断,在对该病例信息中的诊断进行计算诊断复杂性得分之前,先将次要诊断进行过滤,留下主要诊断对应的合并症并发症该有的次要诊断,并进行后续的诊断复杂性得分以及细分组的划分。
需要说明的是,对于实施例一~实施例四,整体的,如图3所示,一种病例分组的方法100包括以下步骤:
接收病例信息,根据病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称,其中,病例信息包括主要诊断编码、操作编码和住院时间。
根据基本组编码,判断主要诊断编码对应的主要诊断是否属于住院时间影响型,或者,判断基本组是否属于特定基本组,若为否,获取主要诊断分类名称对应的合并症并发症排除列表,根据排除列表,在次要诊断集合中删除存在于排除列表中的次要诊断,得到新的次要诊断集合。
根据基本组编码和各诊断编码,计算得到各诊断编码对应的诊断复杂性得分,其中,各诊断编码包括主要诊断编码和病例信息中的次要诊断编码集合中的各次要诊断编码;
根据各诊断的诊断复杂性得分,计算得到疾病复杂指数;根据疾病复杂指数,将病例信息从基本组分入基本组下的疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
若基本组属于特定基本组,将病例信息从基本组分入名称与基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
若主要诊断编码对应的主要诊断是否属于住院时间影响型,将病例信息从基本组分入基本组下的上述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
利用诊断编码和操作编码,实现对病例的分组,其中,中国临床疾病诊断规范术语集对应诊断编码,中国医疗服务操作分类与编码(CCHI)对应操作编码。一方面,本发明对于临床医生来说,可了解收治患者所述的DRG分组以及DRG分组相对权重,以便更准确、更高效地对收治患者进行治疗,同时可方向的激励临床医生填写准确的临床术语和操作术语。
另一方面,本发明对应卫生行政部门,可实现对数据的批量分组,以针对临床质量管理进行统计分析;再次,本发明对于医保部门,在实现对数据的自动分组的同时,可获得每个病例对应的分组结果,特别是疾病相关分组相对权重,以便进行合理的收费及收费管理。本发明可在全国范围内实现统一的编码规则,消除了人为因素及各地的差异,有助于卫生行政部门和医保部门对病例的统一管理,很好的结合临床实际,操作性强。
另外,将病例信息从基本组分入细分组时,分三种情况,第一种是通过计算诊断复杂性得分进行细分组的划分,第二种是如果基本组属于特定基本组,则将基本组直接作为细分组处理,第三种是如果是主要诊断受住院时间影响较大的,则分入与时间相关的细分组。
实施例五
一种病例分组的系统200,如图4所示,包括:基本组分组模块,合并症-并发症测算模块和细分组分组模块。其中,
基本组分组模块,用于获取病例信息,根据病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称。
合并症-并发症测算模块,用于当主要诊断编码对应的主要诊断不属于住院时间影响型,或者,基本组不属于特定基本组时,根据基本组编码和各诊断编码,计算得到各诊断编码对应的诊断复杂性得分,其中,各诊断编码包括主要诊断编码和病例信息中的次要诊断编码集合中的各次要诊断编码。
细分组分组模块,用于根据合并症-并发症测算模块得到的各诊断编码对应的诊断复杂性得分,计算得到病例信息对应的疾病复杂指数,并根据疾病复杂指数,将病例信息从基本组分入基本组下的疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
合并症-并发症测算模块还包括计算单元;计算单元,用于截取各诊断编码中的特征编码,根据基本组编码和特征编码,计算得到各诊断编码对应的诊断复杂性得分,其中,各诊断编码分别为八位编码,所述特征编码为三位编码或四位编码。
实施例六
如图4所示,在实施例五的基础上,系统200中合并症-并发症测算模块包括次要诊断排除单元;次要诊断排除单元,用于获取基本组编码对应的合并症并发症排除列表,根据排除列表,在次要诊断编码集合中删除存在于排除列表中的次要诊断编码,得到新的次要诊断编码集合。
实施例七
如图4所示,在实施例五的基础上,病例信息还包括住院时间,则系统200中细分组分组模块还用于:当主要诊断编码对应的主要诊断属于住院时间影响型时,将病例信息从基本组分入基本组下的住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
细分组分组模块还用于:当基本组属于特定基本组时,将病例信息从基本组分入名称与基本组名称相同的细分组。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种病例分组的方法,其特征在于,包括:
步骤1、获取病例信息,根据所述病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称;
步骤2、当所述主要诊断编码对应的主要诊断不属于住院时间影响型,或者,所述基本组不属于特定基本组时,根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码包括所述主要诊断编码和所述病例信息中的次要诊断编码集合中的各次要诊断编码;
步骤3、根据所述各诊断编码对应的诊断复杂性得分,计算得到所述病例信息对应的疾病复杂指数;
步骤4、根据所述疾病复杂指数,将所述病例信息从所述基本组分入所述基本组下的所述疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组;
所述步骤2中,所述根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,包括:
步骤2.1、截取所述各诊断编码中的特征编码,其中,所述各诊断编码分别为八位编码,所述特征编码为三位编码或四位编码;
步骤2.2、根据所述基本组编码和所述特征编码,计算得到所述各诊断编码对应的诊断复杂性得分。
2.根据权利要求1所述的一种病例分组的方法,其特征在于,在步骤2之前,所述方法还包括:
获取所述基本组编码对应的合并症并发症排除列表,根据所述排除列表,在所述次要诊断编码集合中删除存在于所述排除列表中的次要诊断编码,得到新的次要诊断编码集合;
则步骤2中,计算得到所述各诊断编码对应的诊断复杂性得分时,所述各诊断编码包括所述主要诊断编码和所述新的次要诊断编码集合中的各次要诊断编码。
3.根据权利要求1所述的一种病例分组的方法,其特征在于,所述病例信息还包括住院时间,所述方法还包括:
当所述主要诊断编码对应的主要诊断属于住院时间影响型时,将所述病例信息从所述基本组分入所述基本组下的所述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
4.根据权利要求1或3所述的一种病例分组的方法,其特征在于,所述方法还包括;
当所述基本组属于特定基本组时,将所述病例信息从所述基本组分入名称与所述基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重,完成病例分组。
5.一种病例分组的系统,其特征在于,包括:
基本组分组模块,用于获取病例信息,根据所述病例信息中的主要诊断编码和操作编码将其分入对应的基本组,得到基本组编码和基本组名称;
合并症-并发症测算模块,用于当所述主要诊断编码对应的主要诊断不属于住院时间影响型,或者,所述基本组不属于特定基本组时,根据所述基本组编码和各诊断编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码包括所述主要诊断编码和所述病例信息中的次要诊断编码集合中的各次要诊断编码;
细分组分组模块,用于根据所述合并症-并发症测算模块得到的所述各诊断编码对应的诊断复杂性得分,计算得到所述病例信息对应的疾病复杂指数,并根据所述疾病复杂指数,将所述病例信息从所述基本组分入所述基本组下的所述疾病复杂指数对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重;
所述合并症-并发症测算模块还包括计算单元;
所述计算单元,用于截取所述各诊断编码中的特征编码,根据所述基本组编码和所述特征编码,计算得到所述各诊断编码对应的诊断复杂性得分,其中,所述各诊断编码分别为八位编码,所述特征编码为三位编码或四位编码。
6.根据权利要求5所述的一种病例分组的系统,其特征在于,所述合并症-并发症测算模块包括次要诊断排除单元;
所述次要诊断排除单元,用于获取所述基本组编码对应的合并症并发症排除列表,根据所述排除列表,在所述次要诊断编码集合中删除存在于所述排除列表中的次要诊断编码,得到新的次要诊断编码集合。
7.根据权利要求5所述的一种病例分组的系统,其特征在于,所述病例信息还包括住院时间;
则所述细分组分组模块还用于:
当所述主要诊断编码对应的主要诊断属于住院时间影响型时,将所述病例信息从所述基本组分入所述基本组下的所述住院时间对应的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
8.根据权利要求5或7所述的一种病例分组的系统,其特征在于,所述基本组分组模块还用于:
当所述基本组属于特定基本组时,将所述病例信息从所述基本组分入名称与所述基本组名称相同的细分组,得到疾病诊断相关分组代码、疾病诊断相关分组名称和疾病诊断相关分组相对权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710575891.7A CN107463771B (zh) | 2017-07-14 | 2017-07-14 | 一种病例分组的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710575891.7A CN107463771B (zh) | 2017-07-14 | 2017-07-14 | 一种病例分组的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107463771A CN107463771A (zh) | 2017-12-12 |
CN107463771B true CN107463771B (zh) | 2021-01-12 |
Family
ID=60546730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710575891.7A Active CN107463771B (zh) | 2017-07-14 | 2017-07-14 | 一种病例分组的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107463771B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170828B (zh) * | 2018-01-09 | 2022-04-29 | 深圳市第二人民医院 | 结构化临床诊断术语集构建方法及其系统 |
CN108932979A (zh) * | 2018-07-04 | 2018-12-04 | 泰康保险集团股份有限公司 | 疾病分类信息的识别方法、装置、终端及计算机存储介质 |
CN109215795B (zh) * | 2018-08-10 | 2020-11-06 | 上海交通大学 | 病例复杂度预测方法及系统 |
CN109801693B (zh) * | 2018-12-14 | 2023-07-14 | 平安医疗健康管理股份有限公司 | 病案分组方法及装置、终端和计算机可读存储介质 |
CN111048190A (zh) * | 2019-11-29 | 2020-04-21 | 挂号网(杭州)科技有限公司 | 一种基于人工智能的drg分组方法 |
CN111489821B (zh) * | 2020-03-31 | 2021-02-02 | 宜昌市中心人民医院(三峡大学第一临床医学院、三峡大学附属中心人民医院) | 诊断组管理系统 |
CN111933301A (zh) * | 2020-06-30 | 2020-11-13 | 望海康信(北京)科技股份公司 | Drg分组器形成系统、方法及相应设备、存储介质 |
CN111863167A (zh) * | 2020-07-10 | 2020-10-30 | 青岛国新健康产业科技有限公司 | 病例分组方法、装置、电子设备及存储介质 |
CN111986816B (zh) * | 2020-08-31 | 2022-11-29 | 深圳平安医疗健康科技服务有限公司 | 基于大数据分析的门诊病例的分组方法和装置 |
CN112632913B (zh) * | 2020-12-21 | 2022-06-14 | 山东众阳健康科技集团有限公司 | 一种chs-drg分组器自动入组方法及系统 |
CN112750046A (zh) * | 2021-01-31 | 2021-05-04 | 云知声智能科技股份有限公司 | 一种基于异常检测算法的医保控费方法和系统 |
CN112863673B (zh) * | 2021-03-12 | 2022-03-29 | 山东勤成健康科技股份有限公司 | 一种合并症和并发症的病历统计分析系统 |
CN116150698B (zh) * | 2022-09-08 | 2023-08-22 | 天津大学 | 一种基于语义信息融合的drg自动分组方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015017859A1 (en) * | 2013-08-02 | 2015-02-05 | Optum, Inc. | Claim-centric grouper analysis |
CN105159965A (zh) * | 2015-08-24 | 2015-12-16 | 深圳市妇幼保健院 | 一种基于网格技术的新生儿缺陷预警方法及系统 |
CN106682438A (zh) * | 2016-12-30 | 2017-05-17 | 广州慧扬信息系统科技有限公司 | 基于疾病诊断相关分组的医师绩效管理系统计算方法 |
CN106845098A (zh) * | 2017-01-17 | 2017-06-13 | 天津艾登科技有限公司 | 一种基于决策树算法的疾病诊断分组的实现方法 |
CN106934235A (zh) * | 2017-03-09 | 2017-07-07 | 中国科学院软件研究所 | 一种基于迁移学习的疾病领域间病人相似性度量迁移系统 |
CN107463770A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的评价方法和系统 |
CN107463769A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的医疗收付费管理方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080086327A1 (en) * | 2006-10-06 | 2008-04-10 | Qmed, Inc. | System and method for determining and verifying disease classification codes |
-
2017
- 2017-07-14 CN CN201710575891.7A patent/CN107463771B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015017859A1 (en) * | 2013-08-02 | 2015-02-05 | Optum, Inc. | Claim-centric grouper analysis |
CN105159965A (zh) * | 2015-08-24 | 2015-12-16 | 深圳市妇幼保健院 | 一种基于网格技术的新生儿缺陷预警方法及系统 |
CN106682438A (zh) * | 2016-12-30 | 2017-05-17 | 广州慧扬信息系统科技有限公司 | 基于疾病诊断相关分组的医师绩效管理系统计算方法 |
CN106845098A (zh) * | 2017-01-17 | 2017-06-13 | 天津艾登科技有限公司 | 一种基于决策树算法的疾病诊断分组的实现方法 |
CN106934235A (zh) * | 2017-03-09 | 2017-07-07 | 中国科学院软件研究所 | 一种基于迁移学习的疾病领域间病人相似性度量迁移系统 |
CN107463770A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的评价方法和系统 |
CN107463769A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的医疗收付费管理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107463771A (zh) | 2017-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107463771B (zh) | 一种病例分组的方法和系统 | |
CN109447183B (zh) | 预测模型训练方法、装置、设备以及介质 | |
Nelson et al. | Screening for breast cancer: an update for the US Preventive Services Task Force | |
CN111488914B (zh) | 一种基于多任务学习的阿尔茨海默症分类及预测系统 | |
CN105190634A (zh) | 用于计算用作医疗决策支持的医疗建议的分数的方法 | |
CN105726026A (zh) | 基于脑网络与脑结构信息的轻度认知障碍疾病分类方法 | |
CN113962930B (zh) | 阿尔茨海默病风险评估模型建立方法和电子设备 | |
CN113077875A (zh) | Ct影像的处理方法及装置 | |
Schwartz et al. | The prenatal morphomechanic impact of agenesis of the corpus callosum on human brain structure and asymmetry | |
Li et al. | Lesion-aware convolutional neural network for chest radiograph classification | |
Kim et al. | Interpretable deep learning‐based hippocampal sclerosis classification | |
Luchristt et al. | Risk of obstetric anal sphincter injuries at the time of admission for delivery: a clinical prediction model | |
Yoo et al. | Artificial intelligence-based identification of normal chest radiographs: a simulation study in a multicenter health screening cohort | |
WO2023198224A1 (zh) | 一种精神障碍类磁共振图像初步筛查模型构建方法 | |
Lang et al. | Brain Tumor identification based on CNN-SVM model | |
WO2023173538A1 (zh) | 阿尔兹海默症评估方法、系统、设备及存储介质 | |
Lee et al. | Neural network application for assessing thyroid-associated orbitopathy activity using orbital computed tomography | |
Bonkhoff et al. | Dynamic functional connectivity analysis reveals transiently increased segregation in patients with severe stroke | |
Wilmskoetter et al. | Dynamic network properties of the superior temporal gyrus mediate the impact of brain age gap on chronic aphasia severity | |
Zhang et al. | Value of rehabilitation training for children with cerebral palsy diagnosed and analyzed by computed tomography imaging information features under deep learning | |
Geller et al. | Radiologists' performance and their enjoyment of interpreting screening mammograms | |
Kelly et al. | Machine learning-optimized Combinatorial MRI scale (COMRISv2) correlates highly with cognitive and physical disability scales in Multiple Sclerosis patients | |
Vutakuri et al. | Breast cancer diagnosis using a Minkowski distance method based on mutual information and genetic algorithm | |
US20200075163A1 (en) | Diagnostic decision support for patient management | |
CN110175926A (zh) | 一种基于大数据分析的医保支付测算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |