CN108320788A - 医院业务分析方法及装置 - Google Patents

Abstract

本公开是关于一种医院业务分析方法及装置。该方法包括：对多个医院数据系统中的非结构化数据进行结构化处理；通过ETL过程从多个医院数据系统中提取与诊断相关分组相关的目标数据；基于预定义的患者识别信息来识别目标数据中的患者；以及基于患者的诊断相关分组的分组结果对各医院业务进行分析。本公开能够提高医院精细化管理水平、为医疗资源最优化配置客观量化的实现方法，同时降低诊疗过程的资源消耗水平。

Description

医院业务分析方法及装置

技术领域

本公开涉及医疗大数据技术领域，具体而言，涉及一种医院业务分析方法及医院业务分析装置。

背景技术

目前用于医院管理的信息系统已经普及，医院管理正沿着精细化、过程化管理的理念发展。

然而，在目前的医院管理系统中，各系统大部分为辅助完成业务的工具性软件，并且只能在单独的系统内给出一定的统计结果。为了对医院的各项业务进行整体分析，需要人工分别从各医院数据系统中提取数据，对所提取的数据经过一系列处理后，离线计算来得出相应结果。

因此，在目前的医院管理系统下，由于各医院数据系统中的数据相互独立，无法综合利用各医院数据系统中的数据对医院业务进行整体分析。此外，缺乏适当的业务分析技术对各医院数据系统中的数据进行科学地利用，从而无法满足精细化管理的应用需求。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种医院业务分析方法及医院业务分析装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供了一种医院业务分析方法，包括：

对多个医院数据系统中的非结构化数据进行结构化处理；

通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

基于预定义的患者识别信息来识别所述目标数据中的患者；以及

基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

在本公开的一种示例性实施例中，所述医院业务分析方法包括：

根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。

在本公开的一种示例性实施例中，所述根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理包括下述编码处理中的一种或多种：

根据ICD-10对临床诊断数据进行编码处理；

根据ICD-9-CM-3对手术与操作数据进行编码处理；以及

根据ICD-O-3对病理诊断数据进行编码处理。

在本公开的一种示例性实施例中，所述目标数据与记录所述目标数据时的气象数据自动匹配。

在本公开的一种示例性实施例中，所述医院业务包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务中的一种或多种。

根据本公开的另一方法，提供了一种医院业务分析装置，包括：

结构化处理单元，用于对多个医院数据系统中的非结构化数据进行结构化处理；

目标数据提取单元，用于通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

患者识别单元，用于基于预定义的患者识别信息来识别所述目标数据中的患者；以及

业务分析单元，用于基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

在本公开的一种示例性实施例中，所述医院业务分析装置：

编码处理单元，用于根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。

在本公开的一种示例性实施例中，所述根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理包括下述编码处理中的一种或多种：

根据ICD-10对临床诊断数据进行编码处理；

根据ICD-9-CM-3对手术与操作数据进行编码处理；以及

根据ICD-O-3对病理诊断数据进行编码处理。

在本公开的一种示例性实施例中，所述目标数据与记录所述目标数据时的气象数据自动匹配。

在本公开的一种示例性实施例中，所述医院业务包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务中的一种或多种。

本公开的一种示例性实施例中的医院业务分析方法及医院业务分析装置，首先，对多个医院数据系统中的非结构化数据进行结构化处理；然后，通过ETL过程从医院数据系统中提取目标数据；最后，基于诊断相关分组来构建医院业务分析模型对各医院业务进行分析。一方面，通过对多个医院数据系统中的非结构化数据进行结构化处理，可以对各医院数据系统的数据进行整合，从而可以综合利用各医院数据系统中的数据对医院业务进行整体分析；另一方面，通过ETL过程从医院数据系统中提取目标数据，可以减少需要处理的数据量，从而提高处理效率；再一方面，基于诊断相关分组来构建医院业务分析模型，可以科学地利用各医院数据系统中的数据对医院业务进行自动化分析，辅助进行精细化管理，从而可以优化医院资源配置，降低医院费用消耗。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一示例性实施例的医院业务分析方法的流程图；

图2示出了根据本公开一示例性实施例应用图1中所示的医院业务分析方法对各医院业务进行分析的流程图；以及

图3示出了根据本公开一示例性实施例的医院业务分析装置的流程图

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施例中，首先提供了一种医院业务分析方法。参考图1中所示，该医院业务分析方法可以包括以下步骤：

步骤S110.对多个医院数据系统中的非结构化数据进行结构化处理；

步骤S120.通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

步骤S130.基于预定义的患者识别信息来识别所述目标数据中的患者；以及

步骤S140.基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

根据本示例实施例中的医院业务分析方法，一方面，通过对多个医院数据系统中的非结构化数据进行结构化处理，可以对各医院数据系统的数据进行整合，从而可以综合利用各医院数据系统中的数据对医院业务进行整体分析；另一方面，通过ETL过程从医院数据系统中提取目标数据，可以减少需要处理的数据量，从而提高处理效率；再一方面，基于诊断相关分组来构建医院业务分析模型，可以科学地利用各医院数据系统中的数据对医院业务进行自动化分析，辅助进行精细化管理，从而可以优化医院资源配置，降低医院费用消耗。

下面，将对本示例实施例中的医院业务分析方法进行进一步的说明。

在步骤S110中，对多个医院数据系统中的非结构化数据进行结构化处理。

在本示例性实施例中，多个医院数据系统可以包括HIS(医院信息系统)、LIS(实验室信息管理系统)、RIS(放射信息管理系统)、CIS(临床信息系统)以及PACS(医学影像存档与通讯系统)，但是本公开的示例性实施例中的医院数据系统不限于此，例如医院数据系统还可以包括电子病历系统、超声影像信息系统等数据系统，这也属于本公开的保护范围。

由于现有的医院数据系统中的数据类型复杂，存在大量的非结构化数据，难以直接对数据系统中的数据进行大规模的自动化处理，所以需要对这些非结构化数据进行结构化处理。医院数据结构化处理是指从医学信息学的角度将以自然语言方式录入的非结构数据按照医学术语的要求进行结构化分析，并将这些语义结构最终以关系型(面向对象)结构的方式进行保存。

在本示例性实施例中，为了对非结构化数据进行结构化处理，首先，可以对非结构化数据进行分词，例如，对于描述一个“胸部疼痛3日”病症的句子，可以按照词语的类别将该句子划分为“胸部”(名词)、“疼痛”(动词、行为短语)、“3”(数词)以及“日”(单位名词)4个部分；然后，可以根据预定义的数据标准对所划分的各部分进行分类，例如将“胸部”分为描述“身体部位”的元素，将“疼痛”分为描述“症状”的元素，将“3”分为“数值”元素，将“日”分为“时间单位”元素；最后，可以将经分类的各部分数据按照关系型机构存储到数据库中。在本示例性实施例中，预定义的数据标准可以为临床文档数据组与数据元标准，但是本公开的示例性实施例中的预定义的数据标准不限于此，例如还预定义的数据标准还可以包括医疗知识图谱等数据标准。

接下来，在步骤S120中，通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据。

ETL(Extract-Transform-Load)是用于描述将数据从来源端(例如，原始业务系统)经过提取、转换、加载至目的端(例如，数据仓库)的过程。在处理数据过程中可能生成一些错误及不一致的数据部分，可以将这些错误及不一致的数据部分理解为系统不需要的和/或可能会影响系统正常工作的“脏数据”。造成“脏数据”的原因可以包括但不限于：数据输入错误、滥用缩写成、惯用语使用不当、重复记录、丢失信息、拼写变化、使用不同的计量单位以及过时的编码中的一种或多种。使用ETL对“脏数据”进行清洗可以提高数据质量、保证系统正常工作并确保数据处理效率。

在本示例性实施例中，医院数据系统可以为关系型数据库和/或非关系型数据库，并且可以通过接口(例如，JDBC、专用数据库接口以及平面文件提取器等)实现各医院数据系统的提取过程。通过ETL过程从医院数据数据系统中提取目标数据可以减少需要处理的数据量，从而可以提高数据处理效率。

由于国际疾病分类(ICD)方案和以ICD为基础的单病种管理方案没有充分考虑到疾病的诸多因素(例如，患者个体特征和病情)的影响，而且ICD病种和单病种的病种过多，不便于用于对医院业务进行全面的评价。而诊断相关分组(DRGs)仅有几百个分组，并且可以覆盖所有病种。DRGs可以根据患者的个体特征信息、诊断信息、治疗信息等将患者分入到500至600各诊断相关分组中。因此本公开中引入DRGs构建医院业务分析模型可以更科学地对医院业务进行分析。

在本示例性实施例中，与DRGs相关的目标数据可以包括：诊断信息、手术信息、操作信息、患者个体特征信息，但是本公开的示例性实施例中的目标数据不限于此，例如目标信息还可以包括并发症、病症严重程度、合并症等信息。

接下来，在步骤S130中，基于预定义的患者识别信息来识别所述目标数据中的患者。

在本示例性实施例中，预定义的患者识别信息可以包括患者身份识别信息和患者归属地信息，但是本公开的示例性实施例中的患者识别信息不限于此，例如患者识别信息还可以包括地域识别信息等识别信息。其中，患者身份识别信息可以包括姓名、年龄、身高、体重以及性别等信息，患者归属地信息可以包括籍贯、居住地以及保险归属地等信息。

在本示例性实施例中，在医院数据系统中提取与诊断相关分组相关的目标数据时，还可以将目标数据与记录目标数据时的气象数据进行自动匹配。基于目标数据匹配的气象数据，可以建立预测模型，实现气象条件与疾病发病情况的预测分析。如某地区常现雾霾天气，则模型可预测相应气象条件下呼吸疾病患者就诊行为的变化，为医疗机构提供预警及资源配置建议。

此外，在本示例性实施例中，所述医院业务分析方法还可以包括：基于与所识别的患者相关的诊断数据将所述患者划分到所述诊断相关分组中。

在本示例性实施例中，与所识别的患者相关的诊断数据可以包括临床诊断数据、病理诊断数据、操作数据、主要诊断数据，但是本公开的示例性实施例中的诊断数据不限于此，例如诊断数据还可以包括患者个体特征、主要病症数据、疾病严重程度数据等数据。

由于各医院数据系统中的诊断数据用语可能不统一，或者诊断数据用语为自然语言用语，不便于用计算机进行处理，需要用统一的标准编码对诊断数据进行编码处理。因此，在本示例性实施例中，医院业务分析方法还可以包括根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。在对诊断数据进行编码处理之后，可以方便高效地根据经编码的诊断数据对患者进行DRGs分组。

在本示例性实施例中，由于诊断数据中包含各种各样的数据，需要根据不同的数据类型采用不同的编码方法，例如，可以根据ICD-10对临床诊断数据进行编码处理；根据ICD-9-CM-3对手术与操作数据进行编码处理；以及根据ICD-O-3对病理诊断数据进行编码处理。其中，ICD-10是国际疾病分类标准的第十次修改版本，ICD-9-CM-3是国际疾病分类标准中的手术与操作分类标准，ICD-O-3为形态学分类标准。

接下来，在步骤S140中，基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

在本示例性实施例中，医院业务可以包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务，但是本公开的示例性实施例中的医院业务不限于此，例如医院业务还可以包括仪器管理业务等业务。

图2示出了应用本示例实施例中的医院业务分析方法对各医院业务进行具体分析的示意图。如图2所示，可以根据DRGs分组结果对患者基本信息、诊疗过程、资源配置等业务进行分析。

例如，在对患者基本信息进行分析时，基于DRGs分组结果，结合患者身份识别信息、地域识别信息、保险识别信息对具有同一类疾病的患者基本信息进行分析，然后可以按照医院科室、病区、诊疗组等不同管理水平对不同疾病类型的患者进行划分，输出不同管理水平和不同疾病类型的患者特征信息。在对诊疗过程进行分析时，可以结合病例中的临床表现、临床诊断、实验室结果、检查结果、操作信息、治疗信息、药品信息，得到每个病例的疾病与治疗特征。在对医院业务例如资源配置业务进行分析时，可以根据每个DRGs分组中的患者数量、患者个体特征、诊断数据等信息来分析每个DRGs分组需要的相应的医护人员数量、工作量、工作复杂度、时间消耗、费用消耗，从而可以得出综合的人力资源配置分析结果。

此外，在本示例实施例中，还可以基于DRGs分组对病例进行过程化的费用消耗进行分析。例如，以时间进程为主线，诊断和治疗的操作及干预措施为时间坐标，计算坐标节点的费用消耗量、以及费用的变化情况。

而且，在本示例性实施例中，还可以根据医院管理业务需要来基于DRGs分组对需要的业务进行分析。例如，可以基于DRGs分组结果，从疾病类型和药品类型两个方向分析病例的药品使用情况，包括药品使用剂量、剂型、频次以及费用等信息。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本示例性实施例中，还提供了一种医院业务分析装置，如图3所示，该医院业务分析装置300可以包括：结构化处理单元310、目标数据提取单元320、患者识别单元330以及业务分析单元340。其中：

结构化处理单元310用于对多个医院数据系统中的非结构化数据进行结构化处理；

目标数据提取单元320用于通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

患者识别单元330用于基于预定义的患者识别信息来识别所述目标数据中的患者；以及

业务分析单元340用于基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

此外，在本示例性实施例，医院业务分析装置300还可以包括：编码处理单元，用于根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。

在本示例性实施例中，所述根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理可以包括下述编码处理中的一种或多种：根据ICD-10对临床诊断数据进行编码处理；根据ICD-9-CM-3对手术与操作数据进行编码处理；以及根据ICD-O-3对病理诊断数据进行编码处理。

在本示例性实施例中，所述医院业务可以包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务中的一种或多种。

由于本公开的示例实施例的医疗业务分析装置300的各个功能模块与上述医院业务分析方法的示例实施例的步骤对应，因此在此不再赘述。

应当注意，尽管在上文详细描述中提及了医院业务分析装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施例，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施例的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种医院业务分析方法，其特征在于，包括：

对多个医院数据系统中的非结构化数据进行结构化处理；

通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

基于预定义的患者识别信息来识别所述目标数据中的患者；以及

基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

2.根据权利要求1所述的医院业务分析方法，其特征在于，所述医院业务分析方法包括：

根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。

3.根据权利要求2所述的医院业务分析方法，其特征在于，所述根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理包括下述编码处理中的一种或多种：

根据ICD-10对临床诊断数据进行编码处理；

根据ICD-9-CM-3对手术与操作数据进行编码处理；以及

根据ICD-O-3对病理诊断数据进行编码处理。

4.根据权利要求1或2所述的医院业务分析方法，其特征在于，所述目标数据与记录所述目标数据时的气象数据自动匹配。

5.根据权利要求1或2所述的医院业务分析方法，其特征在于，所述医院业务包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务中的一种或多种。

6.一种医院业务分析装置，其特征在于，包括：

结构化处理单元，用于对多个医院数据系统中的非结构化数据进行结构化处理；

目标数据提取单元，用于通过ETL过程从所述多个医院数据系统中提取与诊断相关分组相关的目标数据；

患者识别单元，用于基于预定义的患者识别信息来识别所述目标数据中的患者；以及

业务分析单元，用于基于所述患者的所述诊断相关分组的分组结果对各医院业务进行分析。

7.根据权利要求6所述的医院业务分析装置，其特征在于，所述医院业务分析装置：

编码处理单元，用于根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理。

8.根据权利要求7所述的医院业务分析装置，其特征在于，所述根据疾病分类标准编码对所述目标数据中的诊断数据进行编码处理包括下述编码处理中的一种或多种：

根据ICD-10对临床诊断数据进行编码处理；

根据ICD-9-CM-3对手术与操作数据进行编码处理；以及

根据ICD-O-3对病理诊断数据进行编码处理。

9.根据权利要求6或7所述的医院业务分析装置，其特征在于，所述目标数据与记录所述目标数据时的气象数据自动匹配。

10.根据权利要求6或7所述的医院业务分析装置，其特征在于，所述医院业务包括患者基本信息业务、疾病与诊疗过程业务、资源配置业务、费用消耗业务以及药品使用业务中的一种或多种。