CN110765116A - 基于商业智能系统开发的医院廉政风险防控系统 - Google Patents
基于商业智能系统开发的医院廉政风险防控系统 Download PDFInfo
- Publication number
- CN110765116A CN110765116A CN201910928335.2A CN201910928335A CN110765116A CN 110765116 A CN110765116 A CN 110765116A CN 201910928335 A CN201910928335 A CN 201910928335A CN 110765116 A CN110765116 A CN 110765116A
- Authority
- CN
- China
- Prior art keywords
- data
- income
- hospital
- medical
- cost
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于商业智能系统开发的医院廉政风险防控系统,涉及医疗信息技术领域;本发明利用现有的商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从在线运行的业务系统(HIS、RIS、LIS、HERP、PASS等)信息孤岛中的数据抽取到数据仓库中,将数据仓库里的数据进行数据挖掘,多维度的定义成指标项,再整合成需要展示的数据;最终利用帆软报表工具将需要展示的数据制作成各类图表通过信息展示平台直观的展示出来;该系统已经实际运行,运行以来,极大的减少了医院纪委日常的管理工作量,降低了数据被篡改的风险,可以对风险指标进行即时监控,防止不良事件与违规事件的发生。
Description
技术领域
本发明涉及医疗信息技术领域,特别涉及基于商业智能系统开发的医院廉政风险防控系统。
背景技术
风险评估是风险管理的重要组成部分,包括风险识别、风险分析和风险评价三部分;风险评估是采用科学的程序和方法,在风险识别的基础上,客观地对风险事件及风险因素发生率及后果严重程度进行分析,用评价指标进行量化评估,并据此确定风险的高低或可能造成的损失大小,找到关键风险,为重点处置这些风险提供科学依据的过程。
医疗风险存在于整个过诊疗程中,可能导致损失和伤残事件的不确定性或可能发生医疗事故、差错、意外、并发症以及由上述因素导致的医疗纠纷、诉讼等一切不安全事件;防范医疗风险隐患是保障医疗质量和安全的核心管理内容;我国《三级综合医院评审标准实施细则》在改进医疗质量,保障患者安全等方面,更加注重医疗风险的预测,要求医院实施院、科两级风险评估,加强对意外事件的风险防范与管理,以最大限度地降低医疗风险发生的可能,对医疗风险管理的规范化实施起到促进作用。
在医院纪委的日常的管理工作中,会涉及到一些量化的指标,需要对这些重点指标进行重点监控,医院纪检重点监控的指标包括:药费、药占比、基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率等;这些需要监控的指标散落在医院多个业务系统中,涉及全院多个科室和部门,导致上报工作非常繁琐;并且这些指标通过人工上报,数据有被篡改的风险;同时,需要对存在的风险指标进行即时监控,防止不良事件与违规事件的发生;而现有的系统无法实现有效的风险防控,造成这个问题的原因在于:
1.信息孤岛,医院通过十几年的信息化建设,逐步建设了如HIS、RIS、LIS、输血系统等业务信息系统,办公自动化系统(OA)、综合运营管理系统(HERP)等管理系统逐步建设完毕;然而各个系统因业务分工相对独立,导致系统产生的业务数据无关联性;无法快速地进行分析,也因为不同的数据定义,导致每个系统独立产生的统计报表间总存在差异,导致医院管理者无法全面地掌握医院整体运营情况。
2.数据差异,各个系统厂商在实施过程中使用了不同的数据库,现运行的数据库包括:Oracle、SqlServer、MySQL、DB2,不同的数据库使得数据难以提取,相互可以关联的数据也无法整合。
因此,如何解决上述技术问题,研发设计一种医院廉政风险防控系统及方法是目前医疗信息技术领域研发的重点方向之一。
商业智能(BusinessIntelligence,BI)是一套用于收集、组织、分析,将原始粗糙的数据转化成有意义的、有用的信息,并提供可操作性的、战略上和决策支持的理论、方法、流程和技术;商业智能并不是一个新兴的技术,而是一系列信息技术的集合,包括数据仓库(DataWarehouse)、ETL工具(Extract-Transform-Load)、联机分析处理(OnlineAnalyticalProcessing)、数据挖掘(DateMining)、数据可视化等,数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策;数据仓库与数据库的区别在于,数据库装的是原始数据,数据仓库装的是为了分析数据而存在的;ETL是构建数据仓库的重要一环,用户从数据源抽取出所需的数据,经过数据清洗和转化,最终按照预先定义好的数据仓库模型,将数据加载到数据仓库中去;联机分析处理是一种软件技术,它使分析人员能够迅速、一致、交互地从各个方面观察信息,以达到深入理解数据的目的;它具有FASMI,即共享多维信息的快速分析的特征;其中F是快速性(Fast),指系统能在数秒内对用户的多数分析要求做出反应;A是可分析性(Analysis),指用户无需编程就可以定义新的专门计算,将其作为分析的一部分,并以用户所希望的方式给出报告;M是多维性(Multi—dimensional),指提供对数据分析的多维视图和分析;I是信息性(Information),指能及时获得信息,并且管理大容量信息;数据挖掘又译为资料探勘、数据采矿;它是数据库知识发现中的一个步骤;数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程;数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标;数据可视化对于研究大规模数据人员而言,数据可视化指综合运用计算机图形学、图像、人机交互等技术,将采集或模拟的数据映射为可识别的图形、图像、视频或动画,并允许用户对数据进行交互分析的理论、方法和技术;而对于广大的编辑、设计师、数据分析师等需要呈现简单数据序列的人员而言,数据可视化是将数据用统计图表和信息图方式呈现,同样也符合“3+2”(文字、图表、图像+声音、动画)的基本构成元素。
近年来这些技术逐渐被用于医疗领域,如申请公布号为CN107978362A的中国发明专利公开的“在医院网络中利用数据分布的查询”,如请公布号为CN102103734A中国发明专利公开的“医疗信息整合系统及方法”,如请公布号为CN101986333A中国发明专利公开的“一种医院辅助决策支持系统”;商业智能在医疗领域应用以提高组织运营效率和医疗质量;商业智能在医疗领域的应用常被看成一套完整的解决方案,通过整合医疗机构中异构系统的海量数据,致力于数据挖掘、知识发现,实现深层次服务,为医院领导的决策提供更加准确和清晰的数据保障,以快速应对日益复杂和快速变化的医疗环境;申请人利用上述商业智能系统自主研发设计了一种医院廉政风险防控系统,用于解决医院纪委无法对重点指标进行有效即时监控的问题。
发明内容
本发明的目的在于提供一种基于商业智能系统开发的医院廉政风险防控系统,该系统以医院纪检工作需求为出发点,以职业权利防控为目的;纪委依托此系统,对于医务人员的执业行为进行监督和分析;针对职业权利防控,重点监控的指标包括:药费、药占比、基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率;通过该系统管理层可以对存在的风险指标进行即时监控,防止不良事件与违规事件的发生。
本发明采用的技术方案如下:基于商业智能系统开发的医院廉政风险防控系统,该系统利用商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;之后根据医院和纪检定义的指标对HBI数据仓库中存储的数据进行加工处理,加工成指标项,再将指标项整合成可供展示的结构化数据;利用帆软报表工具的功能将已处理后的结构化数据制作成可视化程度高,可钻取,可分析的图表;最后通过信息展示平台整体呈现;其特征是:
上述医院中各业务信息系统包括医院内HIS系统、RIS系统、HERP系统、PASS系统、LIS系统;风险防控系统的中心数据服务器分别连接上述各业务信息系统的数据接口;通过商业智能系统中的ETL工具将医院纪检重点监控的信息从上述各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;ETL数据抽取采用全量抽取、增量抽取,定时抽取到HBI数据库中;
上述医院纪检重点监控的信息包括如下指标:药费、药占比、基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率;其中:
(一)药费:取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上;
(二)药占比:药占比=药费/医疗收入;其中分子药费,即上面提到的“药费”;分母取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表;分子分母的相关数据均存至存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上;
(三)基药占比:基药占比=基药费/药费;分子分母均取自HIS系统数据库;其中分子基药费为HIS系统数据库中,药品字典定义的“基本药物”的药品费用,分母药品费为(1)中“药费”;分子分母的相关数据均存至HBI数据仓库,按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
(四)住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比:
住院抗生素使用率=住院使用抗菌药物次数/住院同期就诊总人数;
住院抗生素药占比=住院抗菌药物总费用/住院总药品费用;
门诊抗生素使用率=门诊使用抗菌药物次数/门诊同期就诊总人数;
门诊抗生素药占比=门诊抗菌药物总费用/门诊总药品费用;
取自PASS系统数据库的“抗生素字典”与HIS的医嘱进行匹配,筛选出使用次数和使用费用,存至HBI数据仓库,按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
(五)耗占比:耗占比=耗材成本/(医疗收入-药品收入),其中耗材成本取自HERP数据库出库的耗材的费用,医疗收入和药品收入取自HIS系统数据库的医疗收入和药品收入;按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
(六)耗材的收益分析:耗材的收入与支出(成本)的对比,耗材的收入取自HIS系统数据库的卫生材料收入,耗材支出取自HERP数据库出库的耗材的费用;最终用帆软软件的图表工具将数据整理成图表呈现在信息平台上;
(七)高值耗材使用率:高值耗材使用率=高值耗材使用的费用占领用费用的比例;其中高值耗材使用和领用费用均取自HERP系统的耗材费用记录;按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表逐级展示呈现在信息平台上;
(八)检验试剂的出入库情况:取自LIS系统数据库中“检验试剂的出入库情况”;用帆软软件的报表工具将数据整理为图表展示呈现在信息平台上;
(九)核磁的阳性率和CT的阳性率:
核磁阳性率=核磁检查报告阳性数/核磁检查开单数,
CT阳性率=CT检查报告阳性数/CT检查开单数;
其中核磁(CT)检查报告阳性个数取自RIS系统核磁(CT)检查数据库报告中“阳性”的结果,核磁(CT)开单数取自HIS系统数据库的检查开单数,以日期、开单科室、开单医生等多种维度存至HBI数据仓库,最终用帆软软件的报表工具将数据整理成图表呈现在信息平台上。
进一步,上述医院纪检重点监控的信息还包括包头市下发的控费指标;将其包含的指标整合呈现在该平台,其中包括以下指标:
(1) 区域医疗费用增长即区域医疗机构医疗总收入增幅=[(区域内医疗机构本年度住院收入+本年度门诊收入)-(区域内医疗机构上年度住院收入+上年度门诊收入)]/(区域内医疗机构上年度住院收入+上年度门诊收入)×100%,用于反映区域医疗费用年度总体增长情况;其中,收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(2) 门诊病人次均医药费用=门诊收入/总诊疗人次数,用于反映医院门诊病人费用负担水平;其中,门诊收入取自HIS系统数据库的“门诊费用记录”表,总诊疗人次数取自HIS系统数据库的“就诊人次数”,将“门诊收入”、“总诊疗人次数”以及计算结果“门诊病人次均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(3) 住院病人人均医药费用=住院收入/出院人数,用于反映医院住院病人费用负担水平;其中,住院收入取自HIS系统数据库的“住院费用记录”表,出院人数取自HIS系统数据库的“出院人次数”,将“住院收入”、“出院人次数”以及计算结果“住院病人人均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(4) 住院的人次人头比,住院的人次人头比=期内住院人次/期内住院人头数,用于反映在使用均次指标评价情况下,医院分解住院情况。住院人次取自HIS系统数据库中办理入院的人次数,因本院已实行实名制就医,身份证号为唯一标识,则住院人头数取自HIS系统数据库中身份证号的个数;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(5) 门诊收入占医疗收入的比重=医院门诊收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“门诊费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(6) 住院收入占医疗收入的比重=医院住院收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“住院费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(7) 检查和化验收入占医疗收入比重=(医院检查收入+检验收入)/医疗收入×100%,用于反映医院收入结构;其中医院检查、检验收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“检查收入”和“检验收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(8) 卫生材料收入占医疗收入比重=医院卫生材料收入/医疗收入×100%,用于反映医院收入结构;其中医院卫生材料收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“卫生材料收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(9) 挂号、诊察、床位、治疗、手术和护理收入总和占医疗收入比重=(医院挂号收入+诊察收入+床位收入+治疗收入+手术收入+护理收入)/医疗收入×100%,用于反映医院收入结构;其中分子取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“挂号”、“诊察”、“床位”、“治疗”、“手术”和“护理”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(10)平均住院日,平均住院日=出院者占用总床日数/出院人数,用于反映医院对住院患者的服务效率;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(11)床位使用率,床位使用率=实际占用的总床日数/实际开放的总床日数×100%,用于反映住院患者的病床工作负荷;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上。
进一步,将上述指标中用户使用率最高的指标整合在信息展示平台的首页,呈现的维度为“全院”;首页中的指标包括:耗占比、高值耗材使用率、药占比、基药占比、门诊抗生素使用率、门诊抗生素药占比、住院抗生素使用率、住院抗生素药占比、核磁阳性率、CT阳性率和检验试剂出入库费用情况。
进一步,该系统还设置有分级统计,层层钻取功能模块;分级统计,意为针对某项指标,统计该指标自三级级别,分别是全院级别、科室级别到医生级别进行连续统计,钻取是改变维的层次,数据多层钻取可以一层一层查看更细粒度的下层数据。
进一步,该系统还设置有异常数据报警功能模块;异常数据报警,即将超出既定标准的数据标记为红色,通过设置标准线、平均线等数据线,加入各个指标的异常数据的告警,包括高值告警和低值告警,以标红的方式突出异常数据,方便用户直观的发现异常数。
进一步,该系统还设置排名和红黑榜功能模块;根据各指标的标准线的定义,将展示的数据以正序排名和倒序排名的方式,可以更快反映表现优秀和表现不好的科室和个人。
进一步,该系统还设置有对比功能模块;将成对的数据放在一个图表里进行对比分析展示。
本发明的有益效果在于:本发明提供了一种基于商业智能系统开发的医院廉政风险防控系统,该系统利用现有的商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从在线运行的业务系统(HIS、RIS、LIS、HERP、PASS等)信息孤岛中的数据抽取到数据仓库中,将数据仓库里的数据进行数据挖掘,多维度的定义成指标项,再整合成需要展示的数据;最终利用帆软报表工具将需要展示的数据制作成各类图表通过信息展示平台直观的展示出来;该系统已经实际运行,运行以来,极大的减少了医院纪委日常的管理工作量,降低了数据被篡改的风险,可以对风险指标进行即时监控,防止不良事件与违规事件的发生。
附图说明
图1为本发明的流程图。
图2为本发明中药费、药占比图表展示图。
图3为本发明中基药占比的图表展示图。
图4为本发明中住院抗生素使用率的图表展示图。
图5为本发明中住院抗生素药占比的图表展示图。
图6为本发明中耗占比的图表展示图。
图7为本发明中耗材的收益分析的图表展示图。
图8为本发明中科室级别的耗材收益分析的图表展示图。
图9为本发明中高值耗材使用率的图表展示图。
图10为本发明中检验试剂的出入库情况的图表展示图。
图11为本发明中按月显示各类检验试剂出入库的明细的图表展示图。
图12为本发明中核磁的阳性率和CT的阳性率的图表展示图。
图13为本发明中核磁阳性率进一步细致展示的图表展示图。
图14为本发明中包头市下发的控费指标部分整合的图表展示图。
图15为本发明中信息展示平台的首页展示图。
图16为本发明中基本药占比排名展示图。
图17为本发明中高值耗材使用率对比展示图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图对本发明作进一步的详细介绍,以下所述,仅用以说明本发明的技术方案而非限制。
基于商业智能系统开发的医院廉政风险防控系统,该系统利用商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;之后根据医院和纪检定义的指标对HBI数据仓库中存储的数据进行加工处理,加工成指标项,再将指标项整合成可供展示的结构化数据;利用帆软报表工具的功能将已处理后的结构化数据制作成可视化程度高,可钻取,可分析的图表;最后通过信息展示平台整体呈现,其流程图如图1所示;本系统的特点是:
上述医院中各业务信息系统包括医院内HIS系统、RIS系统、HERP系统、PASS系统、LIS系统;
HIS是医院内基础医院信息系统(HospitalInformationSystem,HIS)、
RIS是医院内放射科信息管理系统(RadiologyInformationSystem,RIS)、
HERP是医院内综合运营管理系统(HospitalEnterpriseResourcePlanning)
PASS是医院内合理用药系统(PrescriptionAutomaticScreeningSystem)
LIS是医院内实验室信息管理系统(LaboratoryInformationSystem,LIS);
风险防控系统的中心数据服务器分别连接上述各业务信息系统的数据接口;通过商业智能系统中的ETL工具将医院纪检重点监控的信息从上述各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;ETL数据抽取采用全量抽取、增量抽取,定时抽取到HBI数据库中;
利用ETL技术,将在线运行的业务系统(HIS、RIS、HERP、PASS、LIS等)信息孤岛中的数据抽取到数据仓库中,可以自定义在每天业务系统不繁忙的时间段进行数据抽取,避免对运行中的业务系统造成不必要的压力,影响正常的运行;ETL技术可以从不同的数据库(Oracle、SqlServer、MySQL、DB2)中抽取需要的数据,解决不同数据库造成数据差异性的问题;
上述医院纪检重点监控的信息包括如下指标:药费、药占比、基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率;其中:
(一)药费:取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上,且展示在同一界面中,这样能够进行更加直观的对比观看;
具体展示方式如下图2所示:左侧图表表示全院药费,其中左上方的柱状图表示全院近12个月的每月的药费及其走势,并按照用户的习惯在左下方搭配全院每月药费的具体数据表格;中部图表为科室层级的药费数据,其中中上方为最近一个完结月份药费排名前十的科室的药费数据,数据用柱状图展示,方便直观的对比观察,同理中下方搭配该月的具体数据表格,用以查看每个科室具体的药费;右侧图表为最近一个完结月份医生层级药费数据,即医生药费前十的排名,数据用柱状图展示,并在下方搭配具体数据表格展示数据。
(二)药占比:药占比=药费/医疗收入;通俗来说,就是病人看病的过程中,买药的花费占总花费的比例;其中分子药费,即上面提到的“药费”;分母取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表;分子分母的相关数据均存至存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上。
药占比的图表展示方式如下图2所示,与药费在同一图表中展示,左侧图表为全院级别的药占比数据,在左上方用曲线表示近12个月的药占比趋势,并在下方搭配表格,在表格中将药占比超过30%的数据标红,以起到警示的作用;中间为科室层级的数据,在中上方用曲线表示药费排名前十的科室的药占比,并在下方搭配表格,同时将药占比超过30%的科室数据标红,以起到警示的作用。右侧图表为医生层级的数据,用曲线表示药费前十的医生的药占比,并在下方搭配表格,同样将超过30%的医生数据标红,以起到警示的作用。
(三)基药占比:基药占比=基药费/药费;分子分母均取自HIS系统数据库;其中分子基药费为HIS系统数据库中,药品字典定义的“基本药物”的药品费用,分母药品费为(1)中“药费”;分子分母的相关数据均存至HBI数据仓库,按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
基药占比的展示方式如下图3所示,包括以时间为维度进行的全院基药占比的趋势和对比(左上柱状图和左下表格)、基药占比的红黑榜(右上基药占比涨幅前十名的科室为红榜,右下基药占比涨幅后十的科室为黑榜)。
(四)住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比:
住院抗生素使用率=住院使用抗菌药物次数/住院同期就诊总人数;
住院抗生素药占比=住院抗菌药物总费用/住院总药品费用;
门诊抗生素使用率=门诊使用抗菌药物次数/门诊同期就诊总人数;
门诊抗生素药占比=门诊抗菌药物总费用/门诊总药品费用;
取自PASS系统数据库的“抗生素字典”与HIS的医嘱进行匹配,筛选出使用次数和使用费用,存至HBI数据仓库,按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
其中,住院抗生素使用率的展示方式如下图4所示,包括住院抗生素使用率的趋势(左图曲线)、每月住院使用抗菌药物次数与住院同期就诊总人数的对比和住院科室抗生素使用率前8名的科室列表(右图)。
住院抗生素药占比的展示方式如下图5所示:包括住院抗生素药占比的趋势(左图曲线)、每月抗生素费用与每月总费用的对比和住院科室抗生素药占比前8名的科室列表(右图)。
门诊抗生素使用率和门诊抗生素药占比的展示方式与住院抗生素使用率和住院抗生素药占比相同(不在此展示)。
(五)耗占比:耗占比=耗材成本/(医疗收入-药品收入),其中耗材成本取自HERP数据库出库的耗材的费用,医疗收入和药品收入取自HIS系统数据库的医疗收入和药品收入;按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
该指标可以从全院层级展示到科室层级,展示方式如图6所示,左上,用曲线展示耗占比的趋势,并搭配左下的具体数据表格,展示每月的耗占比数据;科室耗占比采用柱状图展示,展示耗占比最高的前13名科室。
(六)耗材的收益分析:耗材的收入与支出(成本)的对比,耗材的收入取自HIS系统数据库的卫生材料收入,耗材支出取自HERP数据库出库的耗材的费用;最终用帆软软件的图表工具将数据整理成图表呈现在信息平台上;
该指标可以从全院层级展示到科室层级,全院级别的收益分析用每月卫生材料成本、每月卫生材料收入两种柱状图放在一起展示,可产生直观的对比效果;展示方式如下图7所示;
科室级别的耗材收益分析用该科室每月卫生材料成本、每月卫生材料利润两种柱状图放在一起展示,成本与利润相对比,可观察监测科室在材料这部分的收益情况;展示方式如下图8所示。
(七)高值耗材使用率:高值耗材使用率=高值耗材使用的费用占领用费用的比例,旨在监察高值耗材是否存在不合理使用和领用的行为;其中高值耗材使用和领用费用均取自HERP系统的耗材费用记录;按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表逐级展示呈现在信息平台上;
数据展示方式如下图9所示;左上图中,曲线表示使用率,使用费用、领用费用对比可看出每个月全院使用高值耗材与领用高值耗材的差距,监管部门可以以此为依据,出台关于耗材领用的相关管理措施;使用率的曲线走向可为监管部门提供走势分析,观察措施出台后的监管效果;左下搭配表格供监管部门及时查看具体数据,右侧显示科室级别的数据,按照使用率自高向低排序。
(八)检验试剂的出入库情况:取自LIS系统数据库中“检验试剂的出入库情况”;用帆软软件的报表工具将数据整理为图表展示呈现在信息平台上;数据展示方式如下图10、11所示;
图10中,包括检验试剂入库费用和检验试剂出库费用,柱状图间的对比可看出检验试剂的使用情况,以及是否存在不合理出库和使用率较低的情况;
图11中,按月显示各类检验试剂出入库的明细,供监管部门查看。
(九)核磁的阳性率和CT的阳性率:
核磁阳性率=核磁检查报告阳性数/核磁检查开单数,
CT阳性率=CT检查报告阳性数/CT检查开单数;
其中核磁(CT)检查报告阳性个数取自RIS系统核磁(CT)检查数据库报告中“阳性”的结果,核磁(CT)开单数取自HIS系统数据库的检查开单数,以日期、开单科室、开单医生等多种维度存至HBI数据仓库,最终用帆软软件的报表工具将数据整理成图表呈现在信息平台上;数据展示方式如下图12、13所示;图12中国展示了核磁阳性率的阳性数占比和非阳性数占比,以及CT阳性率的阳性数占比和非阳性数占比;
图13中,左上为全院核磁阳性率的情况,柱状图表示每个月的核磁阳性率,柱状图的走势也可以表示近半年的核磁阳性率的变化趋势;右边的表格为全院各科室核磁检查阳性率的明细,选择表格中的科室,可在左下的表格中查看该科室下的每个医生的开出的核磁检查的阳性率;CT检查的阳性率展现方式与核磁检查的阳性率相同。
(十)此外,本系统还将包头市下发的控费指标按月份整合呈现在该平台,其中包括以下指标:
(1) 区域医疗费用增长即区域医疗机构医疗总收入增幅=[(区域内医疗机构本年度住院收入+本年度门诊收入)-(区域内医疗机构上年度住院收入+上年度门诊收入)]/(区域内医疗机构上年度住院收入+上年度门诊收入)×100%,用于反映区域医疗费用年度总体增长情况;其中,收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(2) 门诊病人次均医药费用=门诊收入/总诊疗人次数,用于反映医院门诊病人费用负担水平;其中,门诊收入取自HIS系统数据库的“门诊费用记录”表,总诊疗人次数取自HIS系统数据库的“就诊人次数”,将“门诊收入”、“总诊疗人次数”以及计算结果“门诊病人次均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(3) 住院病人人均医药费用=住院收入/出院人数,用于反映医院住院病人费用负担水平;其中,住院收入取自HIS系统数据库的“住院费用记录”表,出院人数取自HIS系统数据库的“出院人次数”,将“住院收入”、“出院人次数”以及计算结果“住院病人人均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(4) 住院的人次人头比,住院的人次人头比=期内住院人次/期内住院人头数,用于反映在使用均次指标评价情况下,医院分解住院情况。住院人次取自HIS系统数据库中办理入院的人次数,因本院已实行实名制就医,身份证号为唯一标识,则住院人头数取自HIS系统数据库中身份证号的个数;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(5) 门诊收入占医疗收入的比重=医院门诊收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“门诊费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(6) 住院收入占医疗收入的比重=医院住院收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“住院费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(7) 检查和化验收入占医疗收入比重=(医院检查收入+检验收入)/医疗收入×100%,用于反映医院收入结构;其中医院检查、检验收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“检查收入”和“检验收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(8) 卫生材料收入占医疗收入比重=医院卫生材料收入/医疗收入×100%,用于反映医院收入结构;其中医院卫生材料收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“卫生材料收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(9) 挂号、诊察、床位、治疗、手术和护理收入总和占医疗收入比重=(医院挂号收入+诊察收入+床位收入+治疗收入+手术收入+护理收入)/医疗收入×100%,用于反映医院收入结构;其中分子取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“挂号”、“诊察”、“床位”、“治疗”、“手术”和“护理”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(10)平均住院日,平均住院日=出院者占用总床日数/出院人数,用于反映医院对住院患者的服务效率;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(11)床位使用率,床位使用率=实际占用的总床日数/实际开放的总床日数×100%,用于反映住院患者的病床工作负荷;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
上述包头市下发的控费指标整合的图表如图14所示(为部分指标)。
此外,将上述指标中用户使用率最高的指标整合在信息展示平台的首页,呈现的维度为“全院”,每个指标均支持“向下钻取”;首页中的指标包括:耗占比、高值耗材使用率、药占比、基药占比、门诊抗生素使用率、门诊抗生素药占比、住院抗生素使用率、住院抗生素药占比、核磁阳性率、CT阳性率和检验试剂出入库费用情况;首页的展示图如图15所示。
该系统还设置有如下功能模块:
(1)分级统计,层层钻取功能模块
分级统计,意为针对某项指标,统计该指标自三级级别,分别是全院级别、科室级别到医生级别进行连续统计,这样的设计可以将异常指标责任细化到人,帮助用户精细化监控和管理。
钻取是改变维的层次,变换分析的粒度;通过向导的方式,用户可以定义分析因素的汇总行;数据多层钻取可以一层一层查看更细粒度的下层数据,例如:全院-科室-医生;在查看时通过鼠标点击某个数据点时就会捕捉到下层数据;通过钻取的功能,使用户对数据能更深入了解,更容易发现问题,做出正确的决策;以药费和药占比为例(如下图2所示):自左向右分别是全院级别、科室级别和医生级别的数据展示;其他支持层层钻取的指标有:基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率。
(2)异常数据报警功能模块
异常数据报警,即将超出既定标准的数据标记为红色,这样的设计使异常数据更加醒目,方便用户更快发现问题;通过设置标准线、平均线等数据线,加入各个指标的异常数据的告警(高值告警、低值告警),以标红的方式突出异常数据,方便用户直观的发现异常数;以药占比为例(如下图2所示):超过30%的数据均被标红,使监管部门能快速发现异常数据。
(3)排名和红黑榜功能模块
根据各指标的标准线的定义,将展示的数据以正序排名和倒序排名的方式,可以更快反映表现优秀和表现不好的科室和个人;
并根据排名功能,衍生出红榜、黑榜的概念;以基本药占比为例(如图16所示),国家政策项引导医生多使用基本药物,根据政策倾向,定义红黑榜;
红榜:显示前十个表现良好的科室(本月基药占比-上月基药占比>0的科室为表现良好的科室,相差最大的科室为第一名);
黑榜:后十个表现不好的科室(本月基药占比-上月基药占比<0的科室为表现不好的科室)支持此项功能的指标为基药占比。
(4)对比功能模块
将成对的数据放在一个图标里进行对比分析展示,将对比功能应用在收益分析上,可以将医院收入与成本进行比较,直观地反映出收支的差异。以提醒管理分析收支不平衡的原因;以耗材使用率为例(如下图17所示)柱状图形成对比,可看出每个月全院使用高值耗材与领域用高值耗材的差距,监管部门可以以此为依据,出台关于耗材领用的相关管理措施;其他支持对比功能的指标为耗材收益分析。
本发明利用现有的商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从在线运行的业务系统(HIS、RIS、LIS、HERP、PASS等)信息孤岛中的数据抽取到数据仓库中,将数据仓库里的数据进行数据挖掘,多维度的定义成指标项,再整合成需要展示的数据;最终利用帆软报表工具将需要展示的数据制作成各类图表通过信息展示平台直观的展示出来;该系统已经实际运行,运行以来,极大的减少了医院纪委日常的管理工作量,降低了数据被篡改的风险,可以对风险指标进行即时监控,防止不良事件与违规事件的发生。
尽管参照前述实例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.基于商业智能系统开发的医院廉政风险防控系统,该系统利用商业智能系统将医院中各业务信息系统整合到一起,通过商业智能系统中的ETL工具将医院纪检重点监控的信息从各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;之后根据医院和纪检定义的指标对HBI数据仓库中存储的数据进行加工处理,加工成指标项,再将指标项整合成可供展示的结构化数据;利用帆软报表工具的功能将已处理后的结构化数据制作成可视化程度高,可钻取,可分析的图表;最后通过信息展示平台整体呈现;其特征是:
上述医院中各业务信息系统包括医院内HIS系统、RIS系统、HERP系统、PASS系统、LIS系统;风险防控系统的中心数据服务器分别连接上述各业务信息系统的数据接口;通过商业智能系统中的ETL工具将医院纪检重点监控的信息从上述各业务信息系统中的数据库中抽取出来,经过数据清洗和转化,按照预先定义好的数据仓库模型,将数据加载到HBI数据仓库中去;ETL数据抽取采用全量抽取、增量抽取,定时抽取到HBI数据库中;
上述医院纪检重点监控的信息包括如下指标:药费、药占比、基药占比、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比、耗占比、耗材的收益分析、高值耗材使用率、检验试剂的出入库情况、核磁的阳性率和CT的阳性率;其中:
一、药费:取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上;
二、药占比:药占比=药费/医疗收入;其中分子药费,即上面提到的“药费”;分母取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表;分子分母的相关数据均存至存在HBI数据仓库,按照日期、科室、开单医生多种维度进行数据重组,最终用帆软软件的报表工具将数据按全院、科室、医生三个层级整理为图表逐级展示呈现在信息平台上;
三、基药占比:基药占比=基药费/药费;分子分母均取自HIS系统数据库;其中分子基药费为HIS系统数据库中,药品字典定义的“基本药物”的药品费用,分母药品费为(1)中“药费”;分子分母的相关数据均存至HBI数据仓库,按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
四、住院抗生素使用率和住院抗生素药占比、门诊抗生素使用率和门诊抗生素药占比:
住院抗生素使用率=住院使用抗菌药物次数/住院同期就诊总人数;
住院抗生素药占比=住院抗菌药物总费用/住院总药品费用;
门诊抗生素使用率=门诊使用抗菌药物次数/门诊同期就诊总人数;
门诊抗生素药占比=门诊抗菌药物总费用/门诊总药品费用;
取自PASS系统数据库的“抗生素字典”与HIS的医嘱进行匹配,筛选出使用次数和使用费用,存至HBI数据仓库,按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
五、耗占比:耗占比=耗材成本/(医疗收入-药品收入),其中耗材成本取自HERP数据库出库的耗材的费用,医疗收入和药品收入取自HIS系统数据库的医疗收入和药品收入;按照日期、科室的维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表呈现在信息平台上;
六、耗材的收益分析:耗材的收入与支出(成本)的对比,耗材的收入取自HIS系统数据库的卫生材料收入,耗材支出取自HERP数据库出库的耗材的费用;最终用帆软软件的图表工具将数据整理成图表呈现在信息平台上;
七、高值耗材使用率:高值耗材使用率=高值耗材使用的费用占领用费用的比例;其中高值耗材使用和领用费用均取自HERP系统的耗材费用记录;按照日期、科室多种维度进行数据重组,最终用帆软软件的报表工具将数据整理为图表逐级展示呈现在信息平台上;
八、检验试剂的出入库情况:取自LIS系统数据库中“检验试剂的出入库情况”;用帆软软件的报表工具将数据整理为图表展示呈现在信息平台上;
九、核磁的阳性率和CT的阳性率:
核磁阳性率=核磁检查报告阳性数/核磁检查开单数,
CT阳性率=CT检查报告阳性数/CT检查开单数;
其中核磁(CT)检查报告阳性个数取自RIS系统核磁(CT)检查数据库报告中“阳性”的结果,核磁(CT)开单数取自HIS系统数据库的检查开单数,以日期、开单科室、开单医生等多种维度存至HBI数据仓库,最终用帆软软件的报表工具将数据整理成图表呈现在信息平台上。
2.如权利要求1所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:上述医院纪检重点监控的信息还包括包头市下发的控费指标;将其包含的指标整合呈现在该平台,其中包括以下指标:
(1)区域医疗费用增长即区域医疗机构医疗总收入增幅=[(区域内医疗机构本年度住院收入+本年度门诊收入)-(区域内医疗机构上年度住院收入+上年度门诊收入)]/(区域内医疗机构上年度住院收入+上年度门诊收入)×100%,用于反映区域医疗费用年度总体增长情况;其中,收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”表,存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(2)门诊病人次均医药费用=门诊收入/总诊疗人次数,用于反映医院门诊病人费用负担水平;其中,门诊收入取自HIS系统数据库的“门诊费用记录”表,总诊疗人次数取自HIS系统数据库的“就诊人次数”,将“门诊收入”、“总诊疗人次数”以及计算结果“门诊病人次均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(3)住院病人人均医药费用=住院收入/出院人数,用于反映医院住院病人费用负担水平;其中,住院收入取自HIS系统数据库的“住院费用记录”表,出院人数取自HIS系统数据库的“出院人次数”,将“住院收入”、“出院人次数”以及计算结果“住院病人人均医药费用”都存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(4)住院的人次人头比,住院的人次人头比=期内住院人次/期内住院人头数,用于反映在使用均次指标评价情况下,医院分解住院情况,住院人次取自HIS系统数据库中办理入院的人次数,因本院已实行实名制就医,身份证号为唯一标识,则住院人头数取自HIS系统数据库中身份证号的个数;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(5)门诊收入占医疗收入的比重=医院门诊收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“门诊费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(6)住院收入占医疗收入的比重=医院住院收入/医疗收入×100%,用于反映医院合理诊疗情况;取自HIS系统数据库的“住院费用记录”;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(7)检查和化验收入占医疗收入比重=(医院检查收入+检验收入)/医疗收入×100%,用于反映医院收入结构;其中医院检查、检验收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“检查收入”和“检验收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(8)卫生材料收入占医疗收入比重=医院卫生材料收入/医疗收入×100%,用于反映医院收入结构;其中医院卫生材料收入取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“卫生材料收入”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(9)挂号、诊察、床位、治疗、手术和护理收入总和占医疗收入比重=(医院挂号收入+诊察收入+床位收入+治疗收入+手术收入+护理收入)/医疗收入×100%,用于反映医院收入结构;其中分子取自HIS系统数据库的“门诊费用记录”和“住院费用记录”中标记为“挂号”、“诊察”、“床位”、“治疗”、“手术”和“护理”的收入类型;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(10)平均住院日,平均住院日=出院者占用总床日数/出院人数,用于反映医院对住院患者的服务效率;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上;
(11)床位使用率,床位使用率=实际占用的总床日数/实际开放的总床日数×100%,用于反映住院患者的病床工作负荷;该指标取自HIS系统数据库;将数据存在HBI数据仓库,利用帆软软件的报表工具按照公式将数据呈现在信息平台上。
3.如权利要求1或2所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:将上述指标中用户使用率最高的指标整合在信息展示平台的首页,呈现的维度为“全院”;首页中的指标包括:耗占比、高值耗材使用率、药占比、基药占比、门诊抗生素使用率、门诊抗生素药占比、住院抗生素使用率、住院抗生素药占比、核磁阳性率、CT阳性率和检验试剂出入库费用情况。
4.如权利要求3所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:该系统还设置有分级统计,层层钻取功能模块;分级统计,意为针对某项指标,统计该指标自三级级别,分别是全院级别、科室级别到医生级别进行连续统计,钻取是改变维的层次,数据多层钻取可以一层一层查看更细粒度的下层数据。
5.如权利要求3所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:该系统还设置有异常数据报警功能模块;异常数据报警,即将超出既定标准的数据标记为红色,通过设置标准线、平均线等数据线,加入各个指标的异常数据的告警,包括高值告警和低值告警,以标红的方式突出异常数据,方便用户直观的发现异常数。
6.如权利要求3所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:该系统还设置排名和红黑榜功能模块;根据各指标的标准线的定义,将展示的数据以正序排名和倒序排名的方式,可以更快反映表现优秀和表现不好的科室和个人。
7.如权利要求3所述的基于商业智能系统开发的医院廉政风险防控系统,其特征在于:该系统还设置有对比功能模块;将成对的数据放在一个图表里进行对比分析展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910928335.2A CN110765116A (zh) | 2019-09-28 | 2019-09-28 | 基于商业智能系统开发的医院廉政风险防控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910928335.2A CN110765116A (zh) | 2019-09-28 | 2019-09-28 | 基于商业智能系统开发的医院廉政风险防控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765116A true CN110765116A (zh) | 2020-02-07 |
Family
ID=69330833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910928335.2A Withdrawn CN110765116A (zh) | 2019-09-28 | 2019-09-28 | 基于商业智能系统开发的医院廉政风险防控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765116A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112174A (zh) * | 2021-04-23 | 2021-07-13 | 青岛地铁集团有限公司 | 信息化综合监督系统及方法 |
CN113112149A (zh) * | 2021-04-12 | 2021-07-13 | 宁波市科技园区明天医网科技有限公司 | 基于检查数据的服务质量可视化评估方法 |
CN113535831A (zh) * | 2021-06-09 | 2021-10-22 | 福建升腾资讯有限公司 | 一种基于大数据的报表分析方法、装置、设备和介质 |
CN113781207A (zh) * | 2021-09-15 | 2021-12-10 | 杭银消费金融股份有限公司 | 基于实验设计的风控管理策略确定方法及系统 |
-
2019
- 2019-09-28 CN CN201910928335.2A patent/CN110765116A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112149A (zh) * | 2021-04-12 | 2021-07-13 | 宁波市科技园区明天医网科技有限公司 | 基于检查数据的服务质量可视化评估方法 |
CN113112174A (zh) * | 2021-04-23 | 2021-07-13 | 青岛地铁集团有限公司 | 信息化综合监督系统及方法 |
CN113112174B (zh) * | 2021-04-23 | 2021-11-09 | 青岛地铁集团有限公司 | 信息化综合监督系统及方法 |
CN113535831A (zh) * | 2021-06-09 | 2021-10-22 | 福建升腾资讯有限公司 | 一种基于大数据的报表分析方法、装置、设备和介质 |
CN113781207A (zh) * | 2021-09-15 | 2021-12-10 | 杭银消费金融股份有限公司 | 基于实验设计的风控管理策略确定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415831B (zh) | 一种医疗大数据云服务分析平台 | |
CN110765116A (zh) | 基于商业智能系统开发的医院廉政风险防控系统 | |
NL2012435C2 (en) | Data processing techniques. | |
CN110136837B (zh) | 一种医疗数据处理平台 | |
CN111223534B (zh) | 一种业财融合的精细化管理系统 | |
CN112801488B (zh) | 临床试验质量实时管控优化方法和系统 | |
US20140257045A1 (en) | Hierarchical exploration of longitudinal medical events | |
CN108962394B (zh) | 一种医疗数据决策支持方法及系统 | |
CN110119432B (zh) | 一种用于医疗平台的数据处理方法 | |
CN113935681A (zh) | 一种医用耗材运营管理决策系统 | |
CN113360530A (zh) | 一种事件筛选器系统 | |
Duman et al. | Heath care fraud detection methods and new approaches | |
Zhao et al. | Is coronavirus-related research becoming more interdisciplinary? A perspective of co-occurrence analysis and diversity measure of scientific articles | |
Mittelstädt et al. | Advanced visual analytics interfaces for adverse drug event detection | |
Li | Data quality and data cleaning in database applications | |
JP2003091600A (ja) | 医療看護業務のリスク管理方法及びリスク管理支援システム | |
Domova et al. | Visualization for quality healthcare: patient flow exploration | |
Li et al. | Data mining in hospital information system | |
Tsmots et al. | Information-Analytical Support to Medical Industry. | |
Machado et al. | Applying Business Intelligence to Clinical and Healthcare Organizations | |
Mandell et al. | Development of a visualization tool for healthcare decision-making using electronic medical records: A systems approach to viewing a patient record | |
Kamal et al. | Information warehouse as a tool to analyze computerized physician order entry order set utilization: opportunities for improvement | |
Magallanes et al. | Analyzing time attributes in temporal event sequences | |
AU2020100665A4 (en) | A system and method for managing impact | |
Tsumoto et al. | Mining risk information in hospital information systems as risk mining |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200207 |