CN111785382A - DRGs分组的入组判定方法、装置及计算机设备 - Google Patents
DRGs分组的入组判定方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN111785382A CN111785382A CN202010598404.0A CN202010598404A CN111785382A CN 111785382 A CN111785382 A CN 111785382A CN 202010598404 A CN202010598404 A CN 202010598404A CN 111785382 A CN111785382 A CN 111785382A
- Authority
- CN
- China
- Prior art keywords
- medical record
- target
- grouping
- parameter
- target medical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012795 verification Methods 0.000 claims abstract description 78
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 description 16
- 201000010099 disease Diseases 0.000 description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 11
- 238000004891 communication Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001915 proofreading effect Effects 0.000 description 3
- 206010014561 Emphysema Diseases 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 208000002177 Cataract Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 208000011623 Obstructive Lung disease Diseases 0.000 description 1
- 206010044074 Torticollis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 208000018197 inherited torticollis Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 201000008525 senile cataract Diseases 0.000 description 1
- 210000003954 umbilical cord Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种DRGs分组的入组判定方法、装置及计算机设备，涉及区块链技术，可以解决直接利用病案首页数据进行DRGs分组时，无法识别出关键指标中的不合规数据，导致分组结果不够精准的问题。其中方法包括：获取待分组的目标病案数据；依据预设的第一判定规则对所述目标病案数据进行第一校验；若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，其中，所述不予入组判定模型为预先训练至收敛状态的规则模型，用于验证所述目标病案数据是否满足预设分组条件；基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态。本申请适用于在进行DRGs分组前，对目标病案是否符合DRGs分组条件的预判断。
Description
技术领域
本申请涉及区块链技术，尤其涉及到一种DRGs分组的入组判定方法、装置及计算机设备。
背景技术
DRGs(Diagnosis Related Groups)(疾病)诊断相关分类，是当全球公认的主流医保支付方式之一。它依据病案首页上病人的年龄、性别、住院天数、疾病诊断、手术操作、并发症等参数信息，以ICD-10编码和ICD-9手术操作编码为基础把病案分为若干诊断相关组，在此分组结果上进行测算，对医院进行定额拨付。
但是，现有的DRGs分组工具存在着种种弊端。譬如编码人员缺乏对临床知识的了解，导致分组关键指标如主诊断编码、手术编码信息的录入错误，导致病例分错DRGs组。其次，现有分组工具规则覆盖面的不完善，直接影响了分组结果的可靠性。
发明内容
有鉴于此，本申请提供了一种DRGs分组的入组判定方法、装置及计算机设备，主要解决直接利用病案首页数据进行DRGs分组时，无法识别出关键指标中的不合规数据，导致分组结果不够精准的问题。
根据本申请的一个方面，提供了一种DRGs分组的入组判定方法，该方法包括：
获取待分组的目标病案数据；
依据预设的第一判定规则对所述目标病案数据进行第一校验；
若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，其中，所述不予入组判定模型为预先训练至收敛状态的规则模型，用于验证所述目标病案数据是否满足预设分组条件；
基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态。
根据本申请的另一个方面，提供了一种DRGs分组的入组判定装置，该装置包括：
获取模块，用于获取待分组的目标病案数据；
第一校验模块，用于依据预设的第一判定规则对所述目标病案数据进行第一校验；
第二校验模块，用于若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，其中，所述不予入组判定模型为预先训练至收敛状态的规则模型，用于验证所述目标病案数据是否满足预设分组条件；
更新模块，用于基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态。
根据本申请的又一个方面，提供了一种非易失性可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述DRGs分组的入组判定方法。
根据本申请的再一个方面，提供了一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述DRGs分组的入组判定方法。
借由上述技术方案，本申请提供的一种DRGs分组的入组判定方法、装置及计算机设备，与目前直接利用DRGs分组工具进行分组的方式相比，本申请可在对目标病案进行DRGs分组前，依据第一判定规则对目标病案数据进行第一校验，实现对目标病案的简单参数检查，初步筛除掉数据质量不高的病案。之后可根据现有各地医保政策以及分组失败率的原因参数分布，建立不予入组判定模型，利用不予入组判定模型的判定逻辑对待执行DRGs分组的目标病案进行参数逻辑关系的第二校验。通过两次校验过程，可进一步确定出目标病案是否符合DRGs分组条件，当符合DRGs分组条件时，才允许利用DRGs分组工具进行分组操作。在本申请中，通过预先对目标病案数据进行两次校验，滤除未通过校验的病案数据，可提升后续分组器的分组正确率，减少不合规病案的因素影响，使DRGs分组结果更加精准、可靠。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本地申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种DRGs分组的入组判定方法的流程示意图；
图2示出了本申请实施例提供的另一种DRGs分组的入组判定方法的流程示意图；
图3示出了本申请实施例提供的一种利用不予入组判定模型进行DRGs分组的入组判定的流程示意图；
图4示出了本申请实施例提供的一种DRGs分组的入组判定装置的结构示意图；
图5示出了本申请实施例提供的另一种DRGs分组的入组判定装置的结构示意图。
具体实施方式
下文将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。
针对目前在直接利用病案首页数据进行DRGs分组时，无法识别出关键指标中的不合规数据，导致分组结果不够精准的问题，本申请实施例提供了一种DRGs分组的入组判定方法，如图1所示，该方法包括：
101、获取待分组的目标病案数据。
其中，目标病案数据为待进行DRGs分组的目标病案对应的病案首页数据，可包含病人的年龄、性别、住院天数、疾病诊断、手术操作、并发症等参数信息。
需要强调的是，为进一步保证上述目标病案数据的私密性和安全性，在接收到目标病案数据后，可将其存储在区块链的分布式数据库中。其中。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块可用于存储各个待进行DRGs分组的目标病案数据。
102、依据预设的第一判定规则对目标病案数据进行第一校验。
其中，第一校验主要是对待执行DRGs分组的目标病案进行简单的数据质量校验，如主诊断或手术编码是否和编码库匹配，数据格式是否正确等，若判定不符合任意一个条件则退出，判定目标病案不符合DRGs分组的分组条件。
103、若判定目标病案通过第一校验，则依据不予入组判定模型对目标病案数据进行第二校验。
其中，不予入组判定模型为预先训练至收敛状态的规则模型，用于验证目标病案数据是否满足预设分组条件，预设分组条件对应目标病案数据中各个参数均应满足该目标病案类型下的参数逻辑关系。
对于本实施例，在具体的应用场景中，创建不予入组判定模型的目的是为了在对目标病案执行DRGs分组前，对目标病案进行数据逻辑关系的预判断，进而滤除不符合分组条件的病案数据，降低DRGs分组的工作量。其中，不予入组判定模型是从入组条件的反向入手，即设定各个病案参数的反向参数逻辑，大体涵盖当病案参数字段等于某字符，或大于、小于某数值，或者参数值编码包含或在范围之外，则将该病案排除在入组范围外，比如康复类、精神类病案则按床日付费不采用DRGs分组。
104、基于第一校验结果和/或第二校验结果更新目标病案的入组状态。
其中，入组状态包括允许入组和不允许入组，即当判定目标病案数据未通过第一校验，或未通过第二校验时，即可将入组状态更新为不允许入组，即判定该病案数据不符合DRGs分组条件；反之，若判定目标病案数据通过第一校验和第二校验，则可将入组状态更新为允许入组，进一步执行DRGs分组操作。
通过本实施例中DRGs分组的入组判定方法，可在对目标病案进行DRGs分组前，依据第一判定规则对目标病案数据进行第一校验，实现对目标病案的简单参数检查，初步筛除掉数据质量不高的病案。之后可根据现有各地医保政策以及分组失败率的原因参数分布，建立不予入组判定模型，利用不予入组判定模型的判定逻辑对待执行DRGs分组的目标病案进行参数逻辑关系的第二校验。通过两次校验过程，可进一步确定出目标病案是否符合DRGs分组条件，当符合DRGs分组条件时，才允许利用DRGs分组工具进行分组操作。在本申请中，通过预先对目标病案数据进行两次校验，滤除未通过校验的病案数据，可提升后续分组器的分组正确率，减少不合规病案的因素影响，使DRGs分组结果更加精准、可靠。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例中的具体实施过程，提供了另一种DRGs分组的入组判定方法，如图2所示，该方法包括：
201、获取待分组的目标病案数据。
对于本实施例，在具体的应用场景中，目标病案可为文本形式或是图片形式，在获取目标病案数据时，可基于现有的文本识别技术进行数据提取，如OCR(Optical CharacterRecognition，光学字符识别)等。
202、确定目标病案对应的目标病案类型。
对于本实施例，在具体的应用场景中，目标病案类型可从目标病案数据中提取出；还可通过设定各个病案类型的校对模板，在获取到目标病案时，通过将目标病案与各个病案类型的校对模板进行匹配，通过数据排版以及各个板块中的数据类型进一步确定出与目标病案匹配的目标校对模板，进而将目标校对模板对应的病案类型确定为目标病案的目标病案类型。
203、获取目标病案类型对应预设的第一判定规则。
其中，在具体的应用场景中，由于不同病案类型可能对应不同的病案数据，故可预先为各个病案类型配置对应的第一判定规则，用于对待执行DRGs分组的目标病案进行简单的数据质量校验。其中，第一判定规则可为主诊断编码或手术编码应存储于该类型下的编码信息库中，并且目标病案中各个数据应符合对应的设定数据格式，如数值、字符或二进制数等。
204、利用第一判定规则校验目标病案的各个病案参数。
对于本实施例，在具体的应用场景中，实施例步骤204具体可以包括：若病案参数为编码参数，则判定在目标病案类型对应的编码信息库中是否存在与编码参数匹配的编码信息；若病案参数为数据参数，则识别数据参数是否符合对应的预设数据格式。
其中，病案参数可分为编码参数和数据参数，并且根据参数属性的不同，又分别配置不同的校验逻辑，通过利用对应的校验逻辑对数据信息中的各个病案参数进行逐项验证。如可基于国家统一的编码规则创建各个编码信息的校验逻辑，根据各个数据参数的参考阈值以及参数可选项创建各个数据参数的校验逻辑，如病人的年龄应大于0岁且小于一定的阈值，病人的性别应为男/女等。
205、若确定目标病案的任意一项病案参数均符合第一判定规则，则判定目标病案数据通过第一校验。
相应的，实施例步骤205具体可以包括：若判定在编码信息库中存在与编码参数匹配的编码信息，且数据参数均符合对应的预设数据格式，则判定目标病案数据通过第一校验。
在具体的应用场景中，若确定目标病案中各个病案参数均满足对应的判定规则，则可判定目标病案通过初步的数据质量校验，进而可执行实施例步骤207，对是否进行DRGs分组作进一步判定。
206、若确定目标病案中存在任意一项病案参数不符合第一判定规则，则判定目标病案数据未通过第一校验。
相应的，实施例步骤206具体可以包括：若判定在编码信息库中不存在与编码参数匹配的编码信息，和/或数据参数不符合预设数据格式，则判定目标病案数据未通过第一校验。
在具体的应用场景中，若确定存在有不符合对应校验规则的病案参数，如目标病案中的主诊断编码未在该类型下的编码信息库中查询到，则可判定不符合条件，进而退出校验流程，无需执行实施例步骤207-209，直接判定目标病案无需进行DRGs分组，将目标病案的入组状态更新为不允许入组。
207、若判定目标病案数据通过第一校验，则提取目标病案对应的各个目标参数，以及目标参数之间的目标逻辑关系。
在具体的应用场景中，可根据目标病案类型提取出各个目标参数λi，并且根据各个目标参数之间的关联条件创建各个目标参数之间的目标逻辑关系，其中，各个目标参数之间的关联条件可为疾病与性别冲突(如妇科病对应的患者性别不应为男性)、疾病与年龄冲突(当年龄小于30岁时，不能出现老年白内障H25.9)，疾病与科室冲突(当科室为儿科时主要诊断不能为妊娠伴有脐带绕颈O69.1)，疾病与编码冲突(当出现慢阻肺J44.0诊断时，不能同时出现肺气肿J43.9)，疾病少编码(出院主诊断O80，附件诊断编码必须要有Z37)，疾病主诊断选择错误(附加编码不能作为主要诊断，如：损伤的外部原因不能作为主要诊断)，疾病主诊断部位未特质(乳腺癌未特指部位C50.9,做完手术应明确具体部位)等。根据各个目标参数之间的关联条件可进一步确定出各个目标参数之间的目标逻辑关系，如某一妇科病的对应的编码参数与性别这一数据参数之间的目标逻辑关系应该为逻辑与的关系、慢阻肺J44.0与肺气肿J43.9这两个数据参数应该为逻辑或的关系等。
208、依据目标逻辑关系对目标参数进行参数组划分。
对于本实施例，在具体的应用场景中，实施例步骤208具体可以包括：将目标逻辑关系为逻辑与的两个或多个目标参数划分为同一参数组；将目标逻辑关系为逻辑或的两个或多个目标参数划分为不同的参数组。
例如，参数λ1、λ2间是逻辑关系与“&”，与参数λ3间是逻辑或“|”。则可将参数λ1、λ2划分为同一参数组，参数λ3划分为另一参数组。
209、将划分后的参数组输入不予入组判定模型中，输出第二校验结果。
对于本实施例，在具体的应用场景中，实施例步骤209具体可以包括：获取各个参数组的校验优先级，以及各个目标参数的参数校验逻辑；若确定同一参数组中存在不符合对应参数校验逻辑的目标参数，则按照校验优先级的排列顺序对下一参数组中的目标参数进行校验；若确定存在目标参数均符合对应参数校验逻辑的参数组，则确定第二校验结果为未通过校验；若确定不存在目标参数均符合对应参数校验逻辑的参数组，则确定第二校验结果为通过校验。
在具体的应用场景中，不予入组判定模型可为：
其中，f(λi)是病案参数为λi的参数值和参数对应阈值
的阈值比较逻辑γi的比较结果，其中参数对应阈值
以及阈值比较逻辑γi是预先设定的，为用于校验对应病案参数λi的校验参数；g(λj)为各个参数分组下，所包含的各个病案参数比较结果进行逻辑“与”运算后的输出结果，如g(λ1)的输出结果可对应公式中(f(λ1)&f(λ2)....)；F为不予入组判定模型的输出结果，对应各个参数分组进行逻辑“或”运算后的整体输出结果，在具体的应用场景中，由于不予入组判定模型是基于入组条件的反向入手的，故当不予入组判定模型的逻辑校验结果为真时，可判定目标病案不符合入组条件；反之，若当不予入组判定模型的逻辑校验结果为假时，可判定目标病案符合入组条件。相应的，校验优先级可预先根据实际情况进行设定；参数校验逻辑对应参数对应阈值
以及阈值比较逻辑γi，阈值比较逻辑γi对应等于、不等于、大于等逻辑关系(＝、≠、＞、＜、≥、≤、∈、
)。具体参数选择及阈值设定可根据各地的医保政策进行个性化配置及补充。大体涵盖当病案参数字段等于某字符，或大于、小于某数值，或者参数值编码包含或在范围之外，则将该病案排除在入组范围外。比如康复类、精神类病案则按床日付费不采用DRGs分组。
对于本实施例，利用不予入组判定模型对各个目标参数进行参数校验的具体过程可为：在同一参数组内，将目标病案参数对象的参数值与定义的参数λi进行匹配，再将匹配的参数值和参数对应阈值
之间进行阈值比较逻辑γi的比较。同一参数组内，若任一参数不满足对应的参数校验逻辑，则退出组内循环，按照校验优先级的排列顺序进行下一参数组的比较。若判定同一参数组内所有逻辑结果均为真，则判定符合不予入组判定模型的规则逻辑，即可判定目标病案不予入组；若判定目标病案中所包含的各个参数分组逻辑结果均不为真，则判定不符和不予入组判定模型的规则逻辑，即可判定目标病案通过分组条件验证，即可进一步进行DRGs分组。
例如，目标病案共包含λ1、λ2、λ3三个参数，且参数λ1、λ2间是逻辑关系与“&”，与参数λ3间是逻辑或“|”，则可确定参数λ1、λ2为第一参数组，参数λ3为第二参数组，将各个参数分组代入不予入组判定模型中，即可得到：F＝(f(λ1)&f(λ2))|f(λ3))。当判定第一参数组内，参数λ1、λ2中任意一个不满足参数校验逻辑，则退出组内循环，进行第二参数组的比较。若判定第一参数组内，参数λ1、λ2的逻辑校验结果均为真或第二参数组内的参数λ3的逻辑校验结果为真，则判定符合不予入组判定模型的规则逻辑，即可判定目标病案不予入组；若判定第一参数组和第二参数组的逻辑校验结果均不为真，则判定不符和不予入组判定模型的规则逻辑，即可判定目标病案通过分组条件验证，需要进一步进行DRGs分组。
210、基于第一校验结果和/或第二校验结果更新目标病案的入组状态。
对于本实施例，在具体的应用场景中，实施例步骤210具体可以包括：若判定目标病案数据未通过第一校验或第二校验，则将目标病案的入组状态更新为不允许入组；若判定目标病案数据通过第二校验，则将目标病案的入组状态更新为允许入组。
借由上述DRGs分组的入组判定方法，可在对目标病案进行DRGs分组前，依据第一判定规则对目标病案数据进行第一校验，实现对目标病案的简单参数检查，初步筛除掉数据质量不高的病案。之后可根据现有各地医保政策以及分组失败率的原因参数分布，建立不予入组判定模型，按照逻辑与、或对病案参数进行逻辑分组，利用不予入组判定模型的判定逻辑执行参数与事先定义逻辑阈值的逻辑关系比较，即对目标病案进行参数逻辑关系的第二校验。通过两次校验过程，可进一步确定出目标病案是否符合DRGs分组条件，当符合DRGs分组条件时，才允许利用DRGs分组工具进行分组操作。在本申请中，通过预先对目标病案数据进行两次校验，滤除未通过校验的病案数据，可提升后续分组器的分组正确率，减少不合规病案的因素影响，使DRGs分组结果更加精准、可靠。
在具体的应用场景中，利用不予入组判定模型判断目标病案是否符合分组条件的具体过程可如图3所示，接收上传的预进行DRGs分组操作且通过第一校验的目标病案；根据目标病案的病案类型确定各个病案参数的参数比较逻辑，以及各个参数之间的逻辑关系；依据参数之间的逻辑关系对病案参数进行分组处理，以便获取得到各个参数分组；之后依据参数比较逻辑分别对各个参数分组中的病案参数进行逻辑验证，由于同一参数分组中各个病案参数间的逻辑关系为“与”，故同一参数分组内，若判定任一病案参数不满足对应的参数比较逻辑，则退出组内循环，进行下一组的比较。在获取得到各个参数分组的逻辑“与”运算结果后，再进行各个参数分组间逻辑“或”的运算，即组间比较，由于各个参数分组间的逻辑关系为“或”，故若确定存在任意一个参数分组的输出结果为“1”时，即可判定不予入组判定模型的输出结果为“1”，由于不予入组判定模型是基于入组条件的反向入手的，故当不予入组判定模型的输出结果为真“1”时，可判定目标病案不符合DRGs入组条件；反之，若当不予入组判定模型的输出结果为假“0”时，可判定目标病案符合DRGs入组条件。
进一步的，作为图1和图2所示方法的具体实现，本申请实施例提供了一种DRGs分组的入组判定装置，如图4所示，该装置包括：获取模块31、第一校验模块32、第二校验模块33、更新模块34；
获取模块31，用于获取待分组的目标病案数据；
第一校验模块32，用于依据预设的第一判定规则对目标病案数据进行第一校验；
第二校验模块33，用于若判定目标病案通过第一校验，则依据不予入组判定模型对目标病案数据进行第二校验，其中，不予入组判定模型为预先训练至收敛状态的规则模型，用于验证目标病案数据是否满足预设分组条件；
更新模块34，用于基于第一校验结果和/或第二校验结果更新目标病案的入组状态。
在具体的应用场景中，为了实现对目标病案数据的第一校验，如图5所示，第一校验模块32，具体可包括：确定单元321、获取单元322、校验单元323、判定单元324；
确定单元321，具体可用于确定目标病案对应的目标病案类型；
获取单元322，具体可用于获取目标病案类型对应预设的第一判定规则；
校验单元323，具体可用于利用第一判定规则校验目标病案的各个病案参数；
判定单元324，具体可用于若确定目标病案的任意一项病案参数均符合第一判定规则，则判定目标病案数据通过第一校验；
判定单元324，具体还可用于若确定目标病案中存在任意一项病案参数不符合第一判定规则，则判定目标病案数据未通过第一校验。
相应的，为了利用第一判定规则实现对目标病案中各个病案参数的校验，校验单元323，具体可用于若病案参数为编码参数，则判定在目标病案类型对应的编码信息库中是否存在与编码参数匹配的编码信息；若病案参数为数据参数，则识别数据参数是否符合对应的预设数据格式；
在具体的应用场景中，判定单元324，具体可用于若判定在编码信息库中存在与编码参数匹配的编码信息，且数据参数均符合对应的预设数据格式，则判定目标病案数据通过第一校验；
相应的，判定单元324，具体还可用于若判定在编码信息库中不存在与编码参数匹配的编码信息，和/或数据参数不符合预设数据格式，则判定目标病案数据未通过第一校验。
在具体的应用场景中，为了在判定目标病案通过第一校验时，依据不予入组判定模型对目标病案数据进行第二校验，如图5所示，第二校验模块33，具体可包括：提取单元331、划分单元332、输入单元333；
提取单元331，具体可用于提取目标病案对应的各个目标参数，以及目标参数之间的目标逻辑关系；
划分单元332，具体可用于依据目标逻辑关系对目标参数进行参数组划分；
输入单元333，具体可用于将划分后的参数组输入不予入组判定模型中，输出第二校验结果。
相应的，为了实现对目标参数的参数组划分，划分单元332，具体可用于将目标逻辑关系为逻辑与的两个或多个目标参数划分为同一参数组；将目标逻辑关系为逻辑或的两个或多个目标参数划分为不同的参数组。
在具体的应用场景中，为了利用不予入组判定模型得到第二校验结果，输入单元333，具体可用于获取各个参数组的校验优先级，以及各个目标参数的参数校验逻辑；若确定同一参数组中存在不符合对应参数校验逻辑的目标参数，则按照校验优先级的排列顺序对下一参数组中的目标参数进行校验；若确定存在目标参数均符合对应参数校验逻辑的参数组，则确定第二校验结果为未通过校验；若确定不存在目标参数均符合对应参数校验逻辑的参数组，则确定第二校验结果为通过校验。
相应的，为了基于第一校验结果和/或第二校验结果实现对目标病案入组状态的更新，更新模块34，具体可用于若判定目标病案数据未通过第一校验或第二校验，则将目标病案的入组状态更新为不允许入组；若判定目标病案数据通过第二校验，则将目标病案的入组状态更新为允许入组。
需要说明的是，本实施例提供的一种DRGs分组的入组判定装置所涉及各功能单元的其他相应描述，可以参考图1至图2的对应描述，在此不再赘述。
基于上述如图1至图2所示方法，相应的，本实施例还提供了一种非易失性存储介质，其上存储有计算机可读指令，该可读指令被处理器执行时实现上述如图1至图2所示的DRGs分组的入组判定方法。
基于这样的理解，本申请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，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1至图2所示的方法和图4、图5所示的虚拟装置实施例，为了实现上述目的，本实施例还提供了一种计算机设备，该计算机设备包括存储介质和处理器；非易失性存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图2所示的DRGs分组的入组判定方法。
可选的，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
非易失性存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现非易失性存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。
通过应用本申请的技术方案，与目前现有技术相比，本申请可在对目标病案进行DRGs分组前，依据第一判定规则对目标病案数据进行第一校验，实现对目标病案的简单参数检查，初步筛除掉数据质量不高的病案。之后可根据现有各地医保政策以及分组失败率的原因参数分布，建立不予入组判定模型，按照逻辑与、或对病案参数进行逻辑分组，利用不予入组判定模型的判定逻辑执行参数与事先定义逻辑阈值的逻辑关系比较，即对目标病案进行参数逻辑关系的第二校验。通过两次校验过程，可进一步确定出目标病案是否符合DRGs分组条件，当符合DRGs分组条件时，才允许利用DRGs分组工具进行分组操作。在本申请中，通过预先对目标病案数据进行两次校验，滤除未通过校验的病案数据，可提升后续分组器的分组正确率，减少不合规病案的因素影响，使DRGs分组结果更加精准、可靠。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种DRGs分组的入组判定方法，其特征在于，包括：
获取待分组的目标病案数据；
依据预设的第一判定规则对所述目标病案数据进行第一校验；
若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，其中，所述不予入组判定模型为预先训练至收敛状态的规则模型，用于验证所述目标病案数据是否满足预设分组条件；
基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态。
2.根据权利要求1所述的方法，其特征在于，所述依据预设的第一判定规则对所述目标病案数据进行第一校验，包括：
确定目标病案对应的目标病案类型；
获取所述目标病案类型对应预设的第一判定规则；
利用所述第一判定规则校验所述目标病案的各个病案参数；
若确定所述目标病案的任意一项病案参数均符合所述第一判定规则，则判定所述目标病案数据通过第一校验；
若确定所述目标病案中存在任意一项病案参数不符合所述第一判定规则，则判定所述目标病案数据未通过所述第一校验。
3.根据权利要求2所述的方法，其特征在于，所述利用所述第一判定规则校验所述目标病案的各个病案参数，包括：
若所述病案参数为编码参数，则判定在所述目标病案类型对应的编码信息库中是否存在与所述编码参数匹配的编码信息；
若所述病案参数为数据参数，则识别所述数据参数是否符合对应的预设数据格式；
所述若确定所述目标病案的任意一项病案参数均符合所述第一判定规则，则判定所述目标病案数据通过第一校验，具体包括：
若判定在所述编码信息库中存在与所述编码参数匹配的编码信息，且所述数据参数均符合对应的所述预设数据格式，则判定所述目标病案数据通过第一校验；
所述若确定所述目标病案中存在任意一项病案参数不符合所述第一判定规则，则判定所述目标病案数据未通过所述第一校验，具体包括：
若判定在所述编码信息库中不存在与所述编码参数匹配的编码信息，和/或所述数据参数不符合所述预设数据格式，则判定所述目标病案数据未通过所述第一校验。
4.根据权利要求3所述的方法，其特征在于，所述若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，包括：
提取所述目标病案对应的各个目标参数，以及所述目标参数之间的目标逻辑关系；
依据所述目标逻辑关系对所述目标参数进行参数组划分；
将划分后的参数组输入不予入组判定模型中，输出第二校验结果。
5.根据权利要求4所述的方法，其特征在于，所述依据所述目标逻辑关系对所述目标参数进行参数组划分，包括：
将所述目标逻辑关系为逻辑与的两个或多个所述目标参数划分为同一参数组；
将所述目标逻辑关系为逻辑或的两个或多个所述目标参数划分为不同的参数组。
6.根据权利要求5所述的方法，其特征在于，所述将划分后的参数组输入不予入组判定模型中，输出第二校验结果，包括：
获取各个参数组的校验优先级，以及各个目标参数的参数校验逻辑；
若确定同一参数组中存在不符合对应所述参数校验逻辑的目标参数，则按照所述校验优先级的排列顺序对下一参数组中的目标参数进行校验；
若确定存在目标参数均符合对应参数校验逻辑的参数组，则确定第二校验结果为未通过校验；
若确定不存在目标参数均符合对应参数校验逻辑的参数组，则确定所述第二校验结果为通过校验。
7.根据权利要求6所述的方法，其特征在于，所述基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态，包括：
若判定所述目标病案数据未通过所述第一校验或所述第二校验，则将所述目标病案的入组状态更新为不允许入组；
若判定所述目标病案数据通过所述第二校验，则将所述目标病案的入组状态更新为允许入组。
8.一种DRGs分组的入组判定装置，其特征在于，包括：
获取模块，用于获取待分组的目标病案数据；
第一校验模块，用于依据预设的第一判定规则对所述目标病案数据进行第一校验；
第二校验模块，用于若判定目标病案通过所述第一校验，则依据不予入组判定模型对所述目标病案数据进行第二校验，其中，所述不予入组判定模型为预先训练至收敛状态的规则模型，用于验证所述目标病案数据是否满足预设分组条件；
更新模块，用于基于第一校验结果和/或第二校验结果更新所述目标病案的入组状态。
9.一种非易失性可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的DRGs分组的入组判定方法。
10.一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的DRGs分组的入组判定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010598404.0A CN111785382A (zh) | 2020-06-28 | 2020-06-28 | DRGs分组的入组判定方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010598404.0A CN111785382A (zh) | 2020-06-28 | 2020-06-28 | DRGs分组的入组判定方法、装置及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111785382A true CN111785382A (zh) | 2020-10-16 |
Family
ID=72760733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010598404.0A Pending CN111785382A (zh) | 2020-06-28 | 2020-06-28 | DRGs分组的入组判定方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111785382A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112837821A (zh) * | 2021-01-26 | 2021-05-25 | 山东众阳健康科技集团有限公司 | 病例诊断分组中异常病例的识别方法及系统 |
| CN113643168A (zh) * | 2021-08-30 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 确定DRGs分组的方法、装置、计算机设备及存储介质 |
| CN113658711A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 医疗数据本地化方法、装置、计算机设备及存储介质 |
| CN113808740A (zh) * | 2021-09-23 | 2021-12-17 | 平安医疗健康管理股份有限公司 | 一种数据处理方法、装置、电子设备以及存储介质 |
| CN114581075A (zh) * | 2021-12-23 | 2022-06-03 | 武汉金豆医疗数据科技有限公司 | Chs-drg未入组病例付费结算管理系统 |
| CN117093920A (zh) * | 2023-10-20 | 2023-11-21 | 四川互慧软件有限公司 | 一种用户DRGs分组方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170143287A1 (en) * | 2015-11-23 | 2017-05-25 | Siemens Healthcare Gmbh | Self-adjusting x-ray imaging method for stereotactic biopsy, x-ray source control device, and stereotactic biopsy machine |
| CN108281174A (zh) * | 2018-02-24 | 2018-07-13 | 量化医学研究院（深圳）有限公司 | 一种数据对接方法及数据对接系统 |
| CN110444264A (zh) * | 2019-08-16 | 2019-11-12 | 宜昌市中心人民医院 | 基于DRGs的病案首页智能填写及训练系统 |
| CN111339126A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-28 CN CN202010598404.0A patent/CN111785382A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170143287A1 (en) * | 2015-11-23 | 2017-05-25 | Siemens Healthcare Gmbh | Self-adjusting x-ray imaging method for stereotactic biopsy, x-ray source control device, and stereotactic biopsy machine |
| CN108281174A (zh) * | 2018-02-24 | 2018-07-13 | 量化医学研究院（深圳）有限公司 | 一种数据对接方法及数据对接系统 |
| CN110444264A (zh) * | 2019-08-16 | 2019-11-12 | 宜昌市中心人民医院 | 基于DRGs的病案首页智能填写及训练系统 |
| CN111339126A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 医疗数据筛选方法、装置、计算机设备和存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112837821A (zh) * | 2021-01-26 | 2021-05-25 | 山东众阳健康科技集团有限公司 | 病例诊断分组中异常病例的识别方法及系统 |
| CN113643168A (zh) * | 2021-08-30 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 确定DRGs分组的方法、装置、计算机设备及存储介质 |
| CN113658711A (zh) * | 2021-08-31 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 医疗数据本地化方法、装置、计算机设备及存储介质 |
| CN113658711B (zh) * | 2021-08-31 | 2024-04-05 | 深圳平安医疗健康科技服务有限公司 | 医疗数据本地化方法、装置、计算机设备及存储介质 |
| CN113808740A (zh) * | 2021-09-23 | 2021-12-17 | 平安医疗健康管理股份有限公司 | 一种数据处理方法、装置、电子设备以及存储介质 |
| CN114581075A (zh) * | 2021-12-23 | 2022-06-03 | 武汉金豆医疗数据科技有限公司 | Chs-drg未入组病例付费结算管理系统 |
| CN117093920A (zh) * | 2023-10-20 | 2023-11-21 | 四川互慧软件有限公司 | 一种用户DRGs分组方法 |
| CN117093920B (zh) * | 2023-10-20 | 2024-01-23 | 四川互慧软件有限公司 | 一种用户DRGs分组方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111785382A (zh) | DRGs分组的入组判定方法、装置及计算机设备 | |
| US20210240682A1 (en) | Automatic entity resolution with rules detection and generation system | |
| CN109583332B (zh) | 人脸识别方法、人脸识别系统、介质及电子设备 | |
| CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
| US8433922B2 (en) | System and method of biometric authentication using multiple kinds of templates | |
| US7912795B2 (en) | Automated predictive modeling of business future events based on transformation of modeling variables | |
| JP5710748B2 (ja) | 生体認証システム | |
| CN112989087B (zh) | 一种图像处理方法、设备以及计算机可读存储介质 | |
| WO2013084617A1 (ja) | 生体認証システム | |
| US20200257885A1 (en) | High speed reference point independent database filtering for fingerprint identification | |
| CN111046879A (zh) | 证件图像分类方法、装置、计算机设备及可读存储介质 | |
| CN111695594A (zh) | 图像类别识别方法、装置、计算机设备及介质 | |
| CN102273128B (zh) | 认证或授权的方法以及相关的系统和安全模型 | |
| CN110059981B (zh) | 信任度评估方法、装置及终端设备 | |
| KR101774151B1 (ko) | 홍채템플릿 분산 저장 및 매칭을 이용한 홍채인식 보안 강화 방법 및 장치 | |
| WO2019095587A1 (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
| CN111639360A (zh) | 智能数据脱敏方法、装置、计算机设备及存储介质 | |
| CN111241566A (zh) | 保单管理方法、电子装置、计算机设备及存储介质 | |
| CN111553241A (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
| CN111046087A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| CN112104662B (zh) | 远端数据读写方法、装置、设备及计算机可读存储介质 | |
| CN113495886A (zh) | 用于模型训练的污染样本数据的检测方法及装置 | |
| KR101541476B1 (ko) | 약 정보 제공 디바이스 | |
| CN110781833A (zh) | 一种认证方法、装置及电子设备 | |
| CN112861962B (zh) | 样本处理方法、装置、电子设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201016 |
|
| RJ01 | Rejection of invention patent application after publication |