CN113112372A - 一种医保支付预警系统及其处理方法 - Google Patents

一种医保支付预警系统及其处理方法 Download PDF

Info

Publication number
CN113112372A
CN113112372A CN202110215640.4A CN202110215640A CN113112372A CN 113112372 A CN113112372 A CN 113112372A CN 202110215640 A CN202110215640 A CN 202110215640A CN 113112372 A CN113112372 A CN 113112372A
Authority
CN
China
Prior art keywords
medical
diagnosis
early warning
data
archive data
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
Application number
CN202110215640.4A
Other languages
English (en)
Inventor
王思晨
章梦华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pacific Medical Health Management Co ltd
Original Assignee
Pacific Medical Health Management Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pacific Medical Health Management Co ltd filed Critical Pacific Medical Health Management Co ltd
Priority to CN202110215640.4A priority Critical patent/CN113112372A/zh
Publication of CN113112372A publication Critical patent/CN113112372A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Technology Law (AREA)
  • Computer Security & Cryptography (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

本发明公开了一种医保支付预警系统，包括：数据采集装置(1)，用于采集医疗档案数据；数据存储装置(2)，用于存储预警系统有关数据；预警计算装置(3)，用于对医疗档案数据进行计算，输出预警计算结果，预警计算结果用于指示医疗档案数据对应的医疗支付费用是否超过预警值，预警计算装置采用如下计算公式对医疗支付费用进行计算：
Figure DDA0002953659700000011
a表示医疗档案数据对应的基础费率，a>0；b表示医疗档案数据对应的改变系数，b≥1；r表示医疗档案数据对应的衰减系数，0<r<1；DCL(xi,A)表示针对医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于主干诊断相关组A的影响系数。本发明使用简单、功能强大，具有极高的商业价值。

Description

一种医保支付预警系统及其处理方法
技术领域
本发明属于计算机信息处理系统，特别涉及一种用于医疗支付管理系统中的处理系统，特别是医保支付系统或与医保支付系统配套的医疗管理系统，尤其涉及用于这些系统中的医保支付系统，以及对应的医保支付预警处理方法。
背景技术
“诊断相关组(Diagnosis-related Groups，DRGs)”诞生于上世界60年代末的美国。由于1980年代应用于美国的“老人医疗保险(Medicare)”的支付制度改革，此后传入欧洲、澳洲及亚洲部分地区，在世界范围内广泛应用。最近，随着中国新一轮医疗支付方式改革，DRGs作为世界公认的较为先进和科学的医疗支付计算方式，被国家医保局列为主要的试点方向。国家医保局于2019年10月和2020年6月先后发布了国家医疗保障疾病诊断相关分组(CHS-DRG)分组与付费技术规范和国家医疗保障疾病诊断相关分组(CHS-DRG)细分组方案(1.0版)，做为全国医疗保障部门开展DRG付费工作的统一标准。基于诊断相关分组的方案，可以对医疗支付的具体费用做出相对准确的计算，不容易发生混乱。
在DRG的细化过程之中，通过会需要考虑合并症和并发症两个要素来考虑诊断次数对于疾病诊断相关组对应的治疗费用的增加数量。
虽然国家医保局公布了基于列表法的国家医疗保障疾病诊断相关分组(CHS-DRG)细分组方案1.0版本，但是现有的并发症和合并症的计算方式很难有效地提高针对疾病诊断相关组对应的治疗费用计算的准确度。根据申请人基于医疗档案数据的计算后发现，使用传统计算方式，针对疾病诊断相关组对应的治疗费用计算的准确度仅仅提高了0.1％。其主要原因如下：
a)列表法无法体现多种并发症对于医疗费用的叠加效应
一个病人的副诊断的数目越多，虽然其医疗费用的增长幅度可能会随着次诊断数目的增加而减少，通常而言该病人的医疗花费会越高。然而对于列表法而言，只会根据次要诊断中是否有相对应的并发症列表中的诊断，来判定病案并发症的严重程度，当一个病人具有多种并发症时，只会根据最严重的并发症判定总体并发症的严重程度，而无法体现多种并发症的叠加效应。
b)无法体现同一并发症对于不同主干诊断相关组的差异性
同一个并发症对于不同的主干诊断相关组的影响不尽相同，例如一个骨折的患者发生心衰和进行冠状动脉搭桥的患者产生心衰其对于费用的影响是不同的。在现有的列表法中，对于同一并发症，其对于所有的主干诊断相关组所对应的治疗费用的计算方式都是相同的，这直接影响了对于主干诊断相关组对应的医疗费用计算的准确度。
c)目前市面上的PCCL模型较为复杂无法在直接使用
如果我们参考市面上的先进经验，在用DRG进行结算的国家或地区之中，绝大多数采用的是PCCL并发症模型的方式。然而这些并发症并不能直接用于当前并发症判定，其主要原因有三，一是没有明确的文献介绍这些并发症模型的方法学和跟新方法，没有办法对基于当前数据对于模型进行跟新和优化。二是不同国家医疗服务的费用分布和诊疗服务价格并不相同，因而，并发症对于费用的影响并不完全一致。第三是从政策而言，当前社会有很多DRG分组和支付规则，也需要对于模型进行修订和改造。
因此，本发明的目的是基于现有的诊断相关组框架，改进对于一组或多组医疗档案数据所在的主干诊断相关组对应的医保支付费用的计算，从而可以准确地计算医疗档案数据所在的主干诊断相关组对应的医保支付费用，并进一步地用于医保支付管理系统的医保支付费用预警，从而有效地提高对于医保支付管理系统的数据处理效率的提升。
发明内容
针对现有技术存在的技术缺陷，本发明的目的是提供一种医保支付预警系统及其处理方法，根据本发明的一个方面，提供了一种医保支付预警系统，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，包括如下装置：
数据采集装置，其用于采集医疗档案数据；
数据存储装置，其用于存储预警系统有关数据；
预警计算装置，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，所述预警计算装置采用如下计算公式对医疗支付费用进行计算：
Figure BDA0002953659680000031
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1；
其中，所述DCL(xi，A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数。
优选地，所述预警计算装置通过建模对所述DCL(xi，A)进行估算。
优选地，所述预警计算装置通过如下公式对所述DCL(xi，A)进行计算：
Figure BDA0002953659680000032
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi，A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
优选地，所述预警计算装置通过如下公式对所述C(xi，A)进行计算：
Figure BDA0002953659680000041
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
优选地，所述预警计算装置通过如下公式对所述Ci(A)进行计算：
Figure BDA0002953659680000042
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1。
优选地，所述医保支付预警系统还包括如下装置：
预警报警装置，其根据所述计算结果对外发出预警提示。
根据本发明的另一个方面，提供了一种医保支付预警处理方法，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，包括如下步骤：
I.数据采集步骤，其用于采集医疗档案数据；
II.预警计算步骤，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，采用如下计算公式对医疗支付费用进行计算：
Figure BDA0002953659680000043
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1；
其中，所述DCL(xi，A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数。
优选地，在所述预警计算步骤中通过建模对所述DCL(xi，A)进行估算。
优选地，在所述预警计算步骤中通过如下公式对所述DCL(xi，A)进行计算：
Figure BDA0002953659680000051
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi，A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
优选地，在所述预警计算步骤中通过如下公式对所述C(x，A)进行计算：
Figure BDA0002953659680000052
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
优选地，在所述预警计算步骤中通过如下公式对所述Ci(A)进行计算：
Figure BDA0002953659680000053
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1。
优选地，所述处理方法还包括如下步骤：
III.预警报警步骤，根据所述计算结果对外发出预警提示。
优选地，所述数据采集过程通过从一个不断更新的模型数据库中采集数据，所述预警计算结果被更新到模型数据库中。
本发明为不同疾病对于费用的影响都是通过实际数据计算得到的，更能反映真实的医疗费用使用情况；并同时考虑了疾病的累加和衰减效应，对每个病人的疾病复杂程度都有一个数值评估，本发明提高了对病人医疗费用的预测精度。本发明使用简单、操作便捷、功能强大，具有极高的商业价值。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1示出了本发明的具体实施方式的，一种医保支付预警系统的装置连接示意图；
图2示出了本发明的另一具体实施方式的，一种医保支付预警处理方法的具体流程示意图；
图3示出了本发明的第一实施例的，一种构建数据模型的具体流程示意图；
图4示出了本发明的第二实施例的，某ADRG类费用随着诊断数的增加而增加的曲线图；
图5示出了本发明的第三实施例的，当诊断增多时费用增长比例逐渐衰减的效应的曲线图；
图6示出了本发明的第四实施例的，Ei(BR1)费用均值与Ei(x，BR1)费用均值之比的曲线图；以及
图7示出了本发明的第五实施例的，针对实际数据中的370类ADRG病例，ECCS法和列表法的R方分布图。
具体实施方式
为了更好的使本发明的技术方案清晰的表示出来，下面结合附图对本发明作进一步说明。
图1示出了本发明的具体实施方式的，一种医保支付预警系统的装置连接示意图，为了清晰准确地表述模型构建和测算的过程，本发明先对必要的术语和定义进行介绍。基于DRG的临床复杂性(DRG-related clinicalcomplexity，DCC)：是DRG系统中一个判断并发症指数的变量；复杂诊断组(Complexdiagnoses，CDs)：是指一组符合复杂诊断标准的的诊断组；诊断复杂指数(Diagnosiscomplexity level，DCL)：是指针对特定主干DRG，其他复杂诊断与对于主干DRG的影响系数；基于DRG的临床复杂指数(DRG-relatedclinicalcomplexitylevel，DCCL)：是DCL对于特定病案的累加系数；相似诊断组(CoherentDiagnosisClasses，CDCs)：是指一组按照一定规则，费用增加比类似的相干诊断类。
本发明公开了一种医保支付预警系统，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，包括数据采集装置1，其用于采集医疗档案数据，本领域技术人员理解，作为一个优选地实施例，本次模型用来搭建、设计和验证的数据可以参考某省会城市医保局，例如，若从2017年1月至2020年8月一共44个月的病案首页、医保结算和医保明细数据共有407万份，结算明细超过10亿条。在构建模型之前，首先需要对取得的数据进行了预先处理。病案的预处理的步骤包含了编码修订，编码映射，病案筛查和诊疗费用拟合四个方面。
其中，所述编码筛选包括在原有的病案数据中，部分诊断编码其书写存在并不规范和信息重复的问题。例如一些表示症状的编码并不应当被编写在其他诊断之中，而应使用引发诊断的疾病作为诊断编码。如果不对这些数据进行修正，就会存在同一诊断多次计算的问题，从而导致模型的不准确。
进一步地，在编码筛选的诊断筛查中，诊断筛查的主要是基于两个目的，一是保证编码的书写符合ICD的编码标准，二是避免不同的编码对应相同的疾病信息。根据这两个目的，本发明制定了2条排除原则和2步筛查标准，其中，所述2条排除原则为：其作用是否为提供补充信息，是否提供了足够的医疗信息，所述2步筛查标准为：无条件排除和有条件地排除。具体的筛查标准如下：初步筛查，4组诊断被定义为可排除诊断，在一个优选地实施例中，组别1：症状和体征，包括ROO-R99；组别2：影响健康状态和与健保机构接触的因素，包括ZOO-Z99；组别3：非合规主诊断；组别4：特殊排除条件，星号诊断\剑号诊断。
其中，排除原则1：对一个已经存在的诊断提供其他的额外的或者补充的信息
1.是否为不明确的或者暂时的可以被归为他处的诊断
a)组别1全部包括
2.是否为提供非诊疗关键的背景信息
a)组别2全部包括除了
i.病人因为非疾病原因住院例如捐献器官、接受疫苗、因为医疗状况入院或者讨论非疾病的健康问题
ii.影响病人的健康状态但其本身并不为疾病
3.是否已经被其他的次要诊断所包含
a)B95-B98细菌、病毒和其他传染性病原体
b)080-084分娩
c)POO-P04胎儿和新生儿受母体因素及妊娠、产程和分娩并发症的影响
d)P96.400妊娠终止，影响到胎儿和新生儿
e)T31.000累及体表10％以下的烧伤
f)E10.7001型糖尿病伴有多个并发，E11.7002型糖尿病伴有多个并发症，E12.700营养不良相关性糖尿病伴有多个并发症，E13.700糖尿病伴有多个并发症，其他特指的，E14.700糖尿病伴有多个并发症
g)后遗症代码E64.-，E68，G07，I69.-，097，T90-T98，Y85-Y89
h)剑号编码+星号编码(以一对出现)
ii.排除原则2-可以提供足够医疗信息的诊断
1.症状提供了其他的必要信息：R02，R15，R18，R32，R40.2，R56-，R57.-，R65.-，R95.-
2.开放性伤口：S01.-，S11.-，S21.-，S31.-，S41.-，S51.-，S61.-，S71.-，S81.-，S91.-
3.S06.710开放性颅内损伤伴长时间昏迷
4.Z21.x00无症状的人类免疫缺陷病毒[HIV]感染状态
5.Z21.x00x001无症状人类免疫缺陷病毒阳性
6.Z34-Z35妊娠监督
7.Z92.100长期(近期)使用抗凝血药个人史
8.U82-U85对微生物和抗肿瘤药物产生的抗药性
进一步地，由于实际数据有很多的异常数据或者离群点，在建模之前对数据进行筛选和调整有利于针对一般病案的情况建立更加有效的模型。在一个优选地实施例中，本专利进行数据筛选的基于以下几点考量：住院天数：当DRG住院天数大于60时，住院费用计费规则与住院天数小于60天的住院费用计算规则不同，因此，筛去住院天数大于60天；住院总费用：在数据中发现部分数据的住院费用为0，或者小于10元。通常而言，对于住院病人，其费用低于10元是不合理的。因而，在建模中，本发明将这块数据作为错误数据，进行去除；平均次诊断数：由于在实施DRG之前，医院的病案只起到统计的效果，而不与给付相关，其整体的病案质量并不高。部分医院在病案中只记录了主要诊断，而每月记录会对费用产生影响的其他诊断，这就导致了部分数据的实真。因而在搭建模型时，本发明将平均次诊断数在95％置信区间之外的医院的病案数据予以排除。
进一步地，所述编码映射包括在原先的病案数据中，一共使用了7中不同的ICD编码版本，为了维持编码的统一性，我们将所有的编码映射到了ICD-10国家医保版，为了保持病案数据的一致性，需要将编码映射到统一的编码版本。在编码映射的过程中，选用了国家医保版的编码为最终标准。其主要原因在于目前国家医保局要求各家医院上传医保的最终版本为国家医保局编码，且目前DRG的分组规则也是基于国家医保版的编码制定的，映射后完成后，数据的保留率超过99％。
进一步地，在实施DRG之前，各家医院采用的是按照项目付费的形式，而医疗服务项目的价格是由物价局同一制定的。在制定医疗服务价格时，由于考虑到了城乡收入水平和服务质量的差异性，对于不同地区和不同等级的医院进行了差异化的定价，且定价的标准会定期调整。因为对于同一个病案而言，即使其采用了完全一样的诊疗方法，由于收费标准的不同，其最终的医疗价格也会有所不同。因而，对于数据而言，需要根据其所处的年份和医疗机构等级进行拟合。
进一步地，由于物价局对不同等级医院的医疗服务项目的定价不同，从而造成了不同医院之间，即使采用了相同的治疗方式，其最终的医疗费用也会存在较大的差异。因而在计算其他诊断对于费用的差异时，需要根据收付费的差异，对于不同医院的医疗费用进行拟合。进行拟合时，其费用调整比例取决于各家医院的收付费清单。在对医院的收费标准进行整理和梳理之后，计算出每家医院的费用调整比例。其计算方式如下：
Figure BDA0002953659680000101
在获得了费用调整比例后，利用医保结算清单，对于医疗费用进行分类，对于其中涉及到医疗服务价格进行调整。医院修订后的费用，如下所示：
Figure BDA0002953659680000102
进一步地，所述医保支付预警系统还包括数据存储装置2，其用于存储预警系统有关数据，存储预警系统有关数据是为了更好的实现对于医保支付预警系统中的医疗支付费用进行计算。
进一步地，所述医保支付预警系统还包括预警计算装置3，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，所述预警计算装置采用如下计算公式对医疗支付费用进行计算：
Figure BDA0002953659680000103
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1；
其中，所述DCL(xi，A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数。
进一步地，DCL中A代表病案所属的病组，例如阑尾切除术组。Xi，也就是这里说的其他复杂诊断，是病案中所包含的其他诊断。本发明增加了复杂的判定条件，即预先对诊断进行了排除，对于一部分与主要诊断相关联的诊断予以了排除。例如对于心机梗塞的病人，就排除了动脉粥样硬化的诊断。
进一步地，由于DCL(x，A)是对在ADRGA中次诊断x所带来的费用改变比例的标准化估计，本发明可以将DCL(x，A)当作费用曲线模型中的改变系数b的指数项。当病案有多个次诊断时，将DCL值按降序排列，可以类似地在模型中加入一个衰减系数r，从而得到如下模型：
Figure BDA0002953659680000111
在实际测算中，可以利用每类ADRG中的病案记录，针对每个ADRG拟合出一个最为适合的衰减系数r以及a、b。如果计算得到b＜1，设置a＝该ADRG类所有数据的费用均值，b＝1，r＝0。利用最后拟合得到的衰减系数r，对每个病案都可以给出一个病案疾病严重程度得分，即ECCS，具体公式如下：
Figure BDA0002953659680000112
进一步地，所述预警计算装置通过建模对所述DCL(xi，A)进行估算，图3示出了本发明的第一实施例的，一种构建数据模型的具体流程示意图；图4示出了本发明的第二实施例的，某ADRG类费用随着诊断数的增加而增加的曲线图；图5示出了本发明的第三实施例的，当诊断增多时费用增长比例逐渐衰减的效应的曲线图；图6示出了本发明的第四实施例的，Ei(BR1)费用均值与Ei(x，BR1)费用均值之比的曲线图，本发明将结合图3至图6来对本申请的医保支付预警系统进行更为详细的描述。
进一步地，所述预警计算装置通过如下公式对所述DCL(xi，A)进行计算：
Figure BDA0002953659680000113
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi，A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
进一步地，在获得了每个次要诊断针对于ADRG的c(x；A)后，将诊断与ADRG进行相对应的组合归类，推导出相对应的DCL值。归纳的原则和流程如下：
Figure BDA0002953659680000121
Figure BDA0002953659680000131
Figure BDA0002953659680000132
依照ADRG对于诊断的分类进行分类，如果在内科组别中，诊断被分为同一DRG组别，那么在CDC之中，他们也会被分为同一组别。如果诊断不作为主诊断对应相应的组别，那么他们会根据临床判断，对应到相应的CDC组别；以ICD-10位编码为基础，以细目作为第一级。每个对应组别中组中要有50个诊断。
诊断合并顺序为诊断编码细目-诊断编码亚目-诊断编码类目-诊断编码CDC-诊断编码MDC-所有诊断编码。
ADRG组别合并顺序：ADRG-ADRG在MDC中的分类-MDC，首先计算一个CDC中所有X与A相匹配的几何平均值
Figure BDA0002953659680000133
将所有的C(Xi；Aj)做对应的加权平均：
Figure BDA0002953659680000134
计算DCL值
Figure BDA0002953659680000135
进一步地，所述预警计算装置通过如下公式对所述C(xi，A)进行计算：
Figure BDA0002953659680000141
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
进一步地，如图6所示，本发明还需要测算次要诊断相对ADRG的费用关系，更进一步地，ADRGA中的某个诊断x的费用比例可以通过Ei(x，A)费用的几何均值和Ei-1(A)费用的几何均值的比值来量化。在实际计算中，我们用Ei-1(A)的均值的ADRG费用模型拟合值替换由实际数据直接计算得到的Ei-1(A)费用的几何均值。实际测算方法如下，估算并发症x相对于ADRGA，作为额外并发症时，所带来的相对费用比例
Figure BDA0002953659680000142
从病案水平上推算并发症x对于ADRGA的相对费用比例影响的几何平均值
Figure BDA0002953659680000143
进一步地，所述预警计算装置通过如下公式对所述Ci(A)进行计算：
Figure BDA0002953659680000144
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1。
进一步地，本发明还包括主干DRG费用模型搭建，一般情况下，某ADRG类内的费用会随着诊断数的增加而增加，如图4所示。而随着诊断数的增加，费用增长比例会逐渐降低。因此我们引入衰减系数的概念。为了与后续计算次诊断所带来的相对费用比例的思想一致，以乘法模型的形式估算ADRG的成本：
Figure BDA0002953659680000145
其中a＞0代表基础费率，b≥1代表改变系数，0＜r＜1代表衰减系数。由于衰减系数r是小于1的常数，每增加一个次诊断给费用造成的增长比例都会减少：第一个次诊断使费用增长b倍，第二个次诊断使费用增长br倍，以此类推。图5示出了当诊断增多时费用增长比例逐渐衰减的效应，为了方便进行参数估计，对模型等式两边同时取对数将乘性模型转化为易于估计的线性模型：
Figure BDA0002953659680000151
依照模型做线性回归，依次得出每个ADRG组别的费用模型参数值。如果估计得到的系数b＜1，则令a＝该ADRG组的平均费用，b＝1，r＝0。在实际计算中，用原始费用均值的对数来估计ln(ci(A))时得到的拟合效果更好。
进一步地，所述医保支付预警系统还包括预警报警装置4，其根据所述计算结果对外发出预警提示，所述预警提示即为通知用户相应地医保支出预警。
图2示出了本发明的另一具体实施方式的，一种医保支付预警处理方法的具体流程示意图，本发明还公开了一种医保支付预警处理方法，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，包括如下步骤：
首先，进入步骤S101，数据采集步骤，其用于采集医疗档案数据；所述步骤S101可以参考图1中所示出的数据采集装置1，在此不予赘述。
然后，进入步骤S102，预警计算步骤，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，采用如下计算公式对医疗支付费用进行计算：
Figure BDA0002953659680000152
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1；
其中，所述DCL(xi，A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数，在所述预警计算步骤中通过建模对所述DCL(xi，A)进行估算。
进一步地，在所述预警计算步骤中通过如下公式对所述DCL(xi，A)进行计算：
Figure BDA0002953659680000161
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi，A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
进一步地，在所述预警计算步骤中通过如下公式对所述C(x，A)进行计算：
Figure BDA0002953659680000162
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
进一步地，在所述预警计算步骤中通过如下公式对所述Ci(A)进行计算：
Figure BDA0002953659680000163
其中，a表示所述医疗档案数据对应的基础费率，a＞0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0＜r＜1。
所述步骤S102可以参考前述预警计算装置3的工作原理，进一步地，结合图3，整体的解决方案可以分为三个模块，数据准备，ADRG费用曲线的搭建，以及DCC指数和DCCL指数的生成，具体地包括：第一步，主干DRG费用曲线的搭建，根据数据本发明发现，当一个病人所得的副诊断越多，该病人的医疗花费就会越高，而且医疗费用的增长倍数逐渐衰减。因而构建模型的第一步是构建主干DRG的费用模型，拟合每个主干DRG下，其医疗费用和次诊断数目的关系。第二步，DCC指数和DCCL指数的生成，在搭建了整体的主干DRG模型以后，就需要对每一个诊断对于主干DRG的影响进行拟合，即计算每个诊断相对于主干DRG的影响系数(DCC指数)，并基于DCC系数，搭建最终预测费用的DCCL指数。
在获得了主干DRG的费用曲线之后，特定次诊断x对于费用的影响程度，其实等同于Ei(x；A)相对于Ei-1(A)的增长幅度，即Ci(x；A)，参考图6，假定特定次诊断对于医疗费用的影响和次诊断数目无关，那么对于特定的次要诊断x，其对于主干DRG的影响其实等同于对于所有次诊断数目下，Ci(x；A)的几何平均数。
在对所有的数据进行了拟合以后，本发明将获得一张376行，30000列左右的包含了超过1000万数据点的巨大matrix。显然，用这样的模型进行未来的数据预测是不显示的，且对于计算机的要求是巨大的。同时，由于整体的病案数量较少，只有400万左右，matrix中许多点对应的数据集样本量较小，离群值的影响会很大。因而，DCC搭建的下一步就是对于相似的数据集进行归类，保证每一个集合点内都有足够的数据量，且集合符合相应医学和统计学的要求。最终，我们期望可以将每个DCC的取值，定义为0到5之间的整数，将DCC带入原先的主干DRG拟合模型之中，即可得到最终的DCCL值。我们将DCCL的范围限定为0-31之间的。该方法使用的数理模型如下所示：
Figure BDA0002953659680000171
其中，DCC(xi，A)通过建模进行估算。
最后，进入步骤S103，预警报警步骤，根据所述计算结果对外发出预警提示，所述步骤S103可以参考前述预警报警装置4，在此不予赘述。
进一步地，所述数据采集过程通过从一个不断更新的模型数据库中采集数据，所述预警计算结果被更新到模型数据库中。
本领域技术人员理解，本发明中所涉及的CC表的建立有两种模式，直接以次要诊断是否在列表中确定MCC/CC的列表模式和以病人临床复杂水平(PCCLs)确定MCC/CC的权重模式，前者较为简便易行，而后者相对较为复杂。
其中，在列表模式中，将并发症/合并症分为三类，分别为重要(MCC)、一般(CC)和无(non-CC)三个级别。并发症/合并症处理的第一步是定义MCC。要看次要诊断，如果有任何一个诊断在MCC编码表中，那么这条记录就定义为有MCC存在，MCC的定义过程中不存在排除列表，如果出现该诊断即为MCC。第二步，定义CC。根据次要诊断信息，如果有任何一个在CC码表里，那么这个病人就定义为有CC存在；但如果主诊断在排除列表中出现，那么这一步所确定的CC就不能称为有效的CC。此为美国DRG合并症/并发症处理的方式。
其中，在权重模式中，在分组过程中将每个患者的CC编码根据其对医疗资源消耗程度赋一个严重程度权重，即一个CC水平(CCL)，在内科疾病中CCL值域为1到3，在外科疾病中CCL值域为1到4。因为同一个患者可能有多个次要诊断，这样就会出现多个CC，将资源消耗近似的并发症/合并症进行归类，得出代表疾病严重程度的指标即病人临床复杂水平(patient’s clinicalcomplexitylevel，PCCL)，PCCLs的值域为0到4，PCCLs是澳大利亚AR-DRG分组过程中的一个重要变量。
具体细分DRG计算步骤如下：
1、计算目标疾病组每个并发症/合并症发生的频率
从筛选出的患者出院次要诊断中，合并同类疾病中同质性较高的信息，将目标疾病组患者的CC情况按照从频数高到低的顺序依次排列。由于数据量有限，很多CC只发生于个别病例，因此将频数＜5的CC合并为其他。
2、统计病例并发症/合并症有无情况
建立患者CC情况数据库，数据库中包含患者姓名、床位号、年龄、主要诊断、次要诊断和费用信息。根据每份病历中的次要诊断信息，依次统计每位患者的并发症/合并症情况。例如患者主要诊断为肺部感染，次要诊断为高血压，则将有无高血压作为一个新的变量。
3、计算各并发症/合并症的权重系数
以患者合并症/并发症情况(比如高血压、胃肠炎等)作为自变量，患者住院费用作为因变量，建立多重线性回归模型。逐项评估每个CC对于住院费用的影响程度。所得的系数即为并发症/合并症的权重系数，表示该项CC对医疗资源的影响程度。若疾病所对应的系数为负值或经检验P＞0.05，则表示该合并症/并发症对医疗资源的消耗未造成影响，在计算CC分值的时候将这些疾病的权重值作为0来处理。
4、计算每个病例的组合CC分值
对于仅患有一种合并症/并发症的病例，该CC的权重系数即为该病例的组合CC分值；对于患有两种或多种并发症/合并症的病例，该病例的组合CC分值即为所患有的并发症/合并症权重系数加和。
5、病例组合
将所得到的组合CC分值，以及年龄等分组因素作为自变量，患者住院费用作为因变量，运用SPSS19.0建立决策树模型，进行病例分组。考虑组合CC分值与年龄等分组因素之间的分组效果，并对不同组的患者费用进行非参数检验，看组间差异是否具有统计学意义，判断细分组是否合适。
图7示出了本发明的第五实施例的，针对实际数据中的370类ADRG病例，ECCS法和列表法的R方分布图，根据某城市70家医院的数据，计算得到ECCS模型的系数。ECCS模型法和列表法相对于总体均值的R方分别为0.60378和0.60341；ECCS模型相对于列表法的R方为0.0968％。针对实际数据中的370类ADRG病例，ECCS法和列表法的R方分布如图7所示。
进一步地，在一个优选地实施例中：设有病人A，实际住院费用为80468元，ADRG组为FL2，总共有9个次诊断：I49.900，I48.000，I48.900x003，Z95.101，I50.908，I50.900x007，I10.x09，E11.900，I63.900。根据本发明所构造的DCL检索矩阵，其中有三个次诊断的DCL不为零，分别为3.0，3.0，1.0。又因为FL2类中的r值为0.16，根据公式可得病人A的疾病复杂度得分水平为ECCS(e)＝3+3*0.16+1*0.162＝3.5056，估计得到的医疗费用为c(e)＝exp(10.4305+3.5056*0.1761)＝62815.5元。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (13)

1.一种医保支付预警系统，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，其特征在于，包括如下装置：
数据采集装置(1)，其用于采集医疗档案数据；
数据存储装置(2)，其用于存储预警系统有关数据；
预警计算装置(3)，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，所述预警计算装置采用如下计算公式对医疗支付费用进行计算：
Figure FDA0002953659670000011
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0<r<1；
其中，所述DCL(xi,A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数。
2.根据权利要求1所述的预警系统，其特征在于，所述预警计算装置通过建模对所述DCL(xi,A)进行估算。
3.根据权利要求1或2所述的预警系统，其特征在于，所述预警计算装置通过如下公式对所述DCL(xi,A)进行计算：
Figure FDA0002953659670000012
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi,A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
4.根据权利要求3所述的预警系统，其特征在于，所述预警计算装置通过如下公式对所述C(xi,A)进行计算：
Figure FDA0002953659670000021
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
5.根据权利要求4所述的预警系统，其特征在于，所述预警计算装置通过如下公式对所述Ci(A)进行计算：
Figure FDA0002953659670000022
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0<r<1。
6.根据权利要求1至5中任一项所述的预警系统，其特征在于，所述医保支付预警系统还包括如下装置：
预警报警装置(4)，其根据所述计算结果对外发出预警提示。
7.一种医保支付预警处理方法，其用于医保支付系统或与医保支付系统配套的医疗管理系统中，并对医保支付费用进行预警提示，其特征在于，包括如下步骤：
I.数据采集步骤，其用于采集医疗档案数据；
II.预警计算步骤，其用于对医疗档案数据进行计算，并输出预警计算结果，所述预警计算结果用于指示所述医疗档案数据对应的医疗支付费用是否超过预警值，其中，采用如下计算公式对医疗支付费用进行计算：
Figure FDA0002953659670000023
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0<r<1；
其中，所述DCL(xi,A)表示针对所述医疗档案数据所在的主干诊断相关组A，xi表示与主干诊断相关联的其他复杂诊断对于所述主干诊断相关组A的影响系数。
8.根据权利要求7所述的预警处理方法，其特征在于，在所述预警计算步骤中通过建模对所述DCL(xi,A)进行估算。
9.根据权利要求7或8所述的预警处理方法，其特征在于，在所述预警计算步骤中通过如下公式对所述DCL(xi,A)进行计算：
Figure FDA0002953659670000031
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
其中，C(xi,A)表示并发症xi相对于所述医疗档案数据所在的主干诊断相关组A，所述并发症xi被计算到所述主干诊断相关组A时，所述并发症xi给所述主干诊断相关组A对应的医疗支付费用所带来的相对费用比例，aA代表对于诊断相关组A的对应的基础费率。
10.根据权利要求9所述的预警处理方法，其特征在于，在所述预警计算步骤中通过如下公式对所述C(x,A)进行计算：
Figure FDA0002953659670000032
其中，Ei(x；A)表示与所述主干诊断相关组A对应的，诊断数目为i，且包括次诊断x的医疗档案数据集合；
与所述Ci-1(A)相对应的Ci(A)表示与所述主干诊断相关组A对应的，诊断数目为i的医疗档案对应的医疗支付组合拟合费用。
11.根据权利要求10所述的预警处理方法，其特征在于，在所述预警计算步骤中通过如下公式对所述Ci(A)进行计算：
Figure FDA0002953659670000041
其中，a表示所述医疗档案数据对应的基础费率，a>0；
b表示所述医疗档案数据对应的改变系数，b≥1；
r表示所述医疗档案数据对应的衰减系数，0<r<1。
12.根据权利要求7至11中任一项所述的预警处理方法，其特征在于，所述处理方法还包括如下步骤：
III.预警报警步骤，根据所述计算结果对外发出预警提示。
13.根据权利要求1至6中任一项所述的预警系统和/或权利要求7至12中任一项所述的预警处理方法，其特征在于，所述数据采集过程通过从一个不断更新的模型数据库中采集数据，所述预警计算结果被更新到模型数据库中。
CN202110215640.4A 2021-02-26 2021-02-26 一种医保支付预警系统及其处理方法 Pending CN113112372A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110215640.4A CN113112372A (zh) 2021-02-26 2021-02-26 一种医保支付预警系统及其处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110215640.4A CN113112372A (zh) 2021-02-26 2021-02-26 一种医保支付预警系统及其处理方法

Publications (1)

Publication Number Publication Date
CN113112372A true CN113112372A (zh) 2021-07-13

Family

ID=76709417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110215640.4A Pending CN113112372A (zh) 2021-02-26 2021-02-26 一种医保支付预警系统及其处理方法

Country Status (1)

Country Link
CN (1) CN113112372A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496410A (zh) * 2021-09-10 2021-10-12 武汉金豆医疗数据科技有限公司 基于drg支付方式的违规行为监控方法及装置
CN115910308A (zh) * 2023-01-05 2023-04-04 中南大学湘雅医院 Drg制度下的费用精细化控制方法、装置、电子设备
CN117373624A (zh) * 2023-09-13 2024-01-09 杭州莱文科技有限公司 一种智能医保控费方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013084A (zh) * 2010-12-14 2011-04-13 江苏大学 用于检测医疗保险门诊欺诈性交易的系统和方法
CN106530166A (zh) * 2016-08-31 2017-03-22 中国人民解放军总医院第附属医院 医院医保费用防拒付辅助管理信息系统及防拒付方法
CN107038669A (zh) * 2015-07-28 2017-08-11 平安科技（深圳）有限公司 异常结算数据预警提示系统及方法
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
CN111325576A (zh) * 2020-02-17 2020-06-23 卫宁健康科技集团股份有限公司 疾病诊断相关分组的费用预测方法、系统及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013084A (zh) * 2010-12-14 2011-04-13 江苏大学 用于检测医疗保险门诊欺诈性交易的系统和方法
CN107038669A (zh) * 2015-07-28 2017-08-11 平安科技（深圳）有限公司 异常结算数据预警提示系统及方法
CN106530166A (zh) * 2016-08-31 2017-03-22 中国人民解放军总医院第附属医院 医院医保费用防拒付辅助管理信息系统及防拒付方法
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
CN111325576A (zh) * 2020-02-17 2020-06-23 卫宁健康科技集团股份有限公司 疾病诊断相关分组的费用预测方法、系统及电子设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113496410A (zh) * 2021-09-10 2021-10-12 武汉金豆医疗数据科技有限公司 基于drg支付方式的违规行为监控方法及装置
CN115910308A (zh) * 2023-01-05 2023-04-04 中南大学湘雅医院 Drg制度下的费用精细化控制方法、装置、电子设备
CN117373624A (zh) * 2023-09-13 2024-01-09 杭州莱文科技有限公司 一种智能医保控费方法与系统
CN117373624B (zh) * 2023-09-13 2024-08-13 杭州莱文科技有限公司 一种智能医保控费方法与系统

Similar Documents

Publication Publication Date Title
CN113112372A (zh) 一种医保支付预警系统及其处理方法
US20200294667A1 (en) System and method for machine based medical diagnostic code identification, accumulation, analysis and automatic claim process adjudication
Lomas et al. Estimating the marginal productivity of the English National Health Service from 2003 to 2012
US7917377B2 (en) Patient data mining for automated compliance
JP2014225176A (ja) 分析システム及び保健事業支援方法
JP2015090689A (ja) 医療データ分析システム、及び医療データを分析する方法
JP2013088880A (ja) 診療情報処理装置および方法並びにプログラム
CN111145909B (zh) 诊疗数据处理方法与装置、存储介质、电子设备
US8417541B1 (en) Multi-stage model for predicting probabilities of mortality in adult critically ill patients
CN112967803A (zh) 基于集成模型的急诊患者早期死亡率预测方法及系统
CN113838577B (zh) 便捷化分层老年mods早期死亡风险评估模型、装置及建立方法
KR20150078236A (ko) 개인 건강관리 방법 및 시스템
CN107145715B (zh) 一种基于推举算法的临床医学智能判别装置
CN112331340B (zh) 育龄夫妇妊娠概率的智能预测方法及系统
CN110299207A (zh) 用于慢性病检测中的基于计算机预测模型数据处理方法
CN112151174A (zh) 一种基于体检数据的用户健康信息分析方法、系统
CN115409380A (zh) 医院医保绩效评价方法、装置、电子设备及其存储介质
CN115185936A (zh) 一种基于大数据的医疗临床数据质量分析系统
CN116936134B (zh) 一种基于护理晨交班数据的并发症监测方法和系统
Ona et al. Services and payer mix of Black-serving hospitals and related severe maternal morbidity
WO2024027438A1 (zh) 一种基于个性化状态空间进展模型的疾病辅助决策系统
US20230060794A1 (en) Diagnostic Tool
Matenchuk et al. Emergency department visits during pregnancy
JP5425686B2 (ja) 医療情報処理装置およびプログラム
TW201426624A (zh) 個人醫療費用預測系統

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210713

WD01 Invention patent application deemed withdrawn after publication