CN113496410A - 基于drg支付方式的违规行为监控方法及装置 - Google Patents
基于drg支付方式的违规行为监控方法及装置 Download PDFInfo
- Publication number
- CN113496410A CN113496410A CN202111059442.XA CN202111059442A CN113496410A CN 113496410 A CN113496410 A CN 113496410A CN 202111059442 A CN202111059442 A CN 202111059442A CN 113496410 A CN113496410 A CN 113496410A
- Authority
- CN
- China
- Prior art keywords
- diagnosis
- items
- medical record
- record information
- admission
- 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
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
- 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
-
- 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
- G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供了一种基于DRG支付方式的违规行为监控方法及装置,涉及医保支付技术领域。该方法包括:获取对应诊断项目的必要诊疗项目,诊断项目为医生诊断的病种,必要诊疗项目为治疗病种必要的诊疗项目;根据诊断项目和必要诊疗项目生成规则表达式,规则表达式包括必要诊疗项目和诊断项目的对应关系;采集患者的所有病历信息和DRG支付信息;根据规则表达式、病历信息和DRG支付信息确定是否存在违规行为,违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。以此方式,可以对DRG支付行为中的违规行为进行识别。
Description
技术领域
本申请的实施例涉及医保支付技术领域,并且更具体地,涉及基于DRG支付方式的违规行为监控方法及装置。
背景技术
DRG支付是当前支付方式改革的重要举措,DRG支付能够有效控制医疗费用不合理增长,是实现医保患三方共赢和推进分级诊疗促进服务模式转变的重要手段。但依据DRG支付方式的规则,衍生出了四类违规行为:诊断诊疗不符、低标准入院、分解入院、费用转移。而在目前的DRG支付过程中无法对违规行为进行识别和判断。
发明内容
为了对DRG支付行为中的违规行为进行识别,本申请提供了一种基于DRG支付方式的违规行为监控方法及装置。
本申请在第一方面,提供了一种基于DRG支付方式的违规行为监控方法,包括以下步骤:
获取对应诊断项目的必要诊疗项目,所述诊断项目为医生诊断的病种,所述必要诊疗项目为治疗所述病种必要的诊疗项目;
根据所述诊断项目和所述必要诊疗项目生成规则表达式,所述规则表达式包括所述必要诊疗项目和所述诊断项目的对应关系;
根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围;
采集患者的所有病历信息和DRG支付信息;
根据所述规则表达式、所述预设费用范围、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
优选的,所述获取对应诊断项目的必要诊疗项目包括:获取所有病类;确定所有所述病类中作为主诊断项目的必要诊疗项目;确定所有所述病类中作为辅助诊断项目的必要诊疗项目。
优选的,根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围包括:根据各所述规则表达式的历史费用数据计算对应规则表达式的平均费用;根据地方政策设定对应该地区费用的浮动值;根据所述平均费用与所述浮动值的和得到所述预设费用范围。
优选的,所述病历信息包括诊断名称和诊疗项目,所述DRG支付信息包括对应所述诊断名称的费用,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
根据所述病历信息中的所述诊断名称,在所有所述规则表达式中筛选出对应该所述诊断名称的所述规则表达式;
判断所述DRG支付信息中的所述费用是否在筛选出的所述规则表达式对应的预设费用范围内,判断所述病历信息中的所述诊疗项目是否与筛选出的所述规则表达式匹配,若所述费用不在所述预设费用范围内或所述诊疗项目与所述规则表达式不匹配,则识别为所述低码高编行为。
优选的,所述病历信息包括住院时间、诊断名称和诊疗项目,所述诊疗项目包括药品种类,所述DRG支付信息包括对应所述诊断名称的费用,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
若所述病历信息和所述DRG支付信息满足下列判断条件中的一种,则识别为所述低标准入院行为:
所述DRG支付信息中的费用低于预设入院费用;
所述病历信息中的住院时间低于预设住院天数;
所述诊疗项目中的药品种类全部为辅助药品种类。
优选的,所述病历信息包括医院名称、诊疗项目和住院时间,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
在患者所有所述病历信息中筛选出所述医院名称和所述诊疗项目相同的所述病历信息;
根据筛选出的所述病历信息中的所述住院时间计算住院间隔时间;
判断所述住院间隔时间是否小于预设间隔时间,若所述住院间隔时间小于预设间隔时间,则识别为所述分解入院行为。
优选的,所述病历信息包括住院时间和门诊信息,所述门诊信息包括门诊时间,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
判断所述病历信息中的所述住院时间是否与所述门诊信息中的所述门诊时间重合,若所述住院时间与所述门诊时间重合,则识别为所述费用转移行为。
通过采用上述方案,在进行DRG支付过程中对违规行为监控时,对比病历信息中的诊疗项目和对应的规则表达式,能够判断出患者接受的治疗与标准的诊疗项目是否匹配,并通过将采集的患者的病历信息和DRG支付信息与预设值进行对比分析,来判断是否存在违规行为。
在本申请的第二方面,提供了一种基于DRG支付方式的违规行为监控系统。该系统包括:
获取模块,用于获取对应诊断项目的必要诊疗项目,所述诊断项目为医生诊断的病种,所述必要诊疗项目为治疗所述病种必要的诊疗项目;
生成模块,用于根据所述诊断项目和所述必要诊疗项目生成规则表达式,所述规则表达式包括所述必要诊疗项目和所述诊断项目的对应关系;
计算模块,用于根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围;
采集模块,用于采集患者的所有病历信息和DRG支付信息;
识别模块,用于根据所述规则表达式、所述预设费用范围、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
通过采用上述方案,在对违规行为进行监控时,获取模块将各诊断项目的必要诊疗项目,获取模块并将必要诊疗项目输入至生成模块,生成模块根据诊断项目和对应的必要诊疗项目生成规则表达式,生成模块将规则表达式输出至识别模块,采集模块将患者数据信息进行采集并输出至识别模块,识别模块根据规则表达式和患者的数据信息进行对比分析,来准确识别违规行为。
在本申请的第三方面,提供了一种设备。该设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本申请的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本申请的第一方面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征,亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1是本申请实施例中基于DRG支付方式的违规行为监控方法的流程图;
图2是本申请实施例中基于DRG支付方式的违规行为监控系统的方框图;
图3是本申请实施例中基于DRG支付方式的违规行为监控设备的方框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
第一方面,本申请提供一种基于DRG支付方式的违规行为监控方法。
参照图1,基于DRG支付方式的违规行为监控方法包括以下步骤:
步骤S100:获取对应诊断项目的必要诊疗项目,所述诊断项目为医生诊断的病种,所述必要诊疗项目为治疗所述病种必要的诊疗项目。
需要说明的是,诊断项目是根据临床诊断的历史数据来确定的所有疾病种类。每个诊断项目的必要诊疗项目是参考临床路径的思路,并结合各类疾病指南和专家的共识针对该疾病确定的必要的诊疗项目,必要诊疗项目包括手术项目、检查项目、检验项目和药品种类等项目。
在一些实施例中,步骤S100包括以下步骤:
步骤S101:获取所有病类。
步骤S102:确定所有病类中作为主诊断项目的必要诊疗项目。
步骤S103:确定所有病类中作为辅助诊断项目的必要诊疗项目。
需要说明的是,步骤S101、步骤S102以及步骤S103不在图中展示。所述病类是根据历史疾病种类数据来确定所有的病类。由临床历史数据以及各类疾病专家确定哪些病类能够作为主诊断项目,以及病类作为主诊断项目时的必要诊疗项目是什么;哪些病类能够作为辅助诊断项目,以及病类作为辅助诊断项目时的必要诊疗项目是什么。
例如,当慢性阻塞性肺气肿作为主诊断项目时,其必要诊疗项目有:抗感染、支气管扩张剂、平喘、祛痰、支气管镜下治疗、肺功能检查、CT、血气分析。当慢性阻塞性肺气肿作为辅助诊断项目时,其必要诊疗项目有:抗感染、镇咳、祛痰、支气管扩张剂、支气管镜下治疗、平喘。
步骤S200:根据所述诊断项目和所述必要诊疗项目生成规则表达式,所述规则表达式包括所述必要诊疗项目和所述诊断项目的对应关系。
需要说明的是,对应各诊断项目的所有必要诊疗项目的集合为该诊断项目的规则表达式。当诊断项目输入后,根据诊断项目调取对应的必要诊疗项目,以及各必要诊疗项目中手术项目、检查项目、检验项目和药品种类等项目信息,并将调取的信息按预设的规则表达式进行展示,所述预设的规则表达式可以为:诊断项目(手术项目/检查项目/检验项目/药品种类)。例如:慢性阻塞性肺气肿作为主诊断时,其规则表达式为:主诊断慢性阻塞性肺气肿(抗感染/支气管扩张剂/平喘/祛痰/支气管镜下治疗/肺功能检查/CT/血气分析)。生成的规则表达式应用在所有的DRG支付项目中。
步骤S300:采集患者的所有病历信息和DRG支付信息。
需要说明的是,病历信息和DRG支付信息从医院的HIS系统(医院信息系统)中获取。病历信息包括医院名称、住院时间、诊断名称、诊疗项目以及门诊信息等信息,其中,门诊信息包括门诊时间等。DRG支付信息包括对应所述诊断名称的费用。
步骤S400:根据所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
在一些实施例中,步骤S400包括以下步骤:
步骤S411:根据所述病历信息中的所述诊断名称,在所有所述规则表达式中筛选出对应该所述诊断名称的规则表达式。
步骤S412:筛选出与患者病历信息中相关的规则表达式后,判断DRG支付信息中的费用是否在筛选出的规则表达式对应的预设费用范围内,判断病历信息中的诊疗项目是否与筛选出的规则表达式匹配,若DRG支付信息中的费用不在所述预设费用范围内或诊疗项目与规则表达式不匹配,则识别为所述低码高编行为。
需要说明的是,步骤S411和步骤S412不在图中展示。
需要说明的是,各规则表达式的预设费用范围由对应的历史费用数据和上下浮动值来计算获得。具体地,先去除所述历史费用数据中的极值,去除历史费用数据中的极值后,计算其余历史费用数据的平均值,上下浮动值根据各地区的数据情况来确定,将计算出的平均值与上下浮动值求和来获得预设费用范围。
示例地,慢性阻塞性肺气肿作为主诊断项目时的历史费用数据为:6000、5000、5500、1500以及9000元,可以明显看出这组数据中1500元和9000元为极大值或极小值,因此将这两个数据去除,并计算其余三个数据的平均值为5500元,根据某地政府发布的医保相关政策设定该地的上下浮动值为计算出的平均值的一半,即预设费用范围为:2750~8250元。
在一些实施例中,步骤S400包括以下步骤:
步骤S421(此步骤不在图中展示):若所述病历信息和所述DRG支付信息满足下列判断条件中的一种,则识别为所述低标准入院行为。
所述判断条件为:DRG支付信息中的费用低于预设入院费用;
病历信息中的住院时间低于预设住院天数;
诊疗项目中的药品种类全部为辅助药品种类。
需要说明的是,所述预设入院费用是根据各地区数据情况及特异性设置的最低入院费用。所述预设住院天数是根据各地区数据情况及特异性设置的最低住院天数标准。所述辅助药品种类指有助于增加主要治疗药物的作用或通过影响主要治疗药物的吸收、作用机制、代谢以增加其疗效的药物;或在疾病常规治疗基础上,有助于疾病或功能紊乱的预防和治疗的药物。
在一些实施例中,步骤S400包括以下步骤:
步骤S431:在患者所有病历信息中筛选出医院名称和诊疗项目相同的病历信息。
步骤S432:根据筛选出的病历信息中的住院时间计算住院间隔时间。
步骤S433:判断住院间隔时间是否小于预设间隔时间,若住院间隔时间小于预设间隔时间,则识别为分解入院行为。
需要说明的是,步骤S431、步骤S432以及步骤S433不在图中展示。预设间隔时间是根据各地区数据情况及特异性设置的间隔时间。
在一些实施例中,步骤S400包括以下步骤:
步骤S441(此步骤不在图中展示):判断病历信息中的住院时间是否与门诊信息中的门诊时间重合,若住院时间与门诊时间重合,则识别为费用转移行为。
本申请采用上述技术方案来对违规行为进行监控,在进行DRG支付过程中对违规行为监控时,对比病历信息中的诊疗项目和对应的规则表达式,能够判断出患者接受的治疗与标准的诊疗项目是否匹配,并通过将采集的患者的病历信息和DRG支付信息与预设值进行对比分析,来判断是否存在违规行为。
第二方面,本申请提供一种基于DRG支付方式的违规行为监控系统。
如图2所示,基于DRG支付方式的违规行为监控系统包括:用于获取对应诊断项目的必要诊疗项目的获取模块210、用于根据所述诊断项目和所述必要诊疗项目生成规则表达式的生成模块220、用于根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围的计算模块230、用于采集患者的所有病历信息和DRG支付信息的采集模块240和用于根据预设费用范围、病历信息和DRG支付信息确定是否存在违规行为的识别模块250。
需要说明的是,诊断项目为医生诊断的病种,必要诊疗项目为治疗该病种必要进行的诊疗项目。规则表达式包括诊断项目与必要诊疗项目的对应关系,规则表达式为后续判断患者诊断的病种与诊疗项目是否匹配的标准。违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
在对违规行为进行监控时,通过获取模块210将各诊断项目的必要诊疗项目获取并输入至生成模块220,生成模块220根据接收到的诊断项目和对应的必要诊疗项目生成规则表达式,并将规则表达式输入至识别模块250。在实际监控中,计算模块230根据使用区域不同来计算相应的费用范围,采集模块240将患者的病历信息和DRG支付信息进行采集,并将采集的数据输入识别模块250。识别模块250将接收到的规则表达式、预设费用范围、病历信息和DRG支付信息结合预设的判断条件进行判断,即可准确识别出低码高编、低标准入院、分解入院和费用转移这四种行为。
其中,获取模块210包括病类获取单元211、必要诊疗项目确定单元212。其中,病类获取单元211用于获取整合所有病类,必要诊疗项目确定单元212用于确定所有病类中作为主诊断项目的必要诊疗项目以及所有病类中作为辅助诊断项目的必要诊疗项目。
采集模块240与HIS系统关联,采集模块240从HIS系统中获取患者的所有病历信息和DRG支付信息。需要说明的是,病历信息包括医院名称、住院时间、诊断名称、诊疗项目以及门诊信息等信息,其中,门诊信息包括门诊时间等。DRG支付信息包括对应所述诊断名称的费用。采集模块240将获取的上述信息输入至识别模块250,作为识别模块250判断违规行为的基础数据。
识别模块250包括低码高编识别单元251、低标准入院识别单元252、分解入院识别单元253和费用转移识别单元254。
低码高编识别单元251用于先根据病历信息中的诊断名称,在所有规则表达式中筛选出对应该诊断名称的规则表达式。筛选出与患者病历信息中相关的规则表达式后,判断DRG支付信息中的费用是否在筛选出的规则表达式对应的预设费用范围内,判断病历信息中的诊疗项目是否与筛选出的规则表达式匹配,若DRG支付信息中的费用不在所述预设费用范围内或诊疗项目与规则表达式不匹配,则识别为所述低码高编行为。
低标准入院识别单元252用于判断接收到的病历信息和DRG支付信息是否满足下列判断条件中的一种,若满足,则识别为低标准入院行为:DRG支付信息中的费用低于预设入院费用;病历信息中的住院时间低于预设住院天数;诊疗项目中的药品种类全部为辅助药品种类。
分解入院识别单元253用于先在患者所有病历信息中筛选出医院名称和诊疗项目相同的病历信息;再根据筛选出的病历信息中的住院时间计算住院间隔时间;判断住院间隔时间是否小于预设间隔时间,若住院间隔时间小于预设间隔时间,则识别为分解入院行为。
费用转移识别单元254用于判断病历信息中的住院时间是否与门诊信息中的门诊时间重合,若住院时间与门诊时间重合,则识别为费用转移行为。
第三方面,本申请提供一种基于DRG支付方式的违规行为监控设备。
如图3所示,图3所示的设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
第四方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或者多个程序,当上述前述程序被一个或者一个以上的处理器用来执行描述于本申请的基于DRG支付方式的违规行为监控方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于DRG支付方式的违规行为监控方法,其特征在于,包括以下步骤:
获取对应诊断项目的必要诊疗项目,所述诊断项目为医生诊断的病种,所述必要诊疗项目为治疗所述病种必要的诊疗项目;
根据所述诊断项目和所述必要诊疗项目生成规则表达式,所述规则表达式包括所述必要诊疗项目和所述诊断项目的对应关系;
根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围;
采集患者的所有病历信息和DRG支付信息;
根据所述规则表达式、所述预设费用范围、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
2.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,所述获取对应诊断项目的必要诊疗项目包括:
获取所有病类;
确定所有所述病类中作为主诊断项目的必要诊疗项目;
确定所有所述病类中作为辅助诊断项目的必要诊疗项目。
3.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围包括:
根据各所述规则表达式的历史费用数据计算对应规则表达式的平均费用;
根据地方政策设定对应该地区费用的浮动值;
根据所述平均费用与所述浮动值的和得到所述预设费用范围。
4.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,所述病历信息包括诊断名称和诊疗项目,所述DRG支付信息包括对应所述诊断名称的费用,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
根据所述病历信息中的所述诊断名称,在所有所述规则表达式中筛选出对应该所述诊断名称的所述规则表达式;
判断所述DRG支付信息中的所述费用是否在筛选出的所述规则表达式对应的预设费用范围内,判断所述病历信息中的所述诊疗项目是否与筛选出的所述规则表达式匹配,若所述费用不在所述预设费用范围内或所述诊疗项目与所述规则表达式不匹配,则识别为所述低码高编行为。
5.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,所述病历信息包括住院时间、诊断名称和诊疗项目,所述诊疗项目包括药品种类,所述DRG支付信息包括对应所述诊断名称的费用,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
若所述病历信息和所述DRG支付信息满足下列判断条件中的一种,则识别为所述低标准入院行为:
所述DRG支付信息中的费用低于预设入院费用;
所述病历信息中的住院时间低于预设住院天数;
所述诊疗项目中的药品种类全部为辅助药品种类。
6.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,所述病历信息包括医院名称、诊疗项目和住院时间,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
在患者所有所述病历信息中筛选出所述医院名称和所述诊疗项目相同的所述病历信息;
根据筛选出的所述病历信息中的所述住院时间计算住院间隔时间;
判断所述住院间隔时间是否小于预设间隔时间,若所述住院间隔时间小于预设间隔时间,则识别为所述分解入院行为。
7.根据权利要求1所述的基于DRG支付方式的违规行为监控方法,其特征在于,所述病历信息包括住院时间和门诊信息,所述门诊信息包括门诊时间,所述根据所述规则表达式、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种包括:
判断所述病历信息中的所述住院时间是否与所述门诊信息中的所述门诊时间重合,若所述住院时间与所述门诊时间重合,则识别为所述费用转移行为。
8.一种基于DRG支付方式的违规行为监控系统,其特征在于,包括:
获取模块,用于获取对应诊断项目的必要诊疗项目,所述诊断项目为医生诊断的病种,所述必要诊疗项目为治疗所述病种必要的诊疗项目;
生成模块,用于根据所述诊断项目和所述必要诊疗项目生成规则表达式,所述规则表达式包括所述必要诊疗项目和所述诊断项目的对应关系;
计算模块,用于根据对应规则表达式的历史费用数据和地方政策计算对应规则表达式的预设费用范围;
采集模块,用于采集患者的所有病历信息和DRG支付信息;
识别模块,用于根据所述规则表达式、所述预设费用范围、所述病历信息和所述DRG支付信息确定是否存在违规行为,所述违规行为包括低码高编、低标准入院、分解入院和费用转移中的一种。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,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如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059442.XA CN113496410A (zh) | 2021-09-10 | 2021-09-10 | 基于drg支付方式的违规行为监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059442.XA CN113496410A (zh) | 2021-09-10 | 2021-09-10 | 基于drg支付方式的违规行为监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113496410A true CN113496410A (zh) | 2021-10-12 |
Family
ID=77996962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111059442.XA Pending CN113496410A (zh) | 2021-09-10 | 2021-09-10 | 基于drg支付方式的违规行为监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496410A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493894A (zh) * | 2021-12-17 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | 使用医保审核规则模型进行医疗行为监控的方法 |
CN116563038A (zh) * | 2023-06-26 | 2023-08-08 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
CN116563039A (zh) * | 2023-07-06 | 2023-08-08 | 山东贝森医院管理咨询有限公司 | 一种基于drg/dip的医保管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110874801A (zh) * | 2019-11-12 | 2020-03-10 | 望海康信(北京)科技股份公司 | 一种审核病案的方法及装置 |
CN112349400A (zh) * | 2020-11-12 | 2021-02-09 | 杭州火树科技有限公司 | 基于drg原理的病案编码质控方法 |
CN112397171A (zh) * | 2020-12-04 | 2021-02-23 | 上海蓬海涞讯数据技术有限公司 | 基于drg实现针对诊疗项目和材料的关键路径监测方法、装置、处理器及其存储介质 |
CN113112372A (zh) * | 2021-02-26 | 2021-07-13 | 太平洋医疗健康管理有限公司 | 一种医保支付预警系统及其处理方法 |
-
2021
- 2021-09-10 CN CN202111059442.XA patent/CN113496410A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110874801A (zh) * | 2019-11-12 | 2020-03-10 | 望海康信(北京)科技股份公司 | 一种审核病案的方法及装置 |
CN112349400A (zh) * | 2020-11-12 | 2021-02-09 | 杭州火树科技有限公司 | 基于drg原理的病案编码质控方法 |
CN112397171A (zh) * | 2020-12-04 | 2021-02-23 | 上海蓬海涞讯数据技术有限公司 | 基于drg实现针对诊疗项目和材料的关键路径监测方法、装置、处理器及其存储介质 |
CN113112372A (zh) * | 2021-02-26 | 2021-07-13 | 太平洋医疗健康管理有限公司 | 一种医保支付预警系统及其处理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114493894A (zh) * | 2021-12-17 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | 使用医保审核规则模型进行医疗行为监控的方法 |
CN116563038A (zh) * | 2023-06-26 | 2023-08-08 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
CN116563038B (zh) * | 2023-06-26 | 2023-09-22 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
CN116563039A (zh) * | 2023-07-06 | 2023-08-08 | 山东贝森医院管理咨询有限公司 | 一种基于drg/dip的医保管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113496410A (zh) | 基于drg支付方式的违规行为监控方法及装置 | |
Vogenberg | Predictive and prognostic models: implications for healthcare decision-making in a modern recession | |
Guzauskas et al. | Cost-effectiveness of population-wide genomic screening for hereditary breast and ovarian cancer in the United States | |
Philbin et al. | Prediction of hospital readmission for heart failure: development of a simple risk score based on administrative data | |
Wood et al. | The general practice research database: role in pharmacovigilance | |
Strom | How should one perform pharmacoepidemiologic studies? Choosing among the available alternatives | |
Singh | Veterans Affairs databases are accurate for gout-related health care utilization: a validation study | |
JP2001516087A (ja) | 患者のための診断及び治療試験と介入との選択における決定支援用コンピュータ・システム | |
Curtis et al. | Use of ICD-10 diagnosis codes to identify seropositive and seronegative rheumatoid arthritis when lab results are not available | |
Rosenkrantz et al. | Diagnostic errors in abdominopelvic CT interpretation: characterization based on report addenda | |
Schuur et al. | Assessment of Medicare's imaging efficiency measure for emergency department patients with atraumatic headache | |
KR101954029B1 (ko) | 환자의 상태를 고려할 수 있는 건강보험 심사 지원 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
Wu et al. | Value of electronic alerts for acute kidney injury in high-risk wards: a pilot randomized controlled trial | |
US11544671B2 (en) | Determining cohesion of a healthcare system in capturing procedure work billed by affiliated practitioners | |
Takala et al. | Planned primary health care asthma contacts during 12-year follow-up after Finnish National Asthma Programme: focus on spirometry | |
Vela et al. | Development and validation of a population-based risk stratification model for severe COVID-19 in the general population | |
Jung et al. | Patient-level fall risk prediction using the observational medical outcomes partnership’s common data model: pilot feasibility study | |
Wilson et al. | Quality of neurologic care in the United States: initial report from the Axon Registry | |
Gottumukkala et al. | Disparities over time in volume, day of the week, and patient complexity between paracentesis and thoracentesis procedures performed by radiologists versus those performed by nonradiologists | |
Hernandez | Cost-effectiveness of laboratory testing | |
Dribin et al. | Anaphylaxis: data gaps and research needs | |
Londeree et al. | Estimation of childhood nephrotic syndrome incidence: data from the atlanta metropolitan statistical area and meta-analysis of worldwide cases | |
Chu et al. | An independently validated, portable algorithm for the rapid identification of COPD patients using electronic health records | |
McParland et al. | Multimorbidity, disease count, mortality and emergency care use in persons attending the emergency department: a cross-sectional data-linkage study | |
Fatima et al. | Hospital readmissions in Internal Medicine Specialty: Frequency, associated factors and outcomes |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211012 |