CN114677071B - 基于概率分析的医嘱数据质控方法、系统及存储介质 - Google Patents

基于概率分析的医嘱数据质控方法、系统及存储介质 Download PDF

Info

Publication number
CN114677071B
CN114677071B CN202210605757.8A CN202210605757A CN114677071B CN 114677071 B CN114677071 B CN 114677071B CN 202210605757 A CN202210605757 A CN 202210605757A CN 114677071 B CN114677071 B CN 114677071B
Authority
CN
China
Prior art keywords
medical
probability
case
group
judged
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.)
Active
Application number
CN202210605757.8A
Other languages
English (en)
Other versions
CN114677071A (zh
Inventor
伍千虎
严俊兰
吴湘黔
黄红宪
宋亚涛
李志钢
彭坚
晏义学
黄帆
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.)
Powersi Information Technology Co ltd
Original Assignee
Powersi Information Technology 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 Powersi Information Technology Co ltd filed Critical Powersi Information Technology Co ltd
Priority to CN202210605757.8A priority Critical patent/CN114677071B/zh
Publication of CN114677071A publication Critical patent/CN114677071A/zh
Application granted granted Critical
Publication of CN114677071B publication Critical patent/CN114677071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于概率分析的医嘱数据质控方法及系统，通过对符合入库条件的历史医疗数据R使用DRG分组器进行分类，以及获取每个所述分组Ni内的所有病例中的记录的所述医嘱K，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；根据公式
Figure 233529DEST_PATH_IMAGE001
，计算所述待判断医嘱的质控概率X；判断所述待判断医嘱的质控概率X是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。可以有效地将可疑问题医嘱自动识别出来提醒给医生或相关管理人员进行诊疗行为的调整。

Description

基于概率分析的医嘱数据质控方法、系统及存储介质
技术领域
本发明涉及计算机信息处理技术领域，尤其涉及一种基于概率分析的医嘱数据质控方法、系统及计算机可读存储介质。
背景技术
医嘱作为医生对病人进行诊断和治疗的指令，其正确性和合理性将直接关系到患者的疾病预后和生命健康。目前医嘱的正确性和合理性一般是通过质控医师来进行人工经验判断，也有部分针对医嘱质控的计算机处理方法。但是，人工经验来判断由于工作量大、对人员的知识及经验要求高，导致绝大部分医院的医嘱质控的覆盖面不广、深度不够等问题；而目前通过计算机来对医嘱进行质控都局限在某一类医嘱或某一种疾病的医嘱，其方法不能应用于不同疾病、不同类型医嘱上。
有鉴于此，有必要提供一种新的基于计算机数据分析的医嘱数据质控方法，以自动、高效地识别出有问题的医嘱。
发明内容
本发明的主要目的在于提供一种基于概率分析的医嘱数据质控方法、系统及计算机可读存储介质，以解决上述的技术问题。
为实现上述目的，本发明提供的一种基于概率分析的医嘱数据质控方法，包括步骤：
S1，对符合入库条件的历史医疗数据R使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni}；其中，i表示第i个分组，
Figure 30764DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
S2，获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 … Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱该分组Ni内的在不同病例的所述医嘱信息中出现的次数；
S3，根据公式Pik=Qik/所述分组Ni的组内病例数，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；
S4，对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure 375158DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 404293DEST_PATH_IMAGE003
，获取所述待判断病例的所记录的医嘱在病例分组N’对应的分组内根据所述概率数据库获得所述待判断病例的所述医嘱与病例分组N’预设关系的概率P’，根据公式
Figure 238257DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
S5，判断所述待判断医嘱的质控概率X在所述概率数据库中的概率频率是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
进一步地，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率最小的5%所述医嘱与病例分组预设关系的概率作为所述预设的阈值。
进一步地，所述步骤S1包括，对所述历史医疗数据R进行标化预处理的步骤，以获得统一标准的数据。
进一步地，所述历史医疗数据R来自与不同的数据库，其中，所述数据库包括医院数据、诊所数据、医保数据。
进一步地，还包括步骤S21，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；
步骤S22，采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
本发明还提供一种基于概率分析的医嘱数据质控系统，包括：
DRG分组器模块，用于对符合入库条件的历史医疗数据R使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni }；其中，i表示第i个分组，
Figure 221519DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
组内频次统计模块，用于获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 … Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱该分组Ni内的在不同病例的所述医嘱信息中出现的次数；
医嘱与病例分组预设关系的概率统计模块，用于根据公式Pik=Qik/所述分组Ni的组内病例数，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；
质控概率计算模块，用于对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure 635183DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 518825DEST_PATH_IMAGE003
，获取所述待判断病例的所记录的医嘱在病例分组N’对应的分组内根据所述概率数据库获得所述待判断病例的所述医嘱与病例分组N’预设关系的概率P’，根据公式
Figure 992532DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
判断模块，用于判断所述待判断医嘱的质控概率X在所述概率数据库中的概率频率是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
进一步地，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率最小的5%所述医嘱与病例分组预设关系的概率作为所述预设的阈值。
进一步地，所述组内频次统计模块还用于，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
本发明还提供一种基于概率分析的医嘱数据质控系统，包括存储器、处理器、存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述基于概率分析的医嘱数据质控方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述基于概率分析的医嘱数据质控方法步骤。
在本发明的技术方案中的通过医嘱数据质控，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；判断所述待判断医嘱的质控概率X在所述概率数据库中的概率频率是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。可以有效地将可疑问题医嘱自动识别出来提醒给医生或相关管理人员进行诊疗行为的调整，可以有效地避免医疗差错和事故的发生，提升诊疗行为的有效性、针对性，减少不合理医疗行为和费用的发生率，通过医疗质量的提升，全面保障患者的预后和生命健康。
本发明是基于机构的历史数据自动建模，综合考虑了机构的实际情况，结合医学理论知识，自动、高效、准确地为机构建立个性化的医嘱质控模型并快速部署应用。在临床和技术上有以下几个方面的价值和优点：自动基于历史数据建模，可以减少知识库、规则库、数据标注等工作量；基于全量病例医疗数据的建模，可以覆盖机构绝大部分病种和医嘱类型，避免模型只能针对某几个病种或几种类型的医嘱进行质控的局限性；辅助医生及时调整相关诊疗方案，以免发生医疗差错和事故；辅助医疗质控人员进行医嘱质控，提升医疗质控的工作效率及质控病例覆盖度。
附图说明
图1为本发明一实施例中的基于概率分析的医嘱数据质控方法的流程示意图；
图2为本发明一实施例中的基于概率分析的医嘱数据质控系统的模块示意图；
图3为本发明一实施例中运行有基于概率分析的医嘱数据质控方法的计算机系统的硬件结构示意图；
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
请参阅图1，为实现上述目的，本发明的一种基于概率分析的医嘱数据质控方法，包括步骤：
S1，对符合入库条件的历史医疗数据R使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni }；其中，i表示第i个分组，
Figure 961625DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
S2，获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 … Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱该分组Ni内的在不同病例的所述医嘱信息中出现的次数；
S3，根据公式Pik=Qik/所述分组Ni的组内病例数，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；
S4，对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure 913400DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 917129DEST_PATH_IMAGE003
，获取所述待判断病例的所记录的医嘱在病例分组N’对应的分组内根据所述概率数据库获得所述待判断病例的所述医嘱与病例分组N’预设关系的概率P’，根据公式
Figure 561736DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
S5，判断所述待判断医嘱的质控概率X是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
在本发明的技术方案中的通过医嘱数据质控可以有效地将可疑问题医嘱自动识别出来提醒给医生或相关管理人员进行诊疗行为的调整，可以有效地避免医疗差错和事故的发生，提升诊疗行为的有效性、针对性，减少不合理医疗行为和费用的发生率，通过医疗质量的提升，全面保障患者的预后和生命健康。具体来说，自动基于历史数据建模，可以减少知识库、规则库、数据标注等工作量；基于全量病例医疗数据的建模，可以覆盖机构绝大部分病种和医嘱类型，避免模型只能针对某几个病种或几种类型的医嘱进行质控的局限性；另外，待判断医嘱的质控概率X的采用
Figure 519590DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X，通过与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 275057DEST_PATH_IMAGE003
的比值消除误差。
进一步地，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率最小的5%所述医嘱与病例分组预设关系的概率作为所述预设的阈值。例如，如果所述医嘱与病例分组预设关系的概率数据库进行统计，A医嘱与病例分组Ni预设关系的出现概率为60%，B医嘱与病例分组Ni预设关系的出现概率为1%，C医嘱与病例分组Ni预设关系的出现概率为39%，一般来说B医嘱可以是疑似问题医嘱，需要再次确认的，可以将小于5%的B医嘱出现概率为1%作为所述阈值。可以理解的是，所述阈值的设置方式可以根据需要设置。
又或者，所述待判断医嘱在所述医嘱与病例分组预设关系的概率数据库搜寻不到，同样可以判定该医嘱为疑似数据。
具体的，所述疑似数据被筛选出来后，可以进入人工确认的步骤。
进一步地，所述步骤S1包括，对所述历史医疗数据R进行标化预处理的步骤，已获得统一标准的数据。
进一步地，所述历史医疗数据R来自与不同的数据库，其中，所述数据库包括医院数据、诊所数据、医保数据。
进一步地，还包括步骤S21，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；
步骤S22，采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
具体的，所述医学理论文献可以是医学教材、指南等。将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除，可以形成既符合医学理论，又有实践经验的DRG分组疾病医嘱库。
请一并结合图2，本发明还提供一种基于概率分析的医嘱数据质控系统，包括：
DRG分组器模块10，用于对符合入库条件的历史医疗数据R使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni }；其中，i表示第i个分组，
Figure 867712DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
组内频次统计模块20，用于获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 …Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱该分组Ni内的在不同病例的所述医嘱信息中出现的次数；
医嘱与病例分组预设关系的概率统计模块30，用于根据公式Pik=Qik/所述分组Ni的组内病例数，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；
质控概率计算模块40，用于对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure 479959DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 423644DEST_PATH_IMAGE003
，获取所述待判断病例的所记录的医嘱在病例分组N’对应的分组内根据所述概率数据库获得所述待判断病例的所述医嘱与病例分组N’预设关系的概率P’，根据公式
Figure 982802DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
判断模块50，用于判断所述待判断医嘱的质控概率X是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
进一步地，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率概率最小的5%概率作为所述预设的阈值。
进一步地，所述组内频次统计模块还用于，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
请参考图3，为本发明一实施例中，本发明的实施例还提供了一种计算机系统/DRG分组器绩效适配测算系统，包括存储器51、处理器52以及存储在所述存储器51中并可在所述处理器52上运行的计算机程序53，所述处理器52执行所述计算机程序53时实现上述的基于概率分析的医嘱数据质控方法的步骤。
此外，本发明的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于概率分析的医嘱数据质控方法的步骤。
即，在本发明的具体实施例中，计算机可读存储介质的计算机程序被处理器执行时实现上述的基于概率分析的医嘱数据质控方法的步骤，同样能够实现上述任一实施例的优点。
示例性的，计算机可读存储介质的计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。
在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第X实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于概率分析的医嘱数据质控方法，其特征在于，包括步骤：
S1，对符合入库条件的历史医疗数据使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni }；其中，i表示第i个分组，
Figure DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
S2，获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 … Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱在该分组Ni内的不同病例的所述医嘱信息中出现的次数；
S3，根据公式Pik=Qik/Zi，Zi表示所述分组Ni的组内病例数，计算单条所述医嘱Kk与病例分组Ni的预设关系的概率Pik，获得所述医嘱与病例分组的预设关系的概率数据库；
S4，对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure DEST_PATH_IMAGE003
，根据所述概率数据库获取所述待判断病例的所记录的医嘱与所述病例分组N’对应的预设关系的概率P’，根据公式
Figure DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
S5，判断所述待判断医嘱的质控概率X是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
2.根据权利要求1所述的基于概率分析的医嘱数据质控方法，其特征在于，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率最小的5%所述医嘱与病例分组预设关系的概率作为所述预设的阈值。
3.根据权利要求1所述的基于概率分析的医嘱数据质控方法，其特征在于，所述步骤S1包括，对所述历史医疗数据R进行标化预处理的步骤，以获得统一标准的数据。
4.根据权利要求1所述的基于概率分析的医嘱数据质控方法，其特征在于，所述历史医疗数据R来自与不同的数据库，其中，所述数据库包括医院数据、诊所数据、医保数据。
5.根据权利要求1所述的基于概率分析的医嘱数据质控方法，其特征在于，还包括步骤S21，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；
步骤S22，采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
6.一种基于概率分析的医嘱数据质控系统，其特征在于，包括：
DRG分组器模块，用于对符合入库条件的历史医疗数据R使用DRG分组器进行分类，获得所述历史医疗数据R中的所有病例的分组N={N1，N2 … Ni }；其中，i表示第i个分组，
Figure 916271DEST_PATH_IMAGE001
，每条所述历史医疗数据包括该病例的医嘱信息，所述医嘱信息包括至少一条医嘱；
组内频次统计模块，用于获取每个所述分组Ni内的所有病例中的记录的所述医嘱K={K1，K2 … Kk}，并计算每个所述分组Ni内的单条所述医嘱的组内使用频次Qik，k表示该分组Ni内存在的第k条医嘱Kk，Qik在表示第k条医嘱该分组Ni内的在不同病例的所述医嘱信息中出现的次数；
医嘱与病例分组预设关系的概率统计模块，用于根据公式Pik=Qik/所述分组Ni的组内病例数，计算单条所述医嘱与病例分组预设关系的概率Pik，获得所述医嘱与病例分组预设关系的概率数据库；
质控概率计算模块，用于对待判断病例使用所述DRG分组器进行分类，获得所述待判断病例的分组N’，
Figure 364570DEST_PATH_IMAGE002
，获取与所述待判断病例的所记录的待判断医嘱相同的所述医嘱在所述病例分组N’内的使用频次Q’，获取所述病例分组N’内的所有的所述医嘱的平均频次
Figure 675466DEST_PATH_IMAGE003
，获取所述待判断病例的所记录的医嘱在病例分组N’对应的分组内根据所述概率数据库获得所述待判断病例的所述医嘱与病例分组N’预设关系的概率P’，根据公式
Figure 900036DEST_PATH_IMAGE004
，计算所述待判断医嘱的质控概率X；
判断模块，用于判断所述待判断医嘱的质控概率X是否小于预设的阈值，若是，则将所述待判断病例及其待判断医嘱列为疑似数据。
7.根据权利要求6所述的基于概率分析的医嘱数据质控系统，其特征在于，所述预设的阈值为对所述医嘱与病例分组预设关系的概率数据库进行统计得到的概率最小的5%所述医嘱与病例分组预设关系的概率作为所述预设的阈值。
8.根据权利要求7所述的基于概率分析的医嘱数据质控系统，其特征在于，所述组内频次统计模块还用于，基于国家医疗保障局标准的业务代码字典，按疾病对医学理论文献的文本采用Keygraph算法，提取出第一关键词，形成疾病诊疗方案关键词关系表；采用Keygraph算法对所述分组Ni内的所有病例中的记录的所述医嘱K进行关键词提取，提取出第二关键词，将第二关键词未在对应的疾病诊疗方案关键词关系表中的医嘱对应的所述组内使用频次Qik剔除。
9.一种基于概率分析的医嘱数据质控系统，包括存储器、处理器、存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述基于概率分析的医嘱数据质控方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于概率分析的医嘱数据质控方法步骤。
CN202210605757.8A 2022-05-31 2022-05-31 基于概率分析的医嘱数据质控方法、系统及存储介质 Active CN114677071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210605757.8A CN114677071B (zh) 2022-05-31 2022-05-31 基于概率分析的医嘱数据质控方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210605757.8A CN114677071B (zh) 2022-05-31 2022-05-31 基于概率分析的医嘱数据质控方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN114677071A CN114677071A (zh) 2022-06-28
CN114677071B true CN114677071B (zh) 2022-08-02

Family

ID=82081143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210605757.8A Active CN114677071B (zh) 2022-05-31 2022-05-31 基于概率分析的医嘱数据质控方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN114677071B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503455A (zh) * 2016-11-01 2017-03-15 山东众阳软件有限公司 基于药品规则组合的医嘱智能审核系统及方法
CN111863175A (zh) * 2020-07-27 2020-10-30 北京颐圣智能科技有限公司 一种病历质量评估方法及计算设备
WO2021120934A1 (zh) * 2019-12-18 2021-06-24 浙江大学 一种基于卷积神经网络的DRGs自动分组方法
CN113764097A (zh) * 2021-08-02 2021-12-07 阿里健康科技(杭州)有限公司 医嘱数据处理方法、终端设备、服务器及存储介质
CN114023425A (zh) * 2021-11-15 2022-02-08 北京嘉和美康信息技术有限公司 临床路径医嘱维护方法、装置及电子设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169181A1 (en) * 2014-12-10 2017-06-15 Michael Shumer Patient-Case Sorting Method for Medical Procedures

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106503455A (zh) * 2016-11-01 2017-03-15 山东众阳软件有限公司 基于药品规则组合的医嘱智能审核系统及方法
WO2021120934A1 (zh) * 2019-12-18 2021-06-24 浙江大学 一种基于卷积神经网络的DRGs自动分组方法
CN111863175A (zh) * 2020-07-27 2020-10-30 北京颐圣智能科技有限公司 一种病历质量评估方法及计算设备
CN113764097A (zh) * 2021-08-02 2021-12-07 阿里健康科技(杭州)有限公司 医嘱数据处理方法、终端设备、服务器及存储介质
CN114023425A (zh) * 2021-11-15 2022-02-08 北京嘉和美康信息技术有限公司 临床路径医嘱维护方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
病案中医嘱质量缺陷分析与管理对策;阮鹤瑞等;《中国病案》;20150118(第01期);21-23 *

Also Published As

Publication number Publication date
CN114677071A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
US11501874B2 (en) System and method for machine based medical diagnostic code identification, accumulation, analysis and automatic claim process adjudication
US10872131B2 (en) Progression analytics system
Aronsky et al. Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index
US8359209B2 (en) System and method for predicting and responding to likelihood of volatility
US8285585B2 (en) System and method for peer-profiling individual performance
US7532942B2 (en) Method and apparatus for generating a technologist quality assurance scorecard
US20050234740A1 (en) Business methods and systems for providing healthcare management and decision support services using structured clinical information extracted from healthcare provider data
US20140081652A1 (en) Automated Healthcare Risk Management System Utilizing Real-time Predictive Models, Risk Adjusted Provider Cost Index, Edit Analytics, Strategy Management, Managed Learning Environment, Contact Management, Forensic GUI, Case Management And Reporting System For Preventing And Detecting Healthcare Fraud, Abuse, Waste And Errors
US20170372028A1 (en) System and method for scoring the performance of healthcare organizations
CN111145844A (zh) 综合医疗监管平台
US11152087B2 (en) Ensuring quality in electronic health data
US20180210925A1 (en) Reliability measurement in data analysis of altered data sets
Ta et al. Detecting systemic data quality issues in electronic health records
US11966374B2 (en) Medical clinical data quality analysis system based on big data
US20210082550A1 (en) Methods and systems for analyzing accessing of medical data
CN113066562A (zh) 基于5g的医疗图像传输方法及系统
US20120041784A1 (en) Computerized Surveillance of Medical Treatment
Baskaran et al. Predicting breast screening attendance using machine learning techniques
CN115409380A (zh) 医院医保绩效评价方法、装置、电子设备及其存储介质
CN114677071B (zh) 基于概率分析的医嘱数据质控方法、系统及存储介质
CN113642672A (zh) 医保数据的特征加工方法、装置、计算机设备及存储介质
CN112216374A (zh) 一种医疗服务监管方法、装置及设备
CN117373642A (zh) 服务于医疗数据交换、分析和应用的数据系统和方法
EP2320342A1 (en) System and method for creating data links between diagnostic and prescription information records
Ash et al. The self-adapting focused review system: Probability sampling of medical records to monitor utilization and quality of care

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
GR01 Patent grant
GR01 Patent grant