CN115116623A - 一种基于icd疾病编码的抗菌药物使用指标评价方法、终端 - Google Patents
一种基于icd疾病编码的抗菌药物使用指标评价方法、终端 Download PDFInfo
- Publication number
- CN115116623A CN115116623A CN202210739620.1A CN202210739620A CN115116623A CN 115116623 A CN115116623 A CN 115116623A CN 202210739620 A CN202210739620 A CN 202210739620A CN 115116623 A CN115116623 A CN 115116623A
- Authority
- CN
- China
- Prior art keywords
- antibacterial
- index
- probability
- ddds
- evaluation
- 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
- 229940124350 antibacterial drug Drugs 0.000 title claims abstract description 74
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 65
- 238000011156 evaluation Methods 0.000 title claims abstract description 42
- 208000030990 Impulse-control disease Diseases 0.000 title claims abstract description 28
- 201000010099 disease Diseases 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000003745 diagnosis Methods 0.000 claims abstract description 33
- 239000003242 anti bacterial agent Substances 0.000 claims description 54
- 239000004599 antimicrobial Substances 0.000 claims description 21
- 230000000845 anti-microbial effect Effects 0.000 claims description 16
- 238000012797 qualification Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 description 9
- 230000037396 body weight Effects 0.000 description 8
- 229940079593 drug Drugs 0.000 description 6
- 230000000844 anti-bacterial effect Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 206010035664 Pneumonia Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000020029 respiratory tract infectious disease Diseases 0.000 description 2
- 201000004813 Bronchopneumonia Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010027202 Meningitis bacterial Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 206010040047 Sepsis Diseases 0.000 description 1
- 206010046306 Upper respiratory tract infection Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 201000009904 bacterial meningitis Diseases 0.000 description 1
- 206010006451 bronchitis Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Pharmacology & Pharmacy (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种基于ICD疾病编码的抗菌药物使用指标评价方法、计算机可读存储介质及终端，所述方法包括：获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；依据每个病症诊断进行应用抗菌药物的概率和所述病例数，计算得到抗菌药物的控制使用率及使用强度DDDs及pDDDs；获取所述一定时期内的科室或医院的抗菌药物的实际使用率及使用强度DDDs和pDDDs，将所述实际使用率及使用强度DDDs和pDDDs同所述控制使用率、控制使用强度DDDs和pDDDs进行比较，得出评价结果。通过该评价方法可促进医生或医疗机构真正关注疾病而非指标本身，降低抗菌药物的暴露和使用。
Description
技术领域
本发明涉及药物使用技术领域，尤其涉及一种基于ICD疾病编码的抗菌药物使用指标制订及评价方法、计算机可读存储介质及终端。
背景技术
目前，医院针对抗菌药物的使用的管理指标主要是对不同医院采用抗菌药物使用率及抗菌药物使用强度(Antibiotics Use Density,AUD)进行考核和评价，而AUD是一个比值，通过减少抗菌药物的使用(降低使用率、减少使用剂量、减少使用疗程、减少联用)和增加分母，即增加不需使用或较少使用抗菌药物的病人入院，从而可以达到指标。而增加分母即通过增加不需使用抗菌药物病人入院而达标，与抗菌药物管理的目标相悖。只是某家医院或者科室的AUD人为达标，而以全人口为计算分母，AUD并不会下降。
影响抗菌药物使用率及抗菌药物应用强度(DDDs)的最重要因素为病种，不同医院间、不同科室、不同季节的病种差异可能很大。用统一的抗菌药物管理指标评判不同医院和不同科室显然是不合理的。比如呼吸道感染疾病常需要使用抗菌药物，而心血管疾病通常不需要使用抗菌药物。重症病人需要的抗菌药物剂量更大。
对于儿童而言，用药剂量与体重密切相关，难以采用限定日剂量(Defined DailyDose,DDDs)进行计算AUD，不适合于儿童。因为DDD的定义为用于主要治疗目的的成人的药物平均日剂量。每个儿童每天的剂量不同的，因为剂量是根据体重计算的,不同儿童体重不同。只要不同医院或不同科室接诊儿童的体重不同，或者更准确的说是使用抗菌药物的体重不同，那么不同医院的DDDs就会不同，也提示不能用同样的指标衡量。目前的做法是儿童医院的管理指标是成人的一半，没有考虑不同医院年龄构成不同。比如妇幼保健院以新生儿为主，儿童医院的患儿平均年龄要大很多。
不同医院或科室不能从目前的AUD指标中获得抗菌药物合理应用可干预或改进的着力点。或者也不能为医疗质量管理部门提供确切的警示点和管理重点。比如有的医院可能床位数少，但是重症感染病人多，虽然抗菌药物把关很严，但是AUD值很高，但是有的医院床位数充足(即分母大)抗菌药物应用可能过度使用，但是通过增加分母，反倒AUD值很低。
因此，如何对抗菌药物的使用率进行评价是亟需解决的问题。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种基于ICD疾病编码的抗菌药物使用指标制订及评价方法、计算机可读存储介质及终端，旨在解决现有的抗菌药物的使用评价不足的问题。
本发明实施例第一方面，提供了一种基于ICD疾病编码的抗菌药物使用指标评价方法，其中，所述方法包括步骤：
获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；
依据每个病症诊断进行应用抗菌药物的概率、消耗量和所述病例数，计算得到抗菌药物的控制使用指标；
获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，所述每个病症诊断进行应用抗菌药物的概率包括：必须使用抗菌药物的概率，可能使用抗菌药物的概率和不需要使用抗菌药物的概率，其中，必须使用抗菌药物的概率为100％，不需要使用抗菌药物的概率为0％，可能需要抗菌药物的概率为专家评估后赋予的概率。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，设每种病例对应的使用抗菌药物的概率为Pn，控制使用率为P，病例数为Fn，所述P的计算公式为P＝(P1*F1+P2*F2+P3*F3+…Pn*Fn)/(F1+F2+F3+…Fn)。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，所述可能需要抗菌药物的概率为专家评估后赋予的概率，具体包括：针对每个病症随机抽取所述科室或医院前一年的若干例病人；由两名治疗该病症的专家独立对所述若干例病人进行评价，为每个病人使用使用抗菌药物的进行判断，从而得到该病症的使用抗菌药物的概率。
可选地，所述的基于ICD疾病编码的抗菌药物使用强度指标评价方法，其中，所述抗菌药物使用率评价方法还包括：为不同诊断的抗菌药物应用强度赋值一个特定年龄或体重的标准的总的限定日剂量DDDs(年龄是病历中容易获得的指标，与体重有对应关系，不同年龄或体重赋值一个单独的DDDs)和处方DDDs即pDDDs(每用1天记录为一个pDDD)，计算每个诊断进行应用抗菌药物的抗菌药物强度DDDs和pDDDs；计算得到所有病例的抗菌药物强度DDDs和pDDDs；依据所述标准限定日剂量DDDs和基于疗程的处方pDDDs对所得到的抗菌药物强度DDDs和pDDDs进行评价。对于儿童而言，采用pDDDs作为衡量指标会更加合适。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，所述依据所述标准限定日剂量DDDs、基于疗程的处方pDDDs对所得到的抗菌药物强度DDDs和pDDDs进行评价，具体包括：设定评价标准，所述评价标准包括合格、警戒和超标；将所得到的抗菌药物强度限定日剂量DDDs、基于疗程的处方pDDDs与对应的标准DDDs、pDDDs进行比较，计算偏差值，根据所述偏差值所对应的评价标准进行评价。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，当两个专家对同一个病症赋值不相同时，将针对该病症的诊断赋值提交学术委员会，由学术委员会给出针对该病症的赋值。
可选地，所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其中，针对儿童抗菌药物使用强度的指标包括：一段时间内的就诊总人数、使用抗菌药物人数、使用了抗菌药物的平均住院日、总住院人员的平均体重、使用了抗菌药物病人的平均体重；儿童抗菌药物使用强度的指标组合为任一两项所述指标或任一多项指标的乘积。
第二方面，一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如下步骤：
获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；
依据每个病症诊断进行应用抗菌药物的概率和所述病例数，计算得到抗菌药物的控制使用率及使用强度；
获取所述一定时期内的科室或医院的抗菌药物的实际使用率及使用强度，将所述实际使用率同所述控制使用率及使用强度进行比较，得出评价结果。
第三方面，一种终端，其中，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的程序；所述处理器执行所述程序时实现如上述所述的基于ICD疾病编码的抗菌药物使用率评价方法中的步骤。
有益效果：本发明提供一种基于ICD疾病编码的抗菌药物使用指标制订及评价方法，通过该评价方法可促进医生或医疗机构真正关注疾病而非指标本身，降低抗菌药物的暴露和使用。避免增加不需要使用抗菌药物病人的住院(本方法中，因为这部分在考核指标计算时不被列入，增加该部分病人是无用的)。为各医院及科室可找到抗菌药物应用可改善及干预的重点，提高可能使用抗菌药物病人的甄别能力，提高医疗技术和抗菌药物的精准治疗。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在不符创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于ICD疾病编码的抗菌药物使用指标评价方法示意图；
图2为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
发明人研究发现，目前对抗菌药物的使用采用AUD(Antibiotic Use Density，抗菌药物使用强度)，AUD＝抗菌药物消耗量(累计DDD数)*100/(同期收治患者人天数)进行考核和评价并不是很适用，有漏洞，因AUD是个比值，为了达标可以人为进行操作，比如通过减少抗菌药物的使用(降低使用率、减少使用剂量、减少使用疗程、减少联用)和增加分母，即增加不需使用或较少使用抗菌药物的病人入院。这与抗菌药物管理的目标相悖。
如图1所示，为了解决上述技术问题，本发明的发明人提出了一种基于ICD疾病编码的抗菌药物使用指标制订和评价方法，所述评价方法包括如下步骤：
S10、获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数。
具体来说，可以从医院诊疗数据库中调取某个医院某个科室过去一年或两年内的诊断数据，即对诊断数据进行抓取筛选，从中筛选出不同病症的病症的病例数。
示例性地，如调取某人民医院的去年一年内的诊断数据(30000例病患)，所述诊断数据包括病人年龄、病症、诊断过程、治疗所使用的药物名称等。如脓毒症3000例、急性支气管肺炎10000例、细菌性脑膜炎2000例。
所述步骤S10之后包括步骤S20、依据每个病症诊断进行应用抗菌药物的概率、消耗量和所述病例数，计算得到抗菌药物的控制使用指标。其中，所述控制使用指标包括但不限于抗菌药物的使用率、使用强度等。
具体来说，先对每个病症诊断进行应用抗菌药物的概率进行设置，如必须使用抗菌药物的概率为100％，可能使用抗菌药物的概率和不需要使用抗菌药物的概率为0％，其中，可能需要抗菌药物的概率为专家评估后赋予的概率。所谓的可能需要指的是，该病症介于可以使用也可以不使用，这就依赖与医生的临床经验。通过采用专家评估后赋值，可以提高针对该病症是否需要使用抗菌药物的准确性。
示例性地，如急性上呼吸道感染30％(赋值)，急性支气管炎40％(赋值)，急性肺炎70％(赋值)，不同的病症赋予不同的数值，使得医生在使用抗菌药物时，从病症本身出发，而不是为了满足指标人为的达标。
在本实施例中，设每种病例对应的使用抗菌药物的概率为Pn，控制使用率为P，病例数为Fn，所述P的计算公式为P＝(P1*F1+P2*F2+P3*F3+…Pn*Fn)/(F1+F2+F3+…Fn)。
示例性地，以某儿童医院感染科为例，2021年12月肯定需要使用抗菌药物的比例为31.6％(50/158)，可能需要使用的为12/158＝7.6％，不需要人数为96/158＝60.8％。2021年4月肯定需要使用抗菌药物比例为22.8％，可能使用的为11/92＝12.0％。可能使用的病种假设根据专家评价后使用概率为50％，概率为2021年12月P＝31.6％+7.6％/2＝35％，2021年4月概率为P＝22.8％+12.0％/2＝29％。
在本实施例中，当两个专家对同一个病症的赋值结果差异较大时，则将该病症的诊断赋值提交至学术委员会，由学术委员会进行赋值。需要说明的是，两个专家针对同一个病症的诊断赋值偏差在10％及以上时，则要由学术委员会针对该病症进行赋值，偏差在10％以内的可以取平均值，示例性地，如果一个病症，一个专家的赋值是60％，另一个专家的赋值为40％，赋值差异偏大，则交由学术委员会进行赋值。当偏差值小于10％，可以根据需要取二者的平均值，以减少人为误差。
在所述步骤S20之后还包括步骤S30、获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果。
具体来说，就是通过上述步骤获得了一个控制使用率P，将P作为一个参考，调取将一定时期内的科室或医院的抗菌药物的实际使用率，将其与控制使用率P进行比较，得出偏差值，根据偏差对该时期内科室或医院的抗菌药物使用率是否合理进行评价。
示例性地，以某儿童医院感染科为例，2021年12月控制使用概率为2021年12月P为35％，实际使用的概率为42％，二者的偏差为7％，即实际的使用量偏高。
在本实施例中，可以将评价结果分为三类，如<5％合格，5-10％警戒，>10％超标。依据该标准，可以看出该科室的抗菌药物的使用属于警戒线，要适当的进行控制。
在本实施例中，以某儿童医院感染科为例，控制指标为45％，2021年12月和2021年4月实际使用率分别为50％和25％，这显然不是抗菌药物使用能力下降了、过度使用抗菌药物，而是因为收治的病原谱不同了。根据本方案计算，2021年12月肯定需要使用抗菌药物的比例为31.6％(50/158)，可能需要使用的为12/158＝7.6％，不需要人数为96/158＝60.8％。2021年4月肯定需要使用抗菌药物比例为22.8％，可能使用的为11/92＝12.0％。可能使用的病种假定专家的建议为50％，调整区间为2021年12月P＝31.6％+7.6％/2＝35％，2021年4月为P＝22.8％+12.0％/2＝29％。
上下浮动10％(设定上下浮动的原因为部分病人开始诊断不明确时可能需要，但是最终诊断明确后不需要使用)。2021年12月控制区间为31.5％-38.5％，2021年4月控制区间为26％-32％。2021年12月比调控线高出15％，比调控线升高了43％，2021年4月比调控线低1％，比调控线降低了3％，而不是由2021年4月25％升至2021年12月的50％，升高了100％。
新的方法比原有方案更加稳定，卡方值越大，说明差异越大越不稳定；卡方值越小，差异越小，越稳定。旧方法卡方值＝(50-45)2+(45-25)2＝52+202＝25+400＝425，新的方法卡方值＝(50-35)2+(29-25)2＝152+42＝241。旧方法不是依据不同诊断的使用率进行评价，而是采用统一的使用率管理指标评价，是不合理的。
目的为强力限制肯定不需要使用抗菌药物病种，鼓励限制可能需要抗菌药物的人群，以减少不必要抗菌药物。仔细核查需要使用抗菌药物但是没有使用的，以降低医疗风险。
在本实施例的一种实现方式中，所述抗菌药物使用率评价方法还包括：为不同诊断的抗菌药物应用强度赋值一个标准DDDs，计算每个诊断进行应用抗菌药物的抗菌药物强度DDDs；计算得到所有病例的抗菌药物强度DDDs；依据所述标准DDDs对所得到的抗菌药物强度DDDs进行评价。其中，所述的DDDs指的是以限定日剂量为单位的某药品的消耗量，反映的是用药频度的大小。
示例性地，以剂量为基础的赋值，以年龄、体重作为分层因素，对于儿童，消耗剂量与体重或年龄相关，如<1岁，1～2岁，3～5岁，5～10岁，>10岁，不同年龄段赋值一个标准DDDs及基于疗程的pDDDs，>10岁5DDDs，3～5岁2.5DDDs，<1岁1.5DDDs；以疗程为基础的赋值，根据指南推荐的疗程，每个病种设定一个标准DDDs，如肺炎DDDs为5。
通过对DDDs指标进行管控，可以使抗菌药物使用率的评价更为可观，准确。
在本实施例中，适用于儿童抗菌药物使用强度的指标组合：
指标a：DDDs/就诊总人数就诊总人天数，而非目前的住院人天数，避免为完成指标将不需要使用抗菌药物的病人收入院同一医院可以进行不同年份比较。
指标b：DDDs/抗菌药物人数可以反映每个使用抗菌药物病人整个治疗期间所产生的抗菌药物总频度(疗程、联用抗菌药物、日剂量影响因素的总和)，同一病种不同医院、不同科室之间进行比较。避免了不需使用抗菌药物人数相对比例高，而使得计算得到的抗菌药物使用强度低。计算值大的，需要缩短疗程，减少联用，减少不必要的增加剂量，减少分子，策略更加针对性。
指标c：DDDs/抗菌药物人数/住院时长可以反映每个使用抗菌药物病人每天所产生的抗菌药物总频度。计算值大的，可能为抗菌药物联用及日使用剂量大，需要减少不必要的联用及高剂量。
指标d：DDDs/就诊总人数/kg和DDDs/抗菌药物人数/kg避免了体重带来的各个科室及医院不能比较的问题，因为有的医院以新生儿为主(体重小)，产生的实际DDDs就少。计算值*40，就可以采用成人的标准，在儿童医院及成人医院也可以比较。可以反映平均公斤体重的剂量选择不同。促使医生选择有效的最小剂量，不盲目选择大剂量，也不会选择无效小剂量(增加疗程)。
任意两个或多个指标相乘可反映更多维度的抗菌药物应用情况。指标a×指标b可避免抗菌药物使用人数即限定使用率同时也可限定每个使用了抗菌药物病人的暴露频度。
基于上述所述的基于ICD疾病编码的抗菌药物使用指标评价方法，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存储介质存储有一个或多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如下所述的基于ICD疾病编码的抗菌药物使用率评价方法中的步骤：
获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；
依据每个病症诊断进行应用抗菌药物的概率、消耗量和所述病例数，计算得到抗菌药物的控制使用指标；
获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果。
基于上述所述的基于ICD疾病编码的抗菌药物使用率评价方法，本发明还提供一种终端，如图2所示，其包括至少一个处理器(processor)30；存储器(memory)31，还可以包括通信接口(CommunicationsInterface)32和总线33。其中，处理器30、存储器31和通信接口32可以通过总线33完成相互间的通信。通信接口32可以传输信息。处理器30可以调用存储器31中的逻辑指令，以执行上述实施例中的方法。此外，上述的存储器31中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。存储器31作为一种可读存储介质，可设置为存储软件程序，如本发明实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器31中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。存储器31可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器31可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。此外，上述存储介质以及终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明，在这里就不再一一陈述。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，所述评价方法包括步骤：
获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；
依据每个病症诊断进行应用抗菌药物的概率、消耗量和所述病例数，计算得到抗菌药物的控制使用指标；
获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果。
2.如权利要求1所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，所述每个病症诊断进行应用抗菌药物的概率包括：必须使用抗菌药物的概率，可能使用抗菌药物的概率和不需要使用抗菌药物的概率，其中，必须使用抗菌药物的概率为100％，不需要使用抗菌药物的概率为0％，可能需要抗菌药物的概率为专家评估后赋予的概率。
3.如权利要求2所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，设每种病例对应的使用抗菌药物的概率为Pn，控制使用率为P，病例数为Fn，所述P的计算公式为P＝(P1*F1+P2*F2+P3*F3+…Pn*Fn)/(F1+F2+F3+…Fn)。
4.如权利要求2所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，所述可能需要抗菌药物的概率为专家评估后赋予的概率，具体包括：针对每个病症随机抽取所述科室或医院前一年的不同病种若干例病人；由两名治疗该病症的专家独立对所述若干例病人进行评价，从而得到该病症的使用抗菌药物的概率。
5.如权利要求1所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，所述抗菌药物使用指标评价方法还包括：
为不同诊断的抗菌药物应用强度赋值一个按年龄划分的总的标准限定日剂量DDDs及基于疗程的处方pDDDs，计算每个诊断进行应用抗菌药物的抗菌药物强度DDDs和pDDDs；计算得到所有病例的抗菌药物强度DDDs；依据所述标准限定日计量DDDs和基于疗程的处方pDDDs对所得到的抗菌药物强度DDDs和pDDDs进行评价。
6.如权利要求5所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，所述依据所述标准限定日计量DDDs、基于疗程的处方pDDDs对所得到的抗菌药物强度DDDs和pDDDs进行评价，具体包括：设定评价标准，所述评价标准包括合格、警戒和超标；将所得到的抗菌药物强度DDDs、pDDDs与对应的标准限定日计量DDDs、基于疗程的处方pDDDs进行比较，计算偏差值，根据所述偏差值所对应的评价标准进行评价。
7.如权利要求4所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，当两个专家对同一个病症赋值不相同时，将针对该病症的判断赋值提交学术委员会，由学术委员会给出针对该病症的赋值。
8.如权利要求5所述的基于ICD疾病编码的抗菌药物使用指标评价方法，其特征在于，针对儿童抗菌药物使用强度的指标包括：一段时间内的就诊总人数、使用抗菌药物人数、使用了抗菌药物的平均住院日、总住院人员的平均体重、使用了抗菌药物病人的平均体重；儿童抗菌药物使用强度的指标组合为任一两项所述指标或任一多项指标的乘积，作为抗菌药物评价指标。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如下步骤：
获取一定时期内的科室或医院的诊断数据；对所述诊断数据进行计算，得到不同病症的病例数；
获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果；
获取所述一定时期内的科室或医院的抗菌药物的实际使用指标，将所述实际使用指标同所述控制使用指标进行比较，得出评价结果。
10.一种终端，其特征在于，包括：处理器和存储器；所述存储器上存储有可被所述处理器执行的程序；所述处理器执行所述程序时实现如权利要求1-8任一所述的基于ICD疾病编码的抗菌药物使用率评价方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210739620.1A CN115116623A (zh) | 2022-06-28 | 2022-06-28 | 一种基于icd疾病编码的抗菌药物使用指标评价方法、终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210739620.1A CN115116623A (zh) | 2022-06-28 | 2022-06-28 | 一种基于icd疾病编码的抗菌药物使用指标评价方法、终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115116623A true CN115116623A (zh) | 2022-09-27 |
Family
ID=83330658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210739620.1A Pending CN115116623A (zh) | 2022-06-28 | 2022-06-28 | 一种基于icd疾病编码的抗菌药物使用指标评价方法、终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115116623A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118072903A (zh) * | 2024-04-25 | 2024-05-24 | 江南大学附属医院 | 一种基于病种统计分析的抗菌药物用量评估方法及系统 |
| CN118072903B (zh) * | 2024-04-25 | 2024-06-28 | 江南大学附属医院 | 一种基于病种统计分析的抗菌药物用量评估方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170042978A1 (en) * | 2010-06-25 | 2017-02-16 | Shire Human Genetic Therapies, Inc. | Cns delivery of therapeutic agents |
| CN112201330A (zh) * | 2020-09-29 | 2021-01-08 | 四川省人民医院 | 结合DRGs工具和贝叶斯模型的医疗质量监测评估方法 |
| CN113362965A (zh) * | 2021-06-28 | 2021-09-07 | 中国人民解放军疾病预防控制中心 | 用于医院病原菌耐药性监测系统及方法 |
| CN114093524A (zh) * | 2021-11-02 | 2022-02-25 | 深圳市儿童医院 | 一种儿童抗菌药物使用评估系统、计算机可读存储介质及终端 |
-
2022
- 2022-06-28 CN CN202210739620.1A patent/CN115116623A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170042978A1 (en) * | 2010-06-25 | 2017-02-16 | Shire Human Genetic Therapies, Inc. | Cns delivery of therapeutic agents |
| CN112201330A (zh) * | 2020-09-29 | 2021-01-08 | 四川省人民医院 | 结合DRGs工具和贝叶斯模型的医疗质量监测评估方法 |
| CN113362965A (zh) * | 2021-06-28 | 2021-09-07 | 中国人民解放军疾病预防控制中心 | 用于医院病原菌耐药性监测系统及方法 |
| CN114093524A (zh) * | 2021-11-02 | 2022-02-25 | 深圳市儿童医院 | 一种儿童抗菌药物使用评估系统、计算机可读存储介质及终端 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118072903A (zh) * | 2024-04-25 | 2024-05-24 | 江南大学附属医院 | 一种基于病种统计分析的抗菌药物用量评估方法及系统 |
| CN118072903B (zh) * | 2024-04-25 | 2024-06-28 | 江南大学附属医院 | 一种基于病种统计分析的抗菌药物用量评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bradley et al. | Care delivery and self management strategies for adults with epilepsy | |
| Bristow et al. | Rates of in‐hospital arrests, deaths and intensive care admissions: the effect of a medical emergency team | |
| Walker et al. | Psychosocial correlates of recurrent childhood pain: a comparison of pediatric patients with recurrent abdominal pain, organic illness, and psychiatric disorders. | |
| Cleary et al. | Patient satisfaction as an indicator of quality care | |
| Grembowski et al. | Factors influencing dental decision making | |
| Forsythe et al. | Attachment style is associated with perceived spouse responses and pain-related outcomes. | |
| Mimra et al. | Second opinions in markets for expert services: Experimental evidence | |
| Phelps | Illness prevention and medical insurance | |
| Bergström et al. | Orthodontic care from the patients' perspective: perceptions of 27-year-olds | |
| Glick et al. | Short vs long hospitalization: A prospective controlled study: I. The preliminary results of a one-year follow-up of schizophrenics | |
| Valdez et al. | Prepaid group practice effects on the utilization of medical services and health outcomes for children: results from a controlled trial | |
| Fingar et al. | Medicaid dental coverage alone may not lower rates of dental emergency department visits | |
| Asimakopoulou et al. | The effect of risk communication on periodontal treatment outcomes: A randomized controlled trial | |
| Gao et al. | Randomized trial of silver nitrate with sodium fluoride for caries arrest | |
| Finley et al. | Use of guideline-recommended treatments for PTSD among community-based providers in Texas and Vermont: Implications for the Veterans Choice Program | |
| Holliman et al. | Differences and similarities between social work and nurse discharge planners | |
| Ferrans et al. | Satisfaction with health care of hemodialysis patients | |
| Petry et al. | Contingency management improves abstinence and quality of life in cocaine abusers. | |
| Nijsten et al. | Apathy and health-related quality of life in nursing home residents | |
| Chen et al. | Randomized clinical trial on sodium fluoride with tricalcium phosphate | |
| Tamayo et al. | Rationing of nursing care and its relationship to nurse practice environment in a tertiary public hospital | |
| Sanford et al. | Medical Consultation Experience Questionnaire: Assessing perceived alliance and experienced confusion during medical consultations. | |
| Hilton et al. | Oral health disparities and the workforce: a framework to guide innovation | |
| Boardman et al. | Self reported clinical pharmacist interventions under‐estimate their input to patient care | |
| Sicotte et al. | Medical team interdependence as a determinant of use of clinical resources. |
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: 20220927 |
|
| RJ01 | Rejection of invention patent application after publication |