CN115185936B - 一种基于大数据的医疗临床数据质量分析系统 - Google Patents
一种基于大数据的医疗临床数据质量分析系统 Download PDFInfo
- Publication number
- CN115185936B CN115185936B CN202210815839.5A CN202210815839A CN115185936B CN 115185936 B CN115185936 B CN 115185936B CN 202210815839 A CN202210815839 A CN 202210815839A CN 115185936 B CN115185936 B CN 115185936B
- Authority
- CN
- China
- Prior art keywords
- data
- quality
- medical
- patient
- clinical
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000007689 inspection Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 40
- 201000010099 disease Diseases 0.000 claims description 31
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 31
- 238000003908 quality control method Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 19
- 238000013441 quality evaluation Methods 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 11
- 239000003814 drug Substances 0.000 claims description 9
- 229940079593 drug Drugs 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims 2
- 238000012360 testing method Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010972 statistical evaluation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开一种基于大数据的医疗临床数据质量分析系统，涉及医疗大数据技术领域。本发明用于解决无法针对医疗行为进行多环节分类采集，不能在管理前端、中间环节和末端分析并反映临床数据的质量情况的技术问题。本发明在医疗临床数据质量管理的入院、住院、出院环节全面化的采集真实性、合规性、过程性和结论性相关的数据，有利于实现临床医疗行为的多环节分类采集，便于后续对临床数据动态、有序的质量分析管控；从真实性、合规性入手真实可靠的反映入院临床数据的质量，从质量管理前端降低医疗差错及成本；从过程性、结论性入手真实可靠的反映住院期间、出院时临床数据的质量，从质量管理中间环节和末端降低医疗差错及成本。
Description
技术领域
本发明涉及医疗大数据分析技术领域，具体涉及一种基于大数据的医疗临床数据质量分析系统。
背景技术
医疗临床数据不仅数据规模大，而且种类多、价值高、增长速度快，完全符合大数据的特点。病历质控是保证医疗质量的重要手段，也是临床数据的重要源头之一，源头没有把好关的话，后面就会带来一系列问题。在病历方面，通常会面临首程书写不及时、手术记录不完善、疾病诊断和操作诊断不准确、病案首页不完整、上级医师冠签缺乏、抗生素使用指征不明等问题。在大数据、人工智能时代，医院需要运用信息技术进行数据质控、数据清洗和数据治理，针对关键变量缺失、数据不一致、格式不规范等问题，进行及时探查和治理。
现有技术（CN104766259A）公开了一种基于单病种模型的医疗临床质量监测与评价系统，包括将采集到的单病种的原始诊疗过程中的病例数据送入临床记录数据库的临床数据集成子系统；从所述临床记录数据库中选择病例数据进行数据处理形成单病种评价数据库的数据清洗与标化子系统；对接收到的数据进行指标运算和综合评价运算的统计分析与评价算法子系统；负责显示经所述统计分析与评价算法子系统运算得到的综合评价结果的临床质量管理应用子系统。该发明在临床质量管理方面对临床数据的处理和统计评价，医疗质量管理者可真实、客观、实时、全量化地掌握各临床科室对各类疾病的诊疗过程质量状况。但是研究发现存在以下技术问题：无法针对医疗行为进行多环节分类采集，不能在管理前端、中间环节和末端分析并反映临床数据的质量情况。
针对此方面的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的医疗临床数据质量分析系统，用于解决现有技术中无法针对医疗行为进行多环节分类采集，不能在管理前端、中间环节和末端分析并反映临床数据的质量情况的技术问题；
通过采集各个临床科室患者入院时的真实性数据、合规性数据以及住院期间、办理出院时的过程性数据和结论性数据，在医疗临床数据质量管理的入院、住院、出院环节全面化的采集真实性、合规性、过程性和结论性相关的数据，解决无法针对医疗行为进行多环节分类采集的技术问题；
通过将真实因子与合规因子整合处理后得到反映入院临床数据质量的病历质量系数，病历质量系数与其阈值比较后输出病历合格信号或病历不合格信号，从真实性、合规性入手真实可靠的反映入院临床数据的质量；将过程因子与结论因子整合处理后得到反映住院期间、出院时临床数据质量的运行质量系数，运行质量系数与其阈值比较后输出运行合格信号或运行不合格信号，从过程性、结论性入手真实可靠的反映住院期间、出院时临床数据的质量，解决了无法在管理前端、中间环节和末端分析反映临床数据的质量情况的技术问题。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的医疗临床数据质量分析系统，包括临床数据采集模块、入院数据分析模块、病程数据分析模块、病历质检模块、运行质检模块、医疗大数据服务器；
临床数据采集模块用于采集固定时间段内和固定时间段后各个临床科室患者入院时的真实性数据、合规性数据，并将其发送至入院数据分析模块和医疗大数据服务器；还用于采集固定时间段内和固定时间段后各个临床科室患者住院期间、办理出院时的过程性数据和结论性数据，并将其发送至病程数据分析模块和医疗大数据服务器；
入院数据分析模块用于将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行真实性分析处理，得到每个临床科室的真实因子，将真实因子发送至病历质检模块；还用于将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行合规性分析处理，得到每个临床科室的合规因子，将合规因子发送至病历质检模块；
病程数据分析模块用于将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行过程性分析处理，得到每个临床科室的过程因子，将过程因子发送至运行质检模块；还用于将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行结论性分析处理，得到每个临床科室的结论因子，将结论因子发送至质检模块；
病历质检模块用于对临床科室的真实因子和合规因子处理得到病历质量系数，将病历质量系数与其阈值进行比较，当大于其阈值时输出病历合格信号，当小于等于其阈值时输出病历不合格信号并发送至医疗大数据服务器；
运行质检模块用于对临床科室的过程因子和结论因子处理得到运行质量系数，将运行质量系数与其阈值进行比较，当大于其阈值时输出运行合格信号，当小于等于其阈值时输出运行不合格信号并发送至医疗大数据服务器；
医疗大数据服务器用于将病历不合格信号对应的病历质量系数与运行不合格信号对应的运行质量系数相乘得到综合质量系数，将综合质量系数与其预设范围进行比较；当综合质量系数大于其预设范围的最大值时，不做任何处理；当综合质量系数介于其预设范围内时，输出二级质控信号；当综合质量系数小于其预设范围的最小值时，输出一级质控信号。
进一步的，所述固定时间段为12小时、24小时、48小时或72小时，真实性数据包括患者的姓名、年龄、性别、身份证号、出生年月、婚姻状况、名族和籍贯，婚姻状况包括未婚、已婚、离婚、丧偶；合规性数据包括记录的国际疾病编码、现有病史名称、主诊断疾病名称、诊断方案；
真实性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行比对，得到真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数；
步骤二，将真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数分别标记为Zpi、Zgi、Zci，i=1，...，n，n为大于1的正整数；处理得到每个临床科室的真实因子Zsi；
合规性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行比对，得到合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数；
步骤二，将合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数分别标记为Hpi、Hsi、Hci，i=1，...，n，n为大于1的正整数；处理得到每个临床科室的合规因子Hgi。
进一步的，真实性数据的错误包括错填、漏填和填写至其他项目；合规性数据的违规包括国际疾病编码与国际疾病分类标准编码ICD-10不一致，现有病史与患者实际病史不匹配，主诊断疾病名称与所需治疗的疾病名称不一致，诊断方案中的手术名称、待检测项目或待使用药物名称与所需治疗疾病不匹配。
进一步的，所述过程性数据包括患者住院期间用药、检测项目及其对应的费用，患者住院期间手术名称；结论性数据包括患者住院期间缴费总额、患者出院时病情；
过程性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行对比，得到过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数；
步骤二，将过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数分别标记为Gci、Gsi、Ghi，i=1，...，n，n为大于1的正整数；处理得到每个临床科室的过程因子Gzi；
结论性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行对比，得到结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数；
步骤二，将结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数分别标记为Jci、Jsi、Jhi，i=1，...，n，n为大于1的正整数；处理得到每个临床科室的结论因子Jzi。
进一步的，所述过程性数据的差错包括患者住院期间用药、检测项目与其对应的费用不一致，患者住院期间手术名称与专业手术名称不一致；结论性数据的问题包括患者住院期间缴费总额与实际核算缴费总额不一致、患者出院时病情记载不符合书写规范。
进一步的，该医疗临床数据质量分析系统还包括历史质量分析模块和质量评价模块，历史质量分析模块用于调取医疗大数据服务器内的综合质量系数，以单位时间为横坐标，综合质量系数为纵坐标，生成单位时间-综合质量系数的柱状图和折线图，将柱状图和折线图发送至移动终端；并用于计算相邻单位时间综合质量系数的变化率并发送至质量评价模块；
质量评价模块用于将相邻单位时间综合质量系数的变化率与其内存储的变化率评价表进行匹配，得到质检评价结果。
进一步的，单位时间选自12小时、24小时、48小时或72小时；变化率评价表中变化率大于20%时，质检评价结果为优秀；变化率介于10%~20%时，质检评价结果为良好；变化率介于0~10%时，质检评价结果为及格；变化率介于-10%~0时，质检评价结果为不及格；变化率小于-10%时，质检评价结果为差。
本发明具备下述有益效果：
1、本发明通过采集各个临床科室患者入院时的真实性数据、合规性数据以及住院期间、办理出院时的过程性数据和结论性数据，在医疗临床数据质量管理的入院、住院、出院环节全面化的采集真实性、合规性、过程性和结论性相关的数据，有利于实现临床医疗行为的多环节分类采集，便于后续对临床数据动态、有序的质量分析管控。
2、本发明将真实因子与合规因子整合处理后得到反映入院临床数据质量的病历质量系数，病历质量系数与其阈值比较后输出病历合格信号或病历不合格信号，从真实性、合规性入手真实可靠的反映入院临床数据的质量，从质量管理前端降低医疗差错及成本；将过程因子与结论因子整合处理后得到反映住院期间、出院时临床数据质量的运行质量系数，运行质量系数与其阈值比较后输出运行合格信号或运行不合格信号，从过程性、结论性入手真实可靠的反映住院期间、出院时临床数据的质量，从质量管理中间环节和末端降低医疗差错及成本。
3、本发明通过病历质量系数与运行质量系数处理得到综合质量系数，综合质量系数与其预设范围比较后输出不同级别的质控信号，在病历信号、运行信号均不合格的情况下精准输出匹配的质控信号，便于采取相对应的整改措施；单位时间-综合质量系数的柱状图和折线图直观反映医疗临床数据的综合质量随单位时间的变化趋势；与变化率评价表进行匹配得到质检评价结果后，便于根据不同的质检评价结果打分和整改，降低临床数据出错率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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来讲，在不付出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为本发明医疗临床数据质量分析系统的框架图；
图2为本发明实施例2的医疗临床数据质量分析方法的流程图；
图3为本发明实施例3的医疗临床数据质量分析方法的流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供一种基于大数据的医疗临床数据质量分析系统，适用于具有多个临床科室的医院或诊疗机构，包括临床数据采集模块、入院数据分析模块、病程数据分析模块、病历质检模块、运行质检模块、医疗大数据服务器、历史质量分析模块、质量评价模块。其中，临床科室的一种划分方式为内科、外科、妇产科、儿科、男科、肿瘤科、皮肤科、传染科和精神心理科，当然本实施例不对其他划分方式做具体限定，根据医院或诊疗机构的实际情况设定和调整。
具体地，临床数据采集模块用于采集固定时间段内和固定时间段后各个临床科室患者入院时的真实性数据、合规性数据，并将其发送至入院数据分析模块和医疗大数据服务器；还用于采集固定时间段内和固定时间段后各个临床科室患者住院期间、办理出院时的过程性数据和结论性数据，并将其发送至病程数据分析模块和医疗大数据服务器。
其中，固定时间段为48小时，真实性数据包括患者的姓名、年龄、性别、身份证号、出生年月、婚姻状况、名族和籍贯，婚姻状况包括未婚、已婚、离婚、丧偶；合规性数据包括记录的国际疾病编码、现有病史名称、主诊断疾病名称、诊断方案；过程性数据包括患者住院期间用药、检测项目及其对应的费用，患者住院期间手术名称；结论性数据包括患者住院期间缴费总额、患者出院时病情。上述提及的真实性数据、合规性数据、过程性数据和结论性数据由患者入院时、住院期间和办理出院时自动采集，或患者向医护人员口述后由医护人员手动录入，或医护人员根据临床治疗情况手动录入；固定时间段内的真实性数据、合规性数据、过程性数据和结论性数据均存在需要修改调整，以及经修改调整后合格的可能性。
通过采集各个临床科室患者入院时的真实性数据、合规性数据以及住院期间、办理出院时的过程性数据和结论性数据，在医疗临床数据质量管理的入院、住院、出院环节全面化的采集真实性、合规性、过程性和结论性相关的数据，有利于实现临床医疗行为的多环节分类采集，便于后续对临床数据动态、有序的质量分析管控。
入院数据分析模块用于将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行真实性分析处理，得到每个临床科室的真实因子，将真实因子发送至病历质检模块；还用于将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行合规性分析处理，得到每个临床科室的合规因子，将合规因子发送至病历质检模块。
其中，真实性数据的错误包括错填、漏填和填写至其他项目；合规性数据的违规包括国际疾病编码与国际疾病分类标准编码ICD-10不一致，现有病史与患者实际病史不匹配，主诊断疾病名称与所需治疗的疾病名称不一致，诊断方案中的手术名称、待检测项目或待使用药物名称与所需治疗疾病不匹配。
真实性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行比对，得到真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数；
步骤二，将真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数分别标记为Zpi、Zgi、Zci，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的真实因子Zsi；其中，α为修正因子且α=0.957，a1、a2、a3均为预设权重系数，a1＞a2＞a3＞0且a1+a2+a3=3.189；
需要说明的是，真实因子的表观值越大，说明对应临床科室的真实性数据质量情况越差。
合规性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行比对，得到合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数；
步骤二，将合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数分别标记为Hpi、Hsi、Hci，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的合规因子Hgi；其中，β为修正因子且β=0.986，b1、b2、b3均为预设权重系数，b1＞b2＞b3＞0且b1+b2+b3=4.219；
需要说明的是，合规因子的表观值越大，说明对应临床科室的合规性数据质量越差。
病程数据分析模块用于将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行过程性分析处理，得到每个临床科室的过程因子，将过程因子发送至运行质检模块；还用于将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行结论性分析处理，得到每个临床科室的结论因子，将结论因子发送至质检模块。
其中，过程性数据的差错包括患者住院期间用药、检测项目与其对应的费用不一致，患者住院期间手术名称与专业手术名称不一致；结论性数据的问题包括患者住院期间缴费总额与实际核算缴费总额不一致、患者出院时病情记载不符合书写规范。
过程性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行对比，得到过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数；
步骤二，将过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数分别标记为Gci、Gsi、Ghi，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的过程因子Gzi；其中，δ为修正因子且δ=0.925，c1、c2、c3均为预设权重系数，c2＞c1＞c3＞0且c1+c2+c3=6.284；
需要说明的是，过程因子的表观值越大，说明对应临床科室的过程性数据质量越差。
结论性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行对比，得到结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数；
步骤二，将结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数分别标记为Jci、Jsi、Jhi，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的结论因子Jzi；其中，ε为修正因子且ε=0.937，d1、d2、d3均为预设权重系数，d2＞d1＞d3＞0且d1+d2+d3=4.876；
需要说明的是，结论因子的表观值越大，说明对应临床科室的结论性数据质量越差。
病历质检模块用于对临床科室的真实因子Zsi和合规因子Hgi依据公式
处理得到病历质量系数ZH，将病历质量系数ZH与其阈值进行比较，当大于其阈值时输出病历合格信号，当小于等于其阈值时输出病历不合格信号并发送至医疗大数据服务器。
其中，λ为修正因子且λ=1.387，e1、e2为预设权重系数，e1＞e2＞0且e1+e2=1.843；需要说明的是，病历质量系数的表观值越大，说明临床科室的患者入院数据质量越高。
通过将涉及到临床科室患者入院真实性相关的数据进行真实性分析处理，得到反映真实性数据质量的真实因子；将涉及到临床科室患者入院合规性相关的数据进行合规性分析处理，得到反映合规性数据质量的合规因子；真实因子与合规因子整合处理后得到反映入院临床数据质量的病历质量系数，病历质量系数与其阈值比较后输出病历合格信号或病历不合格信号，从真实性、合规性入手真实可靠的反映入院临床数据的质量，从质量管理前端降低医疗差错及成本。
运行质检模块用于对临床科室的过程因子Gzi和结论因子Jzi依据公式
处理得到运行质量系数GJ，将运行质量系数GJ与其阈值进行比较，当大于其阈值时输出运行合格信号，当小于等于其阈值时输出运行不合格信号并发送至医疗大数据服务器。
其中，μ为修正因子且μ=1.185，f1、f2为预设权重系数，f1＞f2＞0且f1+f2=2.527；需要说明的是，运行质量系数的表观值越大，说明临床科室的患者住院期间、出院时数据质量越高。
通过将涉及到临床科室患者住院期间、出院时过程性相关的数据进行过程性分析处理，得到反映过程性数据质量的过程因子；将涉及到住院期间、出院时结论性相关的数据进行结论性分析处理，得到反映结论性数据质量的结论因子；过程因子与结论因子整合处理后得到反映住院期间、出院时临床数据质量的运行质量系数，运行质量系数与其阈值比较后输出运行合格信号或运行不合格信号，从过程性、结论性入手真实可靠的反映住院期间、出院时临床数据的质量，从质量管理中间环节和末端降低医疗差错及成本。
医疗大数据服务器用于将病历不合格信号对应的病历质量系数与运行不合格信号对应的运行质量系数相乘得到综合质量系数，将综合质量系数与其预设范围进行比较；当综合质量系数大于其预设范围的最大值时，不做任何处理；当综合质量系数介于其预设范围内时，输出二级质控信号；当综合质量系数小于其预设范围的最小值时，输出一级质控信号。
需要说明的是，综合质量系数的表观值越大，说明临床科室的综合临床数据质量越高。
病历质量系数与运行质量系数处理得到综合质量系数，综合质量系数与其预设范围比较后输出不同级别的质控信号，在病历信号、运行信号均不合格的情况下精准输出匹配的质控信号，便于采取相对应的整改措施。
历史质量分析模块用于调取医疗大数据服务器内的综合质量系数，以单位时间为横坐标，综合质量系数为纵坐标，生成单位时间-综合质量系数的柱状图和折线图，将柱状图和折线图发送至移动终端；并用于计算相邻单位时间综合质量系数的变化率并发送至质量评价模块；其中，单位时间选自48小时。
质量评价模块用于将相邻单位时间综合质量系数的变化率与其内存储的变化率评价表进行匹配，得到质检评价结果。其中，变化率评价表中变化率大于20%时，质检评价结果为优秀；变化率介于10%~20%时，质检评价结果为良好；变化率介于0~10%时，质检评价结果为及格；变化率介于-10%~0时，质检评价结果为不及格；变化率小于-10%时，质检评价结果为差。
单位时间-综合质量系数的柱状图和折线图直观反映医疗临床数据的综合质量随单位时间的变化趋势；与变化率评价表进行匹配得到质检评价结果后，便于根据不同的质检评价结果打分和整改，降低临床数据出错率。
上述提及的预设权重系数用于均衡各项数据在公式计算中的占比权重，从而促进计算结果的准确性；系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数；只要不影响参数与量化后数值的比例关系即可。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；
例如公式：
，c2＞c1＞c3＞0且c1+c2+c3=6.284；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的预设权重系数；将预设权重系数和采集的样本数据代入公式，任意三个公式构成三元二次方程组，将计算得到的系数进行筛选并取均值，得到c1、c2、c3的取值分别为2.168、2.826、1.290。
实施例2
如图2所示，本实施例提供一种基于大数据的医疗临床数据质量分析方法，适用于实施例1的医疗临床数据质量分析系统，包括以下步骤：
步骤S1、采集固定时间段内和固定时间段后各个临床科室患者入院时的真实性数据、合规性数据，以及住院期间、办理出院时的过程性数据和结论性数据；
步骤S2、将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行真实性分析处理，得到每个临床科室的真实因子；将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行合规性分析处理，得到每个临床科室的合规因子；
步骤S3、将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行过程性分析处理，得到每个临床科室的过程因子；将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行结论性分析处理，得到每个临床科室的结论因子；
步骤S4、对临床科室的真实因子和合规因子处理得到病历质量系数，对临床科室的过程因子和结论因子处理得到运行质量系数，病历质量系数、运行质量系数分别与其阈值进行比较，当病历质量系数、运行质量系数均大于其阈值时，分别输出病历合格信号和运行合格信号。
本实施例基于大数据的医疗临床数据质量分析方法，对入院时的真实性数据进行真实性分析得到真实因子，对入院时的合规性数据进行合规性分析得到合规因子；对住院期间和办理出院时的过程性数据进行过程性分析得到过程因子，对住院期间和办理出院时的结论性数据进行结论性分析得到结论因子；真实因子和合规因子处理得到病历质量系数，过程因子和结论因子处理得到运行质量系数；病历质量系数和运行质量系数均大于其阈值后输出病历合格信号和运行合格信号。
实施例3
如图3所示，本实施例提供一种基于大数据的医疗临床数据质量分析方法，适用于实施例1的医疗临床数据质量分析系统，包括步骤S11~S17，步骤S11~S13与实施例2中的步骤S1~S3相同，步骤S14~S17具体为：
步骤S14、对临床科室的真实因子和合规因子处理得到病历质量系数，对临床科室的过程因子和结论因子处理得到运行质量系数，病历质量系数、运行质量系数分别与其阈值进行比较，当病历质量系数、运行质量系数均小于其阈值时，分别输出病历不合格信号和运行不合格信号；
步骤S15、将病历不合格信号对应的病历质量系数与运行不合格信号对应的运行质量系数相乘得到综合质量系数，将综合质量系数与其预设范围进行比较；当综合质量系数大于其预设范围的最大值时，不做任何处理；当综合质量系数介于其预设范围内时，输出二级质控信号；当综合质量系数小于其预设范围的最小值时，输出一级质控信号；
步骤S16，调取医疗大数据服务器内的综合质量系数，以单位时间为横坐标，综合质量系数为纵坐标，生成单位时间-综合质量系数的柱状图和折线图，将柱状图和折线图发送至移动终端；计算相邻单位时间综合质量系数的变化率；
步骤S17，将相邻单位时间综合质量系数的变化率与其内存储的变化率评价表进行匹配，得到质检评价结果。
本实施例基于大数据的医疗临床数据质量分析方法，针对病历不合格信号和运行不合格信号，将其对应的病历质量系数和运行质量系数处理得到综合质量系数，单位时间-综合质量系数的柱状图和折线图直观反映医疗临床数据的综合质量随单位时间的变化趋势；与变化率评价表进行匹配得到质检评价结果后，便于根据不同的质检评价结果打分和整改，降低临床数据出错率。
以上内容仅仅是对本发明结构所做的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于大数据的医疗临床数据质量分析系统，其特征在于，包括临床数据采集模块、入院数据分析模块、病程数据分析模块、病历质检模块、运行质检模块、医疗大数据服务器；
临床数据采集模块用于采集固定时间段内和固定时间段后各个临床科室患者入院时的真实性数据、合规性数据，并将其发送至入院数据分析模块和医疗大数据服务器；还用于采集固定时间段内和固定时间段后各个临床科室患者住院期间、办理出院时的过程性数据和结论性数据，并将其发送至病程数据分析模块和医疗大数据服务器；
入院数据分析模块用于将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行真实性分析处理，得到每个临床科室的真实因子，将真实因子发送至病历质检模块；还用于将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行合规性分析处理，得到每个临床科室的合规因子，将合规因子发送至病历质检模块；
真实性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的真实性数据与固定时间段后的真实性数据进行比对，得到真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数；
步骤二，将真实性数据的错误出现频率、错误平均整改合格时间和错误整改合格完成次数分别标记为Zpi、Zgi、Zci，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的真实因子Zsi；其中，α为修正因子且α=0.957，a1、a2、a3均为预设权重系数，a1＞a2＞a3＞0且a1+a2+a3=3.189；
合规性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者入院时的合规性数据与固定时间段后的合规性数据进行比对，得到合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数；
步骤二，将合规性数据的违规出现频率、违规平均整改合格时间、违规整改合格完成次数分别标记为Hpi、Hsi、Hci，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的合规因子Hgi；其中，β为修正因子且β=0.986，b1、b2、b3均为预设权重系数，b1＞b2＞b3＞0且b1+b2+b3=4.219；
病程数据分析模块用于将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行过程性分析处理，得到每个临床科室的过程因子，将过程因子发送至运行质检模块；还用于将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行结论性分析处理，得到每个临床科室的结论因子，将结论因子发送至质检模块；
过程性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的过程性数据与固定时间段后的过程性数据进行对比，得到过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数；
步骤二，将过程性数据的差错出现总次数、差错整改合格总时间和差错整改合格完成次数分别标记为Gci、Gsi、Ghi，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的过程因子Gzi；其中，δ为修正因子且δ=0.925，c1、c2、c3均为预设权重系数，c2＞c1＞c3＞0且c1+c2+c3=6.284；
结论性分析处理的具体过程如下：
步骤一，将固定时间段内各个临床科室患者住院期间和办理出院时的结论性数据与固定时间段后的结论性数据进行对比，得到结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数；
步骤二，将结论性数据的问题出现总次数、问题整改合格总时间和问题整改合格完成次数分别标记为Jci、Jsi、Jhi，i=1，...，n，n为大于1的正整数；依据公式
处理得到每个临床科室的结论因子Jzi；其中，ε为修正因子且ε=0.937，d1、d2、d3均为预设权重系数，d2＞d1＞d3＞0且d1+d2+d3=4.876；
病历质检模块用于对临床科室的真实因子Zsi和合规因子Hgi依据公式
处理得到病历质量系数ZH，将病历质量系数ZH与其阈值进行比较，当大于其阈值时输出病历合格信号，当小于等于其阈值时输出病历不合格信号并发送至医疗大数据服务器；其中，λ为修正因子且λ=1.387，e1、e2为预设权重系数，e1＞e2＞0且e1+e2=1.843；
运行质检模块用于对临床科室的过程因子Gzi和结论因子Jzi依据公式
处理得到运行质量系数GJ，将运行质量系数GJ与其阈值进行比较，当大于其阈值时输出运行合格信号，当小于等于其阈值时输出运行不合格信号并发送至医疗大数据服务器；其中，μ为修正因子且μ=1.185，f1、f2为预设权重系数，f1＞f2＞0且f1+f2=2.527；
医疗大数据服务器用于将病历不合格信号对应的病历质量系数与运行不合格信号对应的运行质量系数相乘得到综合质量系数，将综合质量系数与其预设范围进行比较；当综合质量系数大于其预设范围的最大值时，不做任何处理；当综合质量系数介于其预设范围内时，输出二级质控信号；当综合质量系数小于其预设范围的最小值时，输出一级质控信号。
2.根据权利要求1所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，所述固定时间段为12小时、24小时、48小时或72小时，真实性数据包括患者的姓名、年龄、性别、身份证号、出生年月、婚姻状况、名族和籍贯，婚姻状况包括未婚、已婚、离婚、丧偶；合规性数据包括记录的国际疾病编码、现有病史名称、主诊断疾病名称、诊断方案。
3.根据权利要求2所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，真实性数据的错误包括错填、漏填和填写至其他项目；合规性数据的违规包括国际疾病编码与国际疾病分类标准编码ICD-10不一致，现有病史与患者实际病史不匹配，主诊断疾病名称与所需治疗的疾病名称不一致，诊断方案中的手术名称、待检测项目或待使用药物名称与所需治疗疾病不匹配。
4.根据权利要求1所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，所述过程性数据包括患者住院期间用药、检测项目及其对应的费用，患者住院期间手术名称；结论性数据包括患者住院期间缴费总额、患者出院时病情。
5.根据权利要求4所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，所述过程性数据的差错包括患者住院期间用药、检测项目与其对应的费用不一致，患者住院期间手术名称与专业手术名称不一致；结论性数据的问题包括患者住院期间缴费总额与实际核算缴费总额不一致、患者出院时病情记载不符合书写规范。
6.根据权利要求1所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，该医疗临床数据质量分析系统还包括历史质量分析模块和质量评价模块，历史质量分析模块用于调取医疗大数据服务器内的综合质量系数，以单位时间为横坐标，综合质量系数为纵坐标，生成单位时间-综合质量系数的柱状图和折线图，将柱状图和折线图发送至移动终端；并用于计算相邻单位时间综合质量系数的变化率并发送至质量评价模块；
质量评价模块用于将相邻单位时间综合质量系数的变化率与其内存储的变化率评价表进行匹配，得到质检评价结果。
7.根据权利要求6所述的一种基于大数据的医疗临床数据质量分析系统，其特征在于，单位时间选自12小时、24小时、48小时或72小时；变化率评价表中变化率大于20%时，质检评价结果为优秀；变化率介于10%~20%时，质检评价结果为良好；变化率介于0~10%时，质检评价结果为及格；变化率介于-10%~0时，质检评价结果为不及格；变化率小于-10%时，质检评价结果为差。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210815839.5A CN115185936B (zh) | 2022-07-12 | 2022-07-12 | 一种基于大数据的医疗临床数据质量分析系统 |
| US18/350,727 US11966374B2 (en) | 2022-07-12 | 2023-07-11 | Medical clinical data quality analysis system based on big data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210815839.5A CN115185936B (zh) | 2022-07-12 | 2022-07-12 | 一种基于大数据的医疗临床数据质量分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115185936A CN115185936A (zh) | 2022-10-14 |
| CN115185936B true CN115185936B (zh) | 2023-02-03 |
Family
ID=83517235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210815839.5A Active CN115185936B (zh) | 2022-07-12 | 2022-07-12 | 一种基于大数据的医疗临床数据质量分析系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11966374B2 (zh) |
| CN (1) | CN115185936B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116246768B (zh) * | 2022-12-30 | 2023-09-22 | 中国人民解放军海军第九七一医院 | 一种基于人工智能的mri影像检查智能分析管理系统 |
| CN116631551B (zh) * | 2023-07-21 | 2023-09-26 | 山东博达医疗用品股份有限公司 | 一种基于黑针临床治疗的数据管理方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013140489A1 (ja) * | 2012-03-19 | 2013-09-26 | 富士通株式会社 | 訪問診療支援方法及びプログラム |
| US20150220868A1 (en) * | 2014-02-03 | 2015-08-06 | Patient Profiles, LLC | Evaluating Data Quality of Clinical Trials |
| CN104766259A (zh) * | 2015-03-31 | 2015-07-08 | 华据医疗评估信息技术（北京）有限公司 | 一种基于单病种模型的医疗临床质量监测与评价系统 |
| CN104951894B (zh) * | 2015-06-25 | 2018-07-03 | 成都厚立信息技术有限公司 | 医院疾病管理智能分析和评估系统 |
| EP3411720A4 (en) | 2016-02-01 | 2019-08-14 | Prevencio, Inc. | DIAGNOSIS AND PROGNOSIS PROCEDURE FOR HEART CIRCULAR DISEASES AND EVENTS |
| CN106485403A (zh) * | 2016-09-27 | 2017-03-08 | 成都金盘电子科大多媒体技术有限公司 | 基于医疗大数据的医院评价系统及评价方法 |
| US20230197213A1 (en) * | 2017-02-15 | 2023-06-22 | Foundation For Biomedical Research And Innovation At Kobe | Medical information management system, clinical information acquisition server, medical information management method, and non-transitory recording medium storing a program |
| JP6844468B2 (ja) * | 2017-08-09 | 2021-03-17 | 富士通株式会社 | データ生成プログラム、データ生成方法及びデータ生成装置 |
| CN107680680A (zh) | 2017-09-07 | 2018-02-09 | 广州九九加健康管理有限公司 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
| CN109523265A (zh) * | 2018-10-16 | 2019-03-26 | 易保互联医疗信息科技（北京）有限公司 | 医保结算全流程自动审核方法及系统 |
| CN110223782A (zh) | 2019-05-27 | 2019-09-10 | 中山大学孙逸仙纪念医院 | 移动医疗服务系统 |
| CN110415831B (zh) * | 2019-07-18 | 2023-04-18 | 天宜(天津)信息科技有限公司 | 一种医疗大数据云服务分析平台 |
| CN110584618B (zh) | 2019-08-15 | 2023-01-06 | 济南市疾病预防控制中心 | 基于人工智能的传染病机器识别系统 |
| CN112907045B (zh) * | 2021-02-02 | 2023-06-30 | 阳光云救医疗科技(深圳)有限公司 | 一种基于5g物联网的智慧医疗数据采集方法 |
| CN112992343A (zh) | 2021-03-10 | 2021-06-18 | 重庆医科大学 | 一种对2型糖尿病患者的冠心病辅助诊断系统 |
| CN113331800A (zh) | 2021-05-14 | 2021-09-03 | 江西有为生物技术有限公司 | 一种基于用户生理指标的监控报警系统及方法 |
| CN113593686A (zh) * | 2021-08-05 | 2021-11-02 | 南方医科大学珠江医院 | 基于drg/dip全流程医疗质量监管的医保综合管理系统及管理方法 |
| CN114566282B (zh) | 2022-03-09 | 2022-10-04 | 曜立科技(北京)有限公司 | 一种基于超声心动图检测报告的治疗决策系统 |
| CN114639478B (zh) | 2022-03-09 | 2023-01-10 | 曜立科技(北京)有限公司 | 一种基于心脏瓣膜病的超声监测系统 |
-
2022
- 2022-07-12 CN CN202210815839.5A patent/CN115185936B/zh active Active
-
2023
- 2023-07-11 US US18/350,727 patent/US11966374B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11966374B2 (en) | 2024-04-23 |
| US20240020284A1 (en) | 2024-01-18 |
| CN115185936A (zh) | 2022-10-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115185936B (zh) | 一种基于大数据的医疗临床数据质量分析系统 | |
| US7725330B2 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
| CN111695835B (zh) | 用于评估临床试验风险的方法 | |
| CN112053756B (zh) | 基于临床标本检验数据的检验结果质量评价方法及系统 | |
| US20050137910A1 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
| CN111145844A (zh) | 综合医疗监管平台 | |
| Woodall et al. | The use of control charts in healthcare | |
| US20140207478A1 (en) | Physician composite quality scoring and rating methodology | |
| CN111695836B (zh) | 临床试验在线运行管控集成系统 | |
| CN110729054B (zh) | 异常就诊行为检测方法、装置、计算机设备及存储介质 | |
| CN113539482B (zh) | 一种术后临床路径智能分析管理系统 | |
| CN113112149A (zh) | 基于检查数据的服务质量可视化评估方法 | |
| CN112397171A (zh) | 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 | |
| CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
| CN115953253A (zh) | 一种联合手术超支风险的识别方法和装置 | |
| CN114550930A (zh) | 疾病预测方法、装置、设备及存储介质 | |
| CN113921103A (zh) | 鉴别诊断病种敏感性测量方法、装置、电子设备及介质 | |
| CN114037540A (zh) | 一种医保基金监管系统及其监控方法 | |
| CN112967789A (zh) | 一种口腔类专科病种的资源消耗计算测定方法 | |
| CN113919891A (zh) | 一种基于估时作业成本法的医疗服务项目标准成本核算系统与方法 | |
| CN117423475B (zh) | 应用于医院场景的科室感染风险识别方法及系统 | |
| CN116487049B (zh) | 基于决策分析的非计划重返事件处理系统 | |
| AU2019100889A4 (en) | System and method to find minimum diagnostics required for prescriptions and minimum medicines required to cure patient symptoms | |
| CN115146892A (zh) | 手术难度评估方法、处理系统、电子设备及存储介质 | |
| CN116226753A (zh) | 一种用于评估临床试验风险的方法 |
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 |