CN117274007A - 一种基于drg的医疗费用监督管理及诊疗分析与控制方法 - Google Patents
一种基于drg的医疗费用监督管理及诊疗分析与控制方法 Download PDFInfo
- Publication number
- CN117274007A CN117274007A CN202311315529.8A CN202311315529A CN117274007A CN 117274007 A CN117274007 A CN 117274007A CN 202311315529 A CN202311315529 A CN 202311315529A CN 117274007 A CN117274007 A CN 117274007A
- Authority
- CN
- China
- Prior art keywords
- medical
- overspending
- drg
- medical insurance
- management
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011282 treatment Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims abstract description 25
- 201000010099 disease Diseases 0.000 claims abstract description 63
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 63
- 239000003814 drug Substances 0.000 claims abstract description 42
- 238000007726 management method Methods 0.000 claims abstract description 39
- 229940079593 drug Drugs 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000006872 improvement Effects 0.000 claims abstract description 8
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 238000007621 cluster analysis Methods 0.000 claims abstract description 4
- 239000000463 material Substances 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 claims description 6
- 239000003242 anti bacterial agent Substances 0.000 claims description 5
- 230000000840 anti-viral effect Effects 0.000 claims description 5
- 229940088710 antibiotic agent Drugs 0.000 claims description 5
- 230000010100 anticoagulation Effects 0.000 claims description 5
- 230000036772 blood pressure Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000000474 nursing effect Effects 0.000 claims description 5
- 206010062016 Immunosuppression Diseases 0.000 claims description 4
- 230000003556 anti-epileptic effect Effects 0.000 claims description 4
- 239000001961 anticonvulsive agent Substances 0.000 claims description 4
- 241000411851 herbal medicine Species 0.000 claims description 4
- 230000001506 immunosuppresive effect Effects 0.000 claims description 4
- 238000000968 medical method and process Methods 0.000 claims description 4
- 230000000144 pharmacologic effect Effects 0.000 claims description 4
- 206010039897 Sedation Diseases 0.000 claims description 3
- 230000000202 analgesic effect Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 230000023597 hemostasis Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 235000016709 nutrition Nutrition 0.000 claims description 3
- 230000036280 sedation Effects 0.000 claims description 3
- 230000024883 vasodilation Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 17
- 238000011160 research Methods 0.000 description 6
- 238000000556 factor analysis Methods 0.000 description 5
- 238000004141 dimensional analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002439 hemostatic effect Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 231100000871 behavioral problem Toxicity 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000002417 nutraceutical Substances 0.000 description 2
- 235000021436 nutraceutical agent Nutrition 0.000 description 2
- 239000000932 sedative agent Substances 0.000 description 2
- 230000001624 sedative effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 229940126673 western medicines Drugs 0.000 description 2
- 208000002699 Digestive System Neoplasms Diseases 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 230000000433 anti-nutritional effect Effects 0.000 description 1
- 229940124350 antibacterial drug Drugs 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003356 suture material Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，属于医疗费用分析技术领域，包括采集医疗业务数据和医保数据，对医疗业务行为指标进行多维度计算，计算DRG分组医保支付标杆值，预测医疗业务超支，得到目标医院、目标科室的超支结余情况，进行重点疾病预警，建立重点疾病超支模型，采集医疗机构医保超支指标，进行基于聚类分析的医保超支行为画像，输出运营药品、耗材和其它典型案例，将超支结余情况结合输出的案例，输出预测结构及改进措施，本申请实施例能构建三级医保协同管理机制，提供智能辅助决策工具，提前预警临床科室超支行为，建立标准化的临床路径解决方案，辅助临床业务管理者科学决策。
Description
技术领域
本申请属于医疗费用分析技术领域，具体地说，涉及一种基于DRG的医疗费用监督管理及诊疗分析与控制方法。
背景技术
医疗保险制度是我国社会保障体系中的一项重要民生保障制度，是人民群众享受合理医疗卫生服务的重要保障。医疗大数据是实现医院精细化运营管理、患者精准诊疗的必要手段，近年来凸显出重要的研究价值，被越来越多地应用在辅助医院决策中，实现医疗数据智能化分析，突破关键技术瓶颈，管理好并使用好医疗数据关系着医疗服务质量，医疗安全，应急救援等多方面，体现着社会事业管理能力。
近些年，医疗费用的不合理增长和DRG/DIP支付方式的改革潮流，医保控费较难、科室单元医保超支干预严重滞后、诊疗组间同一病种临床路径差异性大，缺乏规范性等，医疗控费已经成为广大医疗机构和医务工作者的痛点所在，控费的标准是什么、哪些是不合理的费用、哪些药品不该开、常常困扰着临床医生和医院管理者。
医疗控费主要问题如下：手术患者DRG分组医保权重偏低，医保控费较难，DRG管理工具从能力、效率、安全三个维度评价医疗质量与服务绩效，而医保权重是DRG的重要衡量指标，是医保支付的基准。通过对每个DRG依据其资源消耗程度所给的权值，反应该DRG的资源消耗相对于其他疾病的程度，通常，权重越高，反应该病组的资源消耗越高，反之越低，目前手术患者DRG分组医保权重普遍偏低，导致医疗超支情况普遍，严重影响医院绩效水平；科室单元医保超支预警缺失，医保支付情况是医保部门和医疗服务机构重点关心的问题，通常要通过上月医疗服务实际结算情况才能判断该科室的超支或盈余情况，对于管理部门来讲较为被动，缺乏有效的预警机制，不能够通过控制关键指标提前干预本科室的医保控费能力。
发明内容
为解决上述问题和技术缺陷，本申请实施例采用如下的技术方案，一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，包括以下步骤：
步骤1、采集医疗业务数据和医保数据；
步骤2、根据步骤1采集的医疗业务数据对医疗业务行为指标进行多维度计算；
步骤3、根据步骤1采集的医保数据计算DRG分组医保支付标杆值；
步骤4、根据步骤2计算的医疗业务行为指标和步骤3计算标杆值预测医疗业务超支，得到目标医院、目标科室的超支结余情况；
步骤5、根据步骤1采集的医保数据进行重点疾病预警，结合步骤4预测的超支结余情况建立重点疾病超支模型；
步骤6、根据步骤5建立的重点疾病超支模型采集医疗机构医保超支指标；
步骤7、根据步骤6采集的超支指标进行基于聚类分析的医保超支行为画像；
步骤8、根据步骤7分析的医保超支行为画像输出运营药品、耗材和其它典型案例；
步骤9、将步骤4预测的超支结余情况结合步骤8输出的案例，输出预测结构及改进措施。
优选地，所述步骤1中采集医疗业务数据包括住院病案首页数据和住院费用明细数据，住院病案首页数据为疾病分组的条件，住院费用明细数据是医疗过程合理性的分析数据。
优选地，所述步骤2中计算的医疗业务行为指标当以全院、科室为维度时，指标包括就诊人次、平均住院日、例均费用、药占比、耗材占比、疾病组数、CMI、低风险死亡率、时间消耗指数、费用消耗指数；当以病组为维度时，按功效对费用进行明细类聚，进行西药、中成药、中草药的笼统区分，同时使用药品的药理作用进行类聚，建立各药品材料的功效与疾病病组的关联关系，按使用频率、强度对相同病组下的各功效药品进行统计，得出各病组的必要药品、常用药品、无关药品。
优选地，所述步骤3计算的DRG分组医保支付标杆值包括两个指标，第一指标是医保局公开的对应病组支付标准，第二指标采用区域数据并进行平均值计算。
优选地，所述步骤4的医疗业务超支预测是将标杆值与实际发生的费用进行比较，得出对应医院、对应科室的超支结余情况。
优选地，所述步骤5中重点疾病超支模型的建立是由区域内多发病组的超支模型建立，计算得出病组的止痛、抗生素、抗病毒、降血压、扩血管、抗凝血、免疫抑制、免疫增强、镇静、抗癫痫、营养药品，止血、护理材料的各功效使用频率和使用强度。
优选地，所述步骤6中采集的医疗机构医保超支指标是区域数据中的病组标杆数据。
优选地，所述步骤7中基于类聚的医保超支行为画像是将标准费用和各医院科室的实际费用进行系统对比，根据比对结果输出医院或科室的具体行为问题。
优选地，所述步骤9输出预测结构及改进措施是通过点、线、面三个层次的推进，以起点示范医院作为点的引领，通过线性的推广方式扩大了应用覆盖范围，通过制定行业标准和发布，在诊疗过程中实时监测关键因素，提前预警临床科室超支行为减少医院医保超支风险。
进一步地，所述通过点、线、面三个层次的推进是构建区域、院、科的三级医保协同管理机制，辅助区域卫生管理部门、医疗机构以及临床业务管理者实现医保超支的智能化管理。
相比于现有技术，本申请实施例的有益效果为：
(1)本申请基于创新的大数据、人工智能等智能分析技术，依托已经开展本项目的所有医疗机构，开展多中心的医疗成本预测分析研究，以对应数据建立机器学习、深度学习模型，通过构建AI医疗大数据处理模型，预警医保费用支出、有效收入情况，针对胃肠肿瘤病种开展医保控费预警分析研究，指导医保管理部门及医疗机构开展有效控制专病手术治疗费用，降低患者医疗费用，纠正不合理的医疗行为，对医保数据进行可视化机器学习建模，以科室为研究对象筛选影响医保超支的关键指标，为指导科室控制成本，制定精细化运营方案提供价值参考。该项目能够助力医疗运营数据分析利用，充分挖掘医疗大数据资产价值，推动医院精细化管理水平提升；
(2)本申请创新设计并开发基于全局医疗行为的智能型医保控费预警方法，构建“区域-院-科”三级医保协同管理机制，辅助区域卫生管理部门、医疗机构以及临床业务管理者实现医保超支的智能化管理，通过挖掘各科室单元的医保超支关键因素可以将医保控费行为前置，在诊疗过程中实时监测关键因素，提前预警临床科室超支行为减少医院医保超支风险，改进智能优化算法，提高预警临床科室医保超支风险模型的预测准确性、可靠性；
(3)本申请从多级医疗单元、各级费用明细进行多维度分析，寻找超支基本规律，对全院、科室、诊疗组、医生、病组展开多维度分析，数据逐层下钻，分析医保医疗服务能力、资源使用效率、费用控制指标、医疗安全质量等指标，总结相应病组的历史诊疗路径方案，通过寻找临床价值、经济价值、社会价值、技术创新价值之间的最佳平衡，不断优化临床服务规范，助力“价值医疗”体系建设。
附图说明
为了更清楚地说明本申请实施例或示例性中的技术方案，下面将对实施例或示例性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申请的一些实施例，因此不应被看作是对范围的限定，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，还可以按照这些附图示出的获得其他的附图。
图1为本申请实施例的方法步骤示意图；
图2为本申请实施例的方法流程示意图。
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，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例，通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例，基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
实施例1
如图1所示，一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，主要流程如下：
采集医疗业务数据和医保数据，医疗业务数据包括住院病案首页数据和住院费用明细数据，住院病案首页数据为疾病分组的条件，住院费用明细数据是医疗过程合理性的分析数据。
根据医疗业务数据对医疗业务行为指标进行多维度计算，当以全院、科室为维度时，指标包括就诊人次、平均住院日、例均费用、药占比、耗材占比、疾病组数、CMI、低风险死亡率、时间消耗指数、费用消耗指数；当以病组为维度时，按功效对费用进行明细类聚，进行西药、中成药、中草药的笼统区分，同时使用药品的药理作用进行类聚，建立各药品材料的功效与疾病病组的关联关系，按使用频率、强度对相同病组下的各功效药品进行统计，得出各病组的必要药品、常用药品、无关药品。
根据医保数据计算DRG分组医保支付标杆值，DRG分组医保支付标杆值包括两个指标，第一指标是医保局公开的对应病组支付标准，第二指标采用区域数据并进行平均值计算。
根据医疗业务行为指标和标杆值预测医疗业务超支，得到目标医院、目标科室的超支结余情况，医疗业务超支预测是将标杆值与实际发生的费用进行比较，得出对应医院、对应科室的超支结余情况。
根据医保数据进行重点疾病预警，结合预测的超支结余情况进行重点疾病预警，建立重点疾病超支模型，重点疾病超支模型的建立是由区域内多发病组的超支模型建立，计算得出病组的止痛、抗生素、抗病毒、降血压、扩血管、抗凝血、免疫抑制、免疫增强、镇静、抗癫痫、营养药品，止血、护理材料的各功效使用频率和使用强度。
根据重点疾病超支模型采集医疗机构医保超支指标，医疗机构医保超支指标是区域数据中的病组标杆数据。
根据超支指标将标准费用和各医院科室的实际费用进行系统对比，根据比对结果输出医院或科室的具体行为问题，进行基于聚类分析的医保超支行为画像。
根据医保超支行为画像输出运营药品、耗材和其它典型案例，将超支结余情况结合输出的案例，输出预测结构及改进措施，通过点、线、面三个层次的推进，以起点示范医院作为点的引领，通过线性的推广方式扩大了应用覆盖范围，通过制定行业标准和发布，在诊疗过程中实时监测关键因素，提前预警临床科室超支行为减少医院医保超支风险，点、线、面三个层次的推进是构建区域、院、科的三级医保协同管理机制，辅助区域卫生管理部门、医疗机构以及临床业务管理者实现医保超支的智能化管理。
实施例2
如图2所示，医疗业务数据采集主要分为两部分，一是住院病案首页数据，是疾病分组的条件；二是住院费用明细数据，用以分析医疗过程的合理性。
医疗业务行为指标计算：以全院、科室为维度，计算各类指标：如就诊人次、平均住院日、例均费用、药占比、耗材占比、疾病组数、CMI、低风险死亡率、时间消耗指数、费用消耗指数等；以病组为维度，通过费用明细类聚，类聚的原则是按功效进行类聚，反映各病组的治疗过程，以药品为例，不仅仅进行西药、中成药、中草药的笼统区分，而是创新性的使用药品的药理作用进行类聚，如止痛、抗生素、抗病毒、降血压、扩血管、抗凝血、免疫抑制、免疫增强、镇静、抗癫痫、营养等分类，以材料为例，以材料功效进行类聚，如止血材料、护理材料、吻合缝合材料等。并以各药品材料的功效与疾病病组建立关联关系，即按使用频率(使用该功效的人数/总人数)、强度(使用该功效的总金额/总人数)对相同病组下的各功效药品(材料、检查检验)进行统计，得出各病组的必要药品、常用药品、无关药品。
疾病分组医保支付标杆值计算，第一指标取医保局反馈的对应病组的支付标准，第二指标，采用区域数据进行平均值计算。
医疗业务超支预测，根据标杆值与实际发生的费用进行比较，得出对应医院、对应科室的超支结余情况。
重点疾病超支模型，区域内的多发病组的超支模型建立，由计算结果得出，即得出病组的止痛、抗生素、抗病毒、降血压、扩血管、抗凝血、免疫抑制、免疫增强、镇静、抗癫痫、营养等药品，止血、护理等材料的各功效使用频率和使用强度，构成如下的病组标准费用模型表：
医疗机构医保超支指标收集，医疗机构可获取上述的区域的病组标杆数据。
基于类聚的医保超支行为画像，系统对比标准费用和各医院科室的实际费用，指出医院或科室的具体行为问题：如该科室抗菌药物使用超标，无关用药过多，平均住院日偏高，手术过程止血材料使用偏高。
最终通过点、线、面三个层次的推进，以起点示范医院作为点的引领，通过线性的推广方式扩大了应用覆盖范围，通过制定行业标准和发布来实现全国范围内的推广。
采取“全面分析、统筹安排、系统调研、内外结合”的原则，联合医保数据主管部门、企业，组织专业队伍，密切结合应用，开放合作协调，就医保数据精确预测进行智能化研究，通过数学建模、仿真实验指导应用实践，通过医院内部医保数据建立常见胃肠病种医保控费和科室单元医保超支预警模型，利用数据进行验证，优化医疗成本预测模型提高预测准确率。
创新构建“区域-院-科”三级医保协同管理机制，提供智能辅助决策工具，创新设计并开发基于全局医疗行为的智能型医保控费预警方法，构建“区域-院-科”三级医保协同管理机制，辅助区域卫生管理部门、医疗机构以及临床业务管理者实现医保超支的智能化管理。
国内首创医保超支日常监督管理模式，提前预警临床科室超支行为，常规医保超支情况反馈具有滞后性，该方案通过挖掘各科室单元的医保超支关键因素可以将医保控费行为前置，在诊疗过程中实时监测关键因素，提前预警临床科室超支行为减少医院医保超支风险，改进智能优化算法，提高预警临床科室医保超支风险模型的预测准确性、可靠性，AUC值达到0.96。
建立标准化的临床路径解决方案，辅助临床业务管理者科学决策，基于预实验和常州大赛数据，从多级医疗单元、各级费用明细进行多维度分析，寻找超支基本规律，对全院、科室、诊疗组、医生、病组展开多维度分析，数据逐层下钻，分析医保医疗服务能力、资源使用效率、费用控制指标、医疗安全质量等指标，总结相应病组的历史诊疗路径方案，通过寻找临床价值、经济价值、社会价值、技术创新价值之间的最佳平衡，不断优化临床服务规范，助力“价值医疗”体系建设。
实施例3
医疗业务行为指标计算采用因子分析法，先确定指标的选择和维度的选择作为因子，明确指标计算的目的和方向，确定指标与其它指标是否为共同的潜在因子。
再收集包含多个相关变量的指标数据集，比如与全院维度和科室维度相关的就诊人次、平均住院日、例均费用、药占比、耗材占比、疾病组数、CMI、低风险死亡率、时间消耗指数、费用消耗指数等数据集。
然后建立因素模型，根据维度方向，选择适当的因素模型，常用的是主成分分析(PCA)和常规因子分析，PCA假设所有的观测变量都是因子的线性组合，而常规因子分析允许误差。
再决定因子数量，在因子分析中，根据需要在维度中保留指标因子和去除指标因子，可以采用Kaiser准则法进行判断选择，Kaiser准则是基于指标因子的特征值，保留特征值大于预设值的因子。
之后提取指标因子，使用最大方差法或最大似然法进行数学变换，确定最能解释原始变量变异性的指标因子，从数据集数据中提取指标因子。
同时在指标因子分析中，采用正交旋转(如Varimax旋转)和斜交旋转(如Oblique旋转)进行因子旋转，以此解释因子和原始变量之间的关系。
然后对提取和旋转后的指标因子进行解释和命名，理解每个指标因子背后的潜在含义，即每个变量与每个因子的相关度。
最后通过统计指标因子(如卡方拟合度、均方根误差)和因子载荷、共享方差等指标来评估因子模型的拟合程度和解释能力，通过指标因子完成多维度计算。
以上所述实施例仅表达了本申请的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形、改进及替代，这些都属于本申请的保护范围。
Claims (10)
1.一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，包括以下步骤：
步骤1、采集医疗业务数据和医保数据；
步骤2、根据步骤1采集的医疗业务数据对医疗业务行为指标进行多维度计算；
步骤3、根据步骤1采集的医保数据计算DRG分组医保支付标杆值；
步骤4、根据步骤2计算的医疗业务行为指标和步骤3计算的标杆值预测医疗业务超支，得到目标医院、目标科室的超支结余情况；
步骤5、根据步骤1采集的医保数据进行重点疾病预警，结合步骤4预测的超支结余情况建立重点疾病超支模型；
步骤6、根据步骤5建立的重点疾病超支模型采集医疗机构医保超支指标；
步骤7、根据步骤6采集的超支指标进行基于聚类分析的医保超支行为画像；
步骤8、根据步骤7分析的医保超支行为画像输出运营药品、耗材和其它典型案例；
步骤9、将步骤4预测的超支结余情况结合步骤8输出的案例，输出预测结构及改进措施。
2.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤1中采集医疗业务数据包括住院病案首页数据和住院费用明细数据，住院病案首页数据为疾病分组的条件，住院费用明细数据是医疗过程合理性的分析数据。
3.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤2中计算的医疗业务行为指标当以全院、科室为维度时，指标包括就诊人次、平均住院日、例均费用、药占比、耗材占比、疾病组数、CMI、低风险死亡率、时间消耗指数、费用消耗指数；当以病组为维度时，按功效对费用进行明细类聚，进行西药、中成药、中草药的笼统区分，同时使用药品的药理作用进行类聚，建立各药品材料的功效与疾病病组的关联关系，按使用频率、强度对相同病组下的各功效药品进行统计，得出各病组的必要药品、常用药品、无关药品。
4.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤3计算的DRG分组医保支付标杆值包括两个指标，第一指标是医保局公开的对应病组支付标准，第二指标采用区域数据并进行平均值计算。
5.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤4的医疗业务超支预测是将标杆值与实际发生的费用进行比较，得出对应医院、对应科室的超支结余情况。
6.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤5中重点疾病超支模型的建立是由区域内多发病组的超支模型建立，计算得出病组的止痛、抗生素、抗病毒、降血压、扩血管、抗凝血、免疫抑制、免疫增强、镇静、抗癫痫、营养药品，止血、护理材料的各功效使用频率和使用强度。
7.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤6中采集的医疗机构医保超支指标是区域数据中的病组标杆数据。
8.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤7中基于类聚的医保超支行为画像是将标准费用和各医院科室的实际费用进行系统对比，根据比对结果输出医院或科室的具体行为问题。
9.根据权利要求1所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述步骤9输出预测结构及改进措施是通过点、线、面三个层次的推进，以起点示范医院作为点的引领，通过线性的推广方式扩大了应用覆盖范围，通过制定行业标准和发布，在诊疗过程中实时监测关键因素，提前预警临床科室超支行为减少医院医保超支风险。
10.根据权利要求9所述的一种基于DRG的医疗费用监督管理及诊疗分析与控制方法，其特征在于，所述通过点、线、面三个层次的推进是构建区域、院、科的三级医保协同管理机制，辅助区域卫生管理部门、医疗机构以及临床业务管理者实现医保超支的智能化管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311315529.8A CN117274007A (zh) | 2023-10-12 | 2023-10-12 | 一种基于drg的医疗费用监督管理及诊疗分析与控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311315529.8A CN117274007A (zh) | 2023-10-12 | 2023-10-12 | 一种基于drg的医疗费用监督管理及诊疗分析与控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117274007A true CN117274007A (zh) | 2023-12-22 |
Family
ID=89221331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311315529.8A Pending CN117274007A (zh) | 2023-10-12 | 2023-10-12 | 一种基于drg的医疗费用监督管理及诊疗分析与控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274007A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154332A (zh) * | 2024-05-11 | 2024-06-07 | 江南大学附属医院 | 医保超支实时监测管理方法及系统 |
| CN118822045A (zh) * | 2024-09-18 | 2024-10-22 | 安徽医科大学第一附属医院 | 一种基于人工智能技术的医保drg分组预测方法及系统 |
| CN119092064A (zh) * | 2024-07-22 | 2024-12-06 | 江苏智先生信息科技有限公司 | 基于drg的医保综合管理及医疗质量监管的分析控制方法 |
| CN119648508A (zh) * | 2025-02-18 | 2025-03-18 | 北京创智和宇科技有限公司 | 一种基于大数据的drg/dip异化违规行为监管方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686684A (zh) * | 2020-12-08 | 2021-04-20 | 望海康信(北京)科技股份公司 | 医疗费用管理系统及相应设备和存储介质 |
| 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 |
-
2023
- 2023-10-12 CN CN202311315529.8A patent/CN117274007A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686684A (zh) * | 2020-12-08 | 2021-04-20 | 望海康信(北京)科技股份公司 | 医疗费用管理系统及相应设备和存储介质 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 李超: "运用因子分析法综合评价各临床科室住院病区的运行状况", 《中国病案》, 31 December 2015 (2015-12-31), pages 42 - 45 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118154332A (zh) * | 2024-05-11 | 2024-06-07 | 江南大学附属医院 | 医保超支实时监测管理方法及系统 |
| CN119092064A (zh) * | 2024-07-22 | 2024-12-06 | 江苏智先生信息科技有限公司 | 基于drg的医保综合管理及医疗质量监管的分析控制方法 |
| CN118822045A (zh) * | 2024-09-18 | 2024-10-22 | 安徽医科大学第一附属医院 | 一种基于人工智能技术的医保drg分组预测方法及系统 |
| CN119648508A (zh) * | 2025-02-18 | 2025-03-18 | 北京创智和宇科技有限公司 | 一种基于大数据的drg/dip异化违规行为监管方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117274007A (zh) | 一种基于drg的医疗费用监督管理及诊疗分析与控制方法 | |
| CN109920508B (zh) | 处方审核方法及系统 | |
| US20230031792A1 (en) | Design Method of Oncological Computerized Physician Order Entry System with Intelligent Clinical Decision Recommendation Function | |
| CN111009322B (zh) | 围术期风险评估和临床决策智能辅助系统 | |
| CN105528529B (zh) | 基于大数据分析的中医临床技能评价体系的数据处理方法 | |
| Hosseinzadeh et al. | Assessing the predictability of hospital readmission using machine learning | |
| CN111695834B (zh) | 临床试验质量实时管控优化方法和系统 | |
| CN106778052A (zh) | 临床药品管控及处方医嘱评价方法 | |
| CN104766259A (zh) | 一种基于单病种模型的医疗临床质量监测与评价系统 | |
| CN109285590B (zh) | 一种住院患者药品不良事件主动监测与评估警示系统 | |
| CN111695835A (zh) | 用于评估临床试验风险的方法 | |
| CN105760698A (zh) | 一种药品不良反应预警分析系统及方法 | |
| CN111695836B (zh) | 临床试验在线运行管控集成系统 | |
| CN105005709A (zh) | 基于单病种治疗过程的流程挖掘方法 | |
| CN111696639A (zh) | 一种患者健康大数据自我管理体系及其方法 | |
| CN109859837A (zh) | 一种基于医疗数据的脓毒症预警方法、系统及存储介质 | |
| CN115409380A (zh) | 医院医保绩效评价方法、装置、电子设备及其存储介质 | |
| CN119479982A (zh) | 一种医院药学配药信息智能处理方法及系统 | |
| Blacky et al. | Fully automated surveillance of healthcare-associated infections with MONI-ICU | |
| CN119311789A (zh) | 一种基于多智能体架构的诊断药量关键信息抽取系统 | |
| CN118116560A (zh) | 一种用于麻醉科药物的调度方法 | |
| CN118053540A (zh) | 一种智能化处方前置审核系统 | |
| CN115545955A (zh) | 医疗档案数据中异常数据的检测方法、装置和电子设备 | |
| Aziz et al. | Patient-physician relationship and the role of clinical decision support systems | |
| CN119648436B (zh) | 医保预警审核方法及系统 |
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: 20231222 |
|
| RJ01 | Rejection of invention patent application after publication |