病种资源消耗管控系统及相应设备和存储介质的制作方法

1.本技术涉及电数字数据处理领域，尤其涉及病种资源消耗管控系统及相应设备和存储介质。


背景技术：

2.在我国深化医疗卫生体制改革中，医保支付方式是医改的重要环节，对医院尤其是公立医院的管理模式带来了较大影响。而这一支付手段的转变必然会影响医院的盈利模式，促使医院由以往的粗放式管理向精益化运营管理转变。如何利用当前的医疗资源，产生较高的经济效益，成为公立医院所亟待解决的问题。随着医疗信息化的发展，信息化为自动化医疗管理提供重要支撑。
3.然而，当前医疗管理系统多需人工提取医疗数据，再对数据进行各方面分析，由于数据量较大，过程较为繁琐，且重复性高，导致效率低、耗时耗力。
4.目前医院并无基于病种/专病的资源消耗管控系统，缺少一个系统对其现有的资源进行管控。目前的医疗管理系统缺乏针对具体病种具体收费项目的自动化构建模型的技术。因而，需要一种基于病种的资源管控系统来自动、批量构建基于病种的管控方案，用于医院过程管控以适应新医保支付模式。


技术实现要素：

5.本发明提供一种病种资源消耗管控系统及相应设备和存储介质，其能够较准确地自动构建基于病种的资源消耗管控方案，辅助医院的过程管理和决策。
6.在本发明的第一方面，提供一种病种资源消耗管控系统，所述系统包括：
7.病种选择模块，用于选择拟进行建模管控资源消耗的病种；
8.参数提取模块，用于从所选病种的数据提取相关参数，所述数据包括所选病种的多个病例的病案首页数据和收费明细数据；
9.参数选择模块，用于在提取的参数中选择拟纳入模型的参数；
10.显著性参数确定模块，用于基于所选参数构建多元线性回归模型并使用所述多元线性回归模型确定对总费用影响大的显著性参数；
11.分组模块，用于依据所选病种的数据基于所述显著性参数进行聚类得到所选病种的病例分组划分；
12.标杆项目确定模块，用于对于每一分组，确定收费项目中使用率高于预定比率的标杆收费项目并计算该组病例各标杆收费项目的使用量区间；
13.管控方案输出模块，用于将每一分组的标杆收费项目及相应使用量区间输出为所选病种的按分组特征进行划分的管控方案。
14.在本发明的第二方面，提供一种计算机设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中所述处理器执行所述计算机程序时实现根据本发明的第一方面的系统的功能。
15.根据本发明的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据本发明的第一方面的系统的功能。
16.按照本发明，通过选择拟进行建模管控资源消耗的病种，从所选病种的数据提取相关参数，在提取的参数中选择拟纳入模型的参数，基于所选参数构建多元线性回归模型并使用多元线性回归模型确定对总费用影响大的显著性参数，依据所选病种的数据基于所述显著性参数进行聚类得到所选病种的病例分组划分，对于每一分组，确定收费项目中使用率高于预定比率的标杆收费项目并计算该组病例各标杆收费项目的使用量区间，及将每一分组的标杆收费项目及相应使用量区间输出为所选病种的按分组特征进行划分的管控方案，可自动化构建基于病种/专病的资源消耗管控方案，为医院精益化运营提供可行性。本发明基于统计学方法和机器学习，将多种算法相结合，构建基于专病的资源管控方案，具有很好的科学性和适用性。
17.结合附图阅读本发明实施方式的详细描述后，本发明的其它特点和优点将变得更加清楚。
附图说明
18.图1为根据本发明系统的一实施例的框图。
19.为清晰起见，这些附图均为示意性及简化的图，它们只给出了对于理解本发明所必要的细节，而省略其他细节。
具体实施方式
20.下面参照附图对本发明的实施方式和实施例进行详细说明。
21.通过下面给出的详细描述，本发明的适用范围将显而易见。然而，应当理解，在详细描述和具体例子表明本发明优选实施例的同时，它们仅为说明目的给出。
22.图1示出了根据本发明的病种资源消耗管控系统的一优选实施例的框图，该实施例的系统包括下面描述的各个模块。在其它实施例中，病种资源消耗管控系统可不包括下面描述的一个或多个模块或者可增加任何其它适当的模块。
23.基础配置模块102，用于配置国家标准、医院字典、机构和/或病种。各个医院根据自身需求选择系统中现有的国家标准例如icd 10、管理医院字典(如：男性编码为1，女性编码为2)、机构的增删改查操作、病种的增删改查操作等。用户也可导入新的标准并选择使用所导入的新标准。
24.数据导入模块104，用于输入导入数据的条件并按所述条件分病种导入数据。导入数据的条件例如包括：机构名称、数据表名称、是否参照方案、出院日期、病种名称等，病种名称例如可根据icd 10编码对应的病种名称进行选择，填写完成后选择数据一键导入，即可导入与其对应的数据。导入的数据包括相应病种的多个病例的病案首页数据和收费明细数据。导入的数据可通过网络传输至远程数据库中并对其进行脱敏后，返回系统，用户可预览脱敏后的数据表。
25.脱敏可包括但不限于：删除标识符如姓名、住址、身份证号等；从所选记录中删除特定属性值如病案号、住院次数等；用伪装数据替代敏感数据如主任医师、主治医师等；数值与日期的替代如入院日期、出院日期等；部分内容可见如手机号等；将原始数据集进行抽
样；等等。
26.若导入的数据字段不符合要求，例如数据格式不符合要求、断电未上传完整等，则返回数据表统计导入成功计数以及导入失败的各表格各字段导入的情况，并可查看各字段详情，然后重新导入数据，否则不可进入下一环节。
27.数据质控模块106，用于根据预先设置的质控规则返回病种数据的质控结果。
28.根据预先设置的质控规则自动对导入的数据进行数据的完整性和逻辑性的质控，并在完成后返回数据质控结果表，包括：表名、字段名、质控问题类型、质控问题描述、问题病例数、问题病例占比等。例如，性别为必填项，若此项为空，则会返回此条数据“性别不完整”，并统计具有同样问题的病例数量和占比。再例如，性别为男，手术操作名称是妊娠子宫x线检查，则会返回此条数据“性别与手术操作名称匹配逻辑错误”，统计具有同样问题的病例数量和占比。用户根据返回的质控结果决定选择(在根据质控结果对数据进行修改的基础上)重新导入数据，或者进行进一步的标化，或者直接使用。
29.数据标化模块108，用于基于国家医保药品目录、国家医保医用耗材分类目录及国家医保医疗服务目录对病例数据中的收费项目名称进行标准化。
30.可使用全文检索引擎elasticsearch法，通过全文搜索、同义词处理和相关度排名等方式，以国家医保药品目录、国家医保医用耗材分类目录及国家医保医疗服务目录为基准，对导入的数据或者经质控的数据中的收费项目名称进行标准化(也称为标化)。标化处理返回的结果可包括原始收费项目名称、原始收费项目编码、标化名称、标签三(针对每一个疾病下同类功能的药品/服务/耗材的例如基于国家标准的细分类别)等。对返回的标化结果进行逐一审核或批量审核，且可以导出标化结果表。若返回的标化结果不完整即标化名称若存在空值，则进行人工调整；若返回的标化结果完整，则可直接使用。标化结果表显示的字段也可预先进行选择设置。标化结果示例如下：
31.原始收费项目编码原始收费项目名称标化名称标签三5375左氧氟沙星片左氧氟沙星眼用凝胶全身用抗菌药
32.病种选择模块110，用于在病种列表中选择拟进行建模管控资源消耗的病种。该选择可人工进行，也可自动从病种列表中按顺序或某种条件自动选择。在此，例如选择“甲状腺恶性肿瘤”病种。
33.参数提取模块112，用于从所选病种的数据即病例病案首页数据和收费明细数据提取相关参数。相关参数包括：总费用、性别、年龄、是否医保、本市/外阜、部分主要手术、部分其他诊断等。例如，对于甲状腺恶性肿瘤病种的病例数据，所提取的参数包括：总费用、性别、年龄、是否医保、本市/外阜、甲状腺全部切除术、单侧甲状腺叶切除术、单侧甲状腺切除伴甲状腺峡部切除术、结节性甲状腺肿、颈部淋巴结继发恶性肿瘤、桥本甲状腺炎、甲状腺良性肿瘤、乳腺增生。
34.参数选择模块114，用于在提取的参数中选择拟纳入模型的参数。例如，在上例中，可选择总费用、甲状腺全部切除术、单侧甲状腺叶切除术、单侧甲状腺切除伴甲状腺峡部切除术四个参数纳入病种资源消耗管控的测算。应注意，在任一情形下，总费用是必选参数。
35.显著性参数确定模块116，用于基于所选参数构建多元线性回归模型并使用多元线性回归模型确定对总费用影响大的显著性参数。
36.例如，对于上面的例子，构建的多元线性回归模型如下：
37.yi＝β0 β1x1i β2x2i β3x3i
38.其中，β0为常数项，β1-β3为回归系数，y表示总费用，x1表示甲状腺全部切除术，x2表示单侧甲状腺叶切除术，x3表示单侧甲状腺切除伴甲状腺峡部切除术。
39.多元线性回归模型的拟合可得到例如下面所示的回归参数表：
[0040][0041]
根据所得到的回归参数确定对总费用影响大的显著性参数。例如，p小于0.05的参数可确定为显著性参数。也可根据多个回归参数的组合确定显著性参数。在上表的例子中，甲状腺全部切除术、单侧甲状腺叶切除术、单侧甲状腺切除伴甲状腺峡部切除术这三个参数均为显著性参数。
[0042]
分组模块118，用于依据所选病种的数据基于所确定的显著性参数进行聚类得到所选病种的病例分组划分。
[0043]
聚类是1)将每个样本看作一类，计算两两之间的最小距离；2)将距离最小的两个类合并成一个新类；3)重新计算新类与所有类之间的距离；重复步骤2)和3)，直到所有类最后合并成一类或多类。在聚类时，仅纳入显著性参数进行聚类。聚类可采用本领域众所周知的层次聚类算法或者任何其它适当的聚类算法进行。
[0044]
在上面的例子中，通过聚类得到的病例分组划分详情表例如如下表所示：
[0045][0046]
即，在导入的甲状腺肿瘤病例中，有459例进行了甲状腺全部切除术，有327例进行了单侧甲状腺叶切除术，有313例进行了单侧甲状腺切除伴甲状腺峡部切除术。
[0047]
修改模块120，用于基于聚类返回的病例分组划分详情表，修改分组名称和分组特征。聚类返回的结果不能自动显示相应的分组名称和分组特征，因此需进行修改。为了清楚，上面的表中分组名称和分组特征已修改。
[0048]
剔除模块122，用于对于每一分组，根据医师类别对该分组的相应病例收费项目使用量进行差异性分析，剔除异常值。医师类别包括主任医师、副主任医师、主诊组等。在实施例中，可使用kw检验，对于项目使用量存在异常的项目，根据箱线图法去异常值后，再给出参考使用量。箱线图法去异常公式：》75％分位数 1.5iqr定义为异常，其中iqr＝75％分位数-25％分位数。例如，对于同为主任医师处理的病例，将相同收费项目中使用量异常例如最高的病例剔除，以提高最后结果的准确性。
[0049]
标杆项目确定模块124，用于对于每一(经剔除处理的)分组，确定收费项目中使用率高于预定比率的标杆收费项目并计算该组病例各标杆收费项目的使用量区间。预定比率例如可以是50％或其它适当比率。各个标杆收费项目的使用量区间例如可以是病例中相应收费项目的使用量90％分位数与使用量10％分位数之间的区间。同时，还可计算该组病例各标杆收费项目的平均使用量。
[0050]
管控方案输出模块126，用于将每一分组的标杆收费项目及相应使用量区间输出为所选病种的按分组特征(即显著性参数)进行划分的管控方案。在管控方案形成之后，用户(医院)可对划分的方案进行验证。例如，可依据多元线性回归模型结果中的检验值来确定，同时结合循证结果进行调整，例如看划分的方案是否在循证文献中也出现类似的参数(变量/分组特征)。也可将划分好的方案结果与专家点评软件关联，进行专家点评，对方案的具体结果与临床的相符程度进行检验。若用户对于划分的方案不满意，可返回选择不同的参数重新构建多元线性回归模型形成新的管控方案；若满意，则可进行保存。
[0051]
管控方案查询模块128，用于查询和/或导出存储的管控方案。在已经形成了不同地区不同医疗机构的多个病种管控方案之后，可建立地区性专病资源消耗管控方案的标杆，为该地区的有关医疗机构提供参考。
[0052]
本发明系统将导入的数据进行自动化质控并对其标准化后，从病种数据提取出相关参数，选择需要纳入模型的参数，基于底层的统计学方法和机器学习算法，自动化构建模型并返回模型构建的结果，并根据模型返回的结果自动化生成专病资源消耗管控的方案作为后续专病治疗的资源消耗指导或参考，效率高，准确度高，可为医院精益化运营提供有力的支撑。
[0053]
在另一实施例中，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现结合图1所示所述的系统实施例或其它相应系统实施例的功能，在此不再赘述。
[0054]
在另一实施例中，本发明提供一种计算机设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中所述处理器执行所述计算机程序时实现结合图1所示所述的系统实施例或其它相应系统实施例的功能，在此不再赘述。
[0055]
在此所述的多个不同实施方式或者其特定特征、结构或特性可在本发明的一个或多个实施方式中适当组合。另外，在某些情形下，只要适当，流程图中和/或流水处理描述的步骤顺序可修改，并不必须精确按照所描述的顺序执行。另外，本发明的多个不同方面可使用软件、硬件、固件或者其组合和/或执行所述功能的其它计算机实施的模块或装置进行实
施。本发明的软件实施可包括保存在计算机可读介质中并由一个或多个处理器执行的可执行代码。计算机可读介质可包括计算机硬盘驱动器、rom、ram、闪存、便携计算机存储介质如cd-rom、dvd-rom、闪盘驱动器和/或具有通用串行总线(usb)接口的其它装置，和/或任何其它适当的有形或非短暂计算机可读介质或可执行代码可保存于其上并由处理器执行的计算机存储器。本发明可结合任何适当的操作系统使用。
[0056]
除非明确指出，在此所用的单数形式“一”、“该”均包括复数含义(即具有“至少一”的意思)。应当进一步理解，说明书中使用的术语“具有”、“包括”和/或“包含”表明存在所述的特征、步骤、操作、元件和/或部件，但不排除存在或增加一个或多个其他特征、步骤、操作、元件、部件和/或其组合。如在此所用的术语“和/或”包括一个或多个列举的相关项目的任何及所有组合。
[0057]
前面说明了本发明的一些优选实施例，但是应当强调的是，本发明不局限于这些实施例，而是可以本发明主题范围内的其它方式实现。本领域技术人员可以在本发明技术构思的启发和不脱离本发明内容的基础上对本发明做出各种变型和修改，这些变型或修改仍落入本发明的保护范围之内。