住院病人医疗管理质量评估方法
【技术领域】
[0001] 本发明涉及精益医院质量管理领域、医疗大数据分析及医院管理决策支持领域， 特别是涉及一种住院病人医疗管理质量评估方法。
【背景技术】
[0002] 近年来由于国内医院IT技术的迅猛发展，已经初步地完成了病人和疾病的原始 数据积累，然而苦于没有方法学，不能够将这些数据有效地提炼成为指导信息和医院管理 的决策依据，致使绝大部分数据只能储存在医院的数据仓库中，浪费了资源。如果能够充分 地借鉴美国政府对医院管理的成功模式和优秀的方法学，再加以本土化改良，不但能够让 国内的医疗管理机构增加有效的监控途径和手段，而且还能促使医院加快从粗放向精细化 管理模式转型的步伐。
[0003] 近来政府积极倡导和鼓励传统行业向"互联网+"的转型，充分利用数字科技提高 医院的医疗质量，营运效率和减少医疗资源浪费已经成为时代潮流，把握时机，借鉴先进经 验，建立标准模式，将会占有先发优势，引领行业的改革浪潮。
[0004] 临床医学的多学科和疾病的复杂性增加了数据深度分析和提纯为管理决策支持 依据的难度，与其他行业的数据相比较，医疗数据具有非叠加性（如财务数据）和非直接可 比性（如数据大小）特点，由于每个医院入院病人人群和疾病程度差异，通过直接采用死 亡率、住院天数和医疗成本等数据对病种、医生、科室和医院之间的绩效比较评估是不合理 的。譬如说由于接受大量转院病人和收治病情更加严重的病人人群，四川华西医院就不能 够直接同某个县级医院进行简单的绩效评估。
[0005] 为了有效解决临床数据不平的困境，医院通常采用的评估模式之一有以资源使用 为标准的疾病群组归纳方法，如各类DRG和DCG等，然后将治疗中使用的医疗成本，经过分 析，获得疾病群组的案例复杂性指数（CMI)。通过医疗资源使用情况倒推出住院疾病群组的 病情程度，从而实现医院和科室在同一个体系内的评估。然而以CMI计算的方法在评价医 疗质量、营运效率以及合理性用药等方面有其先天性不足，首先这种模式并未考虑到疾病 本身的特性和其他临床相关性影响因素，不符合医疗规律；其次过度检查和治疗而导致的 虚高成本治疗本身也会增加模型不稳定性，从而导致判断结果的偏差。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，提供一种新型的住院病人医疗管理质 量评估方法，以住院病人疾病风险调整为基础实现全疾病医院质量管理评估，模型通过某 个医院或者某一地区所有医院住院病人的历史性数据，将病人入院时伴随的合并症/并发 症，病人个体特质（如性别、年龄、生存状态等），以及入院状态来源等整合成疾病治疗的影 响变量因素，按疾病相关性群组（DRG)类别和这些病人最终的治疗信息，分别建立死亡率、 住院天数和住院医疗成本的统计学相关性回归模型。然后再按这些模型所得出的算法对医 院现有病人进行精准预测，计算出每个病人在死亡率、住院天数和住院医疗成本的预期值。
[0007] 本发明的目的是通过以下技术方案来实现的：住院病人医疗管理质量评估方法， 包括一个历史性数据筛选与建模步骤、一个当前数据筛选与预值计算步骤：
[0008] 所述的历史性数据筛选与建模步骤包括以下步骤：
[0009] Sl :从医院数据库中导入历史性出院病人数据；
[0010] S2 :数据鉴别和清理，筛选出坏数据和极值数据并予以删除；
[0011] S3 :疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集合、 模型分类、编号归类集合；
[0012] 每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；
[0013] 依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实 现相关性DRG的归类和评估；
[0014] S4 :入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归类 集合，实现对入院病人合并症和并发症及其他变量的归类；
[0015] 依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合 并症进行分类处理；
[0016] 采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断 或手术编码进行群组集合，形成合并发症类别变量；
[0017] 其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；
[0018] S5 :在同一 DRG群组中，利用统计检验方法对显著影响病人死亡率、住院天数和成 本的入院及合并发症变量进行预处理；
[0019] S6:建立统计学模型，死亡率数据采用逻辑回归模型，住院天数和医疗成本数据采 用多元线性回归模型，建模中运用基于统计LASSO方法的变量选择方法，并结合临床经验 分析，然后得到选中的显著性变量在模型中的系数，形成预测值的量化公式；
[0020] S7 :模型质量验证：采用统计学中的C-Index检验和R-square检验方法对模型在 样本人群和非样本人群进行计算，依据相应的结果进行评定；
[0021] 所述的当前数据筛选与预值计算步骤包括以下步骤：
[0022] SSl :从医院数据库中导入当前出院病人数据；
[0023] SS2 :数据鉴别和清理，筛选出坏数据并予以删除；
[0024] SS3 :疾病诊断相关分组DRG和模型的归类，实现对疾病诊断相关分组的归类集 合、模型分类、编号归类集合；
[0025] 每个病人有一个疾病诊断相关分组DRG，通过DRG实现相关性诊断的归类和评估；
[0026] 依据DRG，将相关联的DRG进行归类，每个DRG都被编入一个模型号，通过模型号实 现相关性DRG的归类和评估；
[0027] SS4 :入院时疾病和有关健康问题的国际统计分类ICD合并发症及其他变量的归 类集合，实现对入院病人合并症和并发症及其他变量的归类；
[0028] 依据人体器官和系统的国际疾病诊断标准类别对病人入院时既往的并发症及合 并症进行分类处理；
[0029] 采用国际疾病合并发症的集合标准，对同一相关疾病群组DRG中病人的ICD诊断 或手术编码进行群组集合，形成合并发症类别变量；
[0030] 其他变量包括年龄、性别、社会经济环境、入院状况和来源信息；
[0031] SS5 :计算病人入院风险的预测值，实现对每个入院病人在死亡率、住院天数和医 疗成本的入院风险预测；疾病的风险预测指通过在医院各病种管理的历史性数据中找出对 影响最终治疗结果的普遍规律和可量化因素，推测出当前有同类疾病程度和相似特征的病 人的死亡率、住院天数和医疗成本的预测发生值；
[0032] 预测值的算法公式如下：
[0033] 预期死亡_
，其中，匕表示显著相关性系数，b。表示模型截距，η 表示病人的显著相关性变量个数；
[0034] 住院天数和医疗成本
（其中，b。表示模型截距，MSE 表示模型的平方误差，匕表示显著相关性系数，0. 5为统计偏差修正值；
[0035] 最终采用实际发生和预期相对值对住院病人医疗管理质量进行评估。
[0036] 步骤S5所述的利用统计检验方法对显著影响病人死亡率、住院天数和医疗成本 的入院及合并发症变量进行预处理的步骤包括以下子步骤：
[0037] (1)统计检验：筛选出各模型中对死亡率、住院天数和医疗成本有显著性影响的 变量，显著性影响变量是指利用统计检验选择对结果具有明显影响作用的变量因素；
[0038] (2)强相关联性的变量处理：强相关联性变量是指在模型中两个或者多个变量在 统计学意义和临床上具有强的相关联性，如果具有强关联性的变量出现在某个模型中，根 据模型的需求和临床经验判断，在具有强关联性的变量之间选择对模型结果影响更大的变 量。
[0039] 步骤S6所述的建立统计学模型的步骤包括以下步骤：
[0040] (1)利用LASSO生成预测变量重要性列表：由于LASSO独有的放缩系数，在放缩系 数从〇到最大值的过程中，统计每个预测变量在模型中出现的次数，根据预测变量出现次 数进行排序列表，得到预测变量重要性列表；预测变量重要性列表能够从一个方面反映在 线性回归中，各个变量对独立变量的影响大小，其中影响为0的变量是使用LASSO后就直接 删除的变量；
[0041] (2)结合临床经验确定重要性列表的临界值：
[0042] 死亡率模型的临界值：如果预测变量是急性疾病类的合并发症变量，而且后面连 续三个变量