CN111161855A - 一种基于疾病复杂程度的动态医疗工作量化的方法 - Google Patents
一种基于疾病复杂程度的动态医疗工作量化的方法 Download PDFInfo
- Publication number
- CN111161855A CN111161855A CN201911311793.8A CN201911311793A CN111161855A CN 111161855 A CN111161855 A CN 111161855A CN 201911311793 A CN201911311793 A CN 201911311793A CN 111161855 A CN111161855 A CN 111161855A
- Authority
- CN
- China
- Prior art keywords
- disease
- medical
- complexity
- hospital
- workload
- 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
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 171
- 201000010099 disease Diseases 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011002 quantification Methods 0.000 title claims description 15
- 238000013139 quantization Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001225 therapeutic effect Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009251 neurologic dysfunction Effects 0.000 description 3
- 208000015015 neurological dysfunction Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000006011 Stroke Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 208000030090 Acute Disease Diseases 0.000 description 1
- 206010048858 Ischaemic cardiomyopathy Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000968 medical method and process Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 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
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于疾病复杂程度的动态医疗工作量化的方法，包括：步骤1，构建医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息；步骤2，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组；步骤3，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率；步骤4，针对于疾病分入的组与当前由步骤4设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值；步骤5，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
Description
技术领域
本发明涉及计算机数据量化领域，尤其涉及一种基于疾病复杂程度的动态医疗工作量化的方法及装置。
背景技术
疾病复杂程度评价在临床实践中有重要意义，无论在分级诊疗，还是医院临床能力评价、医疗质量控制、病人风险防范、绩效评价方面都需要分析疾病复杂程度。但是如何量化计算疾病复杂程度，用于医院管理，仍没有合适的办法。
RBRVS是以医师的人力资源消耗为基础，以相对价值为尺度，通过测量各医疗服务项目的医师人力资源耗用成本来制定每项医疗服务行为耗费资源的相对价值，以决定给付医师费用。该方法通过比较医师服务中投入的各类资源要素、成本高低来计算每次服务的相对价值，打破了过去仅仅以劳动时间来衡量医生工作量的传统做法，将劳动时间和劳动强度结合来评估医生的工作量，探索出了一种能够更加完善、更加合理的衡量医生“价值”而不是“价格”的标准参照体系。RBRVS通过对工作量、执业成本、机会成本这三个要素的测量，建立RBRVS数学模型为：
RVU＝(TW)×(1+RPC)×(1+AST) (0)
在公式(0)中，RVU为相对价值单位；TW为工作总量，即工作量；RPC为相对业务成本系数，即执业成本；AST为分期偿还医师所受专业培训的专业成本系数；其中，工作量还细分为劳动时间、脑力劳动、技能技巧和风险压力四个维度，执业成本还细分为器械类和非器械类。
使用RBRVS的点值评价手术相关科室的疾病复杂程度是一种量化办法。。它较精确地评价了每个由医生完成的项目的技术难度、医生需要付出的直接劳动时间(工作强度)和技术风险，并给出一个静态的分值，即RBRVS点数。RBRVS点数没有量纲。它与每个地区、国家的医疗服务项目价格没有关系，可以在不同的国家和地区使用。依据每个病人手术项目的平均点值，可以量化评价每家医院的手术难度。但是，非手术科室没有手术项目，使用这个办法不能量化评价疾病的复杂程度。
使用DRGs的病例混合指数(CMI)是另一种评价疾病复杂程度的办法。DRGs也是一种支付手段，其衍生的CMI经常被用于评价医院和医生的绩效水平。DRGs针对是急性病住院病人的病案首页进行计算的，也就是说，门诊病人、急诊病人、重症监护病房(ICU)住院的病人都没有病案首页，是没有办法评价的。另外，这种评价方式是基于每一位急性病病人在医院的所有诊断、治疗手段的总费用计算的，费用较高的项目通常具有较高的CMI值。医疗服务项目的费用水平通常由医院所在地区的医疗服务定价水平决定。定价通常还涉及到资本投入的价值和医院运营成本补偿等因素。因此，使用权DRGs没有办法评价医院所有病人的疾病复杂程度。
国内这方面的研究和应用是CD型率，是依据病人的年龄、基本生命体征、疾病诊断和处置等因素，按轻、重、缓、急分成A、B、C、D四种类型。它作为评价疾病复杂程度的方法之一，是一种介于定性评价和定量评价之间的疾病复杂程度评价方法。
然而，对于相同的疾病随着医疗过程的进行，同类病例的增多对于同一疾病而言，其处理的复杂度是在动态发生变化的，因此，基于疾病复杂程度计算工作量的方法也应该是动态变化的，对此，现有技术中并无具体解决方案。
发明内容
本发明旨在至少解决现有技术中存在的技术问题。为此，本发明公开了一种基于疾病复杂程度的动态医疗工作量化的方法，所述方法包括如下步骤：
步骤1，构建医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，其中，设医院对于某一疾病的初始医疗效能为x，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，所述治疗效果为患病身体对应参数与正常的无疾病参数的比较，若病患的身体参数经过治疗后接近正常身体参数值，则治疗为正向治疗((治疗前患病身体对应参数-治疗后病患身体参数)/正常身体参数)，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
步骤2，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
步骤3，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
步骤4，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由步骤4设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
步骤5，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
更进一步地，所述步骤5进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
更进一步地，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
更进一步地，所述步骤3进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的调整频率。
更进一步地，所述步骤4进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
本发明还公开了一种基于疾病复杂程度的动态医疗工作量化装置，包括医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，疾病复杂度初始化模块，设医院对于某一疾病的初始医疗效能为X，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
区间初始化模块，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
调整频率设置模块，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
动态调整模块，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
报告生成模块，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
更进一步地，所述报告生成模块进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
更进一步地，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
更进一步地，所述调整频率设置模块进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的的调整频率。
更进一步地，所述动态调整模块进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
综上所述，本发明与现有技术相比，通过对每一疾病进行记录，并对疾病处理的复杂情况进行动态追踪，根据当前的医疗效能动态计算疾病的复杂度情况。本发明主要改进点是通过对疾病的治疗效果的做出客观可见的具体量化，通过状态微分方程组，进行医疗效能为X(t)求取，通过疾病的治愈作为判断标准，将医疗效能与设备损耗效率进行关联，以此获得医疗设备的总消耗率；作为本发明的另一主要改进点在于，设置区间初始化模块，根据设备的损耗信息，实际的工作量情况进行疾病复杂度间隔内设置级别，通过设置调整频率设置模块和动态调整模块进行数据库的动态调整，降低工作量及医疗设备损耗信息进行统计的难度，提高工作量化的确定和速度；同时考量治疗设备的消耗，对医疗工作的难易程度根据疾病治疗的非固定的系数进行统计，根据同类医疗机构的病例等治疗数据动态调整工作量值，同时与现有的RBRVS体系不同，本发明提供的方法可以有效的实现通过医疗设备的消耗率和疾病的医疗效能对医疗工作的难易进行考量，在此基础上，本发明的更进一步地对现有技术的改进点为：对疾病进行难易度区分，并设置不同的动态调整系数的频率，可以更加客观的对医生工作量进行准确核算。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在图中，在不同的视图中，相同的附图标记指定对应的部分。
图1是本发明的一种基于疾病复杂程度的动态医疗工作量化的方法的流程图；
图2是本发明的一实施例基于疾病复杂程度的动态医疗工作量化装置的模块图。
具体实施方式
实施例一
如图1所示的一种基于疾病复杂程度的动态医疗工作量化的方法，所述方法包括如下步骤：
步骤1，构建医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，其中，设医院对于某一疾病的初始医疗效能为x，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
步骤2，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
步骤3，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
步骤4，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由步骤4设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
步骤5，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
更进一步地，所述步骤5进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
更进一步地，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
更进一步地，所述步骤3进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的的调整频率。
更进一步地，所述步骤4进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
在本实施例中，医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息时，首先导入数据--医师信息表、疾病分类表及参数表。主要代码如下：
Sub add()
Application.ScreenUpdating＝False
S et d＝CreateObject("scripting.dictionary")
MyPath＝ThisWorkbook.Path&"\基础数据\"
MyName＝Dir(MyPath&"*.xlsx")
Do While MyName<>""
If MyName<>ThisWorkbook.Name
Then
Set wb＝GetObject(MyPath&MyName)
For Eachsh In Sheets
If sh.Name＝Split(MyName,".")
(0)Then wb.Sheets(1).Cells.Copy sh.[a1]
Next
wb.Close False
End If
MyName＝Dir
Loop
Application.ScreenUpdating＝TrueMsgBox"文件夹内所有数据已导入！"
End Sub
工作量统计表汇总输出主要代码：
js＝d.keys
jskc＝d1.keys
kccount＝d1.Items
Set d＝Nothing:Set d1＝Nothing
brr＝Sheet3.Range("a1:e"&UBound(js)
+1)
For i＝0To UBound(js)
For j＝0To UBound(jskc)
xm＝js(i)
kc＝Split(jskc(j),"|")(1)
kcs＝kccount(j)
If InStr(1,jskc(j),xm,0)>0And
Split(jskc(j),"|")(0)＝xm Then
hj＝hj+kcs
brr(i+1,1)＝xm
brr(i+1,n+3)＝kc&"("&kcs&")"
If hj＝0Then hj＝""
If brr(i+1,n+3)＝0Then brr(i+1,n+3)＝""
n＝n+1
End If
Next
brr(i+1,2)＝hj:hj＝0:n＝0
Next
Sheet3.Range("c1:e1").Merge
Sheet3.Range("a1").Resize(1,UBound(brr,2))＝Array("医师姓名","复杂度统计","疾病分类")
Sheet3.Range("a2").Resize(UBound(brr),
UBound(brr,2))＝brr
Sheet3.Range("a1").CurrentRegion.
Borders.LineStyle＝1
Sheet3.Range("a1").CurrentRegion.
HorizontalAlignment＝xlCenter
实施例二
如图2所示，本实施例从硬件角度描述本发明的构思，本实施例提供了一种基于疾病复杂程度的动态医疗工作量化装置，包括医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，疾病复杂度初始化模块，设医院对于某一疾病的初始医疗效能为x，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
区间初始化模块，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
调整频率设置模块，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
动态调整模块，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
报告生成模块，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
更进一步地，所述报告生成模块进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
更进一步地，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
更进一步地，所述调整频率设置模块进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的的调整频率。
更进一步地，所述动态调整模块进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
综上所述，本发明与现有技术相比，通过对每一疾病进行记录，并对疾病处理的复杂情况进行动态追踪，根据当前的医疗效能动态计算疾病的复杂度情况。
在本实施例中，对治疗效果的评定进行举例说明，例如在治疗进展性脑卒中，可选地采用美国国立卫生研究院卒中量表(NIHSS)评分以及NIHSS评分进展幅度评估神经功能障碍程度；治疗后14天和治疗后90天采用NIHSS评分演变情况评估神经功能转归情况。对治疗后14天和治疗后90天采用Barthel指数评估治疗后日常生活能力。
治疗后14天和治疗后90天采用NIHSS评分以及NIHSS评分进展幅度(NIHSS评分进展幅度＝进展后NIHSS评分-首诊时NIHSS评分)评估神经功能障碍程度(NIHSS评分越高，NIHSS评分进展幅度越大，表示神经功能障碍程度越重)；治疗后14天和治疗后90天采用NIHSS评分演变情况((与进后比较，降低(≥1分)、无变化(0～＜1分)和增高(≥1分))评估神经功能转归情况；治疗后14天和治疗后90天采用Barthel指数评估治疗后日常生活能力(Barthel指数越高，表示治疗后日常生活能力越好)；治疗后90天采用mRS评分评估神经功能障碍康复程度，将mRS评分≤2.0分定义为预后良好，mRS评分＞2.0分定义为预后不良。
再例如，对于缺血性心肌病的治疗，治疗前后各项指标比较:与治疗前比较，治疗后两组ESV、FS、SV和LVEF均差异有显著性(P＜0.05)；治疗前两组比较无显著性差异，治疗后观察组ESD、ESV、FS、SV和LVEF改善较对照组更明显(P＜0.05)，如下表所示。
表1治疗前后各项指标比较
注:与治疗前比较，#P＜0.05，与对照组比较，*P＜0.05。
本发明主要改进点是通过对疾病的治疗效果的做出客观可见的具体量化，通过状态微分方程组，进行医疗效能为X(t)求取，通过疾病的治愈作为判断标准，将医疗效能与设备损耗效率进行关联，以此获得医疗设备的总消耗率；作为本发明的另一主要改进点在于，设置区间初始化模块，根据设备的损耗信息，实际的工作量情况进行疾病复杂度间隔内设置级别，通过设置调整频率设置模块和动态调整模块进行数据库的动态调整，降低工作量及医疗设备损耗信息进行统计的难度，提高工作量化的确定和速度；同时考量治疗设备的消耗，对医疗工作的难易程度根据疾病治疗的非固定的系数进行统计，根据同类医疗机构的病例等治疗数据动态调整工作量值，同时与现有的RBRVS体系不同，本发明提供的方法可以有效的实现通过医疗设备的消耗率和疾病的医疗效能对医疗工作的难易进行考量，在此基础上，本发明的更进一步地对现有技术的改进点为：对疾病进行难易度区分，并设置不同的动态调整系数的频率，可以更加客观的对医生工作量进行准确核算。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (10)
1.一种基于疾病复杂程度的动态医疗工作量化的方法，其特征在于，所述方法包括如下步骤：
步骤1，构建医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，其中，设医院对于某一疾病的初始医疗效能为x，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，所述治疗效果为患病身体对应参数与正常参数的比较，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
步骤2，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
步骤3，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
步骤4，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由步骤4设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
步骤5，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
2.如权利要求1所述的一种基于疾病复杂程度的动态医疗工作量化的方法，其特征在于，所述步骤5进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
3.如权利要求2所述的一种基于疾病复杂程度的动态医疗工作量化的方法，其特征在于，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
4.如权利要求2所述的一种基于疾病复杂程度的动态医疗工作量化的方法，其特征在于，所述步骤3进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的的调整频率。
5.如权利要求2所述的一种基于疾病复杂程度的动态医疗工作量化的方法，其特征在于，所述步骤4进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
6.一种基于疾病复杂程度的动态医疗工作量化装置，其特征在于，医院信息管理***，所述医院信息管理***用于记录针对于不同疾病的医疗工作量及医疗设备损耗信息，疾病复杂度初始化模块，设医院对于某一疾病的初始医疗效能为x，在t时刻的医疗效能为X(t)，对该疾病的治疗效果为l1，该医院对该疾病的治疗设备损耗效率为y，在t时刻的设备损耗效率为Y(t)，损耗为l2，则存在状态微分方程组(1)；
由式1转换有：
l1(X2-X2(t))＝l2(Y2-Y2(t)) (2)
假设t0时刻对于该疾病完全治愈，则在t0时刻的设备损耗效率为Y(t0)＝0，可得出此时医院对于该疾病的医疗效能
由上式(3)得出医疗设备的总消耗率L
区间初始化模块，根据所述的医疗工作量及医疗设备损耗信息设置不同的区间，并将相同区间内的疾病分为同一工作量化组，其中，包括选取医院一定时间的记录的所有疾病的医疗工作量及医疗设备损耗信息，设置初始化区间分成三组疾病复杂区间，为医疗工作量和医疗设备损耗根据预设公式分配相对应的系数，并计算医疗工作量与医疗设备损耗的加权之和，所述三组疾病复杂区间分别为A[a,p1]、B(p1,p2]、C(p2,b]，并分别以疾病复杂度间隔m、n、q在上述三组区间内设置初始级别，其中，各个区间的分值可动态进行设置，初始化将分值为[0，5]设置为低复杂度区间，将分值为(5，8]设置为中复杂度区间，将分值为(8，10]设置为高复杂度区间；
调整频率设置模块，对于不同区间的组分配不同的工作量值，并设置不同的动态调整频率，其中，低复杂度区间设置为低调整频率，高复杂度区间设置为高调整频率；
动态调整模块，所述医院信息管理***与外院的数据库进行连接，针对于疾病分入的组与当前由设置所述不同的动态调整速率抽象所有外院相同病例的工作量及医疗设备损耗信息进行统计，根据切比雪夫大数定律计算计算出当前疾病复杂度的期望值，其中，抽取的外院数量大于15；
报告生成模块，对于任一疾病在每次调整复杂度时，对于该疾病相关联的医生推送疾病调整报告。
7.如权利要求6所述的一种基于疾病复杂程度的动态医疗工作量化装置，其特征在于，所述报告生成模块进一步包括：在生成的所述报告中添加一个隐藏书签，并将附加信息添加至所述书签中；将所述书签输出为文字层嵌入对象，并更改所述评价报告文档的文字层嵌入对象为图形层对象，并将所述图形层对象***所述评价报告中除正文位置以外的非固定位置上；其中，所述评价附加信息包括一个URL字符串，所述URL字符串包含一个根据所述报告内容生成的信息追溯及校验字符串。
8.如权利要求7所述的一种基于疾病复杂程度的动态医疗工作量化装置，其特征在于，所述附加信息包括，抽取的日期、外院名称、外院相关医生信息、采用的医疗器械及治疗报告。
9.如权利要求8所述的一种基于疾病复杂程度的动态医疗工作量化装置，其特征在于，所述调整频率设置模块进一步包括：根据某一疾病的历史调整次数动态调整该某一疾病所在的复杂度区间的调整频率。
10.如权利要求9所述的一种基于疾病复杂程度的动态医疗工作量化装置，其特征在于，所述动态调整模块进一步包括：将计算的所述期望值与所述医院信息管理***的数据库中医疗工作量、医疗设备损耗信息进行对比，若所述期望值与数据库中记录的数值差值超过预设阈值则调整本医院的该疾病的复杂度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311793.8A CN111161855A (zh) | 2019-12-18 | 2019-12-18 | 一种基于疾病复杂程度的动态医疗工作量化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311793.8A CN111161855A (zh) | 2019-12-18 | 2019-12-18 | 一种基于疾病复杂程度的动态医疗工作量化的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111161855A true CN111161855A (zh) | 2020-05-15 |
Family
ID=70557787
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911311793.8A Pending CN111161855A (zh) | 2019-12-18 | 2019-12-18 | 一种基于疾病复杂程度的动态医疗工作量化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161855A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117936055A (zh) * | 2024-03-25 | 2024-04-26 | 四川互慧软件有限公司 | 一种基于工作负载的医疗项目分配方法及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530320A (zh) * | 2013-09-18 | 2014-01-22 | 中兴通讯股份有限公司 | 多媒体文件处理方法、装置及终端 |
| CN105279301A (zh) * | 2015-05-29 | 2016-01-27 | 南京市城市规划编制研究中心 | 一种可定制输出的规划设计方法 |
| CN106681616A (zh) * | 2015-11-06 | 2017-05-17 | 广州市动景计算机科技有限公司 | 一种浏览器功能栏显示方法、装置及设备 |
| CN108320804A (zh) * | 2018-01-30 | 2018-07-24 | 上海蓬海涞讯数据技术有限公司 | 基于疾病复杂程度评价***实现疾病复杂程度量化评价的方法 |
-
2019
- 2019-12-18 CN CN201911311793.8A patent/CN111161855A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103530320A (zh) * | 2013-09-18 | 2014-01-22 | 中兴通讯股份有限公司 | 多媒体文件处理方法、装置及终端 |
| CN105279301A (zh) * | 2015-05-29 | 2016-01-27 | 南京市城市规划编制研究中心 | 一种可定制输出的规划设计方法 |
| CN106681616A (zh) * | 2015-11-06 | 2017-05-17 | 广州市动景计算机科技有限公司 | 一种浏览器功能栏显示方法、装置及设备 |
| CN108320804A (zh) * | 2018-01-30 | 2018-07-24 | 上海蓬海涞讯数据技术有限公司 | 基于疾病复杂程度评价***实现疾病复杂程度量化评价的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周虹;王志向;卢蕾;时佳子;: "疾病量化评分法在医师临床能力评估中的应用" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117936055A (zh) * | 2024-03-25 | 2024-04-26 | 四川互慧软件有限公司 | 一种基于工作负载的医疗项目分配方法及*** |
| CN117936055B (zh) * | 2024-03-25 | 2024-05-24 | 四川互慧软件有限公司 | 一种基于工作负载的医疗项目分配方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Newman-Toker et al. | Serious misdiagnosis-related harms in malpractice claims: the “Big Three”–vascular events, infections, and cancers | |
| Kelley et al. | Identifying the population with serious illness: the “denominator” challenge | |
| Birkmeyer et al. | Volume and process of care in high‐risk cancer surgery | |
| Faulkner et al. | A systematic review of the effect of primary care-based service innovations on quality and patterns of referral to specialist secondary care. | |
| Fayers | Applying item response theory and computer adaptive testing: the challenges for health outcomes assessment | |
| Robboy et al. | Reevaluation of the US pathologist workforce size | |
| CN104395925B (zh) | 诊疗过程分析*** | |
| Sanson-Fisher et al. | Methodological quality of teaching communication skills to undergraduate medical students: a mapping review | |
| Köpcke et al. | Evaluating predictive modeling algorithms to assess patient eligibility for clinical trials from routine data | |
| Stukenborg et al. | Longitudinal patterns of cancer patient reported outcomes in end of life care predict survival | |
| Sakai-Bizmark et al. | Evaluation of hospital cesarean delivery–related profits and rates in the United States | |
| Retel Helmrich et al. | Prognostic research in traumatic brain injury: markers, modeling, and methodological principles | |
| O’Brien et al. | Early-life Medicaid coverage and intergenerational economic mobility | |
| Campbell | Health Literacy in Adult Oncology: An Integrative Review. | |
| Wang et al. | Financial outcomes associated with the COVID-19 pandemic in California hospitals | |
| Helm-Murtagh | Use of big data by blue cross and blue shield of North Carolina | |
| Gettel et al. | Emergency clinician participation and performance in the Centers for Medicare & medicaid services merit‐based incentive payment system | |
| Ricci de Araujo et al. | Critical care nursing service costs: Comparison of the top‐down versus bottom‐up micro‐costing approach in Brazil | |
| Giannakakos et al. | Using AB designs with nonoverlap effect size measures to support clinical decision-making: A Monte Carlo validation | |
| Ayvaci et al. | Timing the use of breast cancer risk information in biopsy decision‐making | |
| Weeks et al. | Time and money: a retrospective evaluation of the inputs, outputs, efficiency, and incomes of physicians | |
| CN111161855A (zh) | 一种基于疾病复杂程度的动态医疗工作量化的方法 | |
| Gandrup et al. | Three quality improvement initiatives and performance of rheumatoid arthritis disease activity measures in electronic health records: results from an interrupted time series study | |
| Hwang et al. | Representation of ophthalmology concepts by electronic systems: intercoder agreement among physicians using controlled terminologies | |
| Nahm et al. | Outcomes assessment of clinical information system implementation: a practical guide |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200515 |