亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        疾病風(fēng)險(xiǎn)調(diào)整方法在病種精細(xì)化評價(jià)中的應(yīng)用*

        2022-04-21 12:51:14張海悅馬尚寅邊雨桐劉嘉吉
        中國衛(wèi)生質(zhì)量管理 2022年3期
        關(guān)鍵詞:模型

        ——張海悅 馬尚寅 邊雨桐 劉嘉吉 陳 霞

        醫(yī)院高質(zhì)量發(fā)展強(qiáng)調(diào)質(zhì)量和效率,鼓勵應(yīng)用分析方法和管理工具促進(jìn)醫(yī)療質(zhì)量和服務(wù)能力提升[1-3]。新型病種評價(jià)方法的應(yīng)用已成為醫(yī)療機(jī)構(gòu)的重要探索。目前,國內(nèi)應(yīng)用較為廣泛的病種評價(jià)方法主要有MS-DRG[4-5]、AR-DRGs[6-7]、TW-DRGs、CN-DRGs[8-9]等,但這些方法均以費(fèi)用和時(shí)間消耗為主要分類依據(jù),分類方式單一且局限,對疾病診療質(zhì)量和難度的評價(jià)不夠準(zhǔn)確。

        風(fēng)險(xiǎn)調(diào)整方法可以通過數(shù)據(jù)統(tǒng)計(jì)建模,實(shí)現(xiàn)對各類風(fēng)險(xiǎn)因素的分層、分類分析,進(jìn)而對患者治療變量進(jìn)行準(zhǔn)確預(yù)測[10]。在APR-DRG疾病風(fēng)險(xiǎn)評估、“美國年度最佳醫(yī)院評價(jià)體系”、“美國百佳醫(yī)院評價(jià)體系”等醫(yī)療質(zhì)量評價(jià)中,均應(yīng)用了風(fēng)險(xiǎn)調(diào)整方法進(jìn)行指標(biāo)測算[11-13]。國內(nèi)多家醫(yī)療機(jī)構(gòu)也在積極探索使用疾病風(fēng)險(xiǎn)調(diào)整方法開展疾病風(fēng)險(xiǎn)預(yù)測及醫(yī)療服務(wù)綜合評價(jià)等[10,14]。將風(fēng)險(xiǎn)調(diào)整方法應(yīng)用于專科病種評價(jià)分析中,對醫(yī)院實(shí)現(xiàn)精細(xì)化管理具有推動作用。

        1 疾病風(fēng)險(xiǎn)調(diào)整方法及指標(biāo)

        1.1 建模方法

        在某院病案數(shù)據(jù)庫導(dǎo)入2016年-2019年約36萬份出院患者住院病案首頁信息,通過系統(tǒng)ELT工具進(jìn)行數(shù)據(jù)校驗(yàn)、清洗、脫敏、修正,剔除主要診斷信息缺失、主要診斷編碼不規(guī)范、入院或出院時(shí)間缺失、個(gè)體特征信息缺失嚴(yán)重、入院或出院科室為康復(fù)科等兩萬余份不合格病案首頁。

        采用DMIAES軟件,應(yīng)用R語言或Python程序,按照疾病診斷相關(guān)分組進(jìn)行預(yù)分組,將患者自身特征、入院診療、手術(shù)信息、生存質(zhì)量等首頁信息作為風(fēng)險(xiǎn)因素[15],在預(yù)分組的基礎(chǔ)上進(jìn)行模型擬合,通過非參數(shù)統(tǒng)計(jì)Wilcoxon秩和檢驗(yàn)、線性回歸、多因素Logistic回歸、傾向評分匹配等統(tǒng)計(jì)方法,建立醫(yī)療效率模型、醫(yī)療控費(fèi)模型、醫(yī)療質(zhì)量模型、藥品管控模型、耗材管控模型、醫(yī)療效益模型等6類統(tǒng)計(jì)模型,建模過程[15-16]見圖1。最終擬合模型總數(shù)近兩萬個(gè),使用各模型對疾病未來轉(zhuǎn)歸及資源消耗等情況進(jìn)行預(yù)判。

        圖1 建模示意圖

        1.2 主要指標(biāo)

        疾病風(fēng)險(xiǎn)調(diào)整的主要監(jiān)測指標(biāo)包含AW、ACMP、ACMI和O/E指數(shù)[15]。

        (1)AW。即風(fēng)險(xiǎn)調(diào)整后相對權(quán)重值(Adjusted Weight),它通過疾病臨床死亡風(fēng)險(xiǎn)、資源消耗調(diào)整后的患者疾病復(fù)雜程度進(jìn)行預(yù)測,可實(shí)現(xiàn)對單個(gè)患者病情和風(fēng)險(xiǎn)預(yù)測。

        比值類指標(biāo)AW值為預(yù)期死亡率、并發(fā)癥發(fā)生率等對數(shù)值的正態(tài)分布概率值,非比值類指標(biāo)AW值為預(yù)期總費(fèi)用、醫(yī)事服務(wù)費(fèi)等對數(shù)值的正態(tài)分布概率值。

        (2)ACMP。即風(fēng)險(xiǎn)調(diào)整后總權(quán)重(Adjusted Case Mix Production),它是評估主體中所有收治住院病例AW的總和,綜合了疾病復(fù)雜程度技術(shù)風(fēng)險(xiǎn)和費(fèi)用消耗等影響因素,代表疾病臨床死亡風(fēng)險(xiǎn)和資源消耗后的臨床產(chǎn)能。

        (3)ACMI。即風(fēng)險(xiǎn)調(diào)整后病例組合指數(shù)(Adjusted Case Mix Index),它是所有住院病例AW的均值,是經(jīng)過死亡風(fēng)險(xiǎn)、時(shí)間消耗、費(fèi)用消耗等因素調(diào)整后的病例組合指數(shù),有利于公平合理地評價(jià)績效。

        ACMP、ACMI越大,表示治療疾病的風(fēng)險(xiǎn)越大。

        (4)O/E指數(shù)。它是某指標(biāo)實(shí)際發(fā)生值(O-Observed)與模型預(yù)測值(E-Expected)的比值,本質(zhì)上是自身與自身的比較,便于直觀簡明展示某指標(biāo)的管控效果。疾病風(fēng)險(xiǎn)調(diào)整可以實(shí)現(xiàn)針對某一病種、某一科室、某一時(shí)期的指標(biāo)O/E指數(shù)測算,進(jìn)而實(shí)現(xiàn)針對性管理。以平均住院天數(shù)為例,某科室平均住院天數(shù)O/E指數(shù)>1,表示模型在結(jié)合該科室收治患者病種難度、病種結(jié)構(gòu)及患者自身情況下,患者實(shí)際住院天數(shù)多于其科室患者預(yù)測平均住院天數(shù),說明該科室仍需進(jìn)一步縮短總體平均住院天數(shù),提升管理效率。

        醫(yī)院或病種O/E指數(shù)(非比值類指標(biāo),如平均住院天數(shù)等)=

        醫(yī)院或病種O/E指數(shù)(比值類指標(biāo),如死亡率等)=

        2 應(yīng)用結(jié)果

        2.1 體現(xiàn)服務(wù)難度

        采用疾病風(fēng)險(xiǎn)調(diào)整方法,分析該院2016年-2019年收治患者風(fēng)險(xiǎn)變化與服務(wù)難度,可以詳細(xì)獲得各月ACMI和ACMP值。2016年-2019年,醫(yī)院ACMI、ACMP均逐年增加,ACMI由2016年的4.62增至2019年的4.76,增長了3.03%;ACMP由2016年的35.30萬增至2019年的45.39萬,增長了28.58%;對醫(yī)院2019年各月ACMI進(jìn)行分析顯示,2月份ACMI最高(4.83),1月份ACMI最低(4.71);對醫(yī)院2019年各月ACMP進(jìn)行分析顯示,3月份ACMP最高(4.33萬),2月份ACMP最低(2.81萬)。綜上分析,2016年-2019年,醫(yī)院服務(wù)能力及治療疾病風(fēng)險(xiǎn)有所增加,且患者人數(shù)增長幅度較大;從月份分布來看,新年前后住院患者人數(shù)減少,主要是輕癥患者人數(shù)明顯減少。

        2.2 設(shè)置動態(tài)目標(biāo)值

        通過醫(yī)療效率模型、醫(yī)療效益模型、醫(yī)療質(zhì)量模型等,可以分別計(jì)算平均住院天數(shù)、次均費(fèi)用、死亡率等指標(biāo)的年度、月度O/E值,以評價(jià)管理成果。以平均住院天數(shù)為例,2019年醫(yī)院住院患者平均住院天數(shù)O/E值為1.05,大于1,表明住院患者平均住院天數(shù)總體超標(biāo)。通過月度動態(tài)目標(biāo)值分析發(fā)現(xiàn),全年中,僅2月份平均住院天數(shù)控制良好,其余月份均有不同程度超標(biāo)。從各月實(shí)際平均住院天數(shù)來看,10月份平均住院天數(shù)11.00 d,為全年最高,5月份平均住院天數(shù)10.90 d,較10月份略低;但從超標(biāo)情況來看,10月份O/E值為1.06,超預(yù)期值0.64 d,5月份O/E值為1.08,超預(yù)期值0.83 d,可見10月份平均住院天數(shù)的管控情況優(yōu)于5月份。綜上分析,年度指標(biāo)超標(biāo)并不意味著全年各月份指標(biāo)控制不理想,且實(shí)際值不能完全代表指標(biāo)控制程度,以O(shè)/E值為依據(jù)評價(jià)效率控制情況較實(shí)際值更為合理。

        2.3 設(shè)置病種目標(biāo)值

        應(yīng)用疾病風(fēng)險(xiǎn)調(diào)整方法,能夠合理測算平均住院天數(shù)、病死率、次均住院費(fèi)用等。以平均住院天數(shù)為例,2019年患者平均住院天數(shù)實(shí)際值為9.80 d,通過患者平均住院天數(shù)模型測算,得出該年的O/E值為1.09,說明仍需控制平均住院天數(shù)。對此,該院制定了平均住院天數(shù)縮短0.96 d的目標(biāo)。通過醫(yī)療效率模型,測算出年度病種結(jié)構(gòu)、病種預(yù)期住院天數(shù)、病種平均住院天數(shù)O/E值,為各科室、各病種設(shè)置個(gè)性目標(biāo)值(圖2),可為臨床科室加強(qiáng)病種住院天數(shù)管理提供參考。

        圖2 2019年各科室病種平均住院天數(shù)控制預(yù)測

        2.4 實(shí)現(xiàn)指標(biāo)橫向比較

        在傳統(tǒng)描述性統(tǒng)計(jì)分析中,不同難度病種的平均住院天數(shù)、患者次均費(fèi)用等指標(biāo)難以進(jìn)行橫向比較,而疾病風(fēng)險(xiǎn)調(diào)整將不同難度病種的描述性統(tǒng)計(jì)分析由實(shí)際值轉(zhuǎn)為相對比,通過O/E值大小,判斷各科室、各病種相關(guān)指標(biāo)的控制情況,有效實(shí)現(xiàn)了病種間的橫向可比。以平均住院天數(shù)為例(圖3),若使用傳統(tǒng)描述性統(tǒng)計(jì)分析,該年神經(jīng)外科平均住院天數(shù)最長,控制最差,產(chǎn)科平均住院天數(shù)最短,控制最好;但應(yīng)用疾病風(fēng)險(xiǎn)調(diào)整模型測算,經(jīng)過病種難度調(diào)整后,神經(jīng)外科的實(shí)際住院天數(shù)低于預(yù)測,O/E值小于1,該指標(biāo)控制較好,而產(chǎn)科的實(shí)際住院天數(shù)高于預(yù)測,O/E值大于1,該指標(biāo)控制較差。

        圖3 2019年醫(yī)院部分科室平均住院天數(shù)對比

        在實(shí)際進(jìn)行科室、病種相關(guān)描述性統(tǒng)計(jì)分析時(shí),傳統(tǒng)的分析方法往往會忽視病種難度、病種結(jié)構(gòu)等有效信息,使得數(shù)據(jù)間的比較缺乏說服力,而疾病風(fēng)險(xiǎn)調(diào)整模型則有效解決了指標(biāo)間的橫向不可比問題。

        3 建議

        疾病風(fēng)險(xiǎn)調(diào)整方法采用分維度統(tǒng)計(jì)、邏輯回歸模型、分層模型、傾向分?jǐn)?shù)分析法等對歷史大數(shù)據(jù)進(jìn)行建模,通過對各類風(fēng)險(xiǎn)因素精準(zhǔn)測算,實(shí)現(xiàn)了預(yù)測評價(jià),對推進(jìn)醫(yī)院精細(xì)化管理起到了重要作用。但實(shí)際應(yīng)用發(fā)現(xiàn),醫(yī)院歷史數(shù)據(jù)對疾病風(fēng)險(xiǎn)調(diào)整方法的準(zhǔn)確應(yīng)用影響較大,模型建立的有效程度取決于歷史數(shù)據(jù)的真實(shí)性、完整性和準(zhǔn)確性。對此,針對疾病風(fēng)險(xiǎn)調(diào)整方法在醫(yī)院的應(yīng)用提出以下建議:

        3.1 需保證病案首頁質(zhì)量

        疾病風(fēng)險(xiǎn)調(diào)整方法應(yīng)用的前提,是通過對出院患者住院病案首頁信息進(jìn)行建模,病案首頁中的主要診斷及手術(shù)將作為預(yù)分組因素,其余各項(xiàng)因素都將作為潛在風(fēng)險(xiǎn)因素納入模型進(jìn)行擬合測算,對于信息嚴(yán)重缺失或邏輯驗(yàn)證明顯有誤的首頁應(yīng)予以剔除。因此,病案首頁信息填寫的準(zhǔn)確、完整程度,不僅決定了模型建立的有效性,而且決定了對各項(xiàng)指標(biāo)預(yù)測的準(zhǔn)確程度。在使用疾病風(fēng)險(xiǎn)調(diào)整方法時(shí),病案首頁質(zhì)量越好,擬合的模型和測算的數(shù)據(jù)就越準(zhǔn)確,對現(xiàn)實(shí)數(shù)據(jù)的判斷就越可靠。這就對病案首頁質(zhì)量提出了更高要求,在使用該方法時(shí),既要保證病案首頁信息填寫的完整性、邏輯性,又要保證其真實(shí)性、規(guī)范性。

        3.2 建模需較大數(shù)據(jù)量

        疾病風(fēng)險(xiǎn)調(diào)整方法通過對歷史大數(shù)據(jù)進(jìn)行專業(yè)化處理,實(shí)現(xiàn)數(shù)據(jù)增值。因此,建模的前提,是需要大量歷史數(shù)據(jù),在一定數(shù)據(jù)量基礎(chǔ)上,對這些有價(jià)值的數(shù)據(jù)進(jìn)行加工處理,同時(shí)通過不斷擴(kuò)充、更新數(shù)據(jù)集對各類模型進(jìn)行定期擬合,不斷優(yōu)化模型準(zhǔn)確度。當(dāng)基礎(chǔ)數(shù)據(jù)量較少時(shí),模型的擬合容易受到少數(shù)極端病歷影響而產(chǎn)生偏差,從而影響預(yù)測結(jié)果。因此,在使用疾病風(fēng)險(xiǎn)調(diào)整方法時(shí),需要對將要進(jìn)行擬合的數(shù)據(jù)集進(jìn)行積累和測算,在保證數(shù)據(jù)量的基礎(chǔ)上,才能更加有效地建模,獲得更接近真實(shí)的結(jié)果,同時(shí)還要注意將分析結(jié)果與實(shí)際結(jié)合。

        3.3 需進(jìn)一步拓展方法應(yīng)用范圍

        目前,大范圍的疾病風(fēng)險(xiǎn)調(diào)整建模主要以出院患者住院病案首頁信息為依據(jù),相關(guān)分析內(nèi)容也是依據(jù)病案首頁信息展開,這就導(dǎo)致疾病風(fēng)險(xiǎn)調(diào)整模型應(yīng)用范圍存在局限性。例如,醫(yī)院的科研、教學(xué)、人才培養(yǎng)、醫(yī)療服務(wù)公平可及、滿意度等相關(guān)信息,門診患者相關(guān)信息等,均無法從住院病案首頁中直接提取,使用疾病風(fēng)險(xiǎn)調(diào)整難以對之進(jìn)行評價(jià)。隨著醫(yī)院信息化能力和水平的不斷提升,醫(yī)院的臨床信息系統(tǒng)、醫(yī)技信息系統(tǒng)、管理信息系統(tǒng)逐步健全,建議在應(yīng)用中擴(kuò)充數(shù)據(jù)來源,考慮納入收費(fèi)明細(xì)、臨床路徑、單病種等多系統(tǒng)數(shù)據(jù),進(jìn)一步提升疾病風(fēng)險(xiǎn)調(diào)整方法應(yīng)用范圍及準(zhǔn)確性。

        4 結(jié)語

        以住院病案首頁為數(shù)據(jù)源的疾病風(fēng)險(xiǎn)調(diào)整方法,在分析醫(yī)院病種難度、平均住院天數(shù)、次均住院費(fèi)用等指標(biāo)方面,較好地實(shí)現(xiàn)了科室和病種間的合理比較和針對性管理。但是,疾病風(fēng)險(xiǎn)調(diào)整方法的準(zhǔn)確、有效應(yīng)用對建模數(shù)據(jù)質(zhì)量和數(shù)量均提出一定要求,前期數(shù)據(jù)積累至關(guān)重要。結(jié)合現(xiàn)有模型評價(jià)內(nèi)容,下一步將在住院病案首頁基礎(chǔ)上納入收費(fèi)明細(xì)等數(shù)據(jù),對模型進(jìn)一步細(xì)化與升級,以持續(xù)深化疾病風(fēng)險(xiǎn)調(diào)整方法在醫(yī)院中的應(yīng)用。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        精品丝袜一区二区三区性色| 亚洲欧洲∨国产一区二区三区| 无码丰满少妇2在线观看| 国产又爽又黄又不遮挡视频| 日本免费视频一区二区三区| a级国产乱理伦片| 国产福利姬喷水福利在线观看| 91久久综合精品国产丝袜长腿| 亚洲精彩av大片在线观看| 热99re久久精品这里都是精品免费| av无码免费永久在线观看| 日韩美女高潮流白浆视频在线观看| 日韩av中文字幕波多野九色| 精品国产免费一区二区三区香蕉| www插插插无码免费视频网站| 无码中文字幕av免费放| 亚洲中文字幕一区精品| 免费看又色又爽又黄的国产软件 | 国产精品午夜夜伦鲁鲁| 国产高清av首播原创麻豆 | 最新高清无码专区| 精品久久久久中文字幕APP| 久久亚洲精品一区二区三区| 无码小电影在线观看网站免费| 国产精品久久久av久久久| 国产一区二区三区高清视频| 国产一区亚洲二区三区极品| 波多野42部无码喷潮| 国产V日韩V亚洲欧美久久| 精品人妻一区二区视频| 日韩夜夜高潮夜夜爽无码| 少妇熟女视频一区二区三区| 国产精品三级av一区二区| 激情精品一区二区三区| 亚洲精品第一国产综合亚av| 日韩久久久黄色一级av| 国产精品久久av色婷婷网站| 欧美日韩国产精品自在自线| 真实国产乱视频国语| 视频在线亚洲视频在线| 亚洲人成影院在线无码按摩店|