DRGs病种分组方法课件

1、疾病诊断相关分组分组方法浙江杭州 马戈数据收集回顾性收集资料 摘录以往病案首页信息及医院HIS系统中的费用与成本数据信息，包括患者性别、年龄、婚姻、主要诊断、次要诊断、入院情况、出院情况、是否手术、手术操作编码、费用类别、抢救有无、护理有无、住院天数、住院费用等信息，整理数据为病例分组及诊疗规范研究作准备。DRGs分类操作数据整理(例如)DRGs分类操作住院天数小于等于0天住院费用总数小于等于0天病例中重要项目不全的数据删除治疗效果“其他”删除ICD编码不全数据（或可补全ICD编码）将不符合逻辑的病例排除住院费用为偏态分布，将所有住院病人按住院费用进行排序，剔除极端值，滤过小于P1且大于P99

2、的病例数据处理住院费用正态分布检验 分析样本是否符合符合正态分布，如不符合，对样本进行整理，对数转化、数据拆分等方法使数据满足决策树分类要求。 （kolmogorov-smirnov对住院费用正态检测）DRGs分类操作DRGs分类操作数据处理预测变量量化处理（例如） 序号项目名称量化方法1性别l=男；2=女2年龄1=2015岁；2=21639岁；3=4055岁；4=56岁及以上3婚姻l=未婚；2=已婚4入院情况l=般；2=急症；3=危症5出院情况1=治愈；2=好转；3=死亡；4=其它6手术0=无手术：1=有手术7费用类别1=自费；2=当地医保；3=外地医保；4=其它8次要诊断0=无；1=有9抢

3、救0=无；1=有10护理0=无；1=有11住院天数(天)12住院总费用(元)13手术费(元)(元)DRGs分类操作数据分类分类方法选择 决策树（Decision Trees)是当前世界流行、使用频率最高的数据挖掘方法，决策树是解决分类问题比较常用的方法之一，是一种用来实现分类以及预测功能的建立模型的方法。 常见的决策树有卡方自动互动捡验法CHAID、Exhaustive CHAID、分类与回归树CART和QUEST等方法。CHAID可以有效处理连续变量，并且实现对树的自动剪枝，顾多选择此方法进行分类。数据分类CHAID简介DRGs分类操作构建决策树获取的多因素基础上构建决策树设置分类节点、决策

4、树停止条件最大分层、父节点最小样本数、子节点最小样本数、拆分合并的置信度设定。剪枝采取后剪枝方法：允许决策树充分生长然后修剪掉多余的树枝。被修剪的结点就成为一个叶结点，并将其标记为它所包含样本中类别个数最多的类别。数据分类确定CHAID决策树分类轴心住院费用和住院日都可以反映医疗资源消耗量，两者呈正相关关系。由于住院费用的变异程度小于住院日，因而选择住院费用作为分组轴心。DRGs分类操作数据分类确定CHAID决策树分组变量根据住院费用影响因素分析的结果结合文献知识，选择年龄分段、入院情况、护理、手术、手术、次要诊断、抢救、出院情况等变量作为分类的解释变量。数据分类设置决策树的生长规则采用方差分

5、析法作为节点分割算法；设置每个父节点只能被分割成n个子节点，即对每一个节点进行最优n分割；节点例数少于m时停止分割，分割后的叶节点最少有e例：树的最大高度为h；DRGs分类操作数据分类软件生成结果通过统计软件（SPSS）得出分组结果和各分组规则。数据分类确定各组住院费用 以各分类费用的中位数作为参考的标准费用，以各组费用的75分位数作为各类超标费用的阈值（也有文献将75分位数+1.5倍四分位间距作为阈值）。DRGs分类操作在制定DRGs分组及分组后实施过程中，需要不断地论证、试验，这就需要大量的人力参与到其中，涉及各部门、各专业DRGs实施准备工作病历组建强大的工作和研究团队需要设立领导小组和工作小组召集循证医学、统计学、经济学、社会学、管理学等专业人才 调动医务部、IT中心、各临床科室积极参与DRGs实施准备工作提高病历首页信息准确性和完整性 DRGs的核心思想是将具有相同特征的病例归为一类，其分类基础是患者的主要诊断，在此基础上再考虑年龄、手术与否、并发症及合并症等情况。因此，疾病诊断和编码不仅是制定DRGs的基础，也是决定患者支付DRGs组别的依据。DRGs实施准备工作制定医院诊疗规范，规范诊疗流程 实施DRGs付费必须依照临床诊疗规范。制定入、出院标准和必做项目