[發明專利]疾病風險調整模型建立方法

有效

• 申請號: 201510357827.2
• 申請日: 2015-06-25
• 公開（公告）號: CN104992058B
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 楊思坦;李濤;陶金藍;陳霞
• 申請（專利權）人: 成都厚立信息技術有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 成都金英專利代理事務所(普通合伙)51218
• 代理人: 袁英

技術領域

本發明涉及一種疾病風險調整模型建立方法。

背景技術

近年來由于國內醫院IT技術的迅猛發展，已經初步地完成了病人和疾病的原始數據積累，然而苦于沒有方法學，不能夠將這些數據有效地提煉成為指導信息和醫院管理的決策依據，致使絕大部分數據只能儲存在醫院的數據倉庫中，浪費了資源。如果能夠充分地借鑒美國政府對醫院管理的成功模式和優秀的方法學，再加以本土化改良，不但能夠讓國內的醫療管理機構增加有效的監控途徑和手段，而且還能促使醫院加快從粗放向精細化管理模式轉型的步伐。

近來政府積極倡導和鼓勵傳統行業向“互聯網+”的轉型，充分利用數字科技提高醫院的醫療質量，營運效率和減少醫療資源浪費已經成為時代潮流，把握時機，借鑒先進經驗，建立標準模式，將會占有先發優勢，引領行業的改革浪潮。

臨床醫學的多學科和疾病的復雜性增加了數據深度分析和提純為管理決策支持依據的難度，與其他行業的數據相比較，醫療數據具有非疊加性(如財務數據)和非直接可比性(如數據大小)特點，由于每個醫院入院病人人群和疾病程度差異，通過直接采用死亡率、住院天數和成本等數據對病種、醫生、科室和醫院之間的績效比較評估是不合理的。譬如說由于接受大量轉院病人和收治病情更加嚴重的病人人群，四川華西醫院就不能夠直接同某個縣級醫院進行簡單的績效評估。

為了有效解決臨床數據不平的困境，醫院通常采用的評估模式之一有以資源使用為標準的疾病群組歸納方法，如各類DRG和DCG等，然后將治療中使用的醫療成本，經過分析，獲得疾病群組的案例復雜性指數(CMI)。通過醫療資源成本使用情況倒推出住院疾病群組的病情程度，從而實現醫院和科室在同一個體系內的評估。然而以CMI計算的方法在評價醫療質量、營運效率以及合理性用藥等方面有其先天性不足，首先這種模式并未考慮到疾病本身的特性和其他臨床相關性影響因素，不符合醫療規律；其次過度檢查和治療而導致的虛高成本治療本身也會增加模型不穩定性，從而導致判斷結果的偏差。

目前建立的統計模型以線性回歸模型為主，主要強調線性模型穩定、預測方差較小的特點，以及避免因為變量過多而帶來的過度擬合。疾病數據具有如下特點：

模型的獨立變量(independent variable)由兩種類型組成：離散變量：病人死亡率(也屬于二分變量)；連續變量：住院天數和住院成本。模型的預測變量(dependent variables)由病人的人口統計、出入院信息和疾病的合并發癥等數據組成，每個變量都是離散型變量，其中每個變量數值為1時代表出現該合并或者并發癥，0代表未出現癥狀。由于模型完全依靠病人的人口統計、出入院信息和疾病的合并發癥等數據來進行預測，能選擇的模型類型也相對局限于數據的簡單信息量，特別是局限于預測變量的離散特點，所以在預測連續性變量的時候模型方差應該會比較大，而更適合預測離散的結果或者對結果進行初步的分析。

發明內容

本發明的目的在于克服現有技術的不足，提供了一種新型的疾病風險調整模型建立方法，采用國際疾病合并發癥的集合標準，對同一相關疾病群組DRG中病人的人口統計信息、出入院情況、社會經濟狀況、疾病和有關健康問題的國際統計分類ICD診斷或手術編碼等進行群組集合，形成不同類別的變量，在同一DRG群組中，通過統計模型對病人死亡率、住院天數和醫療成本進行數值預測和分析。該風險調整模型創新的利用了病人入院的合并/并發癥和其他變量，采用了經典統計學中的檢驗和回歸方法，并結合近年來發展的LASSO方法進行建模，避免了因變量過多而產生的過度擬合，達到了對病人死亡率、住院周期和成本這些重要醫療信息的定量預測，從而為醫療分析和醫院管理創造了新的手段和途徑。

本發明的目的是通過以下技術方案來實現的：疾病風險調整模型建立方法，包括以下步驟：

S1.產生數據：采用國際疾病合并發癥的集合標準，對同一相關疾病群組DRG中病人的人口統計信息、出入院情況、社會經濟狀況、疾病和有關健康問題的國際統計分類ICD診斷或手術編碼等進行群組集合，形成不同類別的變量；

S2.數據處理：在同一DRG群組中，通過統計學算法對病人死亡率、住院天數和成本具有統計學顯著意義的合并發癥群和其他類別變量進行統計預處理；

S3.模型建立：進行統計學模型的建立，死亡率數據采用邏輯回歸模型，住院天數和成本數據采用多元線性回歸模型。建模中運用基于統計LASSO方法的變量選擇方法，并結合臨床經驗分析，然后得到選中的顯著性變量在模型中的系數，從而完成建模。

步驟S1中對同一相關疾病群組DRG中形成的變量具體為：