[發(fā)明專利]病例分組方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011233742.0
• 申請(qǐng)日: 2020-11-06
• 公開（公告）號(hào): CN112331285B
• 公開（公告）日: 2023-01-10
• 發(fā)明（設(shè)計(jì)）人: 張驍雅;舒正;尹珊珊;朱波;王凈;艾馨;羅嶼浪;傅兆翔;董子坤;田雅如;劉英杰;趙明;李璐璐
• 申請(qǐng)（專利權(quán)）人: 青島國(guó)新健康產(chǎn)業(yè)科技有限公司
• 主分類號(hào): G16H10/60
• 分類號(hào): G16H10/60
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王宇楊

1.一種病例分組方法，其特征在于，包括：

確定待分組病例的ADRG組，獲取第一ADRG組的數(shù)據(jù)；其中，所述第一ADRG組為待分組病例所在的ADRG組；

根據(jù)所述第一ADRG組的數(shù)據(jù)，計(jì)算所述待分組病例的ECC值；

確定所述待分組病例的費(fèi)用影響特征；其中，所述費(fèi)用影響特征為對(duì)待分組病例的醫(yī)療費(fèi)用的影響高于預(yù)設(shè)閾值的特征；

將待分組病例的ECC值和費(fèi)用影響特征輸入病例分組模型中，確定所述待分組病例所在的DRG組；其中，

所述病例分組模型是基于樣本病例的ECC值以及費(fèi)用影響特征訓(xùn)練得到的。

2.根據(jù)權(quán)利要求1所述的病例分組方法，其特征在于，所述病例分組模型是基于CART決策回歸樹模型訓(xùn)練得到的；其中，

所述病例分組模型包括多棵決策樹；所述多棵決策樹中的任意一棵決策樹各自與一個(gè)ADRG組相對(duì)應(yīng)；

相應(yīng)的，將待分組病例的ECC值和費(fèi)用影響特征輸入病例分組模型中，確定所述待分組病例所在的DRG組，包括：

將待分組病例的ECC值和費(fèi)用影響特征輸入與第一ADRG組對(duì)應(yīng)的決策樹，確定所述待分組病例所在的DRG組。

3.根據(jù)權(quán)利要求1所述的病例分組方法，其特征在于，所述根據(jù)所述第一ADRG組的數(shù)據(jù)，計(jì)算所述待分組病例的ECC值，包括：

計(jì)算所述待分組病例中的各個(gè)診斷的DCL值；

對(duì)所述待分組病例中的各個(gè)診斷按照DCL值從大到小進(jìn)行排序，按照排序結(jié)果計(jì)算所述待分組病例的ECC值；其中，

計(jì)算所述待分組病例的ECC值的公式為：

其中，ECCS是待分組病例的ECC值；DCL(x₁；A)≥DCL(x₂；A)≥…≥DCL(x_n；A)；R為預(yù)設(shè)的第一衰減系數(shù)，x_i為第i個(gè)診斷，A為ADRG標(biāo)識(shí)。

4.根據(jù)權(quán)利要求3所述的病例分組方法，其特征在于，所述計(jì)算所述待分組病例中的各個(gè)診斷的DCL值，包括：

計(jì)算第一診斷在包含有i個(gè)診斷的病例中的相對(duì)費(fèi)用，所述相對(duì)費(fèi)用為具有i個(gè)診斷并且包含第一診斷的所有病例的平均費(fèi)用與具有i-1個(gè)診斷的病例的平均費(fèi)用估計(jì)值的相對(duì)比例值；其中，所述第一診斷為所述待分組病例中的任意一個(gè)診斷，所述包含有i個(gè)診斷的病例為第一ADRG組中的病例；i為大于1的自然數(shù)；

根據(jù)第一診斷在包含有i個(gè)診斷的病例中的相對(duì)費(fèi)用，計(jì)算第一診斷的平均相對(duì)費(fèi)用；

根據(jù)所述第一診斷的平均相對(duì)費(fèi)用，計(jì)算第一診斷的DCL值。

5.根據(jù)權(quán)利要求4所述的病例分組方法，其特征在于，所述根據(jù)第一診斷在包含有i個(gè)診斷的病例中的相對(duì)費(fèi)用，計(jì)算第一診斷的平均相對(duì)費(fèi)用，包括：

檢測(cè)第一ADRG組中包含第一診斷的病例的數(shù)量，當(dāng)病例數(shù)量少于預(yù)先設(shè)置的閾值，從與所述第一診斷相近的診斷和/或與所述第一ADRG組相近的ADRG組中獲取新的病例以擴(kuò)展包含第一診斷的病例；

根據(jù)擴(kuò)展后的包含第一診斷的病例，計(jì)算第一診斷的平均相對(duì)費(fèi)用。

6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的病例分組方法，其特征在于，方法還包括：

確定樣本病例的ADRG組，獲取所述樣本病例的ADRG組數(shù)據(jù)；

基于所述樣本病例的ADRG組數(shù)據(jù)，得到所述樣本病例的ECC值；

確定所述樣本病例的費(fèi)用影響特征；

基于所述樣本病例的ECC值以及費(fèi)用影響特征，訓(xùn)練得到病例分組模型。

7.根據(jù)權(quán)利要求6所述的病例分組方法，其特征在于，所述基于所述樣本病例的ECC值以及費(fèi)用影響特征，訓(xùn)練得到病例分組模型，包括：

基于所述樣本病例的ECC值以及費(fèi)用影響特征，對(duì)CART決策回歸樹模型進(jìn)行訓(xùn)練，得到病例分組模型；其中，

所述病例分組模型包括多棵決策樹；所述多棵決策樹中的任意一棵決策樹各自與一個(gè)ADRG組相對(duì)應(yīng)。