基于病种付费大数据下ICD编码智能质控系统的开发与应用

随着我国人口老龄化趋势进一步加剧,居民过快增长的医疗费用为医保基金带来了巨大压力。为减轻医保压力,国家推行按病种进行医保支付的方法。病种付费制是以病案首页中主要诊断(ICD-10)编码及手术与操作诊断(ICD-9-CM-3)编码为分值计算依据,在总额预算内根据病种的次均费用确定分值,继而进行结算医疗费用。诊疗信息的ICD编码是病种分组的关键依据,编码质量会对各医院的医保费用造成直接影响。该研究将信息处理技术与医院病案管理相结合,探索一种人工智能审核质控新模式,以期待可智能发现病案首页ICD编码错误,并提示编码质控人员及时修改,最终达到提高编码准确率的目的。经实践,该人工智能质控系统可有效提高编码正确率及病案编码人员工作效率,增加医院病史科、质控科的有效人力,有效减少因编码错误而导致的医保损失。

2009年-2018年中山市某院神经内科住院患者疾病谱分析

目的分析近10年中山市某院神经内科住院患者疾病谱的变化趋势,为临床防治提供科学依据。方法回顾性收集2009年-2018年中山市某院神经内科住院患者25850例病例资料,分析神经内科病人发展趋势,疾病构成的顺位变化,性别和年龄的分布。结果某院神经内科脑梗死疾病一直居前位,从2011年开始就一直位居第一位,且男性比女性多,年龄主要集中在40岁以上的人群。结论40岁以上是脑血管疾病的高发年龄,普及脑血管疾病的防治知识,控制脑血管疾病的相关风险要素,提倡健康的生活方式,定期进行身体检查,是防治脑血管疾病的关键。

其他医疗机构转入填写存在问题及改进措施

目的通过对入院途径中的其他医疗机构转入情况进行深入分析,从中发现医院管理存在的问题,采取有效措施进行改进,真实反映出我院承担接诊下级医疗机构患者的能力。方法调取2017年上半年入院途径数据,分析造成其他医疗机构转入占比不高的原因,对实施有效措施前后数据进行统计分析。结果实施改进措施后其他医疗机构转入人次上升明显,差异有统计学意义(P<0.05),其中17个科室其他医疗机构转入人次有明显提升,差异有统计学意义(P<0.05);实施改进措施后质控力度明显增大,差异有统计学意义(P<0.05)。结论统计分析其他医疗机构转入占比指标,对存在的问题进行有效改进,加强了医院质量管理的同时提高了首页数据内涵质量,充分体现我院承担接诊下级医疗机构患者的能力。

集束化护理对高血压脑出血术后患者运动功能及并发症的影响研究

目的探讨集束化护理对高血压脑出血术后患者运动功能及并发症的影响.方法 62例高血压脑出血患者,均行小骨窗开颅血肿清除术,利用随机分组软件分为对照组与观察组,各31例.对照组实施常规护理,观察组在对照组基础上实施集束化护理.比较两组护理前后Fugl-Meyer评分、血压水平以及并发症发生情况.结果护理前,两组患者Fugl-Meyer评分比较,差异无统计学意义(P>0.05);护理后,两组患者Fugl-Meyer评分均高于护理前,且观察组患者Fugl-Meyer评分(92.57±4.12)分高于对照组的(80.46±4.35)分,差异具有统计学意义(P<0.05).护理前,对照组收缩压、舒张压分别为(185.24±2.51)、(122.55±0.78)mm Hg(1 mm Hg=0.133 kPa),观察组收缩压、舒张压分别为(186.14±2.27)、(114.24±2.67)mm Hg,比较差异无统计学意义(P>0.05).护理后,对照组收缩压、舒张压分别为(168.42±1.28)、(101.87±4.25)mm Hg,观察组收缩压、舒张压分别为(146.28±1.32)、(90.29±3.52)mm Hg;两组收缩压、舒张压均低于护理前,且观察组收缩压、舒张压均明显低于对照组,差异具有统计学意义(P<0.05).观察组并发症发生率12.90%显著低于对照组的38.71%,差异有统计学意义(P<0.05).结论对高血压脑出血术后患者行集束化护理干预,可改善患者运动功能,降低并发症发生率,具有一定的参考价值.

ICD编码人工智能审核质控模式的设计与效果研究

目的设计ICD编码人工智能审核质控模式并进行效果评价,以提高编码准确率。方法抽取经考核合格的质控人员按照《住院病案首页数据填写质量规范(暂行)》(围卫办医发[2016]24号)和《某院住院病案首页填写和质控规则》,对抽取的人工智能审核模块上线前2021年2月1日-2021年10月31日住院病案首页27359份,上线后2022月1日-2022年10月31日住院病案首页60239份编码质量逐份进行质控,对主要诊断及编码漏编、错编、选错等情况进行记录。结果系统上线后医师填写正确率高于系统上线前(χ^(2)=390.596,P<0.05),医师填写各项错误原因错误率明显下降(手术/操作漏填χ^(2)=147.13,P<0.05、漏诊断χ^(2)=6.50,P<0.05、主要诊断选择错误χ^(2)=5.76,P<0.05、诊断填写错误χ^(2)=3.88,P<0.05、手术/操作选择错误χ^(2)=13.08,P<0.05、多填诊断χ^(2)=25.16,P<0.05);编码员编码正确率高于系统上线前(χ^(2)=546.384,P<0.05);编码员各项错误类型错误率明显下降(主诊编码错误χ^(2)=571.922,P<0.05、手术/操作编码错误χ^(2)=36.1,P<0.05、漏编手术/操作码χ^(2)=4.18,P<0.05、漏编码χ^(2)=36.05,P<0.05、疾病与编码不符χ^(2)=74.05,P<0.05、未合并编码χ^(2)=101.78,P<0.05)。结论人工智能ICD编码审核质控模式的实施可实现ICD编码全面实时质控,编码完整性、合理性、正确性获得大大提升,可显著提高编码质控效率和质量。