为建设医院运营管理系统,提高医院数据利用效率和医院管理水平。首先,建设数据仓库(Hospital Data Repository,HDR),利用标准模型和交互平台建设实现全面的数据集成;其次,围绕运营管理主题对业务目标进行数字化,实现全过程的监测与可视...为建设医院运营管理系统,提高医院数据利用效率和医院管理水平。首先,建设数据仓库(Hospital Data Repository,HDR),利用标准模型和交互平台建设实现全面的数据集成;其次,围绕运营管理主题对业务目标进行数字化,实现全过程的监测与可视化;最后,使用HDR模型数据进行智能化分析,运用结果指导优化医院业务流程,实现了全院运营数据的全面集成,系统上线后运营效率和质量均有较大提升。建设基于数据驱动的医院运营管理系统后,全院数据流结构清晰且便于升级改造,通过数据实际驱动了员工运营管理意识的提升,具有良好的应用价值。展开更多
针对预测医院患者疾病诊断相关分组(Diagnosis Related Groups,DRG)的问题,提出运用机器学习方法来预测分组结果。首先,收集实际分组数据,集成医院信息系统数据形成数据集,并对数据进行预处理;其次,搭建基于机器学习的基础模型;最后,使...针对预测医院患者疾病诊断相关分组(Diagnosis Related Groups,DRG)的问题,提出运用机器学习方法来预测分组结果。首先,收集实际分组数据,集成医院信息系统数据形成数据集,并对数据进行预处理;其次,搭建基于机器学习的基础模型;最后,使用总精度对模型进行评价,并给出影响预测精度的各特征参数的重要性。预测结果表明,随机森林算法对DRG分组有更好的效果,主手术编码和主诊断编码对模型预测精度影响最大。展开更多
文摘为建设医院运营管理系统,提高医院数据利用效率和医院管理水平。首先,建设数据仓库(Hospital Data Repository,HDR),利用标准模型和交互平台建设实现全面的数据集成;其次,围绕运营管理主题对业务目标进行数字化,实现全过程的监测与可视化;最后,使用HDR模型数据进行智能化分析,运用结果指导优化医院业务流程,实现了全院运营数据的全面集成,系统上线后运营效率和质量均有较大提升。建设基于数据驱动的医院运营管理系统后,全院数据流结构清晰且便于升级改造,通过数据实际驱动了员工运营管理意识的提升,具有良好的应用价值。
文摘针对预测医院患者疾病诊断相关分组(Diagnosis Related Groups,DRG)的问题,提出运用机器学习方法来预测分组结果。首先,收集实际分组数据,集成医院信息系统数据形成数据集,并对数据进行预处理;其次,搭建基于机器学习的基础模型;最后,使用总精度对模型进行评价,并给出影响预测精度的各特征参数的重要性。预测结果表明,随机森林算法对DRG分组有更好的效果,主手术编码和主诊断编码对模型预测精度影响最大。