目的利用疾病诊断相关分组(diagnosis related group,DRG)数据,分析大型公立医院重点科室病组结构及变化趋势,探究科室病组干预及优化重点,进而推动科室资源合理统筹。方法回顾性收集北京市某大型公立医院2个外科科室2017—2023年的DRG...目的利用疾病诊断相关分组(diagnosis related group,DRG)数据,分析大型公立医院重点科室病组结构及变化趋势,探究科室病组干预及优化重点,进而推动科室资源合理统筹。方法回顾性收集北京市某大型公立医院2个外科科室2017—2023年的DRG数据。在2个外科科室病例组合指数(case mix index,CMI)出现下降时,均及时采用绩效考核、科室宣教、院内公示等方式进行干预,观察CMI值变化,并分析其病组权重、时间消耗指数、费用消耗指数、低风险组死亡率等变化趋势。结果干预后,外科一权重较低的病组,如甲状腺大手术(KD1)收治比例明显降低,权重较高的病组,如结直肠恶性肿瘤手术(GB2)、胰腺恶性肿瘤手术(HB1)收治比例明显增加;外科二权重较低的病组,如化疗(RE1)收治比例明显降低,权重较高的病组,如肾、输尿管及膀胱恶性肿瘤的大手术(LA1)、肾上腺手术(KC1)、除恶性肿瘤大手术外的肾/输尿管/膀胱手术(LB1)、男性生殖器官恶性肿瘤手术(MA1)收治比例明显增加,2个科室均实现了CMI值上升的目标。从效率、费用、质量指标看,2个科室的时间消耗指数与费用消耗指数均显著低于1,低风险组死亡率均为0。结论大型公立医院立足实际、结合发展目标,通过合理干预,可实现CMI值提升与病组结构优化,提高医疗效率和资源合理利用。展开更多
考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic prefere...考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic preference relation,HFLPR)的排序权重向量;其次,将一致性指数最小的语言偏好关系对应的排序权重向量作为HFLPR的序权重向量;随后,基于一致性调整算法建立了一种收敛的犹豫模糊语言群决策模型。该模型既没有改变原始犹豫模糊语言术语集,又可以尽可能地避免信息的损失;最后,将建立的模型应用于推荐系统的优选过程。实验表明,构建的群决策算法更合理有效。展开更多
文摘目的利用疾病诊断相关分组(diagnosis related group,DRG)数据,分析大型公立医院重点科室病组结构及变化趋势,探究科室病组干预及优化重点,进而推动科室资源合理统筹。方法回顾性收集北京市某大型公立医院2个外科科室2017—2023年的DRG数据。在2个外科科室病例组合指数(case mix index,CMI)出现下降时,均及时采用绩效考核、科室宣教、院内公示等方式进行干预,观察CMI值变化,并分析其病组权重、时间消耗指数、费用消耗指数、低风险组死亡率等变化趋势。结果干预后,外科一权重较低的病组,如甲状腺大手术(KD1)收治比例明显降低,权重较高的病组,如结直肠恶性肿瘤手术(GB2)、胰腺恶性肿瘤手术(HB1)收治比例明显增加;外科二权重较低的病组,如化疗(RE1)收治比例明显降低,权重较高的病组,如肾、输尿管及膀胱恶性肿瘤的大手术(LA1)、肾上腺手术(KC1)、除恶性肿瘤大手术外的肾/输尿管/膀胱手术(LB1)、男性生殖器官恶性肿瘤手术(MA1)收治比例明显增加,2个科室均实现了CMI值上升的目标。从效率、费用、质量指标看,2个科室的时间消耗指数与费用消耗指数均显著低于1,低风险组死亡率均为0。结论大型公立医院立足实际、结合发展目标,通过合理干预,可实现CMI值提升与病组结构优化,提高医疗效率和资源合理利用。
文摘考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic preference relation,HFLPR)的排序权重向量;其次,将一致性指数最小的语言偏好关系对应的排序权重向量作为HFLPR的序权重向量;随后,基于一致性调整算法建立了一种收敛的犹豫模糊语言群决策模型。该模型既没有改变原始犹豫模糊语言术语集,又可以尽可能地避免信息的损失;最后,将建立的模型应用于推荐系统的优选过程。实验表明,构建的群决策算法更合理有效。