背景疾病诊断相关组(diagnosis related groups,DRGs)作为一种新的医疗支付方式,不仅综合考虑了疾病复杂性及严重度,还考虑了医疗需要及资源使用强度。目的探讨DRGs数据分析在医院绩效评估中的应用效果。方法导入北京市某三甲综合医院(...背景疾病诊断相关组(diagnosis related groups,DRGs)作为一种新的医疗支付方式,不仅综合考虑了疾病复杂性及严重度,还考虑了医疗需要及资源使用强度。目的探讨DRGs数据分析在医院绩效评估中的应用效果。方法导入北京市某三甲综合医院(以下简称某院)2015年(模拟DRGs付费第1年)出院的医保病例,共计123591例。以住院医疗服务能力和专科能力建设为测算核心,选取DRGs组数、病例组合指数、费用消耗指数、时间消耗指数、低风险和中低风险死亡率为测算指标。选取北京市同等级同类别的三甲医院为标杆医院,标杆医院2015年同时期出院的医保病例10000例为标杆数据。通过对某院各专业与标杆医院相对应专业的比较,了解某院各专业医疗服务现状、资源使用和质量安全情况。结果2015年某院医保患者出院病例123591例,其中入组113402例,未入组10189例,入组率91.7%。某院涉及DRGs组数751组,标杆医院DRGs组数639组;某院病例组合指数(case mix index,CMI)为1.21,标杆医院1.34;某院费用消耗指数1.40,标杆医院1.20;某院时间消耗指数0.98,标杆医院0.84;某院低风险死亡率0.01%,标杆医院0;某院中低风险死亡率0.10%,标杆医院0.09%。与标杆医院比较,某院DRG组数较多,CMI较低,费用消耗和时间消耗指数较高,低风险和中低风险死亡率略高。结论与标杆医院DRGs数据比较,某院疾病诊疗广度较高,医疗技术难度较低,绝大多数病组费用偏高,但平均住院日控制较好,医院可以在基本绩效政策不动摇的前提下,较好地运用DRGs方法进行测算评估,为医院工作提供借鉴和思路。展开更多
通过对美国疾病诊断相关组法(Diagnosis Related Groups,DRGs)护理支付方式和我国护理支付方式的分析与评价,指出2种护理支付方式各自存在的不足,结合美国DRGs护理支付方式对我国的启示,提出应加强临床护理路径研究和护理成本核算研究,...通过对美国疾病诊断相关组法(Diagnosis Related Groups,DRGs)护理支付方式和我国护理支付方式的分析与评价,指出2种护理支付方式各自存在的不足,结合美国DRGs护理支付方式对我国的启示,提出应加强临床护理路径研究和护理成本核算研究,从护理角度为按病种收费做好准备,从而建立具有我国特色、体现护理服务价值的DRGs系统。展开更多
疾病诊断相关分组(Diagnosis related groups,DRGs)是一种病例组合方式,根据疾病的严重程度和复杂性及医疗需要和医疗资源消耗量来进行科学评价。DRGs入组数是医疗服务能力与质量安全监测数据,对国家医疗质量管理控制网(NCIS)、医院质...疾病诊断相关分组(Diagnosis related groups,DRGs)是一种病例组合方式,根据疾病的严重程度和复杂性及医疗需要和医疗资源消耗量来进行科学评价。DRGs入组数是医疗服务能力与质量安全监测数据,对国家医疗质量管理控制网(NCIS)、医院质量检测系统(Hospital quality monitoring system,HQMS)、三级医院评审标准及三级公立医院绩效考核至关重要。DRGs入组错误的病例主要有两种:一种被标记为“MDC0”,一种被标记为“QY”。QY病例即歧义病例,指的是主要诊断与主要手术不相符的病例,在根据病例的“主要诊断”和“主要手术操作”判断进入哪个核心疾病诊断相关组(Adjacent diagnosis related groups,ADRG)时出现了问题[1]。若医院的QY病例占比过高,会影响DRGs入组数,从而影响各项卫生统计数据的结果。为了探讨入组错误产生的原因及应对方法,本研究收集我院2019年全部入组异常的病例,针对QY病例进行特异性分析。展开更多
目的通过分析我国疾病诊断相关组(disease diagnosis related groups,DRGs)研究领域的相关文献,梳理其在我国的研究特点和演化路径,为DRGs在我国的应用提供参考。方法选取中国知网(CNKI)为数据库,检索发文时间为建库至2021年我国DRGs领...目的通过分析我国疾病诊断相关组(disease diagnosis related groups,DRGs)研究领域的相关文献,梳理其在我国的研究特点和演化路径,为DRGs在我国的应用提供参考。方法选取中国知网(CNKI)为数据库,检索发文时间为建库至2021年我国DRGs领域的相关文献,运用CiteSpace软件对纳入文献的作者、机构和关键词等进行知识图谱可视化分析。结果纳入有效文献2527篇,研究作者以高校和医院为主要依托,关键词频次前3位为疾病诊断相关分组、住院费用和绩效评价,突现词强度前3位为病例组合、绩效评价和临床路径。结论需要加强研究团队之间的学术交流,我国DRGs领域的研究可以归纳为病例组合本土化、医保付费管理、病案首页规范化和医疗服务绩效评价四个主题,医保支付和绩效评价将是未来我国DRGs研究的前沿热点。展开更多
文摘背景疾病诊断相关组(diagnosis related groups,DRGs)作为一种新的医疗支付方式,不仅综合考虑了疾病复杂性及严重度,还考虑了医疗需要及资源使用强度。目的探讨DRGs数据分析在医院绩效评估中的应用效果。方法导入北京市某三甲综合医院(以下简称某院)2015年(模拟DRGs付费第1年)出院的医保病例,共计123591例。以住院医疗服务能力和专科能力建设为测算核心,选取DRGs组数、病例组合指数、费用消耗指数、时间消耗指数、低风险和中低风险死亡率为测算指标。选取北京市同等级同类别的三甲医院为标杆医院,标杆医院2015年同时期出院的医保病例10000例为标杆数据。通过对某院各专业与标杆医院相对应专业的比较,了解某院各专业医疗服务现状、资源使用和质量安全情况。结果2015年某院医保患者出院病例123591例,其中入组113402例,未入组10189例,入组率91.7%。某院涉及DRGs组数751组,标杆医院DRGs组数639组;某院病例组合指数(case mix index,CMI)为1.21,标杆医院1.34;某院费用消耗指数1.40,标杆医院1.20;某院时间消耗指数0.98,标杆医院0.84;某院低风险死亡率0.01%,标杆医院0;某院中低风险死亡率0.10%,标杆医院0.09%。与标杆医院比较,某院DRG组数较多,CMI较低,费用消耗和时间消耗指数较高,低风险和中低风险死亡率略高。结论与标杆医院DRGs数据比较,某院疾病诊疗广度较高,医疗技术难度较低,绝大多数病组费用偏高,但平均住院日控制较好,医院可以在基本绩效政策不动摇的前提下,较好地运用DRGs方法进行测算评估,为医院工作提供借鉴和思路。
文摘通过对美国疾病诊断相关组法(Diagnosis Related Groups,DRGs)护理支付方式和我国护理支付方式的分析与评价,指出2种护理支付方式各自存在的不足,结合美国DRGs护理支付方式对我国的启示,提出应加强临床护理路径研究和护理成本核算研究,从护理角度为按病种收费做好准备,从而建立具有我国特色、体现护理服务价值的DRGs系统。
文摘疾病诊断相关分组(Diagnosis related groups,DRGs)是一种病例组合方式,根据疾病的严重程度和复杂性及医疗需要和医疗资源消耗量来进行科学评价。DRGs入组数是医疗服务能力与质量安全监测数据,对国家医疗质量管理控制网(NCIS)、医院质量检测系统(Hospital quality monitoring system,HQMS)、三级医院评审标准及三级公立医院绩效考核至关重要。DRGs入组错误的病例主要有两种:一种被标记为“MDC0”,一种被标记为“QY”。QY病例即歧义病例,指的是主要诊断与主要手术不相符的病例,在根据病例的“主要诊断”和“主要手术操作”判断进入哪个核心疾病诊断相关组(Adjacent diagnosis related groups,ADRG)时出现了问题[1]。若医院的QY病例占比过高,会影响DRGs入组数,从而影响各项卫生统计数据的结果。为了探讨入组错误产生的原因及应对方法,本研究收集我院2019年全部入组异常的病例,针对QY病例进行特异性分析。
文摘目的通过分析我国疾病诊断相关组(disease diagnosis related groups,DRGs)研究领域的相关文献,梳理其在我国的研究特点和演化路径,为DRGs在我国的应用提供参考。方法选取中国知网(CNKI)为数据库,检索发文时间为建库至2021年我国DRGs领域的相关文献,运用CiteSpace软件对纳入文献的作者、机构和关键词等进行知识图谱可视化分析。结果纳入有效文献2527篇,研究作者以高校和医院为主要依托,关键词频次前3位为疾病诊断相关分组、住院费用和绩效评价,突现词强度前3位为病例组合、绩效评价和临床路径。结论需要加强研究团队之间的学术交流,我国DRGs领域的研究可以归纳为病例组合本土化、医保付费管理、病案首页规范化和医疗服务绩效评价四个主题,医保支付和绩效评价将是未来我国DRGs研究的前沿热点。