DRG支付+数据治理,是医院发展的标配!

2021
10/25

+
分享
评论
DRG变量
A-
A+
 丨校对:艾草 排版:suktang

“自从我深度参与到医院的数据和DRG支付项目后,最深的体会是新医改对医院信息数据质量要求比以往更高的要求。”艾登科技首席信息官张友书接受《DRG变量》采访时说到。

简介



艾登科技是一家医疗大数据公司,为超过200家医院提供了病历质控和DRG/DIP管理系统。在病历质控领域,艾登的产品、技术、服务等各方面是国内数一数二的。在病历质控的基础上,有了高质量数据后,艾登为医院提供了DRG/DIP管理协作平台,助力医院更好地适应DRG医保支付改革。
这主要体现在以下两点: 第一,以前的医保支付方式是以项目收费,DRG支付改革后,医保结算清单信息的准确性直接影响医院收入; 二,在“国考”开始后,其中有7项非常重要的指标是直接由病案首页统计得出的,病案首页的数据准确性可直接影响医院的排名。
由此,从这两点看出,在新医改浪潮中,医院信息数据质量变得非常重要,医院的数据质量将影响医院各方面发展,是未来医院的发展基建,也是标配。
重视医院数据质量,从现在开始! 那么医院如何开展数据治理? 10月22日上午,在广州智慧医院大会暨国际医院竞争力大会上,张友书还进行了题为《医疗信息流动过程中准确性的技术保障方案》的演讲。本文将截取部门内容,以期为医院管理者带来启发!
张友书在会上演讲

失之毫厘的数据差错  
导致医院谬以千里的收益  

前看来,医院的数据质量有很大的提升空间。 以2021年3月份,国家卫健委通报了2019年国考的情况,有2413家医院参加公立医院绩效考核,有290家存在较为明显的数据质量问题。
艾登科技服务的数百家医院里,在数据治理方面有做得很好的医院,也有极少数的医院因历史遗留问题,如部分医院的信息化建设水平较低,没有采用ICD-10临床版编码,所以在“国考”的时候就暴露出来了。
像这种问题,如果不通过AI技术自动编码+专家人工审核的方式,快速整理医院过去三年的数据,那么“国考”的结果一定会比较靠后。那AI技术如何帮助医院快速找到问题,并提出对应的解决方案呢?
沿着医院数据产生的路径看,具体如下:
从图中看出,医院的数据产生有门急诊、出院、住院、数据上报、运营管理,涵盖了临床医生、病案科、医务科、医保科、信息科、财务科、院长办公室。
纵观数据的产生的整个过程,患者出院后,最关键的环节是病案科和医保科,因为这两个科室填写和生成的数据,其准确性将直接影响病案首页和医保结算清单,编错一个编码,入错一个DRG组,后期医院与医保局结算时,获得的收益也将因毫厘之差,谬以千里。
汇总过往医院数据治理面临的突出问题,主要有以下三个问题:
第一,疾病和手术的编码标准不一致。 因为大部分医院信息化是分批次建设的,特别是中小医院的信息化建设,投入资源不够,导致各系统之间标准不统一。
第二,院内各系统数据不一致。 由于各系统单独建设时,关注重点是实现了科室的业务流程,忽略了跨系统的数据正确性。
第三是院内和院外的数据不一致。 即使院内数据治理做好了,比如病案科和医保科,找一家信息化而不是专注数据正确性的厂商,将数据上报给卫健委和医保局,在上报的过程当中,也容易出现信息的偏差,导致最后的医保结算和医院排名出问题。
譬如说,曾经有一家医院客户,第一次上报时,ICD编码的版本转换出现问题,导致最后医保局在DRG支付测算时,亏损了几千万。经过艾登科技的产品和服务,从数据质控和上报数据两方面进行调整后,实际结算时,医院仍略有盈余。
从这个案例看出,其实医院在整个诊疗和管理过程中是没有问题的,只因信息上报这个环节出现了数据的差错,导致整个医院的利益受到了非常大损害。
因此,数据治理需要保证与国家标准一致、院内各系统一致,院内外数据一致。当然,这些也可以通过技术帮助医院在短期内实现,达到立竿见影的效果!

落实三大技术方案  
助力医院数据治理立竿见影!  

 
张友书提到,艾登经过长期的积累和实践,总结了 三个技术方案 ,来保障医疗信息在流转过程中的准确性。
第一个技术方案是通过针对贯标的搜索引擎技术保障字段级别的数据标准性。 如门诊诊断名称和编码、住院的出入院诊断名称和编码,首页的疾病名称和编码。
第二个技术方案是通过针对数据源头的多端实时质控技术保障单系统数据正确性, 如病历文书、病案首页、医保结算清单。
第三个技术方案是通过诊断全流程的AI内涵质控技术保障跨系统的数据一致性, 如病历、医嘱、首页、清单、上报数据的一致性。
在三个技术保障方案落地的过程中,需要 解决三个关键技术难点
一是自然语言处理NLP。 艾登应用最新的深度学习技术对电子病历进行结构化信息提取,准确率高达95%。
通过NLP语义识别技术,64个维度进行实体和关系识别,能从超长病历文本中识别患者症状、病史、检查项目及结果、用药、手术、操作、治疗等情况,将自然语言文本转化为计算机可以推理计算的数据,有效正确还原患者状况和医生诊疗过程。
二是医疗知识图谱。 艾登基于本体和ICD-11,通过教科书和医学文献构建医疗知识图谱。
三是基于“规则+AI人工智能”的质控模型。 面对不同的应用场景,基于NLP和医学知识图谱,建立模型和推理计算规则去解决具体问题。其中,艾登科技与清华大学合作成立课题组,主攻医疗文本信息抽取技术难题
最后,将这关键技术和方案都集成到DRG/DIP协作管控平台,帮助医院提升各个环节数据的准确性,更好更快地适应DRG/DIP支付改革,成为未来医院发展的基建。

 -THE END- 

本文由“健康号”用户上传、授权发布,以上内容(含文字、图片、视频)不代表健康界立场。“健康号”系信息发布平台,仅提供信息存储服务,如有转载、侵权等任何问题,请联系健康界(jkh@hmkx.cn)处理。
关键词:
医保,数据,信息,技术,医院

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

推荐课程


社群

精彩视频

您的申请提交成功

确定 取消
剩余5
×

打赏金额

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!