基于大数据的医院DRGs信息化管理模式研究

陈晓铖

广东省中山市人民医院信息科，广东中山 528403

基于大数据的医院DRGs信息化管理模式研究

陈晓铖

广东省中山市人民医院信息科，广东中山 528403

经过多年的研究和探索应用，DRGs信息管理系统试运行已经积累了海量的数据资源，传统的人工分析方法已经无法满足需求，亟需引入BP神经网络、支持向量机、K均值算法等，利用大数据分析技术构建一个良好的管理系统，实现信息的再加工和利用，具有重要的作用和意义。该文重点描述大数据在DRGs试运行中的应用情况，同时分析了K均值、BP神经网络、支持向量机等大数据技术的应用特点和发展趋势，为DRGs试运行的普及使用和效率改进体用支撑。

大数据；DRGs；数据挖掘；BP神经网络

随着“互联网+”技术的发展和改进，“互联网+医疗”已经成为当前科研机构、政企单位、医院研究应用的热点，利用计算机技术开发HIS医院信息系统，包括LIS（实验室信息系统或检验信息系统、PACS（医学影像存档和通信系统）、EMR（电子病历系统）、CIS（临床信息系统）、NIS（监护信息系统）等，大大地提高了医院的信息化、智能化和自动化水平，更好地满足医疗诊断服务。DRGs是一个综合考虑患者疾病严重程度、复杂性，同时结合医疗需求和医疗资源的使用强度，设计和开发的以患者为中心的病历组合系统，该系统一经投入使用，便能得到了迅速的普及，可以有效地为卫生管理部门评价医疗机构的服务绩效提供支撑，同时也可以为医疗保险部门根据分组划分结果进行医疗费用管理[1]。

DRGs运行需要引入海量的数据，传统的人工、半人工分组模式已经无法满足需求，因此利用大数据技术，可以取代传统的人工或半人工分析模式，利用大数据挖掘分析技术，从大数据中挖掘潜在的、有价值的信息，形成一个个的信息类，信息类之间具有较大的相异性，信息类内部具有较高的同质性，因此可以利用信息类进行分类操作，提供一个合理的知识解释和决策信息[2]。但是，大数据时代，数据量呈现出指数级上升特点，同时数据的评价维度也逐渐丰富，如何提高大数据挖掘结果的准确性和价值性，已经成为许多人的研究热点。该文重点描述大数据在DRGs试运行中的应用情况，同时分析了K均值、BP神经网络、支持向量机等大数据技术的应用特点和发展趋势，为DRGs试运行的普及使用和效率改进体用支撑[3]。

1 DRGs信息化管理实践分析

疾病诊断相关分组（Diagnosis Related Groups，简称DRGs）是上个世纪70年代美国学者研发的一种先进的、科学的病例组合系统，该系统能够以出院患者的病历为基本依据，综合考虑患者的诊断模式、治疗方式，结合患者的个体特征进行分组，个体特征可以包括并发症、伴随病、年龄、性别等，同时结合患者疾病的复杂程度、诊断治疗的费用划分病例分组，是一个真正以患者为中心、精细化管理的工具[4]。2015年，广东省成立DRGs管理中心，近年来经过省卫生计生委的领导下，DRGs管理中心开始研究、实施、应用和管理工作，逐渐探索出一条适合广东医院实施的DRGs，促进医院从管理随意化向规范化、粗放经营向精细化管理转变。开展DRG付费改革是促进公立医院运行机制改革，破除以药养医的有效手段，是建立分级诊疗制度的有效途径，通过医保打包付费，将药品和耗材等转化为医疗机构的成本要素，这种激励机制的转变，有利于调动医疗机构主动的调整结构和机制，充分调动医务人员主动有效地降低医疗成本、提高医疗效率和提升服务质量的积极性。

①管理随意化向规范化转变。随意化管理是在机构的初创期所采取的一种管理方式，一般缺乏规则意识和制度约束，无法支撑机构的正常发展和壮大。机构想要继续发展，必须是管理走上规范化、制度化道路。DRGs试运行之后，能有效规范医院管理模式，由经验型、随意化向科学化、正规化、制度化管理模式转变，顺应时代的发展潮流。

②由粗放型经营向精细化管理发展。医疗机构开展过程中，由于医疗科室很多，各个科室均有自己的业务，因此长期粗放型经营模式已经无法满足需求，仅仅靠投资、需求拉动增长无法提升医疗服务水平，许多医疗结构领导过于务虚，管理流程流于形式。DRGs试运行强调管理的数据化、精确化，管理流程得到了持续优化和改进，实现了以人为核心的医疗诊断服务模式，提升了医院的持续创新精神[5]。

2 大数据在DRGs信息化管理中的应用

DRGs信息化管理试运行期间已经积累了海量的数据资源，从病历信息中可以提取药物使用、诊断模式、患者个人信息等，这些数据为提高医疗诊断服务水平具有重要的作用，但是海量的数据搜索工作非常耗费人力，不能够匹配最优化的分组，因此，大数据分析技术诞生之后，可以利用BP神经网络、支持向量机、K均值等数据挖掘技术，从DRGs信息化管理试运行积累的海量数据中寻找有价值的信息，从而可以更好的调整和改进工作水平。大数据在DRGs信息化管理中地应用如图1所示。

①BP神经网络。BP神经网络又被称为连接机模型，模仿人的大脑神经系统活动的规律建立起来的计算模式，是对众多需要处理的单元进行互联形成的网络系统。BP神经网络在运行时可以将DRGs信息划分为多层层次，每一个层次都需要进行计算，计算过程中可以针对不同的特征映射进行操作完成，每一个特征操作映射都采用二维平面的形式存在，这些平面中拥有很多的神经元，这些神经元都可以在约束情况下完成权值集合操作。卷积神经网络在卷积层完成相关的信息计算服务处理之后，系统可以实现一个强大的局部平均操作处理，这样就可以实现信息处理和加工操作，经过多层次的平移变换操作，可以产生相关的敏感度，这些敏感度正在逐渐下降，可以更好地进行子抽样操作服务。

②支持向量机。支持向量机是一种性能强大的数据分析技术，其可以解决样本数量较少、非线性或高维模式数据分析的问题，比如推广到函数拟合的其他类型数据分析问题中，可以更好地分析数据、识别模式，用于分类和回归分析。支持向量机作为一种先进的数据挖掘技术，在DRGs分组中也存在严重的精确度较低问题，因此可以引入自适应共振理论，进一步利用数据中蕴含的有价值信息，将这些信息进行分类和挖掘，从而可以从不同的角度进行分类和操作。

图1 基于大数据的DRGs算法运行流程图

③K均值。K均值（K-means）算法是一种基于距离的聚类算法，其可以把DRGs中的患者对象数据之间相似程度作为度量指标，采用无监督学习模式，通常两个患者对象数据的距离越近，这两个数据对象的相似性就会越高，不需要指定数据的类别标签就可以获取内部结构，将数据汇聚在一起，实现数据解释。

3 结语

DRGs作为一种疾病诊断相关分组管理模式，其需要根据历年患者的信息，按照某种规则或需求划分患者到组中。DRGs分组划分过程中，由于数据量非常大，传统管理模式无法满足需求，该文探讨了在DRGs分组中引入BP神经网络、K均值和支持向量机，可以大幅度提升分组的准确度，具有重要的作用和意义。

[1]李婧,胡光宇.DRGs在医院精细化管理中的应用[J].中国管理信息化,2016,19(14):72-73.

[2]简伟研,胡牧.基于诊断相关组(DRGs)付费的工作模式和运作机制[J].中华医院管理杂志,2015,31(11):812-816.

[3]刘会勋,刘超然.大数据时代的医院信息化建设研究[J].中医药管理杂志,2015(5):56-58.

[4]王鹏,陈仲强,胡牧.基于DRGs制定平均住院日指标的方法[J].中国医院,2009,13(5):23-27.

[5]王鹏,金昌晓,胡牧.诊断相关组促进医院管理[J].中国社会保障,2016,12(10):41-43.

Research on Hospital DRGs Information Management Model Based on Big Data

CHEN Xiao-cheng
Department of Information,Zhongshan People’s Hospital of Guangdong Province,Zhongshan,Guangdong Province,528403 China

With the advancement of medical reform and the development of hospital information,the introduction of DRGs management model for the general trend of the hospital,this model can achieve a more standardized,scientific and refined hospital.After many years of research and exploration and application,DRGs information management system has accumulated a large amount of data resources,the traditional manual analysis method has been unable to meet the needs of the urgent demand for introduction of BP neural network,supporting vector machine,K-means algorithm.Building a good management system to achieve the re-processing and use of information by data analysis technology has an important value and function.

Big data;DRGs;Data mining;BP neural network

R197

A

1672-5654（2017）09（b）-0051-02

2017-06-18）

10.16659/j.cnki.1672-5654.2017.26.051

陈晓铖（1976-），男，广东中山人，硕士，高级工程师，主要从事信息化建设管理工作。