基于DRG+大数据的医院精细化运营管理研究

许椿榕

（福建省南平市医疗保障基金管理中心，福建 南平 353004）

0 引言

疾病诊断相关分组（Diagnosis Related Groups，DRG）是现代化医疗体制建设背景下，用于评估或衡量医疗水平、医院服务质量、诊疗效率、医疗费用的主要工具，可以将其在使用中的本质作为一个医院诊疗病理分类方案，也是医院在进行患者信息管理时，根据患者的年龄、性别、疾病、并发症、病症严重程度以及选择的诊疗方式等情况，将患者划分到不同诊断组别进行综合管理的大型体系。随着我国医疗体制的改革，基于DRG+大数据进行医院运营精细化管理已成为医院未来发展的必然趋势。相比医疗机构中其他辅助性工具的应用，DRG+大数据具有更强的可比性与分析性，可以用于推进住院诊疗服务与支付方式变革［1］。但是，目前医院病案的首页指标体系尚未建立和完善，传统的数据获取与数据处理分析手段难以有效进行信息的处理与延伸，导致DRG+无法在有关科室实现有效应用，也无法得到更多真实数据的支持。为了解决此方面的问题，本文将DRG+与大数据技术进行融合，通过对数据进行结构化处理，设计一个全新的医院精细化运营管理模式，以此种方式进行DRG+指标的拓展，并借助大数据的思维与方法，突破传统思维模式，从而实现DRG+在医疗产业内的广泛化应用与大规模推广。

1 基于DRG+大数据的医院精细化运营管理模式设计

1.1 建立基于DRG+大数据的医院运营管理架构

为了实现医院运营的规范化管理，本文在研究中引进DRG+大数据技术，进行医院运营管理架构的设计［2］。为了确保医院诊疗病理规划的科学性与规范性，应在开发运营管理架构前获取DRG 源头数据，对应的源头数据分别来自医院信息系统（Hospital Information System，HIS）、医院操作实验室信息系统（Laboratory Information Management System，LIS）、计算机化病历系统（Electronic Medical Record，EMR）、远程安装服务（Remote Installation Service，RIS）系统、超声数据、内镜数据、随访数据以及病理数据等。考虑到数据量与数据规模较大，需要在完成对源头数据的获取后，使用大数据技术开展数据的脱敏处理、后结构化处理与验证工作，以此种方式确保在DRG+大数据的支撑下，数据的可视化与后续使用的可行性。基于DRG+大数据的医院运营管理架构如图1 所示。

图1 基于DRG+大数据的医院运营管理架构

本文按照图1 所示的内容进行医院运营管理架构的设计与开发。设计过程中，将主流大数据技术作为支撑，参照HadoopV8.0 技术框架，利用此框架中的分布式文件系统（Hadoop Distributed File System，HDFS）技术与MapReduce 技术，进行医院运营管理架构的填充。其中，前者主要用于前端海量信息数据的填充，后者主要用于支撑数据决策、数据计算、运营管理工作分布式计算。此种方式可以解决传统运营管理架构在数据存储应用中的弊端，实现医院病例数据的高效查询。

为了确保开发的架构在运行中具有稳定性与安全性，本文在完成基础架构的设计与开发后，参照计算机安全等级划分标准，将大数据技术作为辅助技术，进行架构开放性端口安全性的检测与分析［3］。根据不同端用户身份的权限，为其分配数据与资源的处理权限，确保存储在大数据引擎中的病历数据具有较高的安全性。

1.2 基于医院病案首页数据的医院运营绩效评价

完成上述工作后，通过对医院病案首页数据的填充，再对医院运营管理的绩效进行集中评价。在此过程中，需要在医院内构建一个全过程信息化管理架构，通过对院内不同科室进行层级化管理，实现DRG在精细化运营管理全过程中的规范化应用［4］。在进行医院运营绩效评价时，需要根据给定的特定条件，对DRG分组进行模拟，并进行红卡与黄卡的管理预警，摘录不符合要求的项目，对医院病案首页数据进行填充。同时，借助大数据技术，进行多源端获取信息的同步集成与传输，通过对数据的动态审计、定价，辅助相关科室对诊疗记录进行动态化编码。

为了实现对基础数据的夯实与填充，需要从加强病例首页信息质量控制、首页信息填写标准的针对性培训、强化单位内部编码员队伍建设3 个方面入手。以此种方式，实现对医院病案首页数据的完善［5］。在完成基础数据的填充后，将其作为市场运营定价动态化调整的依托，再根据调整后单位在市场内的支出与运营收益比值，掌握运营管理的可行性与绩效指标的准确性。当存在二者比值过低的问题时，可以通过签订临床协议的方式，确保资源与信息在医院内部的畅通性传输，从而实现医院运营绩效的合理化评价，在大数据技术的支持下，增强医院运营管理工作实施的可行性。

1.3 基于DRG-PPS 的医疗费用监督管理

PPS 是Prospective Payment System 的英文缩写，即预付费。疾病诊断相关组-预付费就是DRG-PPS，是指在预付费条件下，不同疾病诊断的支付标准。将其作为依据，可实现医院医疗费用信息规范化的监督管理，在此过程中，DRG-PPS 将诊疗中的消耗品、检查支出均作为单位服务成本。因此，可以认为在DRGPPS 的支撑下，医院对运营管理的监测重点从成本细分转移到了整体工作设计的合理性方面。

同时，利用疾病诊断相关组提供的平均成本指标、低风险指标、住院天数指标等，进行医疗费用结算结果真实性的统计。将分析结果的合理性作为医疗费用监督规范性的依据，当分析结果符合支付标准时，证明医院的精细化运营管理模式实现了优化，可满足医院运营与基础收益需求。

2 对比实验

综合上述内容，在完成运营模式的理论设计后，为了进一步验证该模式的应用效果，笔者选择将本文提出的基于DRG+大数据的医院精细化运营管理模式作为实验组，将传统的基于大数据平台的医院运营管理模式作为对照组，并对某医院近几年运营过程中的各项数据信息、业务等进行对比分析。笔者首先完成医院运营管理架构的构建，在此基础上获取某医院病案首页中的海量数据信息，对该医院运营绩效进行评价，最后引入DRG-PPS，完成对医疗费用的监督和管理。对照组管理模式在应用的过程中，根据其原本的管理思路完成海量数据信息的获取，并实现对数据的管理。为了更直观地表达两种运营管理模式的应用效果，笔者将两种运营管理模式在实际运行过程中的医疗费用资金流和收益情况作为评价指标。首先，对医疗费用资金流进行计算，通过计算得出两种管理模式对应的医疗费用资金流情况，并以此实现对运营管理效率的评价。在相同固定医疗费用总额的基础上，若医疗费用资金流计算数值更大，则说明该管理模式的运营效率更高；若医疗费用资金流计算数值更小，则说明该管理模式的运营效率更低。根据上文所述，基于公式（1）完成对两种管理模式的运营效率对比。

式（1）中，Y表示医疗费用资金流；i表示该医疗费用的对应年限；λ表示在未涉及运营管理前资金流存在的风险率；γ表示在某一年n中资金流的总流量。笔者按照公式（1）计算实验组与对照组的医疗费用资金流Y值，并记录在表格内，如表1 所示。

表1 实验组与对照组医疗费用资金流对比

从表1 的实验数据可以看出，在每年医疗费用总额固定不变的情况下，实验组的Y值明显高于对照组的Y值，同时实验组的Y值随着年份的增加，数值呈现出逐渐上涨的趋势，主要原因是运营管理模式的不断优化和更新使得管理质量得到全面提升。实验结果初步证明，本文提出的基于DRG+大数据的医院精细化运营管理模式可以有效提高医院运营管理的效率。完成上述实验后，在此基础上，笔者针对实验组与对照组的运营管理模式的收益情况进行对比分析，收益情况的计算公式如下：

式（2）中，K表示运营阶段的经济利润；B表示运营管理过程中的总体投入资金；L表示平均加权成本总流量；α表示平均运营成本总量。在式（2）中，经济利润表示在运营管理过程中除去额外用于运营和管理的费用。通过计算得出的K值反映两种运营管理模式的有效性。K值越大，说明运营管理有效性越强；K值越小，说明运营管理有效性越差。根据公式（2）的内容，笔者计算得出两种运营管理模式的经济利润，并绘制成表2。

表2 实验组与对照组运营中收益情况记录

从表2 的收益情况记录内容可以看出，在5 年时间中，实验组的K值均明显超过对照组的K值。因此，上述实验结果表明，本文提出的基于DRG+大数据的医院精细化运营管理模式在实际应用中可以有效减少用于运营方面的资金，进而为医院带来更多的收益。

3 结语

本文从基于DRG+大数据的医院运营管理架构、医院病案首页数据的医院运营绩效评价、DRGPPS 的医疗费用监督管理3 个方面，对基于DRG+大数据的医院精细化运营管理模式展开设计。在完成设计后，笔者将基于大数据平台的医院运营管理模式作为对照组，通过对比实验证明，将DRG+大数据应用到医院运营管理中可以有效提高医院的运营管理效率，并在一定程度上减少医院运营部分额外支出的费用，为医院带来更大的收益。综上所述，本文设计的运营管理模式在实际应用中，可以为医院的发展与运营管理提供极大的助力，进而推动我国医疗行业实现更好的发展。