疾病诊断相关分组分组方法培训课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《疾病诊断相关分组分组方法培训课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 疾病诊断 相关 分组 方法 培训 课件
- 资源描述:
-
1、v数据收集数据收集回顾性收集资料回顾性收集资料 摘录以往病案首页信息及医院摘录以往病案首页信息及医院HIS系统中系统中的费用与成本数据信息,包括患者性别、年龄、的费用与成本数据信息,包括患者性别、年龄、婚姻、主要诊断、次要诊断、入院情况、出院婚姻、主要诊断、次要诊断、入院情况、出院情况、是否手术、手术操作编码、费用类别、情况、是否手术、手术操作编码、费用类别、抢救有无、护理有无、住院天数、住院费用等抢救有无、护理有无、住院天数、住院费用等信息,信息,整理数据为病例分组及诊疗规范研究作整理数据为病例分组及诊疗规范研究作准备。准备。DRGs分类操作1疾病诊断相关分组分组方法10/10/2022数据
2、整理数据整理(例如例如)DRGs分类操作住院天数小于等于住院天数小于等于0 0天天住院费用总数小于等于住院费用总数小于等于0 0天天病例中重要项目不全的数据病例中重要项目不全的数据删除治疗效果删除治疗效果“其他其他”删除删除ICDICD编码不全数据(或可补全编码不全数据(或可补全ICDICD编码)编码)将不符合逻辑的病例排除将不符合逻辑的病例排除住院费用为偏态分布,将所有住院病人按住院费用进住院费用为偏态分布,将所有住院病人按住院费用进行排序,剔除极端值,滤过小于行排序,剔除极端值,滤过小于P1P1且大于且大于P99P99的病例的病例2疾病诊断相关分组分组方法10/10/2022v数据处理数据
3、处理住院费用正态分布检验住院费用正态分布检验 分析样本是否符合符合正态分布,如不符分析样本是否符合符合正态分布,如不符合,对样本进行整理,对数转化、数据拆分等合,对样本进行整理,对数转化、数据拆分等方法使数据满足决策树分类要求。方法使数据满足决策树分类要求。(kolmogorov-smirnov对住院费用正态检测)对住院费用正态检测)DRGs分类操作3疾病诊断相关分组分组方法10/10/2022DRGs分类操作v数据处理数据处理预测变量量化处理(例如)预测变量量化处理(例如)序号序号项目名称项目名称量化方法量化方法1性别性别l=男;男;2=女女2年龄年龄1=2015岁;岁;2=21639岁;岁
4、;3=4055岁;岁;4=56岁及以上岁及以上3婚姻婚姻l=未婚;未婚;2=已婚已婚4入院情况入院情况l=般;般;2=急症;急症;3=危症危症5出院情况出院情况1=治愈;治愈;2=好转;好转;3=死亡;死亡;4=其它其它6手术手术0=无手术:无手术:1=有手术有手术7费用类别费用类别1=自费;自费;2=当地医保;当地医保;3=外地医保;外地医保;4=其它其它8次要诊断次要诊断0=无;无;1=有有9抢救抢救0=无;无;1=有有10护理护理0=无;无;1=有有11住院天数住院天数(天天)12住院总费用住院总费用(元元)13手术费手术费(元元)(元元)4疾病诊断相关分组分组方法10/10/2022v
5、数据处理数据处理主要影响因素分析主要影响因素分析v单因素分析不同特征人群医疗消耗情况比较,单因素分析不同特征人群医疗消耗情况比较,分析各特征人群医疗消耗情况分析各特征人群医疗消耗情况v多元线性回归分析人群特征对于费用和住院天多元线性回归分析人群特征对于费用和住院天数的影响,数的影响,分析主要影响因素分析主要影响因素DRGs分类操作5疾病诊断相关分组分组方法10/10/2022DRGs分类操作v数据分类数据分类分类方法选择分类方法选择 决策树(决策树(Decision Trees)Decision Trees)是当前世界流行、是当前世界流行、使用频率最高的数据挖掘方法,决策树是解决分使用频率最高
6、的数据挖掘方法,决策树是解决分类问题比较常用的方法之一,是一种用来实现分类问题比较常用的方法之一,是一种用来实现分类以及预测功能的建立模型的方法。类以及预测功能的建立模型的方法。常见的决策树有卡方自动互动捡验法常见的决策树有卡方自动互动捡验法CHAIDCHAID、Exhaustive CHAIDExhaustive CHAID、分类与回归树、分类与回归树CARTCART和和QUESTQUEST等方法。等方法。CHAIDCHAID可以有效处理连续变量,并且实可以有效处理连续变量,并且实现对树的自动剪枝,顾多选择此方法进行分类。现对树的自动剪枝,顾多选择此方法进行分类。6疾病诊断相关分组分组方法1
7、0/10/2022v数据分类数据分类CHAID简介简介DRGs分类操作构建决策树构建决策树获取的多因素基础上构建决策树获取的多因素基础上构建决策树设置分类节点、决策树停止条件最大分层、父节设置分类节点、决策树停止条件最大分层、父节点最小样本数、子节点最小样本数、拆分合并的置点最小样本数、子节点最小样本数、拆分合并的置信度设定。信度设定。剪枝剪枝采取后剪枝方法:允许决策树充分生长然后修剪采取后剪枝方法:允许决策树充分生长然后修剪掉多余的树枝。被修剪的结点就成为一个叶结点,掉多余的树枝。被修剪的结点就成为一个叶结点,并将其标记为它所包含样本中类别个数最多的类别。并将其标记为它所包含样本中类别个数最
展开阅读全文