[发明专利]合并症及并发症影响因子的估算方法和电子设备

说明书

技术领域

本发明涉及医疗数据处理及人工智能技术，具体涉及一种合并症及并发症影响因子的估算方法和电子设备。

背景技术

诊断相关分组(Diagnosis Related Groups，DRGs)是用于医疗诊断的分类编码标准，其根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500-600个诊断相关组，从而分级进行科学地测算。保险机构可以基于诊断相关分组来评估保费支付额度。诊断相关分组可以通过统一的疾病诊断分类定额支付标准的制定，达到医疗资源利用标准化。

我国的CN-DRGs(2014)包含26个主要疾病分类(major diagnostic category，MDC)，涉及33个临床专业基干DRGs(adjacent-DRGs，ADRGs)。对于合并症(Comorbidity)与并发症(Complication)(两者合称CC)的考虑，则直接应用美国Medicare Severity-28版(MS-28版)的合并症与并发症分类，其中，按照与主诊断疾病的相关度，将合并症与并发症分为CC和Major CC(MCC)两大类来予以考虑。然而在实际临床诊疗过程中，CC和MCC对于医疗资源消耗水平的影响并不明确。

由此，亟需一种精确估算合并症及并发症对于医疗资源消耗水平的影响的方法。

发明内容

有鉴于此，本发明实施例提供一种合并症及并发症影响因子的估算方法和电子设备以及计算机可读介质，以精确地估算合并症及并发症对于医疗资源消耗水平的影响因子。

根据本发明实施例的第一方面，提供一种合并症及并发症影响因子的估算方法，包括：

获取历史诊疗信息，所述历史诊疗信息包括多个样本的主诊断信息、附属诊断信息以及资源消耗水平参数，其中，所述附属诊断信息用于表征对于合并症和并发症的诊断；

对于具有相同类别的主诊断信息的每一个样本，获取对应的基干诊断相关分组下的所有合并症和并发症类别，并基于所述附属诊断信息获取对应样本的诊断向量，所述诊断向量用于表征对应样本所出现的合并症和并发症；

以最小化目标函数为优化目标，获取最优的影响因子向量；

其中，所述目标函数表征所有样本的所述资源消耗水平参数和诊断向量与影响因子向量的内积的比值或差值，所述影响因子向量用于表征特定主诊断信息下每一类合并症或并发症对资源消耗水平的影响。

优选地，所述目标函数为：

J(Θ)＝∑(log(y_i)-log(Y_i))²

其中，J(Θ)为所述目标函数，y_i为第i个样本的资源消耗水平参数，为第i个样本的诊断向量与影响因子向量的内积，Θ为所述影响因子向量，x_n为所述诊断向量的第n个分量，θ_n为所述影响因子向量的第n个分量，N为诊断向量的长度。

优选地，以最小化目标函数为优化目标，获取最优的影响因子向量包括：

初始化影响因子向量；

求取目标函数对于影响因子向量的每一个向量的偏导数，并基于当前影响因子向量和当前偏导数更新影响因子向量，直至在目标函数不再下降或影响因子向量不再变化。

优选地，基于如下公式更新影响因子向量的每一个分量：

其中，θ_i(n)为当前影响因子向量的第i个分量，θ_i(n+1)为更新后的影响因子向量的第i个分量，α为更新步长。

优选地，所述诊断向量的每一个分量对应于一种并发症或合并症，在出现并发症或合并症时对应的分量为1，在未出现并发症或合并症时对应的分量为0。

优选地，所述诊断向量的每一个分量对应于一种并发症或合并症，在出现并发症或合并症时对应的分量为表征所述并发症或合并症严重等级的参量，在未出现并发症或合并症时对应的分量为0。

优选地，所述方法还包括：

获取待估计样本的诊疗信息，所述诊疗信息包括待估计样本的主诊断信息和附属诊断信息；

根据所述主诊断信息以及所述附属诊断信息以及所述最优的影响因子向量估算所述待估计样本的资源消耗水平参数。

优选地，所述资源消耗水平参数为诊疗总费用或日均住院费用。