[发明专利]病例分组方法、装置、电子设备及存储介质

权利要求书

1.一种病例分组方法，其特征在于，包括：

确定待分组病例的ADRG组，获取第一ADRG组的数据；其中，所述第一ADRG组为待分组病例所在的ADRG组；

根据所述第一ADRG组的数据，计算所述待分组病例的ECC值；

确定所述待分组病例的费用影响特征；其中，所述费用影响特征为对待分组病例的医疗费用的影响高于预设阈值的特征；

将待分组病例的ECC值和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DRG组；其中，

所述病例分组模型是基于样本病例的ECC值以及费用影响特征训练得到的。

2.根据权利要求1所述的病例分组方法，其特征在于，所述病例分组模型是基于CART决策回归树模型训练得到的；其中，

所述病例分组模型包括多棵决策树；所述多棵决策树中的任意一棵决策树各自与一个ADRG组相对应；

相应的，将待分组病例的ECC值和费用影响特征输入病例分组模型中，确定所述待分组病例所在的DRG组，包括：

将待分组病例的ECC值和费用影响特征输入与第一ADRG组对应的决策树，确定所述待分组病例所在的DRG组。

3.根据权利要求1所述的病例分组方法，其特征在于，所述根据所述第一ADRG组的数据，计算所述待分组病例的ECC值，包括：

计算所述待分组病例中的各个诊断的DCL值；

对所述待分组病例中的各个诊断按照DCL值从大到小进行排序，按照排序结果计算所述待分组病例的ECC值；其中，

计算所述待分组病例的ECC值的公式为：

其中，ECCS是待分组病例的ECC值；DCL(x₁；A)≥DCL(x₂；A)≥…≥DCL(x_n；A)；R为预设的第一衰减系数，x_i为第i个诊断，A为ADRG标识。

4.根据权利要求3所述的病例分组方法，其特征在于，所述计算所述待分组病例中的各个诊断的DCL值，包括：

计算第一诊断在包含有i个诊断的病例中的相对费用，所述相对费用为具有i个诊断并且包含第一诊断的所有病例的平均费用与具有i-1个诊断的病例的平均费用估计值的相对比例值；其中，所述第一诊断为所述待分组病例中的任意一个诊断，所述包含有i个诊断的病例为第一ADRG组中的病例；i为大于1的自然数；

根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用；

根据所述第一诊断的平均相对费用，计算第一诊断的DCL值。

5.根据权利要求4所述的病例分组方法，其特征在于，所述根据第一诊断在包含有i个诊断的病例中的相对费用，计算第一诊断的平均相对费用，包括：

检测第一ADRG组中包含第一诊断的病例的数量，当病例数量少于预先设置的阈值，从与所述第一诊断相近的诊断和/或与所述第一ADRG组相近的ADRG组中获取新的病例以扩展包含第一诊断的病例；

根据扩展后的包含第一诊断的病例，计算第一诊断的平均相对费用。

6.根据权利要求1至5任一项所述的病例分组方法，其特征在于，方法还包括：

确定样本病例的ADRG组，获取所述样本病例的ADRG组数据；

基于所述样本病例的ADRG组数据，得到所述样本病例的ECC值；

确定所述样本病例的费用影响特征；

基于所述样本病例的ECC值以及费用影响特征，训练得到病例分组模型。

7.根据权利要求6所述的病例分组方法，其特征在于，所述基于所述样本病例的ECC值以及费用影响特征，训练得到病例分组模型，包括：

基于所述样本病例的ECC值以及费用影响特征，对CART决策回归树模型进行训练，得到病例分组模型；其中，

所述病例分组模型包括多棵决策树；所述多棵决策树中的任意一棵决策树各自与一个ADRG组相对应。