目的借助疾病诊断相关分组(diagnosis related groups,DRGs)相关评价指标,从临床技术高度、临床技术应用规模、临床技术应用质量和临床治疗效率四个维度评估临床医师的临床技术水平,通过定期反馈,促使临床医师不断提高自身专业技术水平...目的借助疾病诊断相关分组(diagnosis related groups,DRGs)相关评价指标,从临床技术高度、临床技术应用规模、临床技术应用质量和临床治疗效率四个维度评估临床医师的临床技术水平,通过定期反馈,促使临床医师不断提高自身专业技术水平,从而促进医院人才梯队建设和高质量发展。方法以半年为期限,选取符合国家医疗保障疾病诊断相关分组方案(1.1版)的出院患者,调取每名临床医师4个维度的相关指标数据进行比较、分析和评价。结果与内科医生相比,外科医生病例组合指数(casemixindex,CMI)、时间消耗指数、费用消耗指数高,同时患者死亡风险更低。内科组中介入及溶栓组与其他内科组比较,总权重(case-mix,CM)、CMI、高权重病例数、时间消耗指数、费用消耗指数均增高。外科组中高级职称组较低级职称组的CM、CMI明显增高,但时间消耗指数及死亡率均未增加。结论将DRGs相关指标引入人才评价和医院高质量发展评价体系,对医师临床技术水平进行全面、多维、精准评价,对促进医院人才梯队建设及医院总体发展有重要意义。展开更多
目的利用医疗大数据和机器学习技术相结合,探索基于临床结果的临床医师绩效评价方法。方法采用非负主成分分析法(non-negative principal component analysis,NPCA),基于非负稀疏主成分算法(non-negative sparse principal component an...目的利用医疗大数据和机器学习技术相结合,探索基于临床结果的临床医师绩效评价方法。方法采用非负主成分分析法(non-negative principal component analysis,NPCA),基于非负稀疏主成分算法(non-negative sparse principal component analysis,NSPCA)对170名治疗心血管疾病的临床医师的11个临床工作绩效指标进行综合指数拟合。同时,基于根本原因评估技术(root cause assessment techniques)构建置信区间计算每一名临床医师各指标范围。结果门诊出院诊断符合率、手术切口甲级愈合率、手术患者比例、三日确诊率、开展三级和四级手术比例、完成手术及操作数在区分临床医师工作绩效上较为显著,而术前平均住院日、30天内非计划再入院率、出院患者平均住院日、主要诊断治愈/好转、收治患者数在区分临床医师临床工作绩效上不显著。通过综合指数拟合可对所有临床医师的整体工作绩效进行排名,进一步对各具体指标的高、中、低绩效评估可针对性地揭示每一名临床医师潜在的改建维度。结论利用机器学习技术实现以医疗大数据为载体综合评价临床医师临床工作绩效,有望为更科学、客观地评价临床医师工作绩效提供重要支撑。展开更多
文摘目的借助疾病诊断相关分组(diagnosis related groups,DRGs)相关评价指标,从临床技术高度、临床技术应用规模、临床技术应用质量和临床治疗效率四个维度评估临床医师的临床技术水平,通过定期反馈,促使临床医师不断提高自身专业技术水平,从而促进医院人才梯队建设和高质量发展。方法以半年为期限,选取符合国家医疗保障疾病诊断相关分组方案(1.1版)的出院患者,调取每名临床医师4个维度的相关指标数据进行比较、分析和评价。结果与内科医生相比,外科医生病例组合指数(casemixindex,CMI)、时间消耗指数、费用消耗指数高,同时患者死亡风险更低。内科组中介入及溶栓组与其他内科组比较,总权重(case-mix,CM)、CMI、高权重病例数、时间消耗指数、费用消耗指数均增高。外科组中高级职称组较低级职称组的CM、CMI明显增高,但时间消耗指数及死亡率均未增加。结论将DRGs相关指标引入人才评价和医院高质量发展评价体系,对医师临床技术水平进行全面、多维、精准评价,对促进医院人才梯队建设及医院总体发展有重要意义。
文摘目的利用医疗大数据和机器学习技术相结合,探索基于临床结果的临床医师绩效评价方法。方法采用非负主成分分析法(non-negative principal component analysis,NPCA),基于非负稀疏主成分算法(non-negative sparse principal component analysis,NSPCA)对170名治疗心血管疾病的临床医师的11个临床工作绩效指标进行综合指数拟合。同时,基于根本原因评估技术(root cause assessment techniques)构建置信区间计算每一名临床医师各指标范围。结果门诊出院诊断符合率、手术切口甲级愈合率、手术患者比例、三日确诊率、开展三级和四级手术比例、完成手术及操作数在区分临床医师工作绩效上较为显著,而术前平均住院日、30天内非计划再入院率、出院患者平均住院日、主要诊断治愈/好转、收治患者数在区分临床医师临床工作绩效上不显著。通过综合指数拟合可对所有临床医师的整体工作绩效进行排名,进一步对各具体指标的高、中、低绩效评估可针对性地揭示每一名临床医师潜在的改建维度。结论利用机器学习技术实现以医疗大数据为载体综合评价临床医师临床工作绩效,有望为更科学、客观地评价临床医师工作绩效提供重要支撑。
