目的利用人工智能构建基于疾病诊断相关分组(diagnosis related groups,DRG)/按病种分值付费(diagnosis-intervention packet,DIP)支付制度的国际疾病分类编码(international classification of diseases,ICD)质控体系,分析其在医院病...目的利用人工智能构建基于疾病诊断相关分组(diagnosis related groups,DRG)/按病种分值付费(diagnosis-intervention packet,DIP)支付制度的国际疾病分类编码(international classification of diseases,ICD)质控体系,分析其在医院病案质量管理中的应用效果,探索可持续、可推广的编码质量管理新模式。方法从梅州市人民医院2024年1—6月的电子病历系统中选取1200份住院病案以人工编码作为对照组,2024年7—12月的电子病历系统中选取1200份住院病案以人工智能质控平台结合人工编码作为试验组,邀请专家对试验组和对照组的编码质量进行人工质量检查,观察2组病案编码准确率、编码效率与医保结算时间、医疗费用结算损失减少金额、DIP核心病种入组率等指标进行比对。结果对照组的编码准确率为83.58%,低于试验组的99.08%,差异有统计学意义(P<0.05)。对照组医保费用结算损失为92万元(占医保费用基金不合理支付总额比约27.88%),高于试验组的21万元(占医保费用基金不合理支付总额比约12.73%)。对照组单份病历平均编码耗时为(28.61±5.74)min,高于试验组的(14.33±3.21)min,差异有统计学意义(P<0.05)。对照组的DIP核心病种入组率为83.84%,低于试验组的95.58%,差异有统计学意义(P<0.05)。结论基于人工智能下ICD编码质控模式可以快速提升编码质量和效率,为DRG/DIP支付制度的顺利推行提供了有力支撑,具有重要的应用价值。展开更多
摘要目的利用人工智能构建基于疾病诊断相关分组(diagnosis related groups,DRG)/按病种分值付费(diagnosis-intervention packet,DIP)支付制度的国际疾病分类编码(international classification of diseases,ICD)质控体系,分析其在医院病案质量管理中的应用效果,探索可持续、可推广的编码质量管理新模式。方法从梅州市人民医院2024年1—6月的电子病历系统中选取1200份住院病案以人工编码作为对照组,2024年7—12月的电子病历系统中选取1200份住院病案以人工智能质控平台结合人工编码作为试验组,邀请专家对试验组和对照组的编码质量进行人工质量检查,观察2组病案编码准确率、编码效率与医保结算时间、医疗费用结算损失减少金额、DIP核心病种入组率等指标进行比对。结果对照组的编码准确率为83.58%,低于试验组的99.08%,差异有统计学意义(P<0.05)。对照组医保费用结算损失为92万元(占医保费用基金不合理支付总额比约27.88%),高于试验组的21万元(占医保费用基金不合理支付总额比约12.73%)。对照组单份病历平均编码耗时为(28.61±5.74)min,高于试验组的(14.33±3.21)min,差异有统计学意义(P<0.05)。对照组的DIP核心病种入组率为83.84%,低于试验组的95.58%,差异有统计学意义(P<0.05)。结论基于人工智能下ICD编码质控模式可以快速提升编码质量和效率,为DRG/DIP支付制度的顺利推行提供了有力支撑,具有重要的应用价值。