排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
目的应用以多元逐步回归为代表的传统回归分析方法与分位数回归模型分别探究住院费用的影响因素,通过卡方自交互侦测决策树(chi-squared automatic interaction detector, CHAID)建立费用分组模型。为科学分析住院费用、制定针对性的控费措施及体系完善提供参考依据。方法采用回顾性研究法,收集重庆市两所三级甲等综合医院2016-2019年因跌倒住院的6627例患者基本信息及费用情况,对基本信息进行描述性分析,在单因素分析基础上,分别采用多元逐步回归分析和分位数回归模型筛选纳入决策树的分类节点变量,并比较两者的分析结果。根据比较结果最终选择将分位数回归结果中有影响作用的变量纳入CHAID决策树模型建立住院费用分组模型。结果单因素分析结果显示,跌倒患者住院费用的影响因素有付费方式、职业、婚姻、年龄、住院日、受伤部位、受伤类型、手术次数及手术类型;经分位数回归分析得的住院费用影响因素包含了多元逐步回归分析结果中的影响因素,显示付费方式、婚姻、年龄、住院日、受伤部位、手术次数、受伤类型和手术类型在住院费用的不同分位数点产生影响(P<0.05)。在分位数回归模型结合CHAID决策树模型建立的费用分组模型中,手术次数、住院日、手术类型、受伤部位和受伤类型为最主要的影响因素,每种组合的费用差异明显。结论相较于传统回归分析方法,选择分位数回归模型探究住院费用影响因素更稳健全面。在分位数回归模型基础上,结合CHAID决策树模型组构建的住院费用分组模型较为合理,能清楚反应影响住院费用的重点因素,为医院完善控费制度,制定医保费用支付标准提供参考依据。 相似文献
2.
3.
4.
目的:了解医保门诊特病费用特征,探讨门诊特病管理改进策略。方法:收集重庆某大型三甲综合医院2017—2018年医保患者门诊特病费用,运用数据透视表功能进行描述性统计分析。结果:职工医保门诊特病消耗较多费用资源,且慢性病消耗大部分特病门诊医疗资源;基金消耗过于集中部分病种,横向公平性受损,现行的医保支付方式不利于费用控制。结论:严格特病准入、退出机制;引导慢性病患者基层就诊;探索按病种限额支付方式,通过延伸医保智能审核,前置审核规则,让事后监管变事前、事中服务的方式,规范医疗服务行为,促进医保基金安全合理使用。 相似文献
5.
2006年《国务院关于发展城市社区卫生服务的指导意见》中提出了发展社区卫生服务和全科医学教育的政策建议,鼓励群众到社区卫生服务中心接受基本医疗服务,加强社区卫生机构的服务和公共卫生职能[1]。而江北区通过家庭医生责任制为国内发展社区卫生服务提供了新的思路。 相似文献
6.
医学创新十分重要,但我国的医学创新却严重滞后.究其原因很多,其中一个最值得我们深思的是我国处处充斥着的官本位文化.官本位是我国实现医学创新的第一阻力.它不仅破坏我国医学创新的动力系统和学术环境,而且还对我国医学创新的资源分配、制度建设和人才队伍建设产生不利影响.为了给我国医学创新创造良好条件,官本位必须予以破除. 相似文献
7.
8.
目的 基于扎根理论研究DRG支付制度对护理行为的影响及其作用机制,为护理实践指导提供理论依据。
方法 对22名DRG付费试点医院护士进行半结构化面对面访谈,采用程序化扎根理论的范式收集和分析资料。
结果 形成284条初始概念,55个初始范畴,16个副范畴和4个主范畴,建构了DRG支付制度对护理行为的影响机制理论模型,由政策激励、内在驱动、外部调节、护理行为4个维度组成。
结论 政策激励作用于护士产生内在驱动,并通过外部调节影响护理行为。为引导护理行为产生正向激励,应健全DRG支付制度和监管保障机制,完善护理绩效评价体系,优化DRG相关培训,保证护理质量优先,设立DRG协作管理小组。 相似文献
9.
目的 了解静脉血栓栓塞症(venous thromboembolism, VTE)患者主要照顾者的照顾感受及需求,为该类患者制订支持性的照护策略和服务模式提供参考和依据。方法 采用半结构深度访谈法对13例VTE患者的主要照顾者进行访谈,并用Colaizzi 7步分析法进行资料分析。结果 总结出3个主题、9个亚主题:正性的情感体验(角色功能强化、自我成长增强、心理弹性提升)、负性的情绪体验(多重压力下焦虑、能力不足的自责、角色冲突不适应)、支持性照护需求(教育支持、情感支持、社会支持)。结论 VTE照顾者在照护过程中承受着身体疲劳、知识欠缺、心理、经济等多重压力护理人员,需要重视其情绪变化,多关注照顾者需求,从而提高照护质量,降低照护负担。 相似文献
10.
目的:基于商业智能技术构建DRG智能分析系统,可视化展示DRG运行过程中的关键节点,使医院管理者更全面便捷的了解现状。方法:以DRG付费运营管理链核心特征和关键节点为基础,运用漏斗模型、RFM模型、波士顿矩阵图、ABC模型、用户画像等数据分析模型,结合数据仓库、联机分析、数据挖掘、数据可视化等商业智能技术构建DRG智能分析系统;分析系统在DRG入组、结算清单上传、DRG结算、成本控制、病组策略及自助化分析等的应用场景。结果:2022年初DRG智能分析系统上线,我院入组率从2021年1月的92.89%提升到2022年11月的99.67%;结算清单10日上传率明显上升;每权重次均费用降低近1 000元,费用指数降低20.91%,CMI得到持续提升。结论:基于商业智能技术构建可视化DRG智能分析系统,可控制医疗成本,提升医疗效率,优化病种结构,助力医院在DRG支付改革及医疗管理中便捷高效做出科学决策,提高医院整体运营效率。 相似文献