[发明专利]病历的分组方法、装置、存储介质和电子设备

说明书

本公开涉及一种病历的分组方法、装置、存储介质和电子设备，该方法包括：提取待分组病历中的所有目标特征；根据预先建立的特征概率网络以及该所有目标特征，获取DRG组对应于该待分组病历的总能量值，该特征概率网络为以DRG组和特征组为节点，以DRG组与特征组之间的关联关系为边，以DRG组与特征组之间的相关性概率值为该边的权重的网络拓扑结构，该总能量值为DRG组与所有目标特征所属的多个特征组之间的多个相关性概率值的总和；确定具备最大总能量值的DRG组为该待分组病历对应的目标DRG组。能够通过根据特征与DRG组的相关性建立的网络结构对病历进行识别和分组，避免人工分组的步骤，提高病历分组的效率和准确率。

技术领域

本公开涉及医疗评价领域，具体地，涉及一种病历的分组方法、装置、存储介质和电子设备。

背景技术

DRG(Diagnosis Related Groups，诊断相关分组)系统是当今世界公认的比较先进的支付方式之一，是一种病人分类方案，是专门用于医疗保险预付款制度的分类编码标准。该系统根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度、合并症与并发症以及转归等因素对病人的病历进行医疗评价，进而将病历划分至500-600个DRG组，并通过科学测算，给予定额预付款。也就是说，DRG系统实际为医疗保险机构就病种付费标准与医院达成协议，医院在收治参加医疗保险的病人时，医疗保险机构根据该病种的预付费标准向医院支付费用，超出部分由医院承担的一种付费制度。近年来，随着医疗费用的不断上涨，医疗保险的压力逐渐增大，各国政府逐渐将DRG方案引入医保系统以对医疗资源进行管理和监管。相关技术中，通常通过人工方式根据病历中的内容(即特征)将病历划分至不同的DRG组，再利用one-class SVM(one-class Support Vector Machine，单分类支持向量机)或者孤立森林在DRG组中识别出异常病历。但是，one-class SVM受超参影响较大，孤立森林只能处理少量的连续型变量。并且两种方法都仅仅是找出已分组病历中的异常点，无法给出更为准确的分组信息。

发明内容

为克服相关技术中存在的问题，本公开的目的是提供一种病历的分组方法、装置、存储介质和电子设备。

为了实现上述目的，根据本公开实施例的第一方面，提供一种病历的分组方法，所述方法包括：

提取待分组病历中的所有目标特征；

根据预先建立的特征概率网络以及所述所有目标特征，获取第一DRG组对应于所述待分组病历的总能量值，所述特征概率网络为以DRG组和特征组为节点，以DRG组与特征组之间的关联关系为边，以DRG组与特征组之间的相关性概率值为所述边的权重建立的网络拓扑结构，所述第一DRG组为DRG库包含的多个DRG组中的任一DRG组，所述总能量值为所述第一DRG组与所述所有目标特征所属的多个特征组之间的多个相关性概率值的总和，每个所述特征组包含满足同一分组条件的多个特征；

确定具备最大的所述总能量值的DRG组为所述待分组病历对应的目标DRG组。

可选的，所述DRG库中的每个所述DRG组对应多个已分组病历，每个所述已分组病历中包含多个特征，所述多个特征对应多个特征类，在所述提取待分组病历中的所有目标特征之前，所述方法还包括：

针对于第一特征类，获取第二DRG组对应的多个已分组病历中属于所述第一特征类的所有样本特征，所述第二DRG组为所述DRG库中的任一DRG组，所述第一特征类为所述多个特征类中的任一特征类；

根据所述第一特征类对应的分组条件，将所述所有样本特征划分为多个特征组，以使所述多个特征组中样本特征的数量呈预设分布状态；

根据所述多个特征组中的每个特征组中样本特征的数量，以及所述预设分布状态对应的概率密度函数，获取所述第二DRG组与所述多个特征组中的每个特征组之间的相关性概率值；