一、疾病诊断相关分组(DRGs)的发展与应用（论文文献综述）
许昌,陈芸,陶红兵,熊昊祾,周健,韦俊松,王亚楠,钟婉婷[1]（2021）在《从历史沿革看国内外DRGs发展及前景》文中认为本文通过收集与罗列有代表性的国际DRGs发展经验,回顾DRGs在我国的发展历程,为今后DRGs的运用提供科学的决策资料。当今医疗管理界,对医疗产出的定义一直较为困难。如何找到公认的医疗相关标准对患者的疾病复杂程度进行有效测量,并结合卫生经济学指标对区域机构进行医保偿付,则成为各国卫生行政部门的共同课题。在各国反复研究后,疾病相关分组,即DRGs（DiagnosisRelatedGroups）应运而生。DRGs译为（疾病）诊断相关分组,它是基于统计控制理论,将具有相同特征的住院病人进行归类统计的一种管理学方法。
赵同香,王海英[2]（2021）在《基于CiteSpace的疾病诊断相关分组研究热点分析》文中提出目的对DRGs研究的文献数据进行分析,确定国内外DRGs研究的热点与发展前沿。方法以CNKI数据库和Web of Science数据库为数据来源,采用Citespace软件分析文献数量、合作网络以及关键词共现等内容。结果美国、德国的DRGs研究在国际上存在一定的影响力,我国DRGs研究整体呈波动增长,但国际影响力有待提高;国内作者与研究机构合作网络较国际分散,跨区合作较少;国外研究热点聚焦于DRGs支付特征、热点问题,着眼解决前期DRGs未覆盖的疾病研究领域,国内以支付方式改革、数据质量、绩效评价为热点。结论我国DRGs系统已在借鉴其他国家经验基础上本土化,DRGs付费制已在全国推广,需要各方共同参与,协调资源,才能使其适用于临床、服务于医院。
阎臻泰[3]（2021）在《DRGs视角下胃癌手术住院医疗费用分析》文中进行了进一步梳理胃癌（gastric carcinoma）是起源于胃黏膜上皮的恶性肿瘤,在全世界范围内,消化系统肿瘤发病率最高,约在50%-60%,在所有的肿瘤发病率中排名第三。我国每年的胃癌发病率以及死亡率,约占全球的1/2,由于其治疗周期长,常采用综合性治疗手段,常规住院费用通常较其他疾病高,且因肿瘤疾病的难治愈性,肿瘤患者需要反复住院,这给社会和家庭带来了严重的经济负担,而影响住院费用的关键便是合理的医疗保险支付模式,因此,本文开展胃癌患者诊断相关分组（DRGs）及其住院费用预测的研究。该研究对完善和推进我国胃癌的DRGs付费制度具有实践意义,同时也可为医保部门、医院的合理控费提供参考。本研究以CN-DRGs为参考,引用历史数据法作为搜集数据的手段,通过对福建省某三甲医院2017-2019年主要诊断为胃癌的手术患者病案首页数据进行分析,基于DRGs理念构建住院费用分析预测模型并对相关结果进行总结与思考。具体研究内容如下:首先,本文应用数据挖掘的相关知识,对搜集到的原始数据进行数据的预处理、包括数据集成、数据转换、数据清理,为后续DRGs的分组以及住院费用分析的展开奠定基础,保证分组和住院费用的可分析性和科学性。其次,通过统计学方法中的非参数检验和多元线性回归分析,找出影响胃癌住院费用的显着因素,将这些显着因素作为卡方自动交互检测的分类节点,建立Drgs病例分组模型。最后,在分组的基础上确定相应的偿付标准和费用范围,并筛选出不合理费用的阈值。最后对不合理费用做进一步的分析,利用数据挖掘技术中的关联规则分析方法,挖掘不合理费用和产生不合理费用的可能因素之间的规则。
张嘉文[4]（2021）在《辽宁省某三甲医院眼科DRGs分组及综合绩效评价研究》文中指出
姜美琪[5]（2021）在《新疆某三甲医院骨科DRGs分组效果及绩效评价研究》文中研究表明
佟彤[6]（2021）在《DRGs支付方式在沈阳市公立医院管理的应用研究 ——以G医院为例》文中进行了进一步梳理
李茵[7]（2021）在《面向医院管理的数据驱动决策研究》文中研究指明信息技术的快速发展与应用以及大数据战略的深入实施,使得大数据成为科技创新引领与决策支撑的重要战略资源,科学研究与实践正在完成“假设驱动”到“数据驱动”的巨大转变,大数据的深度挖掘与利用能够为社会发展、政府治理、国家安全等提供新的动能。围绕国家大数据战略,丰富和拓展大数据应用创新领域,推动管理升级,给学术界、产业界以及政府部门带来许多新的重要课题。其中面向健康服务供给侧的决策支持、决策引导和决策创新中的数据驱动、数据价值转换问题即是管理学、数据科学的核心科学问题之一,更是情报学应对大数据环境开展智慧型情报服务必须解决的关键问题之一。健康医疗大数据时代的到来,促使医院管理和医院管理者的观念都随之变化。数据驱动对医院精细化、智慧化管理决策具有重要意义。本研究从提升医疗管理决策质量的角度出发,构建数据驱动医院管理决策过程模型,分析数据驱动医院管理决策的影响因素,进而提出面向医院管理的数据驱动决策模型,并展开实证研究,为数据驱动决策领域的研究理论基础和实证研究提供参考依据,为促进医院精细化管理提供对策及建议。基于此,通过界定“数据驱动”、“医院管理”、“医院管理评价”与“数据驱动决策”等相关概念,以回顾数据驱动决策、面向医疗健康领域的数据驱动决策、面向医院管理的数据驱动决策以及数据驱动决策的影响因素研究现状为基础,综合运用文献调研法、半结构访谈法、问卷调查法、扎根理论法、结构方程法、统计分析法、机器学习法分析了面向医院管理的数据驱动决策的过程模型和影响因素模型,并构建了面向医院管理的数据驱动决策模型。围绕面向医院管理的数据驱动决策模型这一核心研究内容,本文第三章在已有BASM模型研究过程的基础上,结合医院管理决策场景的特殊性,探索面向医院管理的数据驱动决策的运行机理,构建面向医院管理的数据驱动决策过程模型,以梳理驱动的路径,理清其中的内在逻辑。该模型由处理过程模型及支持过程模型两部分构成,旨在分别回答面向医院管理的数据驱动决策过程中两个核心问题,一是数据本身如何转化并如何嵌入到医院管理决策过程中,二是医院中能够支持并且推动数据驱动决策的途径是什么。第四章采用扎根理论进行了面向医疗管理领域数据驱动决策的影响因素识别研究,编码面向医院管理者的半结构化访谈资料,经过饱和度测试,最终识别出了四个维度的影响因素。第五章在对影响因素定性研究的基础上利用结构方程模型方法进一步验证影响因素,探讨相关变量的权重和关系。阐述各个因素对医院管理决策的影响关系,验证数据驱动医院管理决策影响因素模型。第六章整合数据驱动医院管理决策过程模型和影响因素模型,构建支持医院管理决策全过程的数据驱动决策模型,探讨过程模型与影响因素模型的内在联系。第七章根据已构建的面向医院管理的数据驱动决策模型,进行基于DRGs分组的医疗服务能力评价和医生绩效评价管理工作的实证研究,修正和完善已构建的模型。具体内容如下:（1）构建面向医院管理的数据驱动决策过程模型。基于现有的数据驱动决策机制模型,结合医院管理实践,构建面向医院管理的数据驱动决策过程模型,该模型由处理过程模型及支持过程模型两部分构成,处理过程模型包括面向医院管理决策的数据处理过程和数据驱动的医院管理决策处理过程。决策处理过程既是数据处理过程的最后阶段,对数据处理的结果进行展示与应用,又会不断地产生新的数据,前推已有数据的老化和错误,补充和修正数据处理过程。而数据处理过程以决策处理过程中的阶段性需求为导向,能嵌入到决策处理过程的所有阶段,为决策处理的全流程服务。支持过程模型主要涉及两用户一技术。两用户包括数据分析人员和管理者,使能技术是创建和改进能够嵌入到操作系统的分析工具,这三个主体不能割裂独立,而可以互相转化并可能同时存在,共同对数据和决策进行处理,支持处理过程模型运转。（2）系统分析了面向医院管理的数据驱动决策影响因素。对主观及客观上影响管理者数据驱动决策的因素进行整合和相关分析,确定四个核心影响因素范畴分别是医疗数据质量,信息技术,医院组织管理和管理者信息素养,构建了影响因素模型,发现数据驱动医院管理决策能受到管理者信息素养、医院组织管理和信息技术的正向影响,其中管理者信息素养最强,其次是医院组织管理和信息技术;医院组织管理对医疗数据质量、管理者信息素养、决策目标均有影响,对医疗数据质量的影响要强于管理者信息素养;医疗数据质量能够对信息技术产生正向影响;信息技术对决策目标具有正向影响。（3）构建了面向医院管理的数据驱动决策模型。将过程模型与影响因素模型有机结合在一起,构成了面向医院管理的数据驱动决策模型。打造数据驱动决策模型,将医院数据质量标准化管理贯穿于医院管理全流程、智能化管理提升医务人员的信息技术、高效化管理增效医院组织三个方面分析模型的实现,提出模型优化建议。（4）基于DRGs的肺癌医疗服务绩效分析实证研究。模拟医院管理中运用DRGs分组工具解决绩效问题的真实场景,应用数据驱动医院管理决策模型,优化DRGs分组,优化绩效管理。研究最终确定性别、年龄、入院途径、离院方式、住院次数、医保付费方式、是否手术、合并症严重情况八个因素为影响肺癌医疗服务费用的因素,构建了8个DRGs分组,其中合并症严重程度、是否手术、住院次数是决策树分组的分类结点变量。选用医疗服务能力的指标（DRGs总权重、CMI）根据获取的数据进行比较,完成绩效评价工作,实现基于数据驱动决策的绩效管理。
张坤婷[8]（2021）在《基于CNKI的我国医保支付方式研究的文献计量分析》文中研究说明背景医疗保险制度承担着保障人民健康的重要责任,我国政府十分重视医保支付方式的改革,支付方式是我国卫生系统的重要组成部分,对支付方式的研究也引起了广泛关注,大量相关研究不断涌现,增加了学者们整体把握该领域研究趋势和内容的难度,要促进医保支付方式不断地适应我国国情,就需用一种科学全面的研究方法来把握医保支付方式历史发展情况,文献计量是对某一主题领域的学术成果进行定量分析的重要工具,能够客观呈现该领域研究趋势、结构关系和规律,已广泛被用于医学、教育学、汉语言文学、历史学、体育学、金融学、化学、心理学等领域的知识分析。目的和方法虽然已有研究者对该领域进行过总结研究,但应用文献计量学方法的文献较少,仅有的研究分别对单病种付费、总额预付和DRG付费进行了文献计量分析,但受到期刊文献篇幅限制,都仅关注某一种支付方式,并未对所有的支付方式进行全面计量,为了更深入地了解支付方式的发文时间趋势、文献来源、合作模式、研究重点、新兴热点和重点文献,本研究对该领域的文献进行了全面梳理。本文对CNKI数据库中2020年以前收录的有关医保支付方式的文献进行检索,除了期刊和硕博文献外,对重要的报纸、会议等文献也保留下来,利用词频分析、共现分析、聚类分析等方法,借助MicrosoftExcel进行期刊、作者、关键词的统计,CiteSpace、VOSviewer信息可视化软件用做图谱呈现。结果CNKI数据库中医保支付方式研究文献共检索到7312篇文献,随着时间的推移,关于医保支付方式的研究逐渐深入和细化,整体呈增长趋势,从2010年开始相关研究更是进入快速发展时期,并在2020年达到峰值,1985-2010近二十年年均发文量为56.35篇,2010-2020十年年均发文为555.18篇;发文量较多的力量集中在北京、上海、南京、武汉等城市,研究主力为高等院校,复旦大学公共卫生学院处于此领域的核心位置,但主要研究作者和机构之间的合作关系较弱;同时,医保支付方式研究的快速发展离不开各级基金的支持,尤其是国家级基金和省部级基金;其次通过关键词词频分析和聚类分析发现,医保支付方式研究内容主要有医保支付方式的改革和实践、医保费用、医联体和分级诊疗的建设、医疗费用和财务管理。通过关键词突现和研究热点的演进发现,分级诊疗、医疗机构、医保支付方式的改革、按病种分值付费和疾病诊断相关分组仍将是今后研究的热点,支付方式改革是当前最活跃的研究热点。结论医保支付方式发展趋势整体良好,研究领域合作不够紧密,作者地区、机构分布不均,各研究机构之间应该加强合作,共同推进支付方式的不断完善;研究内容扎根紧跟政策变化和实习运行情况,作为研究热点也在不断的深入,其切入点也不断地被刷新,热点研究方向呈现多样化,这些都将会不断地推动支付方式研究的发展。
王纯青[9]（2021）在《病情复杂程度度量方法及在住院费用预测中的应用研究》文中进行了进一步梳理随着人口老龄化和社会经济的高速发展,医疗卫生资源紧张的局面也日益加剧,国家医疗保障中心主导、自2017年开始试点的疾病诊断相关分组（Diagnosis Related Groups,DRGs）被认为是推动医院进行成本控制,优化医院管理,抑制长住院、过度医疗,降低住院费用的重要举措。以DRGs为核心的付费制度改革不再基于目前我国大多数医院采用的按照患者接受服务项目的计费方式,而是根据患者病案首页的个性化特征把患者分入对应的诊断相关组,医保机构按照患者归组进行资金拨付。因此,对患者病情复杂程度进行量化,结合病情复杂程度对患者进行DRGs住院费用的预测,是DRGs付费制度改革能否成功实施的关键。针对病情复杂程度度量方面,目前有三类方法:美国构建了合并症并发症信息库来进行量化,这种方法过度依赖专家知识,准确性存在问题;患者临床复杂模型（Patients Clinical Complexity Level,PCCL）的方法量化的复杂程度与费用相关性不高;病例临床复杂模型（Episode Clinical Complexity,ECC）对诊断复杂水平的量化过程中,重点考虑了诊断数目对住院费用的影响,忽略了具有相同诊断数目但是诊断类型不同患者之间的费用差异。因此本文第一个要解决的问题就是对病情复杂程度度量方法进行改进,建立考虑诊断数目和诊断类型的病情复杂程度度量方法。针对DRGs进行费用预测方面,现有的DRGs分组器以统计分析为主,结合患者的病情复杂程度来进行病人住院费用的预测,患者的病情复杂程度量化不准确以及其他特征利用不充分制约了DRGs在费用预测领域的准确性。因此本文第二个要解决的问题就是结合量化的病情复杂程度来实现对DRGs费用预测模型的改进。对于临床住院数据中患者病情复杂程度量化和DRGs分组器设计中难题,本文以提高对患者病情复杂程度量化的准确性,实现构建更为合理的DRGs分组工具为工作目标。本文的贡献有以下两个方面:（1）研究提出了通过迭代校正误差的改进ECC模型（Iterative Correction-based ECC,IC-ECC）,利用高维稀疏的标称型合并症并发症诊断数据,实现对病情复杂程度更为准确的量化。（2）研究引入集成学习模型SAMME算法,设计费用预测模型,提高费用预测的效果。研究基于重庆医科大学附属第一医院呼吸系统和循环系统病案首页数据集和眉山市部分三甲医院病案首页数据集进行了实验分析,通过比较病例基于IC-ECC模型和原ECC模型的模拟费用与实际费用的相关性,来评估IC-ECC模型所量化的诊断复杂水平这一新特征的质量。结果显示利用IC-ECC方法得到的病例复杂水平更能从资源消耗角度反映病例的诊治复杂程度。通过对IC-ECC—SAMME预测模型与ECC-SAMME预测模型对费用预测的准确率、macro P、macro R、macro-F1度量指标上的比较,结果显示IC-ECC—SAMME预测模型在费用预测上具有更高的性能,进一步说明了IC-ECC模型量化的病情复杂程度更为准确。将IC-ECC—SAMME预测模型与CHS-DRGs分组结果比较组内患者住院费用的变异系数,结果显示IC-ECC—SAMME预测结果的组内患者的住院费用具有更低的组内差异,说明这种费用预测模型可以提高DRGs费用预测的效果。
宋美勤[10]（2021）在《新疆某三甲医院食管癌患者住院费用及病例组合研究》文中研究说明目的:分析新疆某三甲医院2014-2020年食管癌患者住院费用的构成情况及结构变化趋势,研究影响食管癌患者住院费用的因素,并建立食管癌住院患者的病例组合方案。为有效控制食管癌患者的医疗费用、优化费用内部结构,制定本土化食管癌分组方案,推进DRGs付费工作提供理论支持。方法:对食管癌患者的基本情况进行描述;将住院费用进行价格指数调整后,采用结构变动度和新灰色关联法分析食管癌患者住院费用的内部构成及变动情况。运用单因素和多重线性回归两种统计学方法综合分析影响食管癌患者住院费用的因素,并根据分析的结果,选择有统计学意义的变量构建决策树模型,从而研究食管癌住院患者的病例组合方案。结果:（1）在研究的1739例食管癌住院患者中,男性患者居多且整体年龄偏大,平均年龄为65.26±9.97岁,中位数为66,四分位间距为14。（2）在食管癌患者的肿瘤分期中二期患者占比相对较多,为29.90%;采用手术治疗的食管癌患者有691例;绝大多数的食管癌患者均有合并症/并发症;患者住院天数呈偏态分布,平均住院天数为20.20±16.02天。（3）2014年-2020年食管癌患者的次均住院费用整体呈上升趋势且波动较大;构成食管癌患者次均住院总费用的项目主要是药品费、材料费和治疗费,分别占总费用的28.42%、25.05%、20.86%。（4）2014年-2020年该医院食管癌患者住院费用的总结构变动度为12.97%,其中治疗费、药品费、材料费的结构变动值和结构变动贡献率相较于其他费用项目来说偏大;而诊查费的结构变动贡献率最小,仅有0.51%。（5）2014年-2020年食管癌患者住院费用的关联度排序,即各项费用对总费用的影响从大到小依次是:药品费、材料费、治疗费、检查费、化验费、手术费、其他费用、护理费、床位费和诊查费。（6）住院天数、职业、付费方式、入院状态、离院方式、治疗方式、肿瘤分期、是否首次入院以及有无合并症/并发症是食管癌患者住院费用的影响因素。（7）采用决策树模型最终将1739例食管癌住院患者分成了15个DRGs分组;次均住院费用最高的组别是DRG13,费用高达133330.39元;DRG1组的次均住院费用是7135.17元,在15个DRGs分组中最低的;共有39个病例属于住院费用的超标病例,占本研究食管癌住院患者总数的2.24%。结论:控制药品费和材料费是降低食管癌患者住院费用的有效途径,需进一步加强对药品及耗材在生产、流通、使用等各个流程中的监管,将更多的抗癌药物纳入基本药物目录,扩大药品报销范围,减少患者住院期间的药品和耗材费。建立信息平台、完善相关配套政策、重视并规范病案首页的填写以推进支付方式改革,控制医疗费用的不合理增长。同时采用决策树模型,为实现DRGs付费提供理论基础。完善食管癌的临床路径,规范医疗服务行为,促进医院精细化管理从而缩短食管癌患者的住院天数、降低医疗费用。全面贯彻“治未病”的工作原则,重视并积极开展早期筛查工作,强化食管癌的预防控制理念。
二、疾病诊断相关分组(DRGs)的发展与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、疾病诊断相关分组(DRGs)的发展与应用（论文提纲范文）
（1）从历史沿革看国内外DRGs发展及前景（论文提纲范文）
| 国外DRGs的发展沿革 |
| 美国 |
| 澳大利亚 |
| 德国 |
| 日本 |
| 国内DRGs研究应用情况试点C-DRGs |
| 北京BJ-DRGs |
| 上海SH-DRGs |
| 全国范围CN-DRGs |
| 试点C-DRGs |
| 针对地县级的CR-DRGs |
| 新时期面向全国的CHS-DRGs |
| 国内其他DRGs应用 |
| 军队医院DRGs应用 |
| DRG在护理上的应用 |
（2）基于CiteSpace的疾病诊断相关分组研究热点分析（论文提纲范文）
| 1 资料与方法 |
| 1.1 数据来源 |
| 1.2 研究方法 |
| 2 结果 |
| 2.1 DRGs研究的时间分布图谱 |
| 2.2 作者合作网络 |
| 2.3 机构合作网络 |
| 2.4 DRGs研究热点 |
| 2.4.1 关键词聚类 |
| 2.4.2 突变词分布 |
| 3 讨论 |
| 3.1 我国DRGs研究发展迅速 |
| 3.2 研究分散，研究机构需加强合作 |
| 3.3 DRGs研究将出现新的爆发点 |
（3）DRGs视角下胃癌手术住院医疗费用分析（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 概述 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 DRGs的概念 |
| 1.3 DRGs产生背景及其原理 |
| 1.4 DRGs在国内外的发展 |
| 第二章 资料与方法 |
| 2.1 研究对象 |
| 2.1.1 资料来源与处理 |
| 2.1.2 资料内容 |
| 2.2 研究方法 |
| 2.2.1 描述性分析 |
| 2.2.2 非参数假设检验 |
| 2.2.3 多因素分析法 |
| 2.2.4 CHAID分析 |
| 2.2.5 关联规则分析 |
| 2.3 研究框架 |
| 第三章 胃癌手术患者DRGs分析 |
| 3.1 住院费用及其单因素分析 |
| 3.2 住院费用及其多因素分析 |
| 3.2.1 多重线性回归模型 |
| 3.2.2 多重线性回归模型应用条件及分析步骤 |
| 3.2.3 胃癌手术患者住院费用多重线性回归分析 |
| 第四章 决策树选择及DRGs的分组 |
| 4.1 决策树的概念及选择 |
| 4.2 CHAID方法下的DRGs分组 |
| 4.2.1 DRGs分组过程及结果 |
| 4.2.2 DRGs分组效果评价 |
| 第五章 DRG组中的不合理费用分析 |
| 5.1 不合理费用的总体评价及构成分析 |
| 5.2 不合理费用的关联规则分析 |
| 第六章 研究结论与对策 |
| 6.1 研究结论 |
| 6.1.1 住院天数对患者住院费用的影响 |
| 6.1.2 手术级别对患者住院费用的影响 |
| 6.1.3 性别对患者住院费用的影响 |
| 6.1.4 年龄对患者住院费用的影响 |
| 6.1.5 DRGs预分组成果 |
| 6.2 对策与建议 |
| 6.2.1 预防为主,降低胃癌发生率 |
| 6.2.2 降低住院天数,把控住院总费用 |
| 6.2.3 调控医疗服务收费标准 |
| 6.2.4 加强病案首页质量管理与人才培养 |
| 6.2.5 定期总结与反馈DRG分组情况 |
| 6.3 研究特色与不足 |
| 6.3.1 研究特色 |
| 6.3.2 研究不足 |
| 参考文献 |
| 文献综述 DRGs视角下胃癌手术住院医疗费用分析 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（7）面向医院管理的数据驱动决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 数据驱动决策的研究现状 |
| 1.3.2 数据驱动医疗健康领域决策的研究现状 |
| 1.3.3 数据驱动医院管理决策的研究现状 |
| 1.3.4 数据驱动决策的影响因素研究现状 |
| 1.3.5 研究现状述评 |
| 1.4 研究框架与研究内容 |
| 1.4.1 研究框架 |
| 1.4.2 主要研究内容 |
| 1.4.3 拟解决的关键问题 |
| 1.5 研究方法和技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 相关基础理论和方法 |
| 2.1 医院管理相关概念 |
| 2.1.1 医院管理 |
| 2.1.2 医院管理评价 |
| 2.1.3 医院管理者 |
| 2.2 决策支持相关理论 |
| 2.2.1 西蒙决策理论 |
| 2.2.2 数据驱动决策相关理论 |
| 2.3 信息链理论 |
| 2.3.1 信息链与信息技术 |
| 2.3.2 “信息”上溯到“数据”带来的变化 |
| 2.3.3 信息链视域下的数据驱动医院管理决策 |
| 2.4 BASM模型 |
| 2.4.1 BASM模型的产生 |
| 2.4.2 BASM模型的研究现状 |
| 2.4.3 基于BASM模型的数据驱动医院管理决策研究 |
| 2.5 相关研究方法 |
| 2.5.1 扎根理论 |
| 2.5.2 结构方程模型 |
| 2.5.3 决策树算法--CHAID |
| 2.6 相关应用场景 |
| 2.6.1 医疗服务绩效 |
| 2.6.2 DRG在医疗服务绩效管理中的应用 |
| 2.7 本章小结 |
| 第3章 面向医院管理的数据驱动决策过程模型构建 |
| 3.1 面向医院管理决策的数据驱动过程模型 |
| 3.1.1 数据驱动决策模式运行机制 |
| 3.1.2 BASM的过程模型 |
| 3.1.3 基于BASM过程模型的数据驱动医院管理决策过程模型构建 |
| 3.2 面向医院管理的数据驱动决策过程模型要素分析 |
| 3.2.1 驱动要素 |
| 3.2.2 需求要素 |
| 3.2.3 支持要素 |
| 3.2.4 要素间关系 |
| 3.3 数据驱动的医院管理决策中数据处理过程 |
| 3.3.1 医疗数据存在的问题 |
| 3.3.2 面向医院管理决策的数据处理原则 |
| 3.3.3 面向医院管理决策的数据处理过程 |
| 3.4 面向医院管理的数据驱动决策过程模型运行机制 |
| 3.4.1 面向医院管理决策的信息链转化过程 |
| 3.4.2 数据驱动的医院管理决策制定过程 |
| 3.5 本章小结 |
| 第4章 基于扎根理论的数据驱动医院管理决策的影响因素分析 |
| 4.1 研究问题与研究程序 |
| 4.1.1 研究问题 |
| 4.1.2 研究方法 |
| 4.1.3 研究程序 |
| 4.2 研究设计 |
| 4.2.1 研究对象选取 |
| 4.2.2 资料收集 |
| 4.2.3 信效度检验 |
| 4.3 编码分析 |
| 4.3.1 开放式编码 |
| 4.3.2 主轴编码 |
| 4.3.3 选择性编码 |
| 4.3.4 理论饱和度检验 |
| 4.4 数据驱动医院管理决策影响因素理论模型与阐释 |
| 4.4.1 影响因素理论模型构建 |
| 4.4.2 影响因素分析 |
| 4.4.3 影响因素关系分析 |
| 4.5 本章小结 |
| 第5章 数据驱动医院管理决策的影响因素模型构建 |
| 5.1 数据驱动医院管理决策影响因素变量选择与界定 |
| 5.1.1 医疗数据质量维度 |
| 5.1.2 信息技术维度 |
| 5.1.3 医院组织管理维度 |
| 5.1.4 管理者信息素养维度 |
| 5.1.5 数据驱动医院管理决策维度 |
| 5.2 相关研究假设 |
| 5.2.1 医疗数据质量 |
| 5.2.2 信息技术 |
| 5.2.3 医院组织管理 |
| 5.2.4 管理者信息素养 |
| 5.3 调查问卷的编制与问卷修正 |
| 5.4 数据获取与统计分析 |
| 5.4.1 研究对象 |
| 5.4.2 样本量的选择 |
| 5.4.3 信度分析 |
| 5.4.4 样本分布 |
| 5.4.5 样本数据相关性 |
| 5.5 效度分析 |
| 5.5.1 探索性因子分析 |
| 5.5.2 验证性因子分析 |
| 5.6 基于结构方程的影响因素模型构建与检验修正 |
| 5.6.1 影响因素模型构建 |
| 5.6.2 模型基本适配评估 |
| 5.6.3 假设检验的结果 |
| 5.7 结构方程模型检验结果分析 |
| 5.7.1 影响因素强度分析 |
| 5.7.2 医疗数据质量对信息技术影响的验证结果分析 |
| 5.7.3 信息技术对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.4 医院组织管理对医疗数据质量影响的验证结果分析 |
| 5.7.5 医院组织管理对管理者信息素养影响的验证结果分析 |
| 5.7.6 医院组织管理对数据驱动医院管理决策影响的验证结果分析 |
| 5.7.7 管理者信息素养对医疗数据质量影响的验证结果分析 |
| 5.7.8 管理者信息素养对信息技术影响的验证结果分析 |
| 5.7.9 管理者信息素养对数据驱动医院管理决策影响的验证结果分析 |
| 5.8 本章小结 |
| 第6章 面向医院管理的数据驱动决策模型研究 |
| 6.1 数据驱动医院管理决策模型构建 |
| 6.2 面向医院管理的数据驱动决策模型的驱动机制 |
| 6.2.1 面向医院管理的数据驱动决策模型的驱动目标 |
| 6.2.2 面向医院管理的数据驱动决策模型的驱动特征 |
| 6.2.3 面向医院管理的数据驱动决策模型的驱动过程 |
| 6.3 数据驱动医院管理决策模型影响因素的作用机制 |
| 6.3.1 医疗数据质量在数据驱动决策模型中的影响机制 |
| 6.3.2 信息技术在数据驱动决策模型中的影响机制 |
| 6.3.3 医院组织管理在数据驱动决策模型中的影响机制 |
| 6.3.4 管理人员素养在数据驱动决策模型中的影响机制 |
| 6.4 数据驱动医院管理决策模型对医院管理的提升策略 |
| 6.4.1 提升医疗数据质量 |
| 6.4.2 发挥信息技术使能作用 |
| 6.4.3 发挥医院组织管理支持作用 |
| 6.4.4 提高管理人员信息素养 |
| 6.5 本章小结 |
| 第7章 面向医院管理的数据驱动决策的实证研究 |
| 7.1 资料来源与研究对象 |
| 7.2 原发性肺癌患者的DRGS分组 |
| 7.2.1 数据基础 |
| 7.2.2 数据纳入 |
| 7.2.3 术语映射 |
| 7.2.4 DRGs分组结果对比 |
| 7.3 基于DRGS细分组的医疗服务绩效评估 |
| 7.3.1 基于决策树的原发性肺癌患者DRGs细分组模型 |
| 7.3.2 基于DRGs细分组的医疗服务绩效评估指标 |
| 7.3.3 医生医疗服务绩效指标统计结果 |
| 7.3.4 科室医疗服务绩效指标统计结果 |
| 7.4 讨论 |
| 7.4.1 数据驱动医院管理决策过程 |
| 7.4.2 数据驱动医院管理决策影响因素 |
| 7.5 本章小结 |
| 第8章 结论与创新 |
| 8.1 结论 |
| 8.2 研究创新点 |
| 8.3 研究局限 |
| 参考文献 |
| 附录1 病案组DRGS分组情况 |
| 附录2 医生组DRGS分组情况 |
| 附录3 访谈提纲 |
| 附录4 调查问卷 |
| 作者简介及在学期间所取得的科研成果 |
| 后记与致谢 |
（8）基于CNKI的我国医保支付方式研究的文献计量分析（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外文献计量学发展 |
| 1.2.2 国内文献计量学的发展 |
| 1.2.3 文献计量学在医保支付方式领域的研究现状 |
| 1.3 研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究方法 |
| 1.4.1 文献法 |
| 1.4.2 聚类分析 |
| 1.4.3 词频分析法 |
| 1.4.4 共词分析法 |
| 1.4.5 知识图谱分析 |
| 1.5 资料来源 |
| 第2章 我国医保支付方式相关文献产出概况 |
| 2.1 文献年代数量分布统计分析 |
| 2.2 医保支付方式研究发文期刊分布分析 |
| 2.3 基金项目分布状况 |
| 第3章 医保支付方式研究主体统计分析 |
| 3.1 作者及其合作 |
| 3.1.1 作者发文量统计分析 |
| 3.1.2 高产作者分析 |
| 3.1.3 合作模式 |
| 3.1.4 作者合作类型 |
| 3.2 机构及其合作 |
| 3.2.1 规模与特征 |
| 3.2.2 主要研究机构及其合作 |
| 第4章 医保支付方式研究关键词分析 |
| 4.1 关键词分析 |
| 4.1.1 高频关键词词频统计 |
| 4.1.2 研究涉及领域 |
| 4.2 关键词聚类分析 |
| 4.3 被引频次分析 |
| 4.4 研究趋势分析 |
| 第5章 研究热点分析 |
| 5.1 改革开放以来医保支付方式的发展阶段 |
| 5.1.1 启蒙试点地区 |
| 5.1.2 逐步探索阶段 |
| 5.1.3 各地探索纷呈 |
| 5.1.4 复合式支付方式发展阶段 |
| 5.2 医疗机构研究重点内容 |
| 5.2.1 分级诊疗和医联体 |
| 5.2.2 医院管理 |
| 5.2.3 财务管理 |
| 第6章 研究总结 |
| 6.1 结论 |
| 6.2 研究创新点 |
| 6.3 研究不足 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（9）病情复杂程度度量方法及在住院费用预测中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 病情复杂程度量化研究现状 |
| 1.2.2 住院费用预测研究现状 |
| 1.3 本文研究内容 |
| 1.4 本文体系结构 |
| 第2章 相关技术理论 |
| 2.1 DRGs分组器 |
| 2.2 病情复杂程度模型ECC |
| 2.3 住院费用预测相关方法概述 |
| 2.4 SAMME算法 |
| 2.5 本章小结 |
| 第3章 基于迭代校正的改进病例临床复杂模型IC-ECC |
| 3.1 问题描述 |
| 3.2 改进的病例临床复杂模型IC-ECC |
| 3.2.1 诊断数目与住院费用关系模型建立 |
| 3.2.2 诊断的相对费用估计 |
| 3.2.3 诊断复杂水平DCL估计 |
| 3.2.4 诊断复杂水平DCL修正 |
| 3.2.5 病例临床复杂分值ECCS估计 |
| 3.3 实验分析与验证 |
| 3.3.1 实验设计 |
| 3.3.2 数据描述 |
| 3.3.3 评估指标 |
| 3.3.4 结果分析 |
| 3.4 讨论 |
| 3.5 本章小结 |
| 第4章 基于IC-ECC—SAMME的患者住院费用预测模型 |
| 4.1 问题描述 |
| 4.2 基于SAMME的住院费用预测模型 |
| 4.3 实验分析与验证 |
| 4.3.1 实验设计 |
| 4.3.2 数据预处理 |
| 4.3.3 数据描述 |
| 4.3.4 评估指标 |
| 4.3.5 结果分析 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间发表的论文 |
（10）新疆某三甲医院食管癌患者住院费用及病例组合研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 研究内容与方法 |
| 1.资料来源 |
| 2.研究对象 |
| 3.研究内容 |
| 4.研究方法 |
| 5.质量控制 |
| 6.技术路线 |
| 结果 |
| 讨论 |
| 小结 |
| 致谢 |
| 参考文献 |
| 综述 疾病诊断相关分组(DRGs)的发展及应用现状 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 导师评阅表 |
四、疾病诊断相关分组(DRGs)的发展与应用（论文参考文献）
- [1]从历史沿革看国内外DRGs发展及前景[J]. 许昌,陈芸,陶红兵,熊昊祾,周健,韦俊松,王亚楠,钟婉婷. 中国医院院长, 2021(17)
- [2]基于CiteSpace的疾病诊断相关分组研究热点分析[J]. 赵同香,王海英. 中国现代医生, 2021(19)
- [3]DRGs视角下胃癌手术住院医疗费用分析[D]. 阎臻泰. 福建中医药大学, 2021(09)
- [4]辽宁省某三甲医院眼科DRGs分组及综合绩效评价研究[D]. 张嘉文. 大连医科大学, 2021
- [5]新疆某三甲医院骨科DRGs分组效果及绩效评价研究[D]. 姜美琪. 新疆医科大学, 2021
- [6]DRGs支付方式在沈阳市公立医院管理的应用研究 ——以G医院为例[D]. 佟彤. 辽宁中医药大学, 2021
- [7]面向医院管理的数据驱动决策研究[D]. 李茵. 吉林大学, 2021(01)
- [8]基于CNKI的我国医保支付方式研究的文献计量分析[D]. 张坤婷. 山东大学, 2021(12)
- [9]病情复杂程度度量方法及在住院费用预测中的应用研究[D]. 王纯青. 西南大学, 2021(01)
- [10]新疆某三甲医院食管癌患者住院费用及病例组合研究[D]. 宋美勤. 新疆医科大学, 2021(08)