最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

DRG数据的价值

[复制链接]
发表于 2019-11-13 20:12:34 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本文发于Latitude Health ,作者为村夫日记LatitudeHealth
DRG数据主要包括4个方面:

医院基本运营数据:如DRG组数,病例数,疾病种类分布(占比),患者情况(如年龄、男女比例),MDC疾病大类数量,CMI,住院天数等

不同DRG组的具体数据:包括不同DRG组别的例均费用,住院天数。在不同DRG组别上,还可以进一步根据地区、医院级别、患者类别等进一步细分进行比较

费用比较:可以将DRG组别的例均费用、日均费用和自费比例等与费用相关的指标进行横向和纵向比较,横向比较主要是医院内部不同DRG组别的费用变化,或DRG组别在不同支付方人群或年龄群、性别群上的比较,纵向比较则包括地区、不同级别医院、不同类型医院之间的DRG组别费用的比较

医院成本数据:DRG成本核算可以看出医院亏损和盈利的DRG组别及其成本结构(如药品占比、耗材占比),以及具体的亏损情况

1、医院基本运营数据

DRG数据可以提示医院基本运营状态的三大方面。

首先,DRG数据可以显示某个(类)医院的住院疾病分布和患者分布。通过不同DRG组别的病例数量和占比可以看出不同医院住院的主要疾病组,以及在不同年龄、性别段的疾病分布情况。疾病分布和患者分布有助于帮助医院管理者、产品提供者以及投资方看出不同年龄段的需求、医院住院疾病的需求分布,以及未来适合医院发展的领域。

第二,DRG还可以提示医院基本的实力,具体指标包括DRG组数,以及MDC疾病大类,两者结合可以看出医院覆盖疾病领域的情况,并结合具体DRG类别的疾病分布,看出哪些是医院经营的特长,并进行横向和纵向的竞争性比较。

第三,DRG数据涵盖各种提示风险和效率的指标,比如住院死亡率,CMI,住院天数和费用结合对比等。

2、不同DRG组的具体数据

DRG数据基于DRG组别来产生。针对DRG组数据的比较同样包括横向和纵向两个方面。横向可以针对患者人群(如年龄、性别)等进行DRG组分布、例均费用、住院天数等方面的比较,从而看出各种DRG组的花费情况,以及在不同群体中对某类疾病治疗的需求情况。而纵向则可以将医院进行不同地区、不同级别、不同类型的区分,然后看某一DRG组别在不同情况下费用、治疗效率上的区别。

3、费用比较

费用未来对于医院、支付方(医保)以及产品方(药企为主)都极为重要。基于DRG组可以看出各组别的例均费用、日均费用和自费比例,并结合住院天数,看出某类疾病组所消耗资源的情况。在不同级别、类别医院的同一DRG组别的费用上的差异可以看出不同医疗机构治疗所耗资源的情况以及效率。

4、医院成本数据及其价值

通过实施DRG的医院的成本核算数据可以看出医院成本的多个方面,包括其经营的有效性、所面临的成本控制问题、盈利点和亏损点、使用药品、耗材、人工等情况。DRG成本数据既能够提示服务方——医院在实施DRG之后所面临的变化,也能够为产品提供方——药品和器械公司提供针对医院需求变化的应对之策。

DRG成本核算是以DRG病组为核算对象,将治疗某一DRG病组所消耗的医疗服务成本、药品成本和单收费材料成本进行累加,从而形成某一DRG病组的成本。

医院实施DRG后,可以统计医院的DRG组数,以及病例数。然后可以看出医院有盈利的DRG组数和亏损的DRG组数,以及分别对应的病例数。当一家医院的盈亏比达到1:1的时候,才能实现总体收益的盈亏平衡。通过分析医院哪些DRG组数盈利,哪些DRG组数亏损,可以看出不同病种在这一医院的经营状态。

同时,DRG数据还可以提示医院整体的医疗收入和服务成本。并且将之前分析出来的亏损的DRG组和盈利的DRG组分别进行细化的成本结构分析。比如,从某医院的亏损DRG组别的成本结构,可以看出这些亏损组别的成本中,卫生材料费用、治疗费、检查费、药费、床位费、护理费、手术费、放射费等多个类别的费用分别占其成本的比例,再将这一结构比例和盈利的DRG组进行对比,就可以看出医院在某些DRG组上亏损而在其他DRG组上盈利的原因,对于亏损组别,究竟是什么样的成本类别拖累了其表现。

对于亏损的DRG组别,还可以进一步看出某一亏损组别的病例数以及亏损程度,对于病例数高但亏损又大的病组,医院必须特别引起重视,因为这类病组很可能是量越高成本也越高的类别,将拖累医院的经营。因此需要从成本上去改变这种情况。


楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-19 13:45

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表