-01-
O/E值定义
O/E值是一个医疗质量评价指标，由两部分组成，O值和E值，O是英语单词Observed首字母，O值=实际值求和，E是英语单词Expected首字母，E值=预测值求和。
O/E值=实际值求和/预测值求和
O/E值体现群体实际和期望的差异。O/E值>1，表示实际结果超出预期，医院需要加强管控；O/E值<=1，表示实际结果在预期内，医院管理优良。
-02-
O/E值起源
O/E值是疾病风险调整方法（Risk Adjustment）中的一个核心指标。疾病风险调整方法是欧美医院管理中目前常用的医疗资源消耗评价方法。追溯40年前，美国因为DRG付费以及医院间的竞争，在强控费逻辑下而导致医院和医生为了增报医疗费用而出现医疗病情的虚假填报、推诿重病人、医疗新技术的不愿开展导致大面积的医疗质量下滑，从而引出了对医疗数据精准分析与医疗评价的需求。
疾病风险调整基于神经网络迁移学习技术进行疾病风险建模预测，运用深度学习技术对住院病人的各项资源消耗进行建模，通过模型做出相对准确的预测值E，然后和实际结果值O比对，从而实现对个案病例的精准预测和评价。
疾病风险调整的出现，源于美国医院管理者发现临床医生对DRG的认可度不高，都自认为自己的病人病情一定在DRG病种的平均值之上，不能推动医院的质量管理和业财融合的综合能力提升，为此提出了基于病人层面的风险调整方案。该方法建立起围绕每个病例在死亡率、住院天数、总费用、药品、耗材、医事服务费用等不同维度的质量评价，实现“可追因、可溯源、可实锤”的管理机制，为疾病管理中的资源消耗提供符合临床“千人千面”的质控体系。自本世纪初推出后受到业界的欢迎，先后被其他欧美国家采用作为对医疗管理的主流方法学，同时奠定了数据循证的医院管理决策支持体系的发展基石。
-03-
O/E值如何测算
1.O值
O值即实际医疗结果值求和。
2.E值
E值是预测值，通过大数据建模，抽取海量历史病案首页数据，如医院内部以往数据、省市区域数据，训练出院内模型、省市区域模型（例如成都市模型）、全省大数据模型等，再根据医院实际管理需求选择模型，最终计算出适合医院的预测值，即E值。
图片示例为某个软组织疾患病例的住院天数线性模型，它包含入模变量和对应权重系数。患者特征首先经过显著性检验筛选出影响总费用的特征变量，再经过lasso回归算法得到入模变量及对应的权重系数。权重系数的大小，体现出特征对住院天数的影响程度，患者包含的模型正向特征越多住院天数预测值就越高，反之越少。
图示病例为软组织疾患，伴有其他肺炎，做了结肠镜手术，通过大数据建模计算住院天数预测为15.46天。
3.E值准确性
预测值是通过一套科学的，大数据建模方法计算出来的。建模是基于历史数据，体现的是数据的整体性、一般性，所以说预测值在大部分群体上是准确的，部分单个病例可能会有差异，毕竟历史数据很难做到完全正确。
中科厚立DMIAES（迪迈斯）系统建模主要采用的是神经网络，神经网络相比传统的Lasso，更适用于医疗大数据的分析及建模。
-04-
O/E值数据来源
利用大数据建模计算预测E值的数据，主要来源于以下三类：
1.医院内部数据：一般取近3-5年的病案首页数据，训练出院内模型。
2.区域数据：如成都市卫健委病案数据，训练出成都市区域模型。
3.大数据：如四川省卫健委全区域病案数据、国家卫健委数据，训练出大数据模型。
选择哪种训练模型，根据医院自身的需求决定，如无需与外部对标，可用医院内部数据计算O/E值，如想与区域对标，可内部数据结合区域数据训练模型。
-05-
0/E值应用示例
疾病风险调整早已在欧美成功地运用于医疗质量管理的评价体系中，实践证明经过风险调整后的比较更加符合临床特征，在住院患者的死亡率、住院天数、抗生素使用等医疗质量的评价标准得到了业界认可，多家医学中心利用风险调整后指标的可比性有效提高了医疗质量和效率。
中科厚立自主研发的医院精细化管理系统DMIAES（迪迈斯），于2014年引入疾病风险调整方法，大数据建模测算死亡率、住院天数、住院费用、医疗收入、药耗费用、专病六大维度的O/E值，将O/E指标用于医疗质量、成本管控、运营效率、医保控费等评价中，帮助医院管理部门从多维度快速地分析和发现问题，找出解决问题途径，进行精细化管理，从而提高医疗质量和服务水平。
从DMIAES系统上线至今，O/E指标已在国家卫健委、四川省卫健委、河北卫健委多家监管机构，及逾百家三级医院中应用。
案例①：应用于住院天数管控
成都市第五人民医院借助源于疾病诊断相关分组(DRGs)的疾病风险调整模型来解决病种之间的差异性，以及疾病地区水平可参照性(O/E)值。改善传统科室间病种的不同而难以兼顾所导致的差异。通过探讨将病例组合例数(CMI)指标､地区水平差异(O/E值)应用于科室平均住院日的目标管理, 并取得了较为合理的结果｡
案例②：应用于专科评价中
成都市医学信息所研究人员对成都市19家三甲综合医院2016年-2017年出院患者进行DRGs分组后，建立疾病风险调整模型，再利用模型计算出2018年的预测值，与2018实际值进行比较和评价，以心血管外科系统“冠状动脉搭桥术”专科为例进行专科分析和综合评价。得出结论：6家研究医院“冠状动脉搭桥术”专科医疗救治服务能力与技术水平差异不大，应注意保持服务效率和医疗安全优势的同时，要增加“冠状动脉搭桥术”专科患者的收治，并且控制好住院患者的费用。
案例③：应用于评价学科的临床服务水平及技术能力
深圳市第二人民医院、深圳市人民医院相关学者通过对深圳市市属12家公立医院2015年出院患者病案首页数据针对死亡率、住院天数、费用分别建模，对核心病种及关键技术的ACMI、ACMP，死亡O/E，住院天数O/E，总费用O/E综合分析，来评价心血管内科、神经外科2个专业的临床服务水平及技术能力。客观、公正、科学地评价学科的临床服务能力及技术水平。
案例④：应用于住院费用管控
河北工程大学附属医院通过对12所三级综合医院848404条住院病案首页，进行DRG分组，建立疾病风险调整模型，再利用模型对该12所三级综合医院住院费用、医疗服务性收入、药品费用和耗材费用进行预测和评价，并计算DRG指标CMI及调整后住院费用指标。
案例⑤：应用于病种精细化评价
内蒙古自治区人民医院应用疾病风险调整方法对2016年-2019年住院患者出院病案首页信息进行挖掘，应用O/E值实现了分时间、分科室、分病种设置指标合理目标值，同时解决了各科室、病种间监测指标的横向比较问题。
