基于错误的数据反馈进行院内决策，对于医院的长期发展将是“致命”的，无法判断医院的优势病种，从而没有办法进行院内资源正确、合理的分配与整合。

  与DRG分组由粗到细不同，DIP分组模式由细到粗，通过对数据中疾病诊断与治疗方式来进行穷举和聚类形成分组，简易高效，易于让医院接受;病种分值计算以历史费用为基础做调整，具有防范过度医疗和医疗不足优势。理想的DIP分值，可以合理匹配并反应实际医疗资源消耗，是医保部门按照病种分值进行支付的基础。

  但也因其基于历史数据聚类产生的病种目录，具有其局限性，或存在不能入组或者病种分值偏差现象，如保守治疗分值比手术治疗分值高、诊断和手术编码没问题却不能入组等。不仅直接影响医院医保结算收益，还会导致数据准确率低，DIP目录库更新迭代遇到阻碍，亦影响医院学科均衡发展、技术创新。

  DIP分组是根据历史的真实数据测算而来，真实的数据虽真实但不一定准确，由于基础数据薄弱，地方DIP目录库存在不符合主要诊断选择原则或者编码原则的病种组合，即使书写正确的主要诊断与主要手术操作，任旧存在无法入组或分值偏差现象。

  主要诊断选择错误或主要诊断未按照ICD分类规则导致，例如选择大帽子诊断、“**术后”、“**病史”作为主要诊断，未使用合并编码、未遵守强烈优先分类规则或诊断过于笼统存在很明显的分类轴心等，导致病案无法准确进入DIP组，易致分值偏差;

  如选择鼻窦良性肿瘤D14.000x001+内镜下鼻内病损射频消融术21.3109，在综合病种中没有这样的搭配，这样就进入了DIP空白病组，无法结算，导致分值偏差产生;

  无论是核心病种还是综合病种，DIP是根据诊断编码的亚目聚类分组，亚目的些许不同就会导致入组以及分值的差异。相同的主诊断，因为多一个操作则进入病种不同，获得的分值也不同。

  辅助目录的作用是辅助病种目录对病种进行细分，是对与主目录权重值出现偏差的纠正措施 ，对分值进行正向系数加成或负向系数加成。因此疾病的不确定性，患者的个体差异，医生行为的差异等都会影响病种分值。

  生成医保结算清单的过程中，需进行临床编码、医保版编码之间的映射，如出现医保灰码(00码)或将没办法识别，将导致没办法入组，影响病种分值。

  DIP病种是否准确入组、关系到医院的医保结算总分值，多频率的无法入组或者分值偏差，将导致医保支付标准降低，医院没有办法获得正确的医保获得。

  对患者的病案数据来进行不适当的编码，选择入组分值更高的疾病诊断作为主要诊断，视为低码高编行为，将可能会造成医保违规。如长期的编码调高行为，还将导致医保部门获得入组数据错误，进而，DIP组分值倒挂现象无法纠正。

  基于错误的数据反馈进行院内决策，对于医院的长期发展将是“致命”的，无法判断医院的优势病种，从而没有办法进行院内资源正确、合理的分配与整合。

  基于大数据的医保改革深化的背景之下，如何在保证医疗服务的品质的同时有效控制医疗成本，着实是一个难题。对于医疗机构而言，纠正病种分值偏差、提高编码质量、提升入组率是强化改革的重要源头，其实现信息化管理特别的重要。DIP医保支付运营监管系统立足于院内，致力于提升院内数据质量、提高病案入组率、辅助控费方案的落地，全面助力医院应对医保付费方式改革。

  精准预测分组，高度模拟实际付费，智能辅助入组推荐，风险预警，辅助医院风险管控。

  可设置各病组分值、风险等级、平均费用支付标准等标杆数据，详细展示费用明细，组内标杆测算比较。

  自定义ICD-10、手术编码字典管理修改，支持诊断编码及手术编码向医保编码对照。