Prodotti > Area Case-Mix > Solventum™ APR-GRD

Solventum™ APR-GRD

Il sistema Solventum™ GRD APR (All Patient Refined) consente una classificazione più precisa dei casi ospedalieri, offrendo per ciascun caso informazioni sulla gravità della malattia, sul rischio di mortalità del paziente e sul suo impatto sul costo del servizio.

Differenziazione dei pazienti in relazione a:

Gravità della malattia (DS) in termini di entità dello scompenso fisiologico o della perdita di funzionalità degli organi

Il rischio di morte (RM), che è definito come la probabilità di morte

Gli effetti sull’intensità delle risorse richieste nel processo sanitario

Il sistema assegna un TAEG e i relativi descrittori (TAEG GRD, SE, RM) utilizzando i dati CMBD.

Caratteristiche

La creazione del DRG-APR si basa su:

La formulazione di ipotesi cliniche indipendenti per SE e MRI di ciascun DRG di base

Metti a confronto queste ipotesi con una vasta mole di dati storici.

Sia SE che RM dipendono da:

Problemi di fondo

Diagnosi secondarie

Procedure che accompagnano quella principale

Benefici

Si ottiene una classificazione più precisa, che consente un’analisi più approfondita.

Facilita la comunicazione tra medici e dirigenti.

Consente di migliorare l’organizzazione e l’assistenza ospedaliera.

Richiedi una demo

Per richiedere maggiori informazioni sui nostri prodotti, per programmare una dimostrazione o per qualsiasi altra richiesta, contattateci e vi risponderemo il prima possibile.

    He leído y acepto lapolítica de privacidad*

    Doy miconsentimiento para el tratamiento de mis datos personales*

    Altri prodotti

    2026-05-14T09:57:28+00:00
    Enara CRG®

    Enara CRG®

    Analisi della salute della popolazione, calcolo e analisi degli indicatori di aggiustamento del rischio di popolazione, nonché analisi e gestione dei pazienti cronici sulla base dell'algoritmo di stratificazione della popolazione Solventum CRG.

    2026-05-20T15:12:52+00:00
    Enara MLS®

    Enara MLS®

    Grazie all'utilizzo dell'Intelligenza Artificiale con algoritmi basati su tecniche di Machine Learning, è possibile ottenere un risultato atteso a livello di episodio per molteplici indicatori.