CMD
Intitulé du référentiel : cmd
Mise à jour : 25 mai 2024
Référentiel des libellés des CMD (Catégories Majeures de
Diagnostics).
Référentiel non annualisé.
Sous-CMD
Intitulé du référentiel : sous_cmd
Mise à jour : 25 mai 2024
Référentiel des libellés des sous-CMD
Référentiel non annualisé.
Variables
#> Rows: 72
#> Columns: 4
#> $ cmd <chr> "01", "01", "01", "02", "02", "03", "03", "03", "04",~
#> $ sous_cmd <chr> "01C", "01K", "01M", "02C", "02M", "03C", "03K", "03M~
#> $ cmkz <chr> "C", "K", "M", "C", "M", "C", "K", "M", "C", "K", "M"~
#> $ sous_cmd_libelle <chr> "Affections du système nerveux - C", "Affections du s~~GHS Public
Intitulé du référentiel : ghs_public
Mise à jour : 25 mai 2024
Référentiel des GHS et GHM du secteur public (ex-DGF).
Référentiel annualisé au sens du PMSI MCO (2018 à 2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
ghs = code GHS
ghm = code GHM
ghm_libelle = libellé du GHM
ghm_bb = borne basse du GHM
ghm_bh = borne haute du GHM
ghs_tarif = tarif du GHS
ghs_exb = tarif journalier EXB (EXtrême Bas)
ghs_exh = tarif journalier EXH (EXtrême Haut)
annee_pmsi = année PMSI
#> Rows: 30,953
#> Columns: 9
#> $ ghs <chr> "22", "23", "24", "25", "65", "26", "66", "27", "28", "67"~
#> $ ghm <chr> "01C031", "01C032", "01C033", "01C034", "01C041", "01C041"~
#> $ ghm_libelle <chr> "Craniotomies pour traumatisme, âge supérieur à 17 ans, ni~ni~
#> $ ghm_bb <int> 0, 0, 0, 12, 0, 0, 0, 0, 0, 0, 12, 12, 0, 0, 0, 14, 0, 0, ~
#> $ ghm_bh <int> 11, 19, 64, 124, 12, 12, 20, 20, 43, 43, 105, 105, 10, 17,~
#> $ ghs_tarif <dbl> 4161.50, 7389.29, 13333.79, 18069.12, 14420.44, 6525.53, 1~
#> $ ghs_exb <dbl> 0.00, 0.00, 0.00, 450.98, 0.00, 0.00, 0.00, 0.00, 0.00, 0.~
#> $ ghs_exh <dbl> 123.09, 101.71, 78.91, 334.74, 151.08, 151.08, 114.03, 114~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "2~GHS Privé
Intitulé du référentiel : ghs_prive
Mise à jour : 25 mai 2024
Référentiel des GHS et GHM du secteur privé (ex-OQN).
Référentiel annualisé au sens du PMSI MCO (2018 à 2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
ghs = code GHS
ghm = code GHM
ghm_libelle = libellé du GHM
ghm_bb = borne basse du GHM
ghm_bh = borne haute du GHM
ghs_tarif = tarif du GHS
ghs_exb = tarif journalier EXB (EXtrême Bas)
ghs_exh = tarif journalier EXH (EXtrême Haut)
annee_pmsi = année PMSI
#> Rows: 30,380
#> Columns: 9
#> $ ghs <chr> "22", "23", "24", "25", "26", "65", "27", "66", "28", "67"~
#> $ ghm <chr> "01C031", "01C032", "01C033", "01C034", "01C041", "01C041"~
#> $ ghm_libelle <chr> "Craniotomies pour traumatisme, âge supérieur à 17 ans, ni~ni~
#> $ ghm_bb <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 18, 18, 0, 0, 0, 6, 0, 0, 0,~
#> $ ghm_bh <int> 0, 24, 0, 0, 13, 13, 31, 31, 47, 47, 110, 110, 8, 12, 35, ~
#> $ ghs_tarif <dbl> 1779.30, 3387.51, 8396.29, 12070.59, 2862.59, 10530.07, 51~
#> $ ghs_exb <dbl> 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00, 0.00~
#> $ ghs_exh <dbl> 0.00, 267.16, 0.00, 0.00, 93.42, 93.42, 85.21, 85.21, 72.9~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "2~GHM intermédiaire
Intitulé du référentiel : ghm_intermediaire
Mise à jour : 25 mai 2024
Référentiel des GHM avec GHS intermédiaire
Référentiel annualisé au sens PMSI MCO (2020-2024)
Variables
#> Rows: 1,535
#> Columns: 4
#> $ ghm_intermediaire <chr> "01M04T", "01M05T", "01M07T", "01M08T", "01M09T", "0~
#> $ ghs_plein <chr> "333", "212", "217", "222", "227", "232", "237", "24~
#> $ ghs_intermediaire <chr> "348", "5006", "5007", "5008", "5009", "5010", "5011~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "202~GHS Mono UHCD
Intitulé du référentiel : ghs_monouhcd
Mise à jour : 25 mai 2024
Référentiel annualisé au sens PMSI MCO (2021-2024)
Pour chaque GHS UHCD et par année PMSI MCO, la liste des GHM associés
Regroupement GHM
Intitulé du référentiel : ghm_regroupement
Mise à jour : 25 mai 2024
Référentiel des regroupements des GHM en DA (Domaine d’Activité), GA
(Groupe d’Activité) et GP (Groupe de Planification).
Référentiel annualisé au sens du PMSI MCO (2018-2024).
Pour l’année PMSI MCO 2024, dans l’attente de la publication de la version 2024 du référentiel par l’ATIH, on a projeté l’année 2023 en 2024.
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
ghm = code GHM
ghm_libelle = libellé du GHM
aso = code ASO du GHM (Activité de SOins)
da = code DA du GHM
da_libelle = libellé du DA
gp = code GP du GHM
gp_libelle = libellé du GP
ga = code GA du GHM
ga_libelle = libellé du GA
da_gp = concaténation des codes DA et GP du GHM
da_gp_ga = concaténation des codes DA, GP et GA du
GHM
annee_pmsi = année PMSI
#> Rows: 18,289
#> Columns: 12
#> $ ghm <chr> "01C031", "01C032", "01C033", "01C034", "01C041", "01C042"~
#> $ ghm_libelle <chr> "Craniotomies pour traumatisme, âge supérieur à 17 ans, ni~ni~
#> $ aso <chr> "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C"~
#> $ da <chr> "D05", "D05", "D05", "D05", "D05", "D05", "D05", "D05", "D~
#> $ da_libelle <chr> "Système nerveux (hors cathétérismes vasculaires diagnosti~ti~
#> $ gp <chr> "C02", "C02", "C02", "C02", "C02", "C02", "C02", "C02", "C~
#> $ gp_libelle <chr> "Chirurgie du rachis, Neuro-chirurgie", "Chirurgie du rach~
#> $ ga <chr> "G043", "G043", "G043", "G043", "G044", "G044", "G044", "G~
#> $ ga_libelle <chr> "Chirurgies SNC trauma", "Chirurgies SNC trauma", "Chirurg~
#> $ da_gp <chr> "D05C02", "D05C02", "D05C02", "D05C02", "D05C02", "D05C02"~
#> $ da_gp_ga <chr> "D05C02G043", "D05C02G043", "D05C02G043", "D05C02G043", "D~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "2~Regroupement des racines de GHM
Intitulé du référentiel : rghm_regroupement
Mise à jour : 25 mai 2024
Référentiel des regroupements des racines de GHM en DA (Domaine d’Activité), GA (Groupe d’Activité) et GP (Groupe de Planification).
Référentiel annualisé au sens du PMSI MCO (2018-2024)
Pour l’année PMSI MCO 2024, dans l’attente de la publication de la version 2024 du référentiel par l’ATIH, on a projeté l’année 2023 en 2024.
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
rghm = code racine GHM
rghm_libelle = libellé racine GHM
aso = code ASO racine GHM (Activité de Soins)
da = code DA racine GHM
da_libelle = libellé du DA
gp = code GP racine GHM
gp_libelle = libellé du GP
ga = code GA racine GHM
ga_libelle = libellé du GA
da_gp = concaténation des codes DA et GP de la racine
GHM
da_gp_ga = concaténation des codes DA, GP et GA de la
racine GHM
annee_pmsi = année PMSI
#> Rows: 4,709
#> Columns: 12
#> $ rghm <chr> "01C03", "01C04", "01C05", "01C06", "01C08", "01C09", "01~
#> $ rghm_libelle <chr> "Craniotomies pour traumatisme, âge supérieur à 17 ans", ~, ~
#> $ aso <chr> "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "M~
#> $ da <chr> "D05", "D05", "D05", "D07", "D26", "D05", "D05", "D05", "~
#> $ da_libelle <chr> "Système nerveux (hors cathétérismes vasculaires diagnost~st~
#> $ gp <chr> "C02", "C02", "C02", "C14", "C25", "C03", "C03", "C02", "~
#> $ gp_libelle <chr> "Chirurgie du rachis, Neuro-chirurgie", "Chirurgie du rac~
#> $ ga <chr> "G043", "G044", "G041", "G074", "G179", "G045", "G045", "~
#> $ ga_libelle <chr> "Chirurgies SNC trauma", "Chirurgies SNC hors trauma (rac~
#> $ da_gp <chr> "D05C02", "D05C02", "D05C02", "D07C14", "D26C25", "D05C03~
#> $ da_gp_ga <chr> "D05C02G043", "D05C02G044", "D05C02G041", "D07C14G074", "~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "~OVALIDE - Table GHMINFO_exDGF
Intitulé du référentiel : ovalide_ghminfo_dgf
Mise à jour : 25 mai 2024
Informations issues de la table OVALIDE
GHMINFO_exDGF.
Les informations redondantes avec d’autres référentiels de
refpmsi:: (ex : cma, bb, bh, …) ne sont pas reprises.
Référentiel annualisé au sens du PMSI MCO (2018-2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
ghm = code GHM
tghm = type du GHM (C : chirurgical; M : médical; X :
autre)
dms = durée moyenne de séjour nationale
pctdc = taux de décès national
mage = age moyen
pctcourt = pourcentage de séjours courts (parmi les
séjours de durée > 1 jour) où durée d’un séjour court = borne basse
ou borne basse +1
pvalo = code GHS du GHS le plus valorisé dans les GHM
multi-GHS
pctpvalo = taux de séjours aux GHS plus élevés
pctcma4 = pourcentage de séjours de niveau 4 par
sous-cmd (sous-cmd = 3 premières positions des GHM)
pctautres = pourcentage de séjours avec un DA autres
(.8)
annee_pmsi = année PMSI
#> Rows: 18,335
#> Columns: 11
#> $ ghm <chr> "01C031", "01C032", "01C033", "01C034", "01C041", "01C042",~
#> $ tghm <chr> "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C",~
#> $ dms <dbl> 3.3482, 6.8008, 14.9201, 35.2220, 4.0760, 7.2027, 13.8418, ~
#> $ pctdc <dbl> 0.0909, 0.0450, 0.0881, 0.2342, 0.0237, 0.0148, 0.0448, 0.1~
#> $ mage <dbl> 59.1792, 67.8276, 69.4017, 55.9123, 58.6143, 59.1821, 61.91~
#> $ pctcourt <dbl> 0.0000, 0.0000, 0.0000, 0.0432, 0.0000, 0.0000, 0.0000, 0.0~
#> $ pvalo <chr> "22", "23", "24", "25", "65", "66", "67", "68", "30", "31",~
#> $ pctpvalo <dbl> 0.9974, 1.0000, 1.0000, 1.0000, 0.0008, 0.0179, 0.0030, 0.0~
#> $ pctcma4 <dbl> 0.1196, 0.1196, 0.1196, 0.1196, 0.1196, 0.1196, 0.1196, 0.1~
#> $ pctautres <dbl> 0.205, 0.205, 0.205, 0.205, 0.205, 0.205, 0.205, 0.205, 0.2~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "20~OVALIDE - Table GHMINFO_exOQN
Intitulé du référentiel : ovalide_ghminfo_oqn
Mise à jour : 25 mai 2024
Informations issues de la table OVALIDE
GHMINFO_exOQN.
Les informations redondantes avec d’autres référentiels de
refpmsi:: (ex : cma, bb, bh, …) ne sont pas reprises.
Référentiel annualisé au sens du PMSI MCO (2018-2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
ghm = code GHM
tghm = type du GHM (C : chirurgical; M : médical; X :
autre)
dms = durée moyenne de séjour nationale
pctdc = taux de décès national
mage = age moyen
pctcourt = pourcentage de séjours courts (parmi les
séjours de durée > 1 jour). Durée d’un séjour court = borne basse ou
borne basse +1
pvalo = code GHS du GHS le plus valorisé dans les GHM
multi-GHS
pctpvalo = taux de séjours aux GHS plus élevés
pctcma4 = pourcentage de séjours de niveau 4 par
sous-cmd (sous-cmd = 3 premières positions des GHM)
pctautres = pourcentage de séjours avec un DA autres
(.8)
annee_pmsi = année PMSI
#> Rows: 18,335
#> Columns: 11
#> $ ghm <chr> "01C031", "01C032", "01C033", "01C034", "01C041", "01C042",~
#> $ tghm <chr> "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C", "C",~
#> $ dms <dbl> 4.2353, 8.0893, 16.5333, 39.4000, 4.8394, 7.8592, 15.1250, ~
#> $ pctdc <dbl> 0.0588, 0.0702, 0.0889, 0.4333, 0.0032, 0.0000, 0.0622, 0.1~
#> $ mage <dbl> 64.5000, 71.9474, 72.0000, 69.0333, 62.7778, 64.6497, 66.39~
#> $ pctcourt <dbl> 0.0000, 0.0000, 0.0000, 0.0877, 0.0000, 0.0000, 0.0000, 0.0~
#> $ pvalo <chr> "22", "23", "24", "25", "65", "66", "67", "68", "30", "31",~
#> $ pctpvalo <dbl> 1.0000, 1.0000, 1.0000, 1.0000, NA, NA, NA, NA, 1.0000, 1.0~
#> $ pctcma4 <dbl> 0.0224, 0.0224, 0.0224, 0.0224, 0.0224, 0.0224, 0.0224, 0.0~
#> $ pctautres <dbl> 0.2587, 0.2587, 0.2587, 0.2587, 0.2587, 0.2587, 0.2587, 0.2~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "20~OVALIDE - Table RacineINFO_exDGF
Intitulé du référentiel : ovalide_racineinfo_dgf
Mise à jour : 25 mai 2024
Informations issues de la table OVALIDE
RacineINFO_exDGF.
Référentiel annualisé au sens du PMSI MCO (2018-2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables
racine = code racine GHM
pctdc = taux de décès national
conf = confirmation de codage nécessaire pour la racine
GHM (1 : OUI ; 0 : NON)
age2 = effet de l’âge pour les moins de 2 ans (1 : OUI
; 0 : NON)
age69 = effet de l’âge pour les plus de 69 / 79 ans
(1-3 : OUI pour les plus de 69 ans ; 2-4-6 : OUI pour les plus de 79 ans
; 0 : NON)
pctcma2 = pourcentage de séjours de niveau 2 dans la
racine GHM
pctcma3 = pourcentage de séjours de niveau 2 dans la
racine GHM
pctexb = pourcentage de séjours en dessous de la borne
basse
pctssacte = taux de séjours de 0 jours sans acte
app = racine apparentée à la racine GHM
pctapp = pourcentage de séjours dans la racine
apparentée
annee_pmsi = année PMSI
#> Rows: 4,705
#> Columns: 12
#> $ rghm <chr> "01C03", "01C04", "01C05", "01C06", "01C08", "01C09", "01C1~
#> $ pctdc <dbl> 0.1060, 0.0484, 0.0118, 0.0055, 0.0107, 0.0041, NA, 0.0207,~
#> $ conf <int> 1, 1, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1, 3, 3, 0,~
#> $ age2 <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,~
#> $ age69 <int> 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 6, 0, 0, 0, 0, 2, 3, 3, 0,~
#> $ pctcma2 <dbl> 0.6526, 0.5631, 0.4431, 0.3953, 0.2450, 0.1724, 0.0834, 0.6~
#> $ pctcma3 <dbl> 0.3573, 0.2589, 0.2026, 0.0914, 0.0810, 0.0573, 0.0077, 0.3~
#> $ pctexb <dbl> 0.0209, 0.0187, 0.0147, 0.0004, 0.0047, 0.0000, 0.0000, 0.0~
#> $ pctssacte <dbl> 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "20~
#> $ app <chr> NA, NA, NA, NA, NA, NA, NA, "XXXXX", "01C11", NA, NA, "01K0~
#> $ pctapp <dbl> NA, NA, NA, NA, NA, NA, NA, 0.2958, NA, NA, NA, NA, NA, NA,~OVALIDE - Table RacineINFO_exOQN
Intitulé du référentiel : ovalide_racineinfo_oqn
Mise à jour : 25 mai 2024s
Informations issues de la table OVALIDE
RacineINFO_exOQN.
Référentiel annualisé au sens du PMSI MCO (2018-2024).
Il est recommandé de ne charger que la ou les année(s) PMSI utile(s).
Variables du référentiel
racine = code racine GHM
pctdc = taux de décès national
conf = confirmation de codage nécessaire pour la racine
GHM (1 : OUI ; 0 : NON)
age2 = effet de l’âge pour les moins de 2 ans (1 : OUI
; 0 : NON)
age69 = effet de l’âge pour les plus de 69 / 79 ans
(1-3 : OUI pour les plus de 69 ans ; 2-4-6 : OUI pour les plus de 79 ans
; 0 : NON)
pctcma2 = pourcentage de séjours de niveau 2 dans la
racine GHM
pctcma3 = pourcentage de séjours de niveau 2 dans la
racine GHM
pctexb = pourcentage de séjours en dessous de la borne
basse
pctssacte = taux de séjours de 0 jours sans acte
app = racine apparentée à la racine GHM
pctapp = pourcentage de séjours dans la racine
apparentée
annee_pmsi = année PMSI
#> Rows: 4,552
#> Columns: 12
#> $ rghm <chr> "01C03", "01C04", "01C05", "01C06", "01C08", "01C09", "01C1~
#> $ pctdc <dbl> 0.1384, 0.0229, 0.0042, 0.0032, 0.0019, NA, NA, NA, NA, NA,~
#> $ conf <int> 1, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 0, 0, 0, 1, 3, 3, 0, 0,~
#> $ age2 <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,~
#> $ age69 <int> 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 6, 0, 0, 0, 0, 2, 3, 3, 0, 0,~
#> $ pctcma2 <dbl> 0.6349, 0.4184, 0.2590, 0.2878, 0.1314, 0.5000, 0.0204, 1.0~
#> $ pctcma3 <dbl> 0.3368, 0.1593, 0.1026, 0.0363, 0.0413, 0.0000, 0.0047, 0.0~
#> $ pctexb <dbl> 0.0000, 0.0059, 0.0006, 0.0010, 0.0000, 0.0000, 0.0000, 0.0~
#> $ pctssacte <dbl> 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "2024", "20~
#> $ app <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "01K07", NA, NA, NA~
#> $ pctapp <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,~Liste des actes CCAM de classification en CMD
Intitulé du référentiel : liste_A_mco
Mise à jour : 10 septembre 2024
Dernière version (2024)
Variables
#> Rows: 22,014
#> Columns: 7
#> $ mco_liste_A_ccam_pmsi_code <chr> "AAFA001", "AAFA002", "AAFA003", "AAFA~
#> $ mco_liste_A_ccam_pmsi_extension <chr> "00", "00", "00", "00", "00", "00", "0~
#> $ mco_liste_A_ccam_pmsi_phase <chr> "0", "0", "0", "0", "0", "0", "0", "0"~
#> $ mco_liste_A_cmd <chr> "01", "01", "01", "01", "01", "01", "0~
#> $ mco_liste_A_code <chr> "A-002", "A-002", "A-002", "A-002", "A~
#> $ mco_liste_A_libelle <chr> "Craniotomies", "Craniotomies", "Crani~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024"~Liste des diagnostics CIM de classification en CMD
Intitulé du référentiel : liste_D_mco
Mise à jour : 10 septembre 2024
Dernière version (2024)
Variables
#> Rows: 33,891
#> Columns: 5
#> $ mco_liste_D_cim_code <chr> "F072", "G430", "G431", "G432", "G433", "G438", "~
#> $ mco_liste_D_cmd <chr> "01", "01", "01", "01", "01", "01", "01", "01", "~
#> $ mco_liste_D_code <chr> "D-0101", "D-0101", "D-0101", "D-0101", "D-0101",~
#> $ mco_liste_D_libelle <chr> "Migraines et céphalées", "Migraines et céphalées~©es~
#> $ annee_pmsi <chr> "2024", "2024", "2024", "2024", "2024", "2024", "~Dénombrement Base nationale MCO des GHM
Intitulé du référentiel : denombrement_mco_ghm
Mise à jour : 10 septembre 2024
Dernière version (2023)
Dénombrement Base nationale MCO des GHS
Intitulé du référentiel : denombrement_mco_ghs
Mise à jour : 10 septembre 2024
Dernière version (2023)
Exemples
Chargement du référentiel des GHS Public des années 2023 et 2024
# Chargement du référentiel des GHS-GHM Public des années 2023 et 2024024
ghs_2023_2024 <- refpmsi::refpmsi("ghs_public",2023:2024)
ghs_2023_2024
#> # A tibble: 11,342 x 9
#> ghs ghm ghm_libelle ghm_bb ghm_bh ghs_tarif ghs_exb ghs_exh annee_pmsi
#> <chr> <chr> <chr> <int> <int> <dbl> <dbl> <dbl> <chr>
#> 1 22 01C031 Craniotomies~ 0 11 4162. 0 123. 2024
#> 2 23 01C032 Craniotomies~ 0 19 7389. 0 102. 2024
#> 3 24 01C033 Craniotomies~ 0 64 13334. 0 78.9 2024
#> 4 25 01C034 Craniotomies~ 12 124 18069. 451. 335. 2024
#> 5 65 01C041 Craniotomies~ 0 12 14420. 0 151. 2024
#> 6 26 01C041 Craniotomies~ 0 12 6526. 0 151. 2024
#> 7 66 01C042 Craniotomies~ 0 20 18776. 0 114. 2024
#> 8 27 01C042 Craniotomies~ 0 20 10882. 0 114. 2024
#> 9 28 01C043 Craniotomies~ 0 43 15711. 0 78.4 2024
#> 10 67 01C043 Craniotomies~ 0 43 23606. 0 78.4 2024
#> # i 11,332 more rowsRéférentiel des libellés des GA
On retient, pour chaque GA (Groupe d’Activité) le libellé correspondant à l’année PMSI MCO la plus récente
ghm_regroupement <- refpmsi(ghm_regroupement)
ga_libelle <- ghm_regroupement %>%
dplyr::distinct(ga,ga_libelle,annee_pmsi) %>%
dplyr::group_by(ga) %>%
dplyr::summarise(ga_libelle = ga_libelle[annee_pmsi == max(annee_pmsi)])
head(ga_libelle)
#> # A tibble: 6 x 2
#> ga ga_libelle
#> <chr> <chr>
#> 1 G001 Chirurgies digestives hautes
#> 2 G002 Chirurgie digestive majeure
#> 3 G003 Appendicectomies
#> 4 G004 Hernies
#> 5 G005 Occlusions, sub-occlusions digestives
#> 6 G006 Chirurgie mineure grêle/colonnRattachement du libellé GHM aux GHM des RUM
Soit un jeu de données jeu_ghm composé de 17 RUM
correspondant à 14 séjours.
#> # A tibble: 17 x 7
#> no_rum no_rss ghm dp_rum jp ghs annee_rss
#> <dbl> <dbl> <chr> <chr> <int> <chr> <chr>
#> 1 1 1 06K02Z D122 0 2119 2024
#> 2 1 2 08C321 S8220 3 2808 2023
#> 3 1 3 04M053 J181 10 1144 2023
#> 4 1 4 05M092 I5001 7 1754 2024
#> 5 1 5 06M12T R104 0 2200 2024
#> 6 1 6 04M053 J181 0 1144 2023
#> 7 1 7 20Z041 F102 29 7267 2023
#> 8 1 8 08K041 S730 2 3033 2024
#> 9 1 9 01M201 S0600 3 268 2023
#> 10 1 10 06M12T R104 0 2206 2024
#> 11 1 11 05M092 I5009 2 1754 2023
#> 12 2 11 05M092 I472 1 1754 2023
#> 13 1 12 04M053 J189 2 1144 2024
#> 14 2 12 04M053 J960 11 1144 2024
#> 15 3 12 04M053 J189 11 1144 2024
#> 16 1 13 16M11T D508 0 6186 2024
#> 17 1 14 16M11T D509 0 6118 2024
# chargement des GHM Public 2023 et 2024
ghm_2023_2024 <- refpmsi::refpmsi("ghs_public", 2023:2024)
jeu_ghm_libelle <- jeu_ghm %>%
# rattachement des libellés aux GHM via la jointure (ghs, annee_pmsi))
dplyr::left_join(ghm_2023_2024 %>% dplyr::select(ghs,ghm_libelle,annee_pmsi),
join_by(ghs == ghs, annee_rss == annee_pmsi))
jeu_ghm_libelle
#> # A tibble: 17 x 8
#> no_rum no_rss ghm dp_rum jp ghs annee_rss ghm_libelle
#> <dbl> <dbl> <chr> <chr> <int> <chr> <chr> <chr>
#> 1 1 1 06K02Z D122 0 2119 2024 Endoscopies digestives thé~~
#> 2 1 2 08C321 S8220 3 2808 2023 Interventions sur la jambe~
#> 3 1 3 04M053 J181 10 1144 2023 Pneumonies et pleurésies b~~
#> 4 1 4 05M092 I5001 7 1754 2024 Insuffisances cardiaques e~
#> 5 1 5 06M12T R104 0 2200 2024 Douleurs abdominales, très~~
#> 6 1 6 04M053 J181 0 1144 2023 Pneumonies et pleurésies b~~
#> 7 1 7 20Z041 F102 29 7267 2023 Ethylisme avec dépendance,~~
#> 8 1 8 08K041 S730 2 3033 2024 Tractions continues et réd~~
#> 9 1 9 01M201 S0600 3 268 2023 Commotions cérébrales, niv~v~
#> 10 1 10 06M12T R104 0 2206 2024 Douleurs abdominales, très~~
#> 11 1 11 05M092 I5009 2 1754 2023 Insuffisances cardiaques e~
#> 12 2 11 05M092 I472 1 1754 2023 Insuffisances cardiaques e~
#> 13 1 12 04M053 J189 2 1144 2024 Pneumonies et pleurésies b~~
#> 14 2 12 04M053 J960 11 1144 2024 Pneumonies et pleurésies b~~
#> 15 3 12 04M053 J189 11 1144 2024 Pneumonies et pleurésies b~~
#> 16 1 13 16M11T D508 0 6186 2024 Autres troubles de la lign~
#> 17 1 14 16M11T D509 0 6118 2024 Autres troubles de la lign~Rattachement DMS nationale aux séjours
Dans un premier temps, on rattache les DMS nationales issues d’OVALIDE MCO à chaque séjour.
Puis on compare la DS des séjours avec ces DMS nationales pour les séjours pour lesquels cela a un sens (séjours avec une DS > 0).
# Chargement des DMS OVALIDE des années PMSI 2023 et 20244
dms_ovalide <- refpmsi::refpmsi("ovalide_ghminfo_dgf", 2023:2024) %>% dplyr::select(ghm,dms,annee_pmsi)
dms_ovalide
#> # A tibble: 5,276 x 3
#> ghm dms annee_pmsi
#> <chr> <dbl> <chr>
#> 1 01C031 3.35 2024
#> 2 01C032 6.80 2024
#> 3 01C033 14.9 2024
#> 4 01C034 35.2 2024
#> 5 01C041 4.08 2024
#> 6 01C042 7.20 2024
#> 7 01C043 13.8 2024
#> 8 01C044 32.3 2024
#> 9 01C051 3.42 2024
#> 10 01C052 6.94 2024
#> # i 5,266 more rows
jeu_ghm_dms <- jeu_ghm %>%
# rattachement des DMS OVALIDE
dplyr::left_join(dms_ovalide, join_by(ghm == ghm, annee_rss == annee_pmsi)) %>%
# nouvelle variable ecart_dms
# nouvelle variable ratio_ecart_dms. = NA pour les cas jp = 0
dplyr::mutate(ecart_dms = jp - dms,
ratio_ecart_dms = ifelse(jp != 0L, round(jp/dms,2), NA_real_))
jeu_ghm_dms %>% print(n = 15, width = Inf)
#> # A tibble: 17 x 10
#> no_rum no_rss ghm dp_rum jp ghs annee_rss dms ecart_dms
#> <dbl> <dbl> <chr> <chr> <int> <chr> <chr> <dbl> <dbl>
#> 1 1 1 06K02Z D122 0 2119 2024 0.110 -0.110
#> 2 1 2 08C321 S8220 3 2808 2023 2.85 0.148
#> 3 1 3 04M053 J181 10 1144 2023 11.6 -1.59
#> 4 1 4 05M092 I5001 7 1754 2024 7.98 -0.981
#> 5 1 5 06M12T R104 0 2200 2024 0.491 -0.491
#> 6 1 6 04M053 J181 0 1144 2023 11.6 -11.6
#> 7 1 7 20Z041 F102 29 7267 2023 9.29 19.7
#> 8 1 8 08K041 S730 2 3033 2024 3.35 -1.35
#> 9 1 9 01M201 S0600 3 268 2023 0.640 2.36
#> 10 1 10 06M12T R104 0 2206 2024 0.491 -0.491
#> 11 1 11 05M092 I5009 2 1754 2023 8.07 -6.07
#> 12 2 11 05M092 I472 1 1754 2023 8.07 -7.07
#> 13 1 12 04M053 J189 2 1144 2024 11.5 -9.52
#> 14 2 12 04M053 J960 11 1144 2024 11.5 -0.516
#> 15 3 12 04M053 J189 11 1144 2024 11.5 -0.516
#> ratio_ecart_dms
#> <dbl>
#> 1 NA
#> 2 1.05
#> 3 0.86
#> 4 0.88
#> 5 NA
#> 6 NA
#> 7 3.12
#> 8 0.6
#> 9 4.69
#> 10 NA
#> 11 0.25
#> 12 0.12
#> 13 0.17
#> 14 0.96
#> 15 0.96
#> # i 2 more rowsCas d’usage : filtrer les séjours qui ont une DS >= 2,5 x la DMS nationale de leur GHM pour repérer des séjours, à priori, particulièrement longs.
sejour_more_2.5_dms <- jeu_ghm_dms %>% dplyr::filter(ratio_ecart_dms >= 2.5)
sejour_more_2.5_dms %>% print(width = Inf)
#> # A tibble: 2 x 10
#> no_rum no_rss ghm dp_rum jp ghs annee_rss dms ecart_dms
#> <dbl> <dbl> <chr> <chr> <int> <chr> <chr> <dbl> <dbl>
#> 1 1 7 20Z041 F102 29 7267 2023 9.29 19.7
#> 2 1 9 01M201 S0600 3 268 2023 0.640 2.36
#> ratio_ecart_dms
#> <dbl>
#> 1 3.12
#> 2 4.69Case mix en DA (Domaine d’Activité) des séjours
case_mix_da <- jeu_ghm %>%
# rattachement des codes DA aux séjourss
dplyr::left_join(refpmsi::refpmsi("ghm_regroupement",2023:2024) %>% dplyr::select(ghm,da,da_libelle,annee_pmsi),
join_by(ghm == ghm, annee_rss == annee_pmsi)) %>%
# regroupement en DA
group_by(da,da_libelle) %>%
# calcul du nombre de RUM et du nombre de séjours par DAA
dplyr::summarise(nb_rum = dplyr::n(),
nb_sejour = dplyr::n_distinct(no_rss),
.groups = "drop")
case_mix_da
#> # A tibble: 7 x 4
#> da da_libelle nb_rum nb_sejour
#> <chr> <chr> <int> <int>
#> 1 D01 Digestif 3 3
#> 2 D02 Orthopédie traumatologie 2 22
#> 3 D05 Système nerveux (hors cathétérismes vasculaires diagno~ 1 1 1
#> 4 D07 Cardio-vasculaire (hors cathétérismes vasculaires diag~ 3 2 2
#> 5 D09 Pneumologie 5 3
#> 6 D16 Hématologie 2 22
#> 7 D23 Toxicologie, Intoxications, Alcool 1 1Séjours et gradation des prises en charge ambulatoires
On repère les séjours concernés par la gradation des prises en charge ambulatoires et groupés avec le GHS intermédiaire.
sejour_ghs_intermediaire <- jeu_ghm %>%
# rattachement GHS plein et GHS intermédiaire pour les GHM concernés©s
dplyr::left_join(refpmsi::refpmsi(ghm_intermediaire),
join_by(ghm == ghm_intermediaire, annee_rss == annee_pmsi)) %>%
# filtre sur les séjours dont le GHS == le GHS intermédiaire associé au GHMGHM
dplyr::filter(ghs == ghs_intermediaire)
sejour_ghs_intermediaire
#> # A tibble: 2 x 9
#> no_rum no_rss ghm dp_rum jp ghs annee_rss ghs_plein ghs_intermediaire
#> <dbl> <dbl> <chr> <chr> <int> <chr> <chr> <chr> <chr>
#> 1 1 10 06M12T R104 0 2206 2024 2200 2206
#> 2 1 14 16M11T D509 0 6118 2024 6186 6118Liste des codes CIM-10 d’une liste D
# Chargement du référentiel des listes D et A de l'algorithme de groupage MCOCO
mco_fg_listes <- refpmsi::refpmsi("mco_fg_listes", 2021)
mco_fg_listes
#> # A tibble: 55,409 x 8
#> mco_fg_liste_code mco_fg_liste_lib mco_fg_liste_type mco_fg_cmd mco_fg_code
#> <chr> <chr> <chr> <chr> <chr>
#> 1 A-002 Craniotomies A 01 AAFA001
#> 2 A-002 Craniotomies A 01 AAFA002
#> 3 A-002 Craniotomies A 01 AAFA003
#> 4 A-002 Craniotomies A 01 AAFA004
#> 5 A-002 Craniotomies A 01 AAFA005
#> 6 A-002 Craniotomies A 01 AAFA006
#> 7 A-002 Craniotomies A 01 AAFA007
#> 8 A-002 Craniotomies A 01 AAFA008
#> 9 A-002 Craniotomies A 01 AAGA900
#> 10 A-002 Craniotomies A 01 AAJA001
#> # i 55,399 more rows
#> # i 3 more variables: mco_fg_ccam_pmsi_extension <chr>,
#> # mco_fg_ccam_pmsi_phase <chr>, annee_pmsi <chr>On choisit d’extraire les codes CIM-10 de la liste D-0401 ““Bronchite ou asthme”
Le DP d’un séjour appartenant à cette liste amène le séjour concerné en racine 04M03 “Bronchites et asthme, âge supérieur à 17 ans” ou 04M02 “Bronchites et asthme, âge inférieur à 18 ans”
liste_D_0401 <- mco_fg_listes %>%
# on ne garde que des variables qui nous intéressent pour une liste en DD
dplyr::select(mco_fg_liste_code, mco_fg_liste_lib, mco_fg_cmd, mco_fg_code) %>%
dplyr::filter(mco_fg_liste_code == "D-0401")
liste_D_0401
#> # A tibble: 20 x 4
#> mco_fg_liste_code mco_fg_liste_lib mco_fg_cmd mco_fg_code
#> <chr> <chr> <chr> <chr>
#> 1 D-0401 Bronchites et asthme 04 J041
#> 2 D-0401 Bronchites et asthme 04 J200
#> 3 D-0401 Bronchites et asthme 04 J201
#> 4 D-0401 Bronchites et asthme 04 J202
#> 5 D-0401 Bronchites et asthme 04 J203
#> 6 D-0401 Bronchites et asthme 04 J204
#> 7 D-0401 Bronchites et asthme 04 J205
#> 8 D-0401 Bronchites et asthme 04 J206
#> 9 D-0401 Bronchites et asthme 04 J207
#> 10 D-0401 Bronchites et asthme 04 J208
#> 11 D-0401 Bronchites et asthme 04 J209
#> 12 D-0401 Bronchites et asthme 04 J40
#> 13 D-0401 Bronchites et asthme 04 J410
#> 14 D-0401 Bronchites et asthme 04 J42
#> 15 D-0401 Bronchites et asthme 04 J450
#> 16 D-0401 Bronchites et asthme 04 J451
#> 17 D-0401 Bronchites et asthme 04 J458
#> 18 D-0401 Bronchites et asthme 04 J459
#> 19 D-0401 Bronchites et asthme 04 J46
#> 20 D-0401 Bronchites et asthme 04 J980Script similaire pour extraire les actes CCAM PMSI d’une liste A.
Diagnostics d’entrée d’une CMD
On choisit d’extraire les diags d’entrée de la CMD 01
# on a chargé le référentiel mco_fg_listes dans la variable mco_fg_listestes
diag_cmd_01 <- mco_fg_listes %>%
dplyr::filter(mco_fg_cmd == "01", mco_fg_liste_type == "D") %>%
# argument.keep_all = TRUE pour garder les colonnes
dplyr::distinct(mco_fg_code, .keep_all = TRUE) %>%
# colonnes qui nous intéressent + réordonnancementnt
dplyr::select(mco_fg_code, mco_fg_cmd, mco_fg_liste_code, mco_fg_liste_lib)
diag_cmd_01
#> # A tibble: 903 x 4
#> mco_fg_code mco_fg_cmd mco_fg_liste_code mco_fg_liste_lib
#> <chr> <chr> <chr> <chr>
#> 1 F072 01 D-0101 Migraines et céphaléeses
#> 2 G430 01 D-0101 Migraines et céphaléeses
#> 3 G431 01 D-0101 Migraines et céphaléeses
#> 4 G432 01 D-0101 Migraines et céphaléeses
#> 5 G433 01 D-0101 Migraines et céphaléeses
#> 6 G438 01 D-0101 Migraines et céphaléeses
#> 7 G439 01 D-0101 Migraines et céphaléeses
#> 8 G440 01 D-0101 Migraines et céphaléeses
#> 9 G441 01 D-0101 Migraines et céphaléeses
#> 10 G442 01 D-0101 Migraines et céphaléeses
#> # i 893 more rowsRattachement des libellés des listes D aux DP
Soit un mini-jeu de données de 12 séjours avec le DP, le GHM et l’année PMSI du séjour
#> # A tibble: 12 x 4
#> no_rss dp_rss ghm_rss annee_rss
#> <int> <chr> <chr> <chr>
#> 1 1 I5010 05M091 2023
#> 2 2 S7220 08M041 2023
#> 3 3 H269 02C05J 2024
#> 4 4 Z380 15M05A 2024
#> 5 5 S7200 08C471 2023
#> 6 6 S0600 01M201 2024
#> 7 7 R074 05M13T 2023
#> 8 8 J441 04M202 2023
#> 9 9 K358 06C091 2024
#> 10 10 R53+0 23M20Z 2024
#> 11 11 S7200 08C471 2024
#> 12 12 I5011 05M092 20231ere étape : construire le tibble des diagnostics d’entrée de toutes les CMD concernées par une introduction de groupage par le DP
# on a chargé le référentiel mco_fg_listes dans la variable mco_fg_listestes
diag_cmd <- mco_fg_listes %>%
dplyr::filter(mco_fg_liste_type == "D") %>%
# nest_by = group_by + summarise + rowwise (expérimental dplyr 1.0.7))
dplyr::nest_by(mco_fg_cmd, .key = "diag_entree") %>%
# dégroupage du rowwise généré par nest_byt_by
dplyr::ungroup() %>%
# traitement de la list_column des diags d'entréee
dplyr::mutate(diag_entree = purrr::map(diag_entree, ~ dplyr::distinct(.x, mco_fg_code, .keep_all = TRUE) %>% dplyr::select(c("mco_fg_code", "mco_fg_liste_code", "mco_fg_liste_lib"))))
diag_cmd
#> # A tibble: 26 x 2
#> mco_fg_cmd diag_entree
#> <chr> <list>
#> 1 01 <tibble [903 x 3]>
#> 2 02 <tibble [408 x 3]>
#> 3 03 <tibble [555 x 3]>
#> 4 04 <tibble [465 x 3]>
#> 5 05 <tibble [495 x 3]>
#> 6 06 <tibble [579 x 3]>
#> 7 07 <tibble [227 x 3]>
#> 8 08 <tibble [4,058 x 3]>
#> 9 09 <tibble [914 x 3]>
#> 10 10 <tibble [422 x 3]>
#> # i 16 more rows2eme étape : rattachement du libellé de la liste D correspondant au DP pour la CMD du séjour
jeu_dp_ghm_liste_D <- jeu_dp_ghm %>%
# extraction de la CMD du séjourr
dplyr::mutate(cmd_rss = stringr::str_sub(ghm_rss,1,2)) %>%
dplyr::left_join(diag_cmd %>% tidyr::unnest(diag_entree),
# jonction via dp et cmd. Rappel : plusieurs listes D possibles pour un DP
join_by(dp_rss == mco_fg_code, cmd_rss == mco_fg_cmd))
jeu_dp_ghm_liste_D
#> # A tibble: 12 x 7
#> no_rss dp_rss ghm_rss annee_rss cmd_rss mco_fg_liste_code mco_fg_liste_lib
#> <int> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 1 I5010 05M091 2023 05 D-0505 Insuffisances card~
#> 2 2 S7220 08M041 2023 08 D-069 Certaines lésions ~~
#> 3 3 H269 02C05J 2024 02 D-0204 Autres affections ~
#> 4 4 Z380 15M05A 2024 15 NA NA
#> 5 5 S7200 08C471 2023 08 D-069 Certaines lésions ~~
#> 6 6 S0600 01M201 2024 01 D-0121 Lésions crâniennes~s~
#> 7 7 R074 05M13T 2023 05 D-0508 Douleurs thoraciqu~
#> 8 8 J441 04M202 2023 04 D-0408 Bronchopneumopathi~
#> 9 9 K358 06C091 2024 06 D-0610 Autres affections ~
#> 10 10 R53+0 23M20Z 2024 23 D-2309 Autres motifs de r~
#> 11 11 S7200 08C471 2024 08 D-069 Certaines lésions ~~
#> 12 12 I5011 05M092 2023 05 D-0505 Insuffisances card~Remarque : pas de libellé de liste D pour le DP Z380 “Enfant unique, né à l’hôpital” d’un séjour classé dans la CMD 15 “Nouveau-nés, prématurés et affections de la période périnatale” car, dans cette CMD, le groupage ne commence pas par le DP.
Sources
Manuel
de groupage GHM 2024 - Volume 1 (ATIH)
TArifs MCO
2018-2024 (ATIH)
Arrêté
tarifaire MCO 2023 (Ministère de la Santé - Arrêté 2023)
Arrêté
tarifaire MCO 2022 (Ministère de la Santé - Arrêté 2022)
Arrêté
tarifaire MCO 2021 (Ministère de la Santé - Arrêté 2021)
Arrêté
tarifaire MCO 2020 (Ministère de la Santé - Arrêté 2020)
Arrêté
tarifaire MCO 2019 (Ministère de la Santé - Arrêté 2019)
Arrêté
tarifaire MCO 2018 (Ministère de la Santé - Arrêté 2018)
Regroupements
des GHM et RGHM 2023 (ATIH)
OVALIDE
MCO - Tables de référence 2024 (ATIH)
Données
du volume 2 du manuel des GHS 2024 (ATIH)