CN101421734A - 用于识别和分析医疗赔付中的模式或者异常的系统和方法 - Google Patents

用于识别和分析医疗赔付中的模式或者异常的系统和方法 Download PDF

Info

Publication number
CN101421734A
CN101421734A CNA200680053861XA CN200680053861A CN101421734A CN 101421734 A CN101421734 A CN 101421734A CN A200680053861X A CNA200680053861X A CN A200680053861XA CN 200680053861 A CN200680053861 A CN 200680053861A CN 101421734 A CN101421734 A CN 101421734A
Authority
CN
China
Prior art keywords
treatment
data
mode data
disease
medical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA200680053861XA
Other languages
English (en)
Inventor
D·安德森
J·罗林斯
J·阿瑟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Optuminsight Inc
Original Assignee
Ingenix Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ingenix Inc filed Critical Ingenix Inc
Publication of CN101421734A publication Critical patent/CN101421734A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

在用于识别疾病治疗模式中的异常的系统和方法中，识别一组要分析的医疗赔付数据，其中该组要分析的医疗赔付数据包括表示该疾病的治疗的赔付数据。生成表示在该组要分析的医疗赔付数据中的赔付数据的实际治疗模式数据。检索针对该疾病的定义治疗模式数据并且将其与实际治疗模式数据相比较以识别其间的一个或者多个差异，并且生成表示该比较的结果的相应比较数据。实际治疗模式数据可以表示针对该疾病对一个患者的治疗，而定义治疗模式数据可以表示针对该疾病对一组其他患者的治疗。作为替换，实际治疗模式数据可以表示医疗提供者针对该疾病对多个患者的治疗，而定义治疗模式数据可以表示该疾病的治疗的规定程序。该系统和方法也可以通过识别和编辑来自历史赔付数据的数据库的与该疾病的治疗有关的赔付数据生成定义治疗模式数据。

Description

用于识别和分析医疗赔付中的模式或者异常的系统和方法
发明领域
本发明一般地涉及数据处理技术，尤其涉及分析医疗数据。
发明背景
在医疗行业，医疗赔付的付款人面临识别和防止医疗欺诈和滥用的挑战。行业范围的努力涉及建立提供防止向欺诈赔付支付的能力的规则引擎。诸如由IBM(FAMS)、Fair Isaac和VIPS所提供的产品之类的若干分析工具可用，但是这些产品具有极小的互操作性，以传统的报告方式运行得非常缓慢和/或需要重大配置，并且需要极大的努力来更改。像SAS和SPSS这样的工具提供统计分析能力以检查非常大的数据集，但是它们需要预定义的二进制目标或者测试数据集以便从赔付数据中得出相关的异常模式。然而，这类工具可能需要相当多的提前支付的咨询费，并且这类工具的准确性在使用的过程中可能遭到破坏。
另外，现有系统通常集中在对与个别患者相关联的赔付数据的环境中的异常或者欺诈进行识别。然而，一些类型的欺诈在个体的基础上难以发现。因而，需要可以在对赔付数据组进行分析的基础上识别欺诈以及其它赔付数据异常(例如，记账不正常)的系统。
如本发明人所认识地，所需要的是用于识别和分析医疗赔付模式的方法和系统，由此所关心的欺诈或者其它模式可以从医疗赔付中识别。根据这一背景研究出了本发明的各种实施方式。
发明概述
按照以上所述并且根据本发明一实施方式的一个宽泛方面，本文公开了一种方法，用于识别针对患者疾病的治疗模式中的异常，表示由一个或者多个医疗提供者针对相同疾病为许多患者治疗的治疗模式中的异常，或者在基于如用户所期望的其它赔付数据分组的模式中的异常。举例来说，由本系统和方法所识别的治疗模式中的异常可以表现为欺诈、不当或者低质的医疗，不当的记账手段，和/或对疾病治疗的其它不良方面。
在本发明的一个实施方式中，一种用于识别针对疾病的治疗模式中的异常的方法包括下列步骤：对一组要分析的医疗赔付数据进行识别，其中这一组要分析的医疗赔付数据包括表示疾病治疗的赔付数据；生成表示要分析的医疗赔付数据组中的赔付数据的实际治疗模式数据；检索针对该疾病的定义治疗模式数据；将实际治疗模式数据与定义治疗模式数据相比较以识别其间的一个或者多个差异；以及生成表示比较结果的比较数据。该方法还可以包括：显示实际治疗模式数据、定义治疗模式数据以及比较数据的步骤，和/或通过识别和编辑来自历史赔付数据的数据库的与疾病治疗相关的赔付数据以生成定义治疗模式数据的步骤。
实际治疗模式数据可以表示对患者疾病的治疗，而定义治疗模式数据可以表示针对该疾病对一组其它患者的治疗。作为替换，实际治疗模式数据可以表示由一个医疗提供者针对疾病进行的多个患者的治疗，而定义治疗模式数据可以表示为该疾病的治疗的规定程序。实际治疗模式数据可以包括治疗日期、治疗类别以及所提供治疗的列表。
规定程序可以来源于基于证据的药物和/或来源于历史赔付数据分析。
根据本发明的一种用于识别疾病治疗模式中的异常的系统包括用于存储医疗赔付数据的数据库和处理器。该处理器识别一组要分析的医疗赔付数据，其中这一组要分析的医疗赔付数据包括表示疾病治疗的赔付数据；生成表示要分析的医疗赔付数据组中的赔付数据的实际治疗模式数据；检索针对该疾病的定义治疗模式数据；将实际治疗模式数据与定义治疗模式数据相比较以识别其间的一个或者多个差异；以及生成表示比较结果的比较数据。
通过以下对附图中示出的本发明各实施方式的更具体描述，本发明的各种实施方式的特征、效用和优点将是显而易见的。
附图简述
图1示出了根据本发明一个实施方式的用于识别和分析医疗赔付模式的框图的一个示例；
图2示出了根据本发明一个实施方式的用于识别和分析医疗赔付模式的操作的一个示例；
图2A示出了根据本发明一个实施方式的用于识别和分析医疗赔付模式的操作的另一个示例；
图3示出了根据本发明一个实施方式的医疗赔付数据的模式分析的显示布局的一个示例；
图4示出了根据本发明一个实施方式的分析由具有一疾病的一组患者接受的治疗模式的显示布局的一个示例；
图5示出了根据本发明一个实施方式的其中示出了个体治疗与群体治疗的比较或者覆盖的显示布局的一个示例；
图6示出了根据本发明一个实施方式的赔付数据的地区性市场报告的显示屏的一个示例；
图7示出了根据本发明一个实施方式的5段(chapter)子类/诊断选择屏的一个示例显示屏；
图8示出了根据本发明一个实施方式的按照区域组织的医疗服务提供者的示例显示屏；
图9示出了根据本发明一个实施方式的已经接受特定医疗诊断的医疗计划成员的地区性分布图；
图10示出了根据本发明一个实施方式的特定医疗诊断的区域性15模式的一个示例显示屏；
图11示出了根据本发明一个实施方式的由特定医疗服务提供者很少和经常使用的诊断代码的概况的一个示例显示屏；
图12示出了根据本发明一个实施方式的示出医疗服务提供者的成员分布的地区性图的一个示例显示屏；
图13示出了根据本发明一个实施方式的对应于特定医疗服务提供者的医疗赔付数据的一个示例显示屏；
图14示出了根据本发明一个实施方式的由特定医疗服务提供者针对特定医疗诊断提供的治疗模式的一个示例显示屏；
图15示出了根据本发明一个实施方式的由服务提供者针对特定诊断提供的医疗模式与自基于证据的药物生成的模式相比较而得的覆盖或者比较的一个示例显示屏；
图16是根据本发明一个实施方式的对用于分析医疗赔付数据的种类进行分类的一个示例；
图17是根据本发明一个实施方式的遍历对用于分析医疗赔付数据的种类的分类的一个示例；
图18是根据本发明一个实施方式的遍历对用于分析医疗赔付数据的种类的分类的又一个示例；
图19是根据本发明一个实施方式的映射图18种类的分类的问题陈述和解决方案的一个示例。
详细描述
本发明的各实施方式供从医疗赔付数据获得患者的医疗治疗模式并且显示这类治疗模式之用。这些治疗模式可以与从医疗赔付数据获得的群体治疗模式相比较，使得可以识别患者的治疗模式中的异常。这些异常可有助于识别欺诈、滥用或者其它问题。而且，通过使用患者的治疗模式，如果感兴趣事件的任何组合发生在患者身上(即，例如药物不良反应)，这类感兴趣事件可被定位成可能已经出现在其它患者的医疗赔付数据中的范围。
在一个示例中，图形用户界面或者显示屏允许用户快速挖掘与异常记账模式、识别赔付ID、提供者、专业、区域、州、雇主、诊断代码、程序代码等等相关联的数据以及一个或者多个数据点的任何组合。用户界面可用于识别存在于数据中的趋势的类型并且将可能与这类趋势相关的因素作为目标。本文描述本发明的各个实施方式，并且可将其实现为方法、系统、装置或者其它形式。
图1示出了根据本发明一个实施方式的用于识别和分析医疗赔付模式的系统的框图。如图1所示，提供从医疗赔付数据库读取并且处理数据的分析引擎。在一个示例中，该数据库可包括多个具有医疗赔付数据的信息源。在一个示例中，利用包含医疗赔付数据(包括IDC9代码数据)的常规的赔付数据库。在一个示例中，该数据库可以包括针对每个赔付行式项目的诸如CPT代码之类的程序代码描述。数据也可包括ICD-9代码，该代码是指示为何执行特定程序或者医疗服务的国际疾病分类，也被称为“诊断”代码。
为了创建根据本发明的要针对模式和异常分析的赔付数据分组，可以使用用户所期望的任何分组方法学或者定义来对赔付数据进行分组。例如，将由分析引擎分析的赔付数据分组可以是定义相关病因学的医疗事件分组的事件治疗组(ETG)。对医疗赔付数据分组成ETG的详细描述在2001年4月24日授权的发明人为Seare等等的美国专利No.6,223,164B1和2002年4月9日授权的发明人为Dang的美国专利No.6,370,511B1中进行，这两个专利通过引用结合于此。数据分组可以由医疗服务提供者或者由提供该服务的机构执行。
可以向分析引擎提供各种界面，举例来说，包括消费者界面、付款人界面、医生界面、保险提供者界面和雇主界面。这些界面中的每一个都可以通过网络实现，例如在用户的浏览器程序内提供对分析引擎和存储在赔付数据库中的数据的远程访问。
通常，分析引擎允许对出现在个体患者或者群体患者医疗中的模式的识别。如本文所述这些模式具有许多用途，例如用于将个体患者所接受的治疗模式和具有与该个体患者相同疾病的一组患者的一般治疗模式相比较。
图2示出了根据本发明一个实施方式的用于识别和分析医疗赔付模式的操作的一个示例。在操作10，使用所期望的显示布局生成患者数据的显示。本文描述了显示布局的许多示例。在一个示例中，显示布局包括治疗数据和所提供服务的种类，并且也可以包括诊断代码和接受的实际服务的列表。服务种类可以被安排为包括下列种类，例如在一个示例中包括维护服务、并发症服务、手术服务、实验室/放射服务以及药剂服务。在操作20，通过使用操作10的显示，识别关于患者治疗的感兴趣模式。可以有多个感兴趣模式被识别，包括但不限于：过量的医药处方、治疗或者门诊的不对称频率、严重急性疾病的发作等等。
通过使用在操作20中识别的感兴趣模式，可以识别具有相同或者类似感兴趣模式的患者子群。在一个示例中操作30包括针对附加患者挖掘赔付数据库，其中这些附加患者也可能经历了如操作20所识别的相同或者类似的模式。在这一点上，当操作20中识别的感兴趣模式包括例如对医疗或者药物并用的不良反应时，操作30可以挖掘赔付数据库以确定其它患者是否经历了类似的不良反应。
在操作40，可以研究由操作30所识别的子群的数据，并且可以分离出该数据集中的变量以识别其它趋势。例如，当患者子群经历了对医疗或者处方药并用的不良反应时，操作40可以检查子群中的患者是否具有其它共有特点或者可以执行其它统计分析。因此操作20-40可用于检查个体患者所经历的感兴趣模式是否也由其档案在赔付数据库中的其它患者所经历。
在另一实施方式中，代替操作20-40，可以执行一组操作来识别个体患者治疗模式与诊断为具有相同疾病的一组患者相比较时其中的异常。在一个示例中，由该疾病的一组患者所接受的群体治疗模式是从医疗赔付数据中获得的，并且这一群体治疗模式与第一显示相比较其间有一个或者多个差异。可以提供群体治疗模式的第二显示，并且第一显示和第二显示可以组合起来以在视觉上显示治疗模式之间的该一个或者多个差异。
图2A示出了根据本发明的用于识别和分析医疗赔付模式的一个替换操作。在步骤210，图1的分析引擎识别一组要由诸如提供者A的某医疗提供者分析的赔付数据，例如与诸如疾病X的某种疾病的治疗相关的赔付数据。赔付数据组可以通过收集医疗提供者为提供者A的疾病X的所有ETG赔付数据来定义。
在步骤220，分析引擎生成示出与疾病X的治疗相关的提供者A提供给患者的所有治疗的模式数据。
在步骤230，分析引擎从关联数据库检索针对疾病X的治疗的可应用的预定义模式。例如，治疗的预定义模式可以根据基于证据的药物标准来定义或者通过历史赔付分析来定义。针对疾病X的治疗的预定义模式可被定义成考虑诸如由提供者A提供的治疗的难度和/或提供者A的病例组合之类的因素。通过考虑可应用的病例组合，将提供者A的治疗模式与具有类似病例组合的其它医疗提供者相比较。通过考虑可应用的分级指标(例如，疾病的死亡率或者严重程度的风险)，将提供者A的治疗模式与处于类似难度或者复杂度水平的疾病A的治疗相比较。
在步骤240，将提供者A的治疗模式与由分析引擎检索的并且向用户显示的预定义治疗模式相比较。通过使用这一方法，用户可以识别提供者A在疾病X的治疗中例行提供的例如不正常的、不必要的和/或过度的治疗；提供者A在疾病X的治疗中对设备的不正常的、不必要的和/或过度的使用；和/或提供者A不正常的、不必要的和/或过度的记账手段。对这类异常的识别可以指示欺诈、质量差的医疗、记账不正常等等，而这些在检查仅仅与由提供者A针对疾病X治疗的一个患者相关的赔付数据时是难以发现的。例如，这一比较的结果可用于生成关于某医疗提供者的治疗模式的报告，以使得能够为各种目的评估该医疗提供者的表现。可以针对多种疾病和/或多个医疗提供者执行类似的分析。
图3示出了使用图2中示出的过程执行的医疗赔付数据的模式分析的显示布局的一个示例。在这一示例中，示出了与个体患者的历史医疗相关的赔付数据。在这一示例中，显示布局包括治疗日期的数据表示、诊断代码和医疗服务种类。在一个示例中，沿着下方水平轴从左到右以升序绘制治疗日期，而最左边的垂直轴包括医疗服务的种类。医疗服务的种类可以包括各种子种类，例如维护子种类、并发症子种类、手术子种类、实验室工作或者放射子种类、药物或者处方子种类等等。取决于特定的实现，在显示布局中使用的子种类可以变化。
显示布局也可以包括可被安排为在特定服务对应的每个子种类中显示的所接受服务的列表或者其表示。可以看出，对于基于实际医疗赔付数据的每个数据点，该数据点被绘制为与治疗的日期相对应，并且也被绘制为在所提供服务的适当种类中显示。而且，在一个示例中，针对每个数据点，可以显示与该数据点相关的诊断代码以及对所执行实际服务的描述或者表示。
在这一示例中，患者已被归类到具有白血病的一组患者中。通过基于患者所患疾病而将他们归类到各种群体中，可以识别特定群体中的所有这类患者的治疗模式，并且当与群体中其它患者接受的治疗模式相比较时可以容易地识别个体患者所接受治疗的变化。
进一步地，如果需要，每个数据点可以包括与所发生的并且由该数据点表示的医疗服务或者事件相关联的实际成本。
通过使用如图3所示的显示布局，可以将实际的医疗赔付数据事件绘制在显示布局中。例如，在图3中，针对该个体患者分析所接受的第一服务是在2002年1月1日，并且包括在实验室/放射服务种类中显示的“执行概况80053(ExecutiveProfile 80053)”。在这一示例中该事件包括诊断代码V581和205.10。可以看出，在基于医疗赔付数据的时间发生的接下来的事件是包括“甲磺酸伊马替尼100mg25724(GLEEVEC 100mg 25724)”和“别嘌醇300mg 7037(ALLOPURINOL 300mg7037)”的用药处方。在稍后的时间，大约是2002年4月1日，该患者接受了门诊、做了一些血液检查并且接受了自动血象和执行的概况实验室/放射检查。开出了另外三种药(复方氨酰心安50mg 6779(TENORETIC 50mg 6779)、吲哚美辛50mg5084(INDOMETHACIN 50mg 5084)和格列本脲微量6mrx 16602(GLYBURIDE MICRO6 mrx 16602))。
该患者在他们的疗程中接受的其它服务在图3的这一示例中示出。从这一显示布局可以看出，在2003年5月1日之前，该患者患有包括紧急救护的严重的冠脉并发症。因此，由于这一示例的显示布局提供历史医疗赔付数据，这一显示布局使医师或者其他实体能快速检查治疗历史以确定该治疗中是否存在重要的或者有意义的模式，并且可以帮助识别在与治疗有类似疾病的患者的典型模式相比较时患者是否经历了治疗的变化。
因此，图3的显示布局提供可以快速识别模式变化的样本视觉显示(在这一情况下是在2003年5月1日之前发生的严重的冠脉病变)，并且这种模式变化可以用在并发症之前发生什么的分析加以分离。在这一情况下，可以看出就在并发症之前，将新药物“蒙诺20mg 3877(MONOPRIL 20mg 3877)”加入到该患者的治疗组中。在分析中的这一点上，可以做出与系统中其他患者的比较，以确定其他患者是否具有导致冠脉病变的相同或者类似的治疗模式。因为系统中的赔付数据库包括经过很多年的上百万患者的各种治疗的赔付数据，所以有可能识别其他患者中的类似情形。这类结果随后可以用于最初识别药物治疗的潜在副作用或者两种或更多药物之间的不良反应。一旦识别出感兴趣模式(例如潜在的副作用或者不良药物反应)，就可以通过分离或者分析经历了特定模式或者副作用的患者子集来执行进一步的数据处理。例如，对于该患者子集，可以进一步检查赔付数据以确定患者身体内是否有可能造成不良反应的指示，例如基因类型、伴随病状、患者体重以及诸如糖尿病或者其它变型之类的其它疾病。关于对新药的安全相关因素的分析的附加信息可以在2005年4月25日提交的发明名称为“针对新药的安全相关因素的早期检测系统和方法(System and Method for Early Detection of Safety Concerns for NewDrugs)”的美国临时专利申请No.60/674,958中找到。
图4示出了示出由一组患者接受的治疗模式的显示布局的一个示例。在这一示例中，该组患者的每一个都患有白血病，与其治疗模式表示在图3中的个体患者具有相同的疾病。如同图3的显示布局一样，在图4的显示示例的布局中，当显示群体特性时，治疗日期通常被标准化为围绕固定日期，该日期可以是第0天—首次诊断或者第0天—开始治疗，并且还可以包括诊断代码以及所接受的实际服务或者所提供的服务种类的表示。在图4中所示出的数据点可以从赔付数据的数据库获得。而且，每个数据点可以包括针对由特定数据点表示的每个医疗程序或者事件的平均或者典型的成本。
在图4的示例中，可以看出这组患有白血病的患者经历了包括持续免疫组、至少每六个月一次门诊、定期抽血和血象以及眼科检查和“格列本脲微量6mrx 16602(Glyburide micro 6mrx 16602)”处方的一般疗程。
诸如图4所示的治疗模式可用于与个体的实际治疗历史相比较或者与个体群的治疗历史或其模式相比较，正如以下关于图5所示。
在图5的示例中，将个体的实际治疗(图3)与患有相同疾病的一组患者所接受的治疗模式(图4)相比较。因此，使用图5的覆盖，有可能比较个体的治疗与患有相同或者类似疾病的患者所接受的典型治疗模式有何相似或者不同，并且可以识别个体治疗模式中的异常。例如在图5的示例中，覆盖显示指示个体患者接受其流感疫苗和免疫接种以及其诊断眼科检查和特别眼科检查，这与该患者群体所接受的一致。相反，该患者接受大量的胸部x射线，这与该群体的治疗模式不一致。图5也示出了个体所接受的治疗与患者群所接受的治疗模式之间的其它不同。
利用图4的显示布局，针对具有特别诊断的患者的治疗模式或者针对特别诊断的访问模式可以自实际的医疗赔付数据创建，以提供从该数据获得的基于证据的药物模式。通过分析来自患者医疗记录的赔付或者来自特定医疗提供者的赔付流来识别根据基于证据的药物分析的模式，以检验提供者是否遵守诸如来自公布的科学调研的规则、公布的药剂安全信息和/或专家意见、记账手段等等之类的标准准则。标准准则和患者治疗数据中的模式之间的比较可用于识别提供者行为中的异常。
作为替换，可以将模式引入显示布局，并且可以将该模式与赔付数据库中的条目相比较。例如，可以引入最好的手段或者最好的治疗手段的模式，并且随后将其用于与从赔付数据获得的其它模式相比较或者与个体或者个体群所接受的在赔付数据库中表示出的治疗相比较。其它模式可以包括专业群体模式、其中将实际治疗模式与预定义治疗模式相比较以评估向一个或者多个患者提供的和/或由一个或者多个医疗提供者提供的医疗质量的质量模式、查看每隔多久医生看视患者的医生治疗习惯模式、滥用或者利用不足的模式以及良好程序的模式。
本发明的各实施方式可用于使欺诈为保险提供者及其成员所知，因为显示布局可用于检查患者接受医疗的方式。例如，如果诊断代码不支持患者接受的服务或者处方，那么这样可以指示欺诈。
本发明的各个实施方式也可用作病例管理工具，因为可以使最好的治疗手段的特定模式与根据这些最好手段经验式地治疗患者的医生相配，所以可以将患有这类疾病的新患者指引到这些医生处。
例如，雇主可以使用本发明的各个实施方式来帮助设计或者调整其医疗福利计划。雇主可以执行灵敏度分析以研究医疗政策变化的可能成本或者影响。
例如，如果雇主或者付款人计划将门诊共同负担费用从15美元改变到20美元，该雇主或者付款人可以检索并且研究针对雇员群的常规访问模式，并且确定共同负担费用数目的变化是否将导致任何成本节省。
图6-15示出了可与本发明一个或者多个实施方式结合使用的显示屏的示例。在图6中，示出了趋势分析或者地区性市场报告，在一个示例中，其可供付款人观察以确定在每人每月的基础上保险成本从何处发生。在图6中，针对医生出诊、住院患者治疗和非住院患者治疗示出了目标每人每月成本，以及示出了医生出诊、住院患者治疗和非住院患者治疗的每人每月实际成本。也为医生出诊、住院患者服务和非住院患者服务提供了每人每月趋势域。例如，在第一行来自纽约市场的数据中，可以看出针对第一组与结缔组织有关的赔付类型，医生出诊的实际每人每月成本是17.94美元，与15.73美元的计划目标每人每月成本相对，这表示为1.6％的趋势差异。该软件的用户通过选择在图6的示例显示屏中提供的一个或者多个链接能够更深地挖掘这些数字。
图7示出了一个示例显示屏，在该显示屏中设置搜索窗口以便用户可以针对特定市场以及针对特定诊断代码种类来进行数据搜索。显示屏提供在数据集中的患者、就诊和提供者的号码的显示，以及每位患者每次就诊或者每位提供者的支付净额的平均。
图8示出了一个示例显示屏，该显示屏示出按照市场区域的成本，并且还包括提供者的名称、提供者的专业、诊断代码种类，支付净额、保险金额，以及在数据集中的特别患者、就诊和提供者的号码。例如，该显示屏可由付款人使用以查看981.39美元每人每月被支付给医疗服务提供者Dr.John M.Smith。如果用户期望看到关于John Smith的患者和赔付的更多信息，那么用户可以选择到John Smith的链接而可以显示进一步的信息。
图9示出了地区性分布图的一个示例，该图示出经历了由Dr.John Smith所诊断的相同诊断的成员的位置和分布。如果用户在该图的一部分上点击，那么可以显示关于该地区性区域中的患者所接受的治疗的进一步信息。
图10示出了显示屏的一个示例，该显示屏示出该地区性区域中的患者针对特定诊断接受的治疗模式。这些显示可以如上关于模式分析的显示布局所述的类似格式提供。
图11示出了另一个样本显示屏，其中示出医疗服务提供者的概况。在一个示例中，图11的显示屏可以包括提供者极少使用的诊断代码以及提供者最常用的诊断代码的列表。对于极少使用诊断代码或者最常用诊断代码中的每个条目，该域可供确定该诊断的就诊的总数、该诊断的就诊的特定编号和该提供者的经历了该诊断的患者的特别编号之用，以及确定已经给出该诊断的提供者的百分比。例如，提供者Dr.John Smith最常用的诊断代码的列表中，该提供者的所有患者中的11.12％已被该提供者诊断为高血压。
图12示出了一个示例显示屏，其中示出了医疗服务提供者所有成员的分布。图13示出了一个示例显示屏，其中可以显示针对服务提供者做出的诊断/治疗的赔付数据和治疗的细节。此处，提供针对单个服务提供者Dr.John Smith的详细报告。赔付数据细节可以包括专业代码、赔付申请人身份、服务日期、程序代码、支付净额、交付额以及诊断代码。根据赔付申请人身份链接，用户可以选择该链接以便生成个体患者的治疗模式，正如以上关于图3-5所讨论的那样。
图14-15提供在特定服务提供者看护之下的个体治疗模式的显示的另一个示例(图14)，以及将个体治疗模式与基于证据的药物实践模式(在图15中用小方块表示的事件)相比较的覆盖图(图15)，该覆盖图示出了该特定服务提供者针对该特定诊断如何治疗该患者与基于证据的药物实践模式如何经验式地治疗这一诊断之间的不同。根据图15中的这一比较，可以识别提供给个体的治疗中的异常。
图16-19示出了种类的分类或者有序组的一个示例，其可用于向用户提供对如何分析赔付数据库中的赔付数据以解决用户的特定需要的控制。该分类可用于使问题陈述的识别和分类方法标准化的尝试，其中为这些问题陈述创建了基于医疗数据分析的解决方案。该分类示出了可如何将所有不同类型的信息集归组在一起以生成模式图形。
通过构思与该分类相一致的问题陈述和解决方案陈述，本发明的各实施方式可以提供医疗赔付数据的统计分析以及与所形成的特定问题陈述有关的结果的相关显示。
在一个示例中并且如图16所示，该分类可以包括定量元素、段元素、子段元素以及可用于帮助定义用户希望解决的问题陈述的实体元素。该分类也可以包括下列种类，如市场前景、格式以及可用于形成解决方案陈述以处理特定问题陈述的视图。
定量元素种类可以包括成本/效率、质量/效果、数值和风险。段种类可以包括群体健康、财产和人身(P&C)、药店、政府、雇主。在一个示例中，子段可以包括保健组织(HMO)、优先提供者组织(PPO)、第三方管理者(TPA)、赔偿、医疗服务中心(CMS)、定点医疗服务(POS)、消费者、车辆、美国国防部(DOD)、退役军人健康管理(VA)。在一个示例中，实体可以包括医生、医院、实验室、其它专业人员、其它机构、患者、药店。在一个示例中，成分种类可以包括段、实体类型、专业、地区、人口统计、数据元以及其衍生。固有成分可被包括在源数据中并且可以在实体种类和视图种类之间形成以解决方案开发为目标的参考点。衍生成分可从源数据发展而来以创建并不是固有地出现在源数据中的新的分组级别，例如聚合。
可以提供视图种类，在一个示例中，视图种类可以包括药店、研究、代位、欺诈、保险统计、赔付行政部门、疾病管理、定价和承销、网络管理、临床手术、消费者服务行政部门、赔付行政管理、网络和提供者管理、利用管理和雇主的元素。视图可以表示利用该软件的机构的前景以及行业内的机构的特性。
也可以包括格式种类，在一个示例中，格式种类可以包括记分卡、摘要、概况、趋势、模式、基准和详情的元素。格式解决具体的消费者解决方案的需要。记分卡格式可以提供比较各个级别内的多个实体的综述。记分卡也可用于比较数字格式的个体或者多个、定量段和实体概要级别。比较格式包括概要、概况、趋势、模式和基准格式。详情格式直接提供数值(源数据或者衍生数据)。
该分类也可以包括市场前景种类，在一个示例中，该市场前景种类包括付款人、患者和提供者元素。市场前景元素表示观察数据的个体的预期，并且可以按照对数据的使用和显示提供环境。
如图17所示，可以识别从该分类的顶层到该分类的底层的路径，以选择用户所期望的各种种类中的适用元素。在图18中，可以将选定的元素按序组织以构思解决方案。在图19中，详细的问题陈述可以被定义为在选定的元素内具有具体目的。在创建问题陈述中，可以定义将被使用的衍生成分以及将被使用的适用的消费者、视图和格式。例如，在图19中，问题陈述可以包括“我们的机构需要更好地理解按照专业/地区(SPECIALTY/GEOGRAPHY)与医生/医院/实验室/药店(PHYSICAIN/HO SPITAL/LAB/PHARMACY)有关的HMO子段(HMO SUBSEGMENT)内的成本(COSTS)”。在一个示例中，解决方案陈述可以陈述“为了解决我们的问题我们将使用通过使用衍生数值(DERIVED VALUES)回答我们的保险统计(ACTUARIAL)问题的记分卡/概况格式(SCORECARD/PROFILEFORMAT)”。
因此，可以看出本发明的各实施方式提供对患者的疾病治疗中的异常或者重要模式的识别。
本发明的各实施方式可以体现在计算机程序产品中。应当理解，包括本发明特征的计算机程序产品可以在其中有计算机可读代码体现的计算机可用介质(例如CD-ROM或者其它介质)中生成。如本文所述，计算机可用介质最好包含许多计算机可读程序代码设备，这些设备被配置为使计算机影响为实现本发明所需的各种功能。
尽管参照以特定顺序执行的特定操作描述并且示出了本文所公开的方法，但是应当理解这些操作可以被结合、再分割或者重排序以形成等同的方法而不背离本发明的示教。因此，除非本文明确指出，这些操作的顺序和分组并不构成对本发明的限制。
应当认识到，在本说明书中对“一个实施方式”或者“一个示例”的引用指的是与该实施方式相结合描述的特征、结构或者特性如果需要可以被包括在本发明的至少一个实施方式中。因此，应当认识到，在本说明书各个部分中对“一个实施方式”或者“一个替换的实施方式”或者“一个示例”的两个或者更多的引用并不一定都是对同一实施方式的引用。
进一步地，如果本发明的一个或者多个实施方式中需要，那么可以将特定的特征、结构或者特性结合。
应当认识到，在本发明的示例性实施方式的以上描述中，为了简化本公开并且有助于理解各种发明方面中的一个或者多个，本发明的各种特征有时集中在本发明的单个实施方式、附图或者描述中。然而，这种公开方法并不能解释为反映这样一个意图，即所要求权利的发明需要比在每个权利要求中所表述的更多的特征。相反，如以下权利要求所反映地，发明方面比上面公开的单个实施方式的所有特征少，并且本文描述的每个实施方式可以包含一个以上发明特征。
尽管已参照本发明的各实施方式具体示出并且描述了本发明，但是本领域的技术人员将会理解，可以做出形式上和细节上的各种其它改变而不背离本发明的精神和范围。
权利要求书(按照条约第19条的修改)
1.一种用于识别疾病治疗模式中的异常的系统，包括：
用于存储医疗赔付数据的装置；以及
处理装置，包括：
用于识别要分析的医疗赔付数据组的装置，其中所述要分析的医疗赔付数据组包括表示所述疾病的治疗的赔付数据；
用于生成表示所述要分析的医疗赔付数据组中的所述赔付数据的实际治疗模式数据的装置；
用于检索针对所述疾病的定义治疗模式数据的装置；
用于将所述实际治疗模式数据与所述定义治疗模式数据相比较以识别其间的一个或者多个差异的装置；以及
用于生成表示所述比较的结果的比较数据的装置，
其中所述实际治疗模式数据表示针对所述疾病对一个患者的治疗，而所述定义治疗模式数据表示针对所述疾病对一组其他患者的治疗。
2.如权利要求1所述的系统，其特征在于，还包括用于显示所述实际治疗模式数据、所述定义治疗模式数据以及所述比较数据的装置。
3.如权利要求1所述的系统，其特征在于，所述实际治疗模式数据包括治疗日期、治疗种类以及所提供治疗的列表。
4.如权利要求1所述的系统，其特征在于，还包括通过识别和编辑来自历史赔付数据的数据库的与所述疾病的治疗有关的赔付数据生成所述定义治疗模式数据的装置。
5.一种用于识别疾病治疗模式中的异常的系统，包括：
用于存储医疗赔付数据的装置；以及
处理装置，包括：
用于识别要分析的医疗赔付数据组的装置，其中所述要分析的医疗赔付数据组包括表示所述疾病的治疗的赔付数据；
用于生成表示所述要分析的医疗赔付数据组中的所述赔付数据的实际治疗模式数据的装置；
用于检索针对所述疾病的定义治疗模式数据的装置；
用于将所述实际治疗模式数据与所述定义治疗模式数据相比较以识别其间的一个或者多个差异的装置；以及
用于生成表示所述比较的结果的比较数据的装置。
其中所述实际治疗模式数据表示医疗提供者针对所述疾病对多个患者的治疗，而所述定义治疗模式数据表示所述疾病的治疗的规定程序。
6.如权利要求5所述的系统，其特征在于，所述规定程序是从历史赔付数据分析获得的。
7.如权利要求5所述的系统，其特征在于，所述实际治疗模式数据包括治疗日期、治疗种类以及所提供治疗的列表。
8.如权利要求5所述的系统，其特征在于，还包括一种通过识别和编辑来自历史赔付数据的数据库的与所述疾病的治疗有关的赔付数据而生成所述定义治疗模式数据的装置。
9.如权利要求5所述的系统，其特征在于，还包括用于显示所述实际治疗模式数据、所述定义治疗模式数据以及所述比较数据的装置。

Claims (20)

1.一种用于识别疾病治疗模式中的异常的方法，包括：
识别要分析的医疗赔付数据组，其中所述要分析的医疗赔付数据组包括表示所述疾病的治疗的赔付数据；
生成表示所述要分析的医疗赔付数据组中的所述赔付数据的实际治疗模式数据；
检索针对所述疾病的定义治疗模式数据；
将所述实际治疗模式数据与所述定义治疗模式数据相比较以识别其间的一个或者多个差异；以及
生成表示所述比较的结果的比较数据。
2.如权利要求1所述的方法，其特征在于，还包括以下步骤：
显示所述实际治疗模式数据、所述定义治疗模式数据以及所述比较数据。
3.如权利要求1所述的方法，其特征在于，所述实际治疗模式数据表示针对所述疾病对一个患者的治疗，而所述定义治疗模式数据表示针对所述疾病对一组其他患者的治疗。
4.如权利要求1所述的方法，其特征在于，所述实际治疗模式数据表示医疗提供者针对所述疾病对多个患者的治疗，而所述定义治疗模式数据表示所述疾病的治疗的规定程序。
5.如权利要求4所述的方法，其特征在于，所述规定程序是从基于证据的药物获得的。
6.如权利要求4所述的方法，其特征在于，所述规定程序是从历史赔付数据分析获得的。
7.如权利要求1所述的方法，其特征在于，所述实际治疗模式数据包括治疗日期、治疗种类以及所提供治疗的列表。
8.如权利要求1所述的方法，其特征在于，还包括以下步骤：
通过识别和编辑来自历史赔付数据的数据库的与所述疾病的治疗有关的赔付数据生成所述定义治疗模式数据。
9.一种用于识别疾病治疗模式中的异常的系统，包括：
用于存储医疗赔付数据的数据库；以及
一种处理器，所述处理器用于：
识别要分析的医疗赔付数据组，其中所述要分析的医疗赔付数据组包括表示所述疾病的治疗的赔付数据；
生成表示所述要分析的医疗赔付数据组中的所述赔付数据的实际治疗模式数据；
检索针对所述疾病的定义治疗模式数据；
将所述实际治疗模式数据与所述定义治疗模式数据相比较以识别其间的一个或者多个差异；以及
生成表示所述比较的结果的比较数据。
10.如权利要求9所述的系统，其特征在于，还包括用于显示所述实际治疗模式数据、所述定义治疗模式数据以及所述比较数据的显示设备。
11.如权利要求9所述的系统，其特征在于，所述实际治疗模式数据表示针对所述疾病对一个患者的治疗，而所述定义治疗模式数据表示针对所述疾病对一组其他患者的治疗。
12.如权利要求9所述的系统，其特征在于，所述实际治疗模式数据表示医疗提供者针对所述疾病对多个患者的治疗，而所述定义治疗模式数据表示所述疾病的治疗的规定程序。
13.如权利要求12所述的系统，其特征在于，所述规定程序是从基于证据的药物获得的。
14.如权利要求12所述的系统，其特征在于，所述规定程序是从历史赔付数据分析获得的。
15.如权利要求9所述的系统，其特征在于，所述实际治疗模式数据包括治疗日期、治疗种类以及所提供的治疗的列表。
16.如权利要求9所述的系统，其特征在于，所述处理器通过识别和编辑来自历史赔付数据的数据库的与所述疾病的治疗有关的赔付数据生成所述定义治疗模式数据。
17.一种用于识别疾病治疗模式中的异常的系统，包括：
用于存储医疗赔付数据的装置；以及
用于识别要分析的医疗赔付数据组的装置，其中所述要分析的医疗赔付数据组包括表示所述疾病的治疗的赔付数据；
用于生成表示所述要分析的医疗赔付数据组中的所述赔付数据的实际治疗模式数据的装置；
用于检索针对所述疾病的定义治疗模式数据的装置；
用于将所述实际治疗模式数据与所述定义治疗模式数据相比较以识别其间的一个或者多个差异的装置；以及
用于生成表示所述比较的结果的比较数据的装置。
18.如权利要求17所述的系统，其特征在于，所述实际治疗模式数据表示针对所述疾病对一个患者的治疗，而所述定义治疗模式数据表示针对所述疾病对一组其他患者的治疗。
19.如权利要求17所述的系统，其特征在于，所述实际治疗模式数据表示医疗提供者针对所述疾病对多个患者的治疗，而所述定义治疗模式数据表示所述疾病的治疗的规定程序。
20.如权利要求17所述的系统，其特征在于，还包括一种通过识别和编辑来自历史赔付数据的数据库的与所述疾病的治疗有关的赔付数据而生成所述定义治疗模式数据的装置。
CNA200680053861XA 2006-03-17 2006-05-04 用于识别和分析医疗赔付中的模式或者异常的系统和方法 Pending CN101421734A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/384,231 US20070219824A1 (en) 2006-03-17 2006-03-17 System and method for identifying and analyzing patterns or aberrations in healthcare claims
US11/384,231 2006-03-17

Publications (1)

Publication Number Publication Date
CN101421734A true CN101421734A (zh) 2009-04-29

Family

ID=36791029

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA200680053861XA Pending CN101421734A (zh) 2006-03-17 2006-05-04 用于识别和分析医疗赔付中的模式或者异常的系统和方法

Country Status (5)

Country Link
US (1) US20070219824A1 (zh)
EP (1) EP2016517A1 (zh)
CN (1) CN101421734A (zh)
CA (1) CA2643101C (zh)
WO (1) WO2007108814A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447500A (zh) * 2016-11-09 2017-02-22 北京好运到信息科技有限公司 一种根据疾病和药物的匹配度进行打分的方法及其系统
CN107609980A (zh) * 2017-09-07 2018-01-19 平安医疗健康管理股份有限公司 医疗数据处理方法、装置、计算机设备及存储介质
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN109191314A (zh) * 2018-08-14 2019-01-11 平安医疗健康管理股份有限公司 单据报销方法、装置、计算机设备和存储介质
CN109523404A (zh) * 2018-10-27 2019-03-26 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端
CN109544364A (zh) * 2018-10-27 2019-03-29 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9269117B2 (en) 2005-05-10 2016-02-23 Mckesson Technologies Inc. Enterprise management system
US20080140599A1 (en) * 2006-11-10 2008-06-12 Debra Pacha System and method for detecting healthcare insurance fraud
US20100191563A1 (en) * 2009-01-23 2010-07-29 Doctors' Administrative Solutions, Llc Physician Practice Optimization Tracking
US9118641B1 (en) 2009-07-01 2015-08-25 Vigilytics LLC De-identifying medical history information for medical underwriting
US9323892B1 (en) * 2009-07-01 2016-04-26 Vigilytics LLC Using de-identified healthcare data to evaluate post-healthcare facility encounter treatment outcomes
US20110022408A1 (en) * 2009-07-23 2011-01-27 John Pramik Health plan subrogation system
US20120016687A1 (en) * 2010-07-14 2012-01-19 Surescripts Method and apparatus for quality control of electronic prescriptions
US20140324472A1 (en) * 2011-02-17 2014-10-30 University Hospitals Of Cleveland Method and system for extraction and analysis of inpatient and outpatient encounters from one or more healthcare related information systems
US10318710B2 (en) 2011-11-08 2019-06-11 Linda C. Veren System and method for identifying healthcare fraud
WO2013070983A1 (en) * 2011-11-08 2013-05-16 Veren Linda C System and method for identifying healthcare fraud
US9639615B1 (en) * 2012-06-28 2017-05-02 Open Text Corporation Systems and methods for health information messages archiving
JP6135085B2 (ja) * 2012-10-02 2017-05-31 富士ゼロックス株式会社 診療計画作成支援装置及び診療計画作成支援プログラム
EP2946324B1 (en) * 2013-01-16 2021-11-10 MedAware Ltd. Medical database and system
US10431109B2 (en) * 2015-06-03 2019-10-01 Cambia Health Solutions, Inc. Systems and methods for somatization identification and treatment
US20170177822A1 (en) * 2015-12-18 2017-06-22 Pointright Inc. Systems and methods for providing personalized prognostic profiles
US11449947B2 (en) * 2019-04-05 2022-09-20 Health Management Systems, Inc. Subrogation case management
US11705226B2 (en) 2019-09-19 2023-07-18 Tempus Labs, Inc. Data based cancer research and treatment systems and methods
US11295841B2 (en) * 2019-08-22 2022-04-05 Tempus Labs, Inc. Unsupervised learning and prediction of lines of therapy from high-dimensional longitudinal medications data

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5544044A (en) * 1991-08-02 1996-08-06 United Healthcare Corporation Method for evaluation of health care quality
EP0600081A4 (en) * 1992-06-22 1995-03-01 Health Risk Management Inc HEALTH CARE MANAGEMENT SYSTEM.
US5993046A (en) * 1993-01-25 1999-11-30 Diebold, Incorporated System for dispensing medical items by brand or generic name
US5557514A (en) * 1994-06-23 1996-09-17 Medicode, Inc. Method and system for generating statistically-based medical provider utilization profiles
US5845254A (en) * 1995-06-07 1998-12-01 Cigna Health Corporation Method and apparatus for objectively monitoring and assessing the performance of health-care providers based on the severity of sickness episodes treated by the providers
JP2002533169A (ja) * 1998-12-29 2002-10-08 オキュロジックス コーポレイション レオロジー的処置方法および関連するアフェレーシスシステム
US7469214B2 (en) * 1999-06-24 2008-12-23 Sinclair Allison, Inc. Method of medical malpractice and insurance collaboration
US6824052B2 (en) * 1999-12-28 2004-11-30 Christopher S. Walsh Healthcare verification methods, apparatus and systems
US6826536B1 (en) * 2000-07-22 2004-11-30 Bert Forman Health care billing monitor system for detecting health care provider fraud
AU2001287082A1 (en) * 2000-09-05 2002-03-22 Bloodhound Software, Inc. Unsupervised method of identifying aberrant behavior by an entity with respect to healthcare claim transactions and associated computer software program product, computer device, and system
US7392201B1 (en) * 2000-11-15 2008-06-24 Trurisk, Llc Insurance claim forecasting system
US8200775B2 (en) * 2005-02-01 2012-06-12 Newsilike Media Group, Inc Enhanced syndication
US20080300147A1 (en) * 2004-03-26 2008-12-04 Nasser Chegini Detection and Treatment of Fibrotic Disorders
US7818181B2 (en) * 2005-10-31 2010-10-19 Focused Medical Analytics Llc Medical practice pattern tool

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447500A (zh) * 2016-11-09 2017-02-22 北京好运到信息科技有限公司 一种根据疾病和药物的匹配度进行打分的方法及其系统
CN107609980A (zh) * 2017-09-07 2018-01-19 平安医疗健康管理股份有限公司 医疗数据处理方法、装置、计算机设备及存储介质
CN108305175A (zh) * 2017-12-30 2018-07-20 上海栈略数据技术有限公司 基于智能医学知识图谱的保险理赔风控辅助审核系统
CN109191314A (zh) * 2018-08-14 2019-01-11 平安医疗健康管理股份有限公司 单据报销方法、装置、计算机设备和存储介质
CN109523404A (zh) * 2018-10-27 2019-03-26 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端
CN109544364A (zh) * 2018-10-27 2019-03-29 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端
CN109544364B (zh) * 2018-10-27 2024-05-17 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端
CN109523404B (zh) * 2018-10-27 2024-06-25 平安医疗健康管理股份有限公司 基于数据分析的违规行为检测方法、装置及终端

Also Published As

Publication number Publication date
CA2643101C (en) 2016-01-19
US20070219824A1 (en) 2007-09-20
CA2643101A1 (en) 2007-09-27
WO2007108814A1 (en) 2007-09-27
EP2016517A1 (en) 2009-01-21

Similar Documents

Publication Publication Date Title
CN101421734A (zh) 用于识别和分析医疗赔付中的模式或者异常的系统和方法
Pantoja et al. Manually‐generated reminders delivered on paper: effects on professional practice and patient outcomes
Dresselhaus et al. Measuring compliance with preventive care guidelines: standardized patients, clinical vignettes, and the medical record
Stange et al. Sustainability of a practice-individualized preventive service delivery intervention
Asch Developing a clinical performance measure
Goodman Introduction to health technology assessment
Khajouei et al. Errors and causes of communication failures from hospital information systems to electronic health record: A record-review study
US20080133290A1 (en) System and method for analyzing and presenting physician quality information
Gardella et al. Improving medication safety with accurate preadmission medication lists and postdischarge education
Zhan et al. How useful are voluntary medication error reports? The case of warfarin-related medication errors
Beatty et al. Current trends in outpatient pharmacy services and billing
Goodman Healthcare technology assessment: methods, framework, and role in policy making
Raheja et al. Data analysis and its importance in health care
US8986014B2 (en) Evidence-based, neuro-congnitive testing methodology, protocols and systems
Castellanos et al. Does introduction of a Patient Data Management System (PDMS) improve the financial situation of an intensive care unit?
Trivedi et al. Assessing physicians' use of treatment algorithms: Project IMPACTS study design and rationale
US20220405680A1 (en) Automated Healthcare Provider Quality Reporting System (PQRS)
Neamah et al. Comparative Study in EHR between Iraq and Developed Countries.
Fox et al. Developing an expert panel process to refine health outcome definitions in observational data
Khan Design & analysis of clinical trials for economic evaluation & reimbursement: an applied approach using SAS & STATA
Bourgeois et al. Electronic health records: Improving patient safety and quality of care in texas acute care hospitals
Marcilly et al. Design of adverse drug events-scorecards
McK. Lawrence A provider's view of prevention approaches in a prepaid group practice
Ologenio Perez et al. BlockNCD App: A Rule-Based Decision Support System for Non-Communicable Disease Risk Assessment
Manju et al. Chapter-3 The Role of Artificial Intelligence in Neurology

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1132051

Country of ref document: HK

C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20090429

REG Reference to a national code

Ref country code: HK

Ref legal event code: WD

Ref document number: 1132051

Country of ref document: HK