CN105117587A - 医保领域中基于医疗大数据的智能分析方法 - Google Patents

Abstract

本发明涉及一种医保领域中基于医疗大数据的智能分析方法。本发明首先对医院原始医疗数据的抽取与清洗，然后在医院医疗业务的框架下建立不同的数据集市，这样可以对医院的数据进行细粒度的分析，并且能够各家医院的差异做出相应的调整，以满足各个医院的不同需求。再由各个数据集市建立起数据仓库，在这里称为数据立方体。最后利用多维分析MDX语言进行数据的查询，并将数据可视化。本发明充分利用医院现有的医疗业务数据，根据现有的医院医保业务对数据进行细粒度的分类与划分，使医疗数据得到的高效的利用，对医院医保业务进行全方位的分析。

Description

医保领域中基于医疗大数据的智能分析方法

技术领域

本发明属于计算机数据分析领域，医疗业务领域，尤其一种医保领域中基于医疗大数据的智能分析方法。

背景技术

近几年来，随着医疗技术的不断发展，医疗数据迅速增长，基于医疗大数据的分析及决策支持也开始流行起来。传统的医院医疗业务主要由HIS、LIS、PACS等各个管理系统进行支撑与运作，同时这些管理系统能对医院的医疗业务数据进行简单的统计。但是随着医院的规模不断增大，医疗的数据量不断增加，这些简单的业务分析已经不能满足医院对自身管理和发展的需求。针对医保这一领域，这些简单的统计分析更是不能反映出医院的实际运营情况。例如特殊门诊7日费用趋势，特殊门诊全年的费用累计趋势这样细粒度的分析在传统的业务系统中并得不到体现，但是这样的指标对于医院来说又是极其重要的，不仅能反映医院短期的运营状况，还能反映出医院全年的一个运营状况，同时还能检验医保政策制定的正确性和执行的有效性。

商务智能的出现为业务数据的深入分析与挖掘提供了可能，同时该技术也正在日趋成熟。但是与医院相结合的商务智能分析还处在起步阶段，特别是针对医保领域的智能分析尤为缺乏。传统的商务智能分析是从数据本身出发，根据企业的运营情况，将企业的订单、库存等交易项目的数据转为知识，为企业的决策支持提供帮助。但是对于医院来说，医院自身的业务情况较为特殊，传统的商务智能的解决方案并不能满足对现有医院的业务分析及支持决策。

医院需要从医院业务出发对现有的医疗数据进行更深层次的挖掘与分析，才能找出医院自身发展中的问题并且对未来的发展做出正确的决策。

发明内容

针对上述传统医院管理系统及商务智能方案存在的问题与不足，需要提出一种从医院的医疗业务出发结合现有成熟的商务智能解决方案的分析方法。该方法应充分利用医院现有的医疗业务数据，根据现有的医院医保业务对数据进行细粒度的分类与划分，使医疗数据得到的高效的利用，对医院医保业务进行全方位的分析。

本发明关注于医院业务中医保领域的业务数据的分析与知识挖掘，设计了一种基于医疗大数据的医保领域的智能分析方法，该方法的工作包括：医院原始医疗数据的抽取与清洗，然后在医院医疗业务的框架下建立不同的数据集市，这样可以对医院的数据进行细粒度的分析，并且能够各家医院的差异做出相应的调整，以满足各个医院的不同需求。再由各个数据集市建立起数据仓库，在这里称为数据立方体。最后利用多维分析MDX语言进行数据的查询，并将数据可视化。该智能分析方法进行实施的步骤是：

（1）医院业务的框架分析

医院的医疗业务相对于传统公司的公司业务有一定的特殊性，特别对于医保业务来说，更是异于一般公司的的业务。医保业务是医保中心根据医院医疗业务的特点及国家相关医疗医保的规定建立起来的一套连接医院和医保中心的运作流程。医院和医保中心的数据根据医保的业务规范进行封装后在医院和医保中心进行传输。该方法将传统的医疗业务根据医保规范划分各个不同的业务子模块。这样有助于全面、完整的分析医院的医保业务。

（2）数据仓库建立

数据仓库在智能分析中起着重要的作用，这里数据仓库的建立采用了分层建立的方法，通过源数据层、数据ETL层以及数据中心层最终建立起数据仓库。其中ETL在建立数据仓库的过程中是最主要的方法。这里的ETL通过ODS区的数据采集，数据转换、清洗，数据加载，汇总、CUBE加载等几个步骤完成了数据的ETL过程。

（3）数据查询过程

由于数据中设计的维度较多，本发明采用了开源的Mondiran作为OLAP引擎，并使用多维查询语言MDX作为数据查询语言，根据轴、单元进行数据的切割，最终通过OLAP引擎将多维查询转化为SQL查询，从数据库获取相应的数据集。

（4）数据可视化

最后将查询获得的不同维度的数据通过饼图、柱状图、折线图、表格等不同的形式展现出来，形成多维分析报表。该报表可直观的反映医院过去、当前医院的运营情况，同时医院还能根据报表中同比和环比等图预测未来近一段时间的运营情况。

本发明具有的有益效果是：

1、本发明充分利用了现有医院医疗业务系统所产生的数据，通过数据的抽取、清洗、转化为符合本发明规范的标准化数据集成到所建立的数据仓库当中。最大化的利用了现有的医疗数据。

2、本发明中利用了开源的Kettle作为ETL工具，同时使用了开源Mondrian作为OLAP引擎。从而本发明具有较强的适应性，能够从不同的医院，将不同的数据格式转化为符合自身标准的数据格式填充到建立好的数据仓库当中。

3、本发明紧密结合现有的医保政策，建立相关的医疗业务模型。从医疗业务本身出发，通过医疗业务数据作为支持，以商务智能解决方案作为分析方法，全面细致且有针对性的对医院医保业务进行分析。摆脱了传统从数据本身出发的智能分析，更好的贴合了医院的实际情况。

4、本发明在前端进行了丰富的数据可视化展示。通过医保业务整合及医疗数据的分析，按照医疗业务维度对于业务进行了划分，同时结合传统统计分析方法对各个业务子模块的费用、人次、人数采用同比、环比、增长率趋势等分析手段对医院业务进行了分析。表格和图形相结合的方式间接明了的展示了医保业务的分析结果。

附图说明

图1医院业务分析模型图；

图2数据仓库架构图；

图3系统层次架构图。

具体实施方式

下面结合附图和具体实施应用过程对本发明进一步说明：

（1）医院医保业务分析模型构建

如图1所示，根据医保政策的及医院的相关业务，建立相应的医院医保分析模型。将医院的总体业务分为特殊门诊、一般门诊、小费住院、一般住院、大费住院几个业务子模块。各个业务模块都和医保政策及规范紧密相连。例如特殊门诊包括了特殊病、慢性病等符合医保报销政策的特殊门诊。相对于一般门诊，特殊门诊会产生符合医保报销范围的部分报销费用，对于该类门诊的单独分析有助与医院很好的掌握现在的经营状况，同时还能掌握当前门诊的各种病种的构成情况。针对各个业务子模块，通过指标维度中的不同指标对业务维度中各个业务子模块进行分析，提取出各个业务子模块的不同的特征。通过各个子模块各自的特征，能很好的帮助使用者把握当前医院的一个运营状况，同时还能为使用者提供相应的决策支持。

（2）数据仓库构建流程

如图2所示，核心业务数据层有很多不同类型的系统，这些系统采用不同的机器，不同操作系统，不同的数据库，这里通过数据抽取将不同数据库的数据抽取到ODS库中。接下来进行数据的ETL，通过数据抽取，数据转换，中间计算，任务调度，处理出错的处理后将数据传输至数据中心层建立起最终的数据仓库。

（3）整体系统构建流程

如图3所示，该系统由数据层、应用层及UI层构成。依次由下网上构建。首先构建数据层。数据仓库的建立如（2）中所述。接下来搭建应用层，在应用层使用Mondrian作为OLAP分析引擎，通过MDX语言与数据层进行交互，返回相应的查询结果。接下来将返回的结果在前端渲染，在前端通过表格、柱状图、饼图等丰富的图形进行展示，让分析的结果一目了然。

Claims (2)

1.医保领域中基于医疗大数据的智能分析方法，其特征在于该方法包括以下步骤：

步骤1.根据医院的现有业务及相关医保政策建立相应的业务分析模型；该业务分析模型从业务维度和指标维度出发进行建立；使用指标维度对业务维度进行划分；

步骤2.以业务分析模型为基础建立数据仓库，此处的数据仓库建立分别从源数据层、数据ETL层以及数据中心层进行建立；源数据层从现有医院的业务进行数据的整合，ETL层针对源数据层的数据进行抽取，同时根据业务分析模型对数据进行相应的转换；最后在数据中心层建立最终的数据仓库；

步骤3.对已经建立好的数据仓库进行OLAP分析与决策；这里的OLAP引擎基于Mondrian实现；

步骤4.通过MDX语言对已建立的数据仓库进行多维数据查询，将查询返回的数据传送到前端，通过丰富的表现形式最终呈现给用户。

2.根据权利要求1所述的一种基于医疗大数据的医保领域的智能分析的实现方法，其特征在于：步骤4中所述的表现形式包括饼图、柱状图、折线图或表格。