CN105118003A - 一种大病医保智能化审核系统及审核算法 - Google Patents

Abstract

本发明提供一种大病医保智能化审核系统，包括数据库模块、智能审核引擎以及基础信息库管理模块，所述数据库模块，用于获取大病医保数据；所述智能审核引擎，其用于对所述大病医保数据的各属性项的关联匹配度进行审核处理；所述基础信息库管理模块，其存储基础数据的各项属性信息，其中，所述智能审核引擎分别与所述数据库模块、所述基础信息库管理模块连接，并给予所述数据库模块、所述基础信息库管理模块的数据完成所述审核处理。通过本发明提供的技术内容，可以快速审核医保数据，对于违规的医保数据可自动执行扣减策略，审核人员仅需对部分问题单据进行人工审核，提高了审核效率。

Description

一种大病医保智能化审核系统及审核算法

技术领域

本发明涉及医疗保险医保审核管理技术领域，尤其是一种大病医保报销单据的审核方法和系统。

背景技术

在日常生活中，我们经常会遇到医疗保险审核周期过长，医保单据审核出错等问题，面对堆积如山的医保审核单据，审核人员的工作负担过重，传统的人工审核模式已无法应对目前如此庞大的医保数据量。

目前，市场上虽然也存在一些医保审核平台，但这些审核平台功能过于简单，无法应对实际审核过程中出现的各类特殊问题。例如，这些审核平台通常建立一个统一的审核规则库，所述规则库包含许多预设的审核规则，但在实践中，由于个各地方的医保审核规范各不相同，故所述预设的统一规则库中的审核规则很难满足不同用户的需求。同时，随着医疗保险的普及，庞大的医保数据量给医保审核平台运行速度带来了巨大的挑战。

发明内容

为了克服现有技术中审核规则单一、数据处理能力低等问题，本发明的目的是提供一种智能化医疗费用规则引擎。

根据本发明的一个方面，提供一种大病医保智能化审核系统，包括数据库模块、智能审核引擎以及基础信息库管理模块，所述数据库模块，用于获取大病医保数据；

所述智能审核引擎，其用于对所述大病医保数据的各属性项的关联匹配度进行审核处理；

所述基础信息库管理模块，其存储基础数据的各项属性信息，

其中，所述智能审核引擎分别与所述数据库模块、所述基础信息库管理模块连接，并给予所述数据库模块、所述基础信息库管理模块的数据完成所述审核处理。

优选地，所述数据库模块，包括如下模块：

第一数据采集模块，用于获取各子数据服务器中的大病医保数据Y(y₁，y₂，···，y_i)；

第一数据处理模块，用于对所述大病医保数据进行分析，并将不规范的所述大病医保数据转换为具有规范格式的大病医保数据M(y_i)。

优选地，基于如下公式对所述大病医保数据Y(y₁，y₂，···，y_i)进行审核：

$L\left(R\left(x_i\right),Y\right)=\left\{\begin{array}{c}1,\underset{i=1}{\overset{n}{\Σ}}g(x_i,y_i)\≤n\\ 0,\underset{i=1,j}{\overset{n}{\Σ}}g(x_i,y_i)=0\end{array}\right.$

其中，所述计算结果为一个二元分类变量，1表示审核结果为违规或待审核，0表示审核通过；

其中，R(x_i)表示审核规则，其通过如下公式实现：

优选地，在情况下，所述智能审核引擎被触发，且所述智能审核引擎对相应的大病医保数据执行减扣处理。

优选地，所述减扣处理包括如下步骤：

-若一个大病医保数据中存在多笔违规项目，则减扣金额K(y_i)＝m*P(x_i)，扣减数量m＝Z(y_i)-Z(x_i)；否则

-若一个大病医保数据中仅存在单笔违规项目，则减扣金额K(y_i)＝P(x_i)，扣减数量m＝Z(y_i)，

其中，Z(y_i)为医保单据中一个项目的数量合计，Z(x_i)为审核规则的限定数量，P(x_i)表示项目单价。

优选地，所述医保单据总报销费用的计算公式为：

$S^{,}=S-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}K\left(y_i\right),$

其中，S为提交医保单据上的总报销费用。

优选地，所述智能审核引擎，包括：

-自动审核功能，结果类型可分为违规或待审核；

-人工审核功能，对已经过自动审核的待审核单据再人工审核操作。

优选地，若自动审核的结果为待审核，则可进一步对医保单据进行人工审核，审核结果包括违规或驳回。

优选地，所述审核系统还包括单据查询模块，用于查询已审核的医保单据和待审核的医保单据。

优选地，可以通过单据查询模块获取结算信息、费用明细、扣减信息等医保单据上的信息，进行人工审查。

优选地，所述人工审查功能还包括对医保单据费用明细按照所述扣减策略进行数量及金额的扣减。

优选地，所述审核系统还包括报表管理模块。

优选地，所述报表管理模块，可输出包括审查结果分析报表、固定分析报表等数据汇总。

优选地，所述审核系统包括权限管理模块，用于设置不同级别的操作权限，包括管理员、高级用户或普通用户。

通过本发明提供的技术内容，可以快速全面地对上传的医保数据进行自动审核，并反馈提示信息，针对违规的医保数据项目，自动执行扣减策略。审核人员仅需对部分问题单据进行人工审核，减轻了审核人员的工作压力，提高了审核效率，使审核人员的工作职能回归到管理本位。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：

图1示出根据本发明的第一实施例的，一种大病医保智能化审核系统的基本结构图；

图2示出根据本发明的第一实施例的，在审核系统中数据模块的拓扑图；

图3示出根据本发明的第一实施例的，在审核系统中获取医保数据的基本流程图；

图4示出根据本发明的第二实施例的，在审核系统中自动审核功能的基本流程图；以及

图5示出根据本发明的第三实施例的，在审核系统中人工审核功能的基本流程图。

具体实施方式

为了更好的使本发明的技术方案清晰的表示出来，下面结合附图对本发明作进一步说明。

本领域技术人员理解，本发明的技术方案在于提供一种智能化审核系统，将医保数据转换为统一的智能化审核的业务数据数据库，并建立智能化医疗费用规则引擎，将医疗专家审核经验转换为系统可以自动处理的审核规则，对医保数据进行批量审核，大大减少了人工审核工作量，提高了医保审核的效率。

图1示出根据本发明的第一实施例的，一种大病医保智能化审核系统的基本结构图。具体地，所述大病医保智能化审核系统包括：数据库模块、基础信息库模块以及智能审核引擎。

首先执行步骤S100，所述数据库模块用于获取大病医保数据。进一步地，所述数据库模块包括第一数据采集模块和第一数据处理模块，所述第一数据采集模块用于获取各区县子数据服务器中的大病医保数据Y(y₁，y₂，···，y_i)，具体地，所述子数据服务器定时向前端数据库服务器提供区县医保数据；所述第一数据处理模块，用于分析所述大病医保数据，并将不规范的所述大病医保数据转换为具有规范格式的大病医保数据M(y_i)。

优选地，建立规则对象模型，确立统一的医保数据规范，进而将所述医保数据转换为具有规范格式的大病医保数据M(y_i)。本领域技术人员理解，规则对象模型来源于原始医保数据，而形成规则对象模型的基础在于确定转换的规范，此时便需要确定医保数据规范。所述审核规则能识别的只是规则对象模型，可以认为是一个对象，这个对象是依赖于业务数据规范定义，并根据实际需要组装而成的一个符合规则执行要求的对象模型。所述规则对象模型是包含一系列属性的集合模板，程序会将医保数据按照该模板填入实际的数据，此时便形成了对象模型。

接下来，执行步骤S200，建立基础信息库，所述基础信息库模块用于存储基础数据的各项属性信息。具体地，主要是对二级编码、药品诊疗目录、疾病代码以及医院信息等进行维护，比如新增一疾病代码，需要设置所述疾病编码(ICD10码)、疾病名称、疾病分类、慢病特病代码、慢病特病名称等内容。进一步地，具有该权限的用户可以根据医保政策和临床经验，增加、删除或修改所述基础信息库。

再接下来，执行步骤S300，启动所述智能审核引擎，进行审核。所述智能审核引擎分别与所述数据库模块、所述基础信息库管理模块连接，并给予所述数据库模块、所述基础信息库管理模块的数据完成所述审核处理。具体地，所述智能审核引擎根据审核规则R(x_i)，对所述获取的医保数据进行自动审核，审核结果包括审核通过或违规或待审核，更为具体地，将结合后面的实施例作进一步地说明，在此不予赘述。本领域技术人员理解，在实践中，由于医保数据来自于各个地区，而各地的医保政策规定并不全完相同，如果为每个新增区域建立一套独立规则库体系，这样虽然能保证各区域规则库互相独立，但是其弊端也很明显，随着地区数量的增加，规则库的数量会增加，这不仅会导致系统维护成本呈线性上涨，一旦维护的规则库过多，各区域规则参数变更频繁，相应地各个规则库发布频繁，可能会导致参数变更不及时，变更失败等问题。在本优选地实施例中，建立一套统一的规则库，所述规则库中包含各类预设的审核规则R(x_i)，具体包括统计规则、药品规则以及项目规则等，其中，所述x_i表示所述审核规则的参数。所述审核规则R(x_i)是结合医疗保险管理政策和卫生部门管理政策、医疗常规经验、参保人的就诊行为特点、医疗机构和医生的诊疗行为习惯等制定出来的，能满足基本的审核要求。进一步地，具有相关权限的用户还可以根据各地实际情况通过页面配置规则参数的方法，制定出大量本地化、个性化的审核规则，该方案的优点在于只需建立一个统一的规则库，通过规则参数表实现各地区不同的医保规则要求，不仅节约人力、物力，执行效率也相对较高。比如，在所述统一规则库中存在“超限定数量”规则，所述“超限定数量”规则限定了一诊疗项目报销的最大数值为5次，优选地，用户可进入规则配置页面输入所述诊疗项目的项目代码，然后输入限定报销的数量为8，进行保存，通过上述步骤即可变更在统一规则库中预设的所述诊疗项目的限定报销数量。

进一步地，所述智能审核引擎还包括人工审核功能，具体地，主要是针对已经过自动审核但审核结果为待审核的医保单据进行人工核查，审核结果可以为驳回或违规，具体地结合图5给出的具体实施例，在此不予赘述。

图2示出根据本发明的一个具体实施例的，在审核系统中数据库模块的网络拓扑图。具体地，各区县医保数据库与一前置数据库连接，将所述医保数据库中储存的医保数据传送至所述前置数据库，当有越来越多的区县医保数据库将医保数据接入所述前置数据库时，所述前置数据库可以增加至二个、三个、四个或更多。进一步地，所述前置数据库中的医保数据将被定时输出，并进行格式的转换。本领域技术人员理解，在审核系统中只有各类参数均满足一定的格式规范，所述算法才能高效运作，优选地，创建一数据规范字典，并按照所述数据规范字典中规定的数据格式，将医保数据内容写入对应的文本，生成业务文件。

进一步地，完成所述业务文件生成后，将所述记录医保数据的业务文件发送至总服务器上，所述审核系统连接所述总服务器，获取所述总服务器上的医保数据，进行审核计算。目前采用的方案是通过中间件来完成服务器之间的文件传送，该方法的优点在于数据传输速度快，还可以更加充分地利用服务器。

优选地，考虑到白天所述审核系统需要进行大量的审核操作，数据传输量较大，故所述医保数据的获取时间可采用每天定时传输的方法，如传输时间可置为23:59:59，以避免因为数据量过大而造成所述审核系统运行速度缓慢的问题。

图3示出根据本发明的一个具体实施例的，在审核系统中获取医保数据的基本流程图。首先，执行所述步骤S101，开启定时获取数据的功能，优选地，数据接入时间设置为23:59:59。接下来，执行所述步骤S102，当系统时间为23:59:59，所述系统便开始检查是否存在业务文件，若存在所述业务文件，则执行步骤S103，批量接入所述业务文件所记录的医保数据，发送至所述总服务器；若不存在，则结束程序。进一步地，所述医保数据可分为基础数据和业务数据，所述基础数据包括医疗机构、药品诊疗目录、疾病目录以及二级编码字典等，所述业务数据包括单据信息和单据费用明细。在数据的批量接入过程中，将所述业务文件分类，相应的业务文件接入至相应地数据库表中。

在本优选地实施例中，所述业务文件中存在错误的医保数据，如存在医保数据格式不规范、业务文件命名不规范等问题，则执行所述步骤S104，生成错误数据记录文件，所述记录文件记载内容包括所述不规范业务文件的文件名、上传日期、上传服务器、错误信息等具体内容。进一步地，将所述错误数据记录文件反馈给发送所述错误医保数据的服务器，进而用户可基于所述记录文件更正相关错误。

本领域技术人员理解，所述业务文件是批量处理的，故发生错误的业务文件通常不止一个，为了提高效率，清楚地反馈所述错误信息，在本优选地实施例中，执行步骤S105，根据所述错误数据记录文件，生成错误数据记录文件目录，将所有错误数据记录通过所述目录反馈给发送所述业务文件的服务器。基于所述目录，用户可以修改并重新上传所述业务文件。

图4示出根据本发明的第二实施例的，在审核系统中自动审核功能的基本流程图。首先，执行步骤S301，获取医保数据M(y_i)，具体地，结合图1所示的具体实施例，所述大病医保数据Y(y₁，y₂，···，y_i)通过所述第一数据处理模块进行数据的规范化处理，故在此不予赘述。

接下来，执行所述步骤S302，对所述大病医保数据Y(y₁，y₂，···，y_i)与所述审核规则R(x_i)进行匹配处理，所述关联度匹配的处理可通过如下公式实现：

具体地，若所述医保数据M(y_i)符合所述审核规则，则g(x₁，y₁)＝1，表示所述医保数据M(y_i)触发了所述审核规则R(x_i)；反之，上述公式结果为0，则表示所述医保数据M(y_i)与所述审核规则R(x_i)无法匹配，审核通过。

进一步地，结合图3示出的具体实施例，所述医保数据M(y_i)可分为基础数据和业务数据，所述业务数据包括单据信息和单据费用明细等，对接收到的所述业务数据分别执行统计规则、药品规则、项目规则等审核规则。进一步地，同一个结算单据可能触犯多个规则，同时，该单据下的费用明细也可能触发多个规则，只有当结算单据及相应的费用明细均未触发规则，即审核通过。所述审核系统的自动审核功能，可通过如下公式实现：

$L\left(R\left(x_i\right),Y\right)=\left\{\begin{array}{c}1,\underset{i=1}{\overset{n}{\Σ}}g(x_i,y_i)\≤n\\ 0,\underset{i=1,j}{\overset{n}{\Σ}}g(x_i,y_i)=0\end{array}\right.$

其中，所述计算结果为一个二元分类变量，1表示审核结果为违规或待审核，0表示审核通过。具体地，所述审核结果为1表示所述被审核的医保单据至少触发了一项审核规则，根据被触发的所述审核规则的不同限制条件，可分为违规或待审核两种不同的审核结果类型。本领域技术人员理解，所述审核规则R(x_i)是结合医疗保险管理政策和医疗常规经验总结制定出来的，但并非所有审核规则都能抽象为简单的数学表达式，故所述自动审核功能可以起到初步的筛选作用，剔除明显的违规医保数据。优选地，对于可以直接用简单的数学公式即可清楚表达的审核规则，一旦触发审核规则，其审核结果为违规；反之，其审核结果为待审核，需要进一地接受人工审核。比如，审核规则R(x₂)为“违反限定适应症(条件)项目规则”，由于适应症多样化不易规则抽象，经过自动审核后，有必要再次执行人工审核的功能，优选地，将所述审核规则R(x₂)的自动审核结果设置为待审核。

更进一步地，所述审核规则需要审核的业务数据主要包括单据信息和单据费用明细，对于因医保数据中的费用明细项目而触发的规则，所述审核系统不仅要返回相应的审核结果，还要执行步骤S304，实施相应的扣减策略，对费用明细进行数量及金额的扣减。具体地，若所述医保数据M(y_i)多次触发审核规则R(x_i)，则减扣金额K(y_i)＝m*P(x_i)，扣减数量m＝Z(y_i)-Z(x_i)；若所述医保数据M(y_i)只触发一次所述审核规则R(x_i)则减扣金额K(y_i)＝P(x_i)，扣减数量m＝Z(y_i)。其中，Z(y_i)为医保单据中一个项目的数量合计，Z(x_i)为审核规则的限定数量，P(x_i)表示项目单价。

作为本实施例的一个变化例，所述扣减金额K(y_i)＝F(y_i)-F(x_i)，扣减数量m＝F(y_i)-F(x_i)/P(x_i)，其中，F(y_i)为医保单据中一个项目的费用合计金额，F(x_i)为审核规则的限定金额，P(x_i)表示项目单价。具体地，所述减扣策略表示一个项目的累计金额不能大于一个设置的阀值，大于则异常。

更进一步地，所述医保单据总报销费用的计算公式可表示为：

$S^{,}=S-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}K\left(y_i\right),$

其中，S为提交医保单据上的总报销费用。本领域技术人员理解，所述医保单据上的各个项目可能触犯多个审核规则，只有通过所有审核规则才表示审核合格。一旦触发相应地审核规则，并执行所述减扣策略之后，则需更新所述医保单据总报销费用，具体地，原始总报销费用S减去所有触发审核规则的各项目需减扣金额之和，即为更新后的总报销费用S’。

图5示出根据本发明的第三实施例的，在审核系统中人工审核功能的基本流程图。结合图4给出的实施例，若所述医保数据M(y_i)触发了所述审核规则R(x_i)，所述自动审核功能获得的审核结果包括违规或待审核，针对所述审查结果为待审核的医保数据，可进一步地执行人工审核功能。

具体地，首先，执行步骤S311查询待审核医保数据，待审核单据查询有姓名、身份证号、医保号、结算号、结算日期区间以及机审核时间区间查询条件可供查询。进一步地，所述审核系统包括待审核单据查询功能和一般查询功能，通过所述待审核单据查询功能获得的查询结果，可对其进行人工审核。而所述一般查询功能有姓名、身份证号、医保号、结算状态、结算日期区间以及机审核时间区间等查询条件可供查询，主要用于查看自动审核结果状态及相应地提示信息等，无法对其查询结果进一步地人工审核。

接下来，执行步骤S312，获取待审核医保单据信息，进行人工审核，用户可以查看所述单据的结算信息、费用明细以及扣减信息等。具体地，所述结算信息主要显示所述医保单据的结算详情，如结算单号、结算类型、医保号、身份证号、入院出院日期、结算日期、结算总金额等信息。进一步地，在所述费用明细列表中，用户可以对扣减信息进行增加、修改和删除操作。如果当前费用明细已经存在扣减，则显示“修改扣减”；如果无扣减信息，则显示“添加扣减”，在“修改扣减”页面也可以对扣减信息进行删除操作。更进一步地，所述扣减明细主要显示所述医保单据明细对应的扣减信息，包括项目代码、项目名称、减扣数量、减扣金额、减扣原因、结算单号等信息。

最后，执行步骤S314，获得审核结果。具体地，若经过人工审核，所述医保审核单据无违规项目，则审核结果为驳回，表示所述单据审核通过，可以作为正常件处理。反之，审核结果为违规，针对所述审核结果为违规的医保单据，所述审核系统将发送相应地提示信息，指出具体地违规内容。

作为本发明优选地的第四个实施例，所述审核系统还包括报表管理模块，用于统计分析各区域医保单据信息。具体地，所述报表管理模块可根据不同的查询条件输出各类报表，如违规减扣清单报表可用于分析不同医疗机构在一段时期内问题单据的占比，又比如就诊人次年报可用于分析不同医疗结构的就诊人数等。

更进一步地，由于导出报表时数据量比较大，将影响所述审核系统的运行速度。优选地，可以通过创建索引的方法来解决上述问题，对数据量重复比较大的字段添加索引，在执行效率上有很大的提升

本领域技术人员理解，所述大病医保智能化审核系统平台是一个基于B/S模式的、统一的、开放的、可配置的管理平台，该平台融合了人工审核，规则库管理，报表管理以及权限管理等多个模块，为用户提供优秀的前台操作功能。不同的用户享有不同的操作权限，优选地，所述审核系统的管理员可执行包括权限管理、规则库管理等所有功能模块；高级用户可以进行人工审核、报表管理等操作；一般用户通常只能执行单据信息查询的操作。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (7)

1.一种大病医保智能化审核系统，包括数据库模块、智能审核引擎以及基础信息库管理模块，其特征在于：

所述数据库模块，用于获取大病医保数据；

所述智能审核引擎，其用于对所述大病医保数据的各属性项的关联匹配度进行审核处理；

所述基础信息库管理模块，其存储基础数据的各项属性信息，

其中，所述智能审核引擎分别与所述数据库模块、所述基础信息库管理模块连接，并给予所述数据库模块、所述基础信息库管理模块的数据完成所述审核处理。

2.根据权利要求1所述的大病医保智能化审核系统，其特征在于，所述数据库模块，包括如下模块：

第一数据采集模块，用于获取各子数据服务器中的大病医保数据Y(y₁，y₂，…，y_i)；

第一数据处理模块，用于对所述大病医保数据进行分析，并将不规范的所述大病医保数据转换为具有规范格式的大病医保数据M(y_i)。

3.一种大病医保智能化审核算法，其基于权利要求1或2所述大病医保智能化审核系统对大病医保数据进行审核，其特征在于，基于如下公式对所述大病医保数据Y(y₁，y₂，…，y_i)进行审核：

$L\left(R\right(x_i),Y)=\left\{\begin{array}{c}1,\underset{i=1}{\overset{n}{\Σ}}g(x_i,y_i)\≤n\\ 0,\underset{i=1,j}{\overset{n}{\Σ}}g(x_i,y_i)=0\end{array}\right.$

其中，所述计算结果为一个二元分类变量，1表示审核结果为违规或待审核，0表示审核通过；

其中，R(x_i)表示审核规则，其通过如下公式实现：

4.根据权利要求3所述的审核算法，其特征在于，在情况下，所述智能审核引擎被触发，且所述智能审核引擎对相应的大病医保数据执行减扣处理。

5.根据权利要求4所述的审核算法，其特征在于，所述减扣处理包括如下步骤：

-存在多笔违规项目，则减扣金额K(y_i)＝m*P(x_i)，扣减数量m＝Z(y_i)-Z(x_i)；否则

-存在单笔违规项目，则减扣金额K(y_i)＝P(x_i)，扣减数量m＝Z(y_i)，

其中，Z(y_i)为医保单据中一个项目的数量合计，Z(x_i)为审核规则的限定数量，P(x_i)表示项目单价。

6.根据权利要求3至5中任一项所述的审核算法，其特征在于，所述医保单据总报销费用的计算公式为：

$S^{,}=S-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}K\left(y_i\right),$

其中，S为提交医保单据上的总报销费用。

7.根据权利要求3至6中任一项所述的审核算法，其特征在于，若自动审核的结果为待审核，则可进一步对医保单据进行人工审核，审核结果包括违规或驳回。