CN105631235A - 基于医疗大数据的医疗保险精算系统及方法 - Google Patents

Abstract

本发明提供一种基于医疗大数据的医疗保险精算系统及方法，该方法包括：搜索医疗数据中的患病日期；从天气信息平台获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与历史天气信息关联；分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者；根据预设的年龄段划分规则对受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量；根据每个年龄段对应的受天气因素影响的患者数量计算受天气因素影响的疾病发生率，及根据疾病发生率及预设的医疗保险精算算法计算每个年龄段中受天气因素影响的患者的健康险保费。实施本发明降低医疗保险的理赔风险，提高了保险公司的盈利能力。

Description

基于医疗大数据的医疗保险精算系统及方法

技术领域

本发明涉及大数据分析与挖掘领域，尤其涉及一种基于医疗大数据的医疗保险精算系统及方法。

背景技术

保险精算是指运用数学、统计学、金融学、保险学及人口学等学科的知识与原理，去解决商业保险与各种社会保障业务中需要精确计算的项目，如死亡率的测定、生命表的构造、费率的厘定、准备金的计提以及业务盈余分配等，以此保证保险经营的稳定性和安全性。

近年来，大数据技术(BigData)成为近来的一个技术热点，引起了广泛的重视。通过大数据技术可以加速保险精算的风险预测：借助于不断增长的私密和公开用户信息，大数据技术帮助人们从大体量、高复杂的数据中提取价值。

然而，现阶段的保险精算系统并没有考虑医疗大数据的因素，降低了医疗保险精算的准确性，增加了保险公司的理赔风险。

发明内容

本发明的主要目的在于提供一种基于医疗大数据的医疗保险精算系统及方法，旨在解决现有对医疗保险精算过程中没有考虑医疗大数据的技术问题。

为实现上述目的，本发明提供了一种基于医疗大数据的医疗保险精算系统，运行于数据中心，所述数据中心通过网络与医院信息系统及天气信息平台连接，所述保险精算系统包括：

获取模块，用于从医院信息系统获取医疗数据；

搜索模块，用于搜索医疗数据中的患病日期；

关联模块，用于从所述天气信息平台获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联；

分析模块，用于分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者；

分类模块，用于根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量；及

计算模块，用于根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率，及根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。

优选的，所述医疗数据包括患者姓名、患者年龄、患病时间、疾病名称、患病原因、药品名称、疾病诊断信息、药品数量、医生姓名、就诊科室、医疗费用及患者的联系方式。

优选的，所述分析模块获得受天气因素影响的患者的方式如下：

将与历史天气信息关联的医疗数据进行分类，获得每种历史天气信息对应的疾病名称及每种疾病名称的数量；

根据每种疾病名称的数量计算该疾病受天气因素影响的权重；

若所述权重超过预设值时，则认定该疾病受天气因素影响；及

根据受天气因素影响的疾病名称在医疗数据中检索出受天气因素影响的患者。

优选的，所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。

优选的，所述预设的医疗保险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3，A2＝1+A21，其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数，所述公式中的参数B、C、D，A1、A2及A3为固定值，A21为医疗服务利用的增加率。

另一方面，本发明还提供一种基于医疗大数据的医疗保险精算方法，应用于数据中心，所述数据中心通过网络与医院信息系统及天气信息平台连接，该方法包括：

从医院信息系统获取医疗数据；

搜索医疗数据中的患病日期；

从所述天气信息平台获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联；

分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者；

根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量；及

根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率，及根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。

优选的，所述医疗数据包括患者姓名、患者年龄、患病时间、疾病名称、患病原因、药品名称、疾病诊断信息、药品数量、医生姓名、就诊科室、医疗费用及患者的联系方式。

优选的，所述分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者的步骤中还包括如下步骤：

将与历史天气信息关联的医疗数据进行分类，获得每种历史天气信息对应的疾病名称及每种疾病名称的数量；

根据每种疾病名称的数量计算该疾病受天气因素影响的权重；

若所述权重超过预设值时，则认定该疾病受天气因素影响；及

根据受天气因素影响的疾病名称在医疗数据中检索受天气因素影响的患者。

优选的，所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。

优选的，所述预设的医疗保险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3，A2＝1+A21，其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数，所述公式中的参数B、C、D，A1、A2及A3为固定值，A21为医疗服务利用的增加率。

本发明所述基于医疗大数据的医疗保险精算系统及方法采用上述技术方案，带来的技术效果为：可以对医疗大数据与天气信息关联，将通过对与天气信息关联的医疗大数据分析处理以得到受天气因素影响的患者，计算出受天气影响的患者患病的疾病发生率，并根据疾病发生率相应调整医疗保险的保费，能够降低医疗保险的风险，提高了保险公司的盈利能力。

附图说明

图1是本发明基于医疗大数据的医疗保险精算系统的应用环境示意图。

图2是本发明基于医疗大数据的医疗保险精算系统的优选实施例的模块示意图。

图3是本发明基于医疗大数据的医疗保险精算方法的优选实施例的流程图。

图4是本发明一种天气信息对应的疾病名称及每种疾病名称的数量的示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明的具体实施方式、结构、特征及其功效，详细说明如下。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1所示，图1是本发明基于医疗大数据的医疗保险精算系统的应用环境示意图。本发明中的基于医疗大数据的医疗保险精算系统20运行于数据中心2。所述数据中心2通过网络3与一个或多个医院信息系统1(图1中以三个为例进行说明)通信连接，以从所述医院信息系统连接1获取医疗数据。所述医疗数据包括，但不限于，患者姓名、患者年龄、患病时间、疾病名称、患病原因、疾病诊断信息、药品名称、药品数量、医生姓名、就诊科室、费用及患者的联系方式(例如，电子邮箱地址、手机号码、即时通信账号等)等信息。所述医院信息系统1为医院的信息医疗化系统，用于采集患者的医疗数据。举例而言，患者看病后，医生根据患者的情况在所述医院信息系统1中输入患者的医疗数据。

所述网络3可以是有线通讯网络或无线通讯网络。所述网络3优选为无线通讯网络，包括但不限于，GSM网络、GPRS网络、CDMA网络、TD-SCDMA网络、WiMAX网络、TD-LTE网络、FDD-LTE网络等无线传输网络。

所述数据中心2通过所述网络3与一个或多个客户端4(图1中以三个为例进行说明)通信连接，将患者对应的医疗数据发送给患者。在其它实施例中，所述数据中心2还可以对所述医疗数据进行分析处理，并将分析处理后的医疗数据(例如，与历史天气信息关联后的医疗数据)通过网络3发送给对应的客户端4。

所述数据中心2通过所述网络3与天气信息平台5通信连接，用于从所述天气信息平台5获取历史天气信息。具体地说，所述天气信息平台5用于提供历史天气信息，所述历史天气信息包括，但不限于，地点、温度(最高气温及最低气温)、风向(例如，偏南风、偏北风等)、天气情况(例如，天晴、小雨、大雨、雪、大雪等天气情况)及空气质量(例如，PM2.5值)等信息。

需要说明的是，所述数据中心2是云平台或数据中心的某一台服务器，通过云平台或数据中心的数据传输能力及数据存储能力，可以更好地管理及/或协助与该数据中心2连接的客户端4，有利于保险公司根据患者的医疗数据设计保险产品。

所述客户端4可以是，但不限于，智能手机、平板电脑、个人数字助理(PersonalDigitalAssistant,PDA)、个人电脑、电子看板等其它任意合适的便携式电子设备。

参照图2所示，是本发明基于医疗大数据的医疗保险精算系统的优选实施例的模块示意图。在本实施例中，结合图1所示，所述基于医疗大数据的医疗保险精算系统20应用于数据中心2。该数据中心2包括，但不仅限于，基于医疗大数据的医疗保险精算系统20、存储单元22、处理单元24及通讯单元26。

所述的存储单元22可以为一种只读存储单元ROM，电可擦写存储单元EEPROM、快闪存储单元FLASH或固体硬盘等。

所述的处理单元24可以为一种中央处理器(CentralProcessingUnit，CPU)、微控制器(MCU)、数据处理芯片、或者具有数据处理功能的信息处理单元。

所述的通讯单元26为一种具有远程无线通讯功能的无线通讯接口，例如，支持GSM、GPRS、WCDMA、CDMA、TD-SCDMA、WiMAX、TD-LTE、FDD-LTE等通讯技术的通讯接口。

所述基于医疗大数据的医疗保险精算系统20包括，但不局限于，获取模块200、搜索模块210、关联模块220、分析模块230、分类模块240及计算模块250。本发明所称的模块是指一种能够被所述数据中心2的处理单元24执行并且能够完成固定功能的一系列计算机程序指令段，其存储在所述数据中心2的存储单元22中。

所述获取模块200用于从医院信息系统1获取医疗数据。

具体而言，所述医院信息系统1提供数据导入接口(例如，应用程序接口，ApplicationProgramInterface，API)，接入该数据导入接口的设备或系统都可以从所述医院信息系统1中获取医疗数据。所述获取模块200调用所述医院信息系统1提供的API接口以获取医疗数据。

需要说明的是，由于所述医疗数据属于隐私信息，为了确保信息安全，所述医疗数据发送给数据中心2时，会通过加解密算法(例如，MD5加解密算法、RSA加解密算法、DES加解密算法、DSA加解密算法、AES加解密算法等)先对医疗数据进行加密处理，之后传输给所述数据中心2。

所述搜索模块210用于搜索医疗数据中的患病日期。具体地说，所述搜索模块210通过关键字检索的方式搜索医疗数据中的患病日期。例如，以“患病日期”或“患病时间”作为关键字，检索出医疗数据中的患病日期。

所述关联模块220从所述天气信息平台5获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联。

所述天气信息平台5提供数据导入接口(例如，应用程序接口，ApplicationProgramInterface，API)，接入该数据导入接口的设备或系统都可以从所述天气信息平台5中获取历史天气信息。所述关联模块220调用所述天气信息平台5提供的API接口以获取历史天气信息。

具体地说，所述关联模块220调用所述天气信息平台5提供的API接口并发送所述患病日期给天气信息平台5，天气信息平台5以所述患病日期为关键字，检索所述患病日期对应的历史天气信息以回传给所述数据中心2。

所述分析模块230用于分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者。

所述分析模块230获得受天气因素影响的患者的方式如下：(1)分析模块230将与历史天气信息关联的医疗数据进行分类，获得每种历史天气信息对应的疾病名称及每种疾病名称的数量，举例而言，如图4所示，大雪的天气情况下，所述医疗数据中有四种疾病，分别为感冒、发烧、哮喘及骨折，其中，感冒有五十八笔、发烧有二十笔、哮喘有十五笔及骨折有二十七笔。(2)分析模块230根据每种疾病名称的数量计算该疾病受天气因素影响的权重。在本实施例中，为了简化起见，所述计算的权重等于每种疾病名称的数量，也就是说，以图4为例，哮喘的数量十五笔，则哮喘受天气因素影响的权重为十五。(3)若所述权重超过预设值(例如，10)时，分析模块230则认定该疾病受天气因素影响，以图4为例，假如哮喘的数量为15，预设值为10，则分析模块230认定哮喘受天气因素影响。(4)分析模块230根据受天气因素影响的疾病名称在医疗数据中检索出患者，所述检索的患者即为受天气因素影响的患者，例如，以“哮喘”作为关键字，在医疗数据中检索出患哮喘的患者。

所述分类模块240用于根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量。所述预设的年龄段划分规则是指预设年龄为起点(例如，18岁)将人的寿命设划分为多个年龄段。例如，在18岁与为起点进行划分，其中，18-34岁为青年、35-45岁为壮年、45-60为中年、60岁以上为老年。所述分类模块230根据所述受天气因素影响的患者的年龄，并根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类。

所述计算模块250用于根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率。所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。举例而言，假如受天气因素影响的患者数量为一万人，而青年阶段(例如18岁至34岁)的患者数量为二十万人，则所述计算模块250确定青年阶段受天气因素影响的患者的疾病发生率为5％。

所述计算模块250还用于根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。所述预设的医疗保险精算算法采用如下公式为S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3；其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数。其中，所述公式中的参数B、C、D，A1及A3为固定值。保险因子是参保人对医疗服务利用的增加程度，其计算公式为A2＝1+A21，A21为医疗服务利用的增加率(例如，连续两年医疗结构就诊人数的差值与医疗机构负荷就诊人数之间的比例)。

从上述公式可知，具体地说，疾病发生率越高，意味着发生保险赔付的可能性增大，也意味着保险费用的增加；反之，疾病发生率越低，意味着发生保险赔付的可能性减少，也意味着保险费用的下降。

此外，上述预设的医疗保险精算算法仅仅是举例说明，本发明中的所述预设的医疗保险精算算法还可以是其它现有的包含疾病发生率的保险精算算法。

参照图3所示，是本发明基于医疗大数据的医疗保险精算方法的优选实施例的流程图。在本实施例中，所述的基于医疗大数据的医疗保险精算方法应用于数据中心2，该方法包括以下步骤：

步骤S10：所述获取模块200从医院信息系统1获取医疗数据。

具体而言，所述医院信息系统1提供数据导入接口(例如，应用程序接口，ApplicationProgramInterface，API)，接入该数据导入接口的设备或系统都可以从所述医院信息系统1中获取医疗数据。所述获取模块200调用所述医院信息系统1提供的API接口以获取医疗数据。

需要说明的是，由于所述医疗数据属于隐私信息，为了确保信息安全，所述医疗数据发送给数据中心2时，会通过加解密算法(例如，MD5加解密算法、RSA加解密算法、DES加解密算法、DSA加解密算法、AES加解密算法等)先对医疗数据进行加密处理，之后传输给所述数据中心2。

步骤S11：所述搜索模块210搜索医疗数据中的患病日期。具体地说，所述搜索模块210通过关键字检索的方式搜索医疗数据中的患病日期。例如，以“患病日期”或“患病时间”作为关键字，检索出医疗数据中的患病日期。

步骤S12：所述关联模块220从所述天气信息平台5获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联。

所述天气信息平台5提供数据导入接口(例如，应用程序接口，ApplicationProgramInterface，API)，接入该数据导入接口的设备或系统都可以从所述天气信息平台5中获取历史天气信息。所述关联模块220调用所述天气信息平台5提供的API接口以获取历史天气信息。

具体地说，所述关联模块220调用所述天气信息平台5提供的API接口并发送所述患病日期给天气信息平台5，天气信息平台5以所述患病日期为关键字，检索所述患病日期对应的历史天气信息以回传给所述数据中心2。

步骤S13：所述分析模块230分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者。

所述分析模块230分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者的步骤包括如下步骤：(1)将与历史天气信息关联的医疗数据进行分类，以得到每种历史天气信息对应的疾病名称及每种疾病名称的数量，举例而言，如图4所示，大雪的天气情况下，所述医疗数据中有四种疾病，分别为感冒、发烧、哮喘及骨折，其中，感冒有五十八笔、发烧有二十笔、哮喘有十五笔及骨折有二十七笔。(2)根据每种疾病名称的数量计算该疾病受天气因素影响的权重。在本实施例中，为了简化起见，所述计算的权重等于每种疾病名称的数量，也就是说，以图4为例，哮喘的数量十五笔，则哮喘受天气因素影响的权重为十五。(3)若所述权重超过预设值(例如，10)时，则认定该疾病受天气因素影响，以图4为例，哮喘的数量为15，预设值为10，则认定哮喘受天气因素影响。(4)根据受天气因素影响的疾病名称在医疗数据中检索出患者，所述检索的患者即为受天气因素影响的患者，例如，以“哮喘”作为关键字，在医疗数据中检索出患哮喘的患者。

步骤S14：所述分类模块240根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量。所述预设的年龄段划分规则是指预设年龄为起点(例如，18岁)将人的寿命设划分为多个年龄段。例如，在18岁与为起点进行划分，其中，18-34岁为青年、35-45岁为壮年、45-60为中年、60岁以上为老年。所述分类模块230根据所述受天气因素影响的患者的年龄，并根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类。

步骤S15：所述计算模块250根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率。所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。举例而言，，假如受天气因素影响的患者数量为一万人，而青年阶段(18岁至34岁)的患者数量为二十万人，则所述计算模块250确定青年阶段受天气因素影响的患者的疾病发生率为5％。

步骤S16：所述计算模块250根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。所述医疗保险精算算法采用如下公式为S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3；其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数。其中，所述公式中的参数B、C、D，A1及A3为固定值。保险因子是参保人对医疗服务利用的增加程度，其计算公式为A2＝1+A21，A21为医疗服务利用的增加率(例如，连续两年医疗结构就诊人数的差值与医疗机构负荷就诊人数之间的比例)。

从上述公式可知，具体地说，疾病发生率越高，意味着发生保险赔付的可能性增大，也意味着保险费用的增加；反之，疾病发生率越低，意味着发生保险赔付的可能性减少，也意味着保险费用的下降。

此外，上述医疗保险精算算法仅仅是举例说明，本发明中的所述医疗保险精算算法还可以是其它现有的包含疾病发生率的保险精算算法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于医疗大数据的医疗保险精算系统，运行于数据中心，所述数据中心通过网络与医院信息系统天气信息平台连接，其特征在于，所述保险精算系统包括：

获取模块，用于从医院信息系统获取医疗数据；

搜索模块，用于搜索医疗数据中的患病日期；

关联模块，用于从所述天气信息平台获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联；

分析模块，用于分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者；

分类模块，用于根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量；及

计算模块，用于根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率，及根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。

2.如权利要求1所述的基于医疗大数据的医疗保险精算系统，其特征在于，所述医疗数据包括患者姓名、患者年龄、患病时间、疾病名称、患病原因、药品名称、疾病诊断信息、药品数量、医生姓名、就诊科室、医疗费用及患者的联系方式。

3.如权利要求1所述的基于医疗大数据的医疗保险精算系统，其特征在于，所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。

4.如权利要求3所述的基于医疗大数据的医疗保险精算系统，其特征在于，所述预设的医疗保险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3，A2＝1+A21，其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数，所述公式中的参数B、C、D，A1、A2及A3为固定值，A21为医疗服务利用的增加率。

5.如权利要求1至4任一项所述的基于医疗大数据的医疗保险精算系统，其特征在于，所述分析模块还用于：

将与历史天气信息关联的医疗数据进行分类，获得每种历史天气信息对应的疾病名称及每种疾病名称的数量；

根据每种疾病名称的数量计算该疾病受天气因素影响的权重；

若所述权重超过预设值时，则认定该疾病受天气因素影响；及

根据受天气因素影响的疾病名称在医疗数据中检索出受天气因素影响的患者。

6.一种基于医疗大数据的医疗保险精算方法，应用于数据中心，所述数据中心通过网络与医院信息系统及天气信息平台连接，其特征在于，该方法包括步骤：

从医院信息系统获取医疗数据；

搜索医疗数据中的患病日期；

从所述天气信息平台获取医疗数据中的患病日期所对应的历史天气信息，并将医疗数据与所述历史天气信息关联；

分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者；

根据预设的年龄段划分规则对所述受天气因素影响的患者进行分类，并提取每个年龄段所对应的受天气因素影响的患者数量；

根据每个年龄段对应的受天气因素影响的患者数量计算出受天气因素影响的疾病发生率；及

根据所述疾病发生率及预设的医疗保险精算算法计算出每个年龄段对应的受天气因素影响的患者的健康险保费。

7.如权利要求6所述的基于医疗大数据的医疗保险精算方法，其特征在于，所述医疗数据包括患者姓名、患者年龄、患病时间、疾病名称、患病原因、药品名称、疾病诊断信息、药品数量、医生姓名、就诊科室、医疗费用及患者的联系方式。

8.如权利要求6所述的基于医疗大数据的医疗保险精算方法，其特征在于，所述疾病发生率的计算公式为：P＝M/N，其中，M为每个年龄段对应的受天气因素影响的患者数量，N为每个年龄段对应的患者数量。

9.如权利要求8所述的基于医疗大数据的医疗保险精算方法，其特征在于，所述预设的医疗保险精算算法采用如下公式：S＝A+B+C+D，A＝A1×(1+k×P)×A2×A3，A2＝1+A21，其中，S为医疗保险费、A为医药补偿费、B为预防保健费、C为管理费(即保险公司管理健康险的管理费)、D为储备金、A1为医药费基线数据、A2为保险因子、A3为补偿比、P为疾病发生率以及k为常数，所述公式中的参数B、C、D，A1、A2及A3为固定值，A21为医疗服务利用的增加率。

10.如权利要求6至9任一项所述的基于医疗大数据的医疗保险精算方法，其特征在于，所述分析与历史天气信息关联的医疗数据以获得受天气因素影响的患者的步骤包括如下步骤：

将与历史天气信息关联的医疗数据进行分类，获得每种历史天气信息对应的疾病名称及每种疾病名称的数量；

根据每种疾病名称的数量计算该疾病受天气因素影响的权重；

若所述权重超过预设值时，则认定该疾病受天气因素影响；及

根据受天气因素影响的疾病名称在医疗数据中检索受天气因素影响的患者。