CN105825429A - 基于医学大数据的保险精算方法和系统 - Google Patents
基于医学大数据的保险精算方法和系统 Download PDFInfo
- Publication number
- CN105825429A CN105825429A CN201610156062.0A CN201610156062A CN105825429A CN 105825429 A CN105825429 A CN 105825429A CN 201610156062 A CN201610156062 A CN 201610156062A CN 105825429 A CN105825429 A CN 105825429A
- Authority
- CN
- China
- Prior art keywords
- information
- insurance
- medical
- science
- actuarial
- 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.)
- Withdrawn
Links
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于医学大数据的保险精算方法和系统。所述方法包括如下步骤：接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；将所述疾病风险概率作为其中一个保险因子创建保险产品；根据所述保险产品输出保险信息并生成保险单。本发明提供的基于医学大数据的保险精算方法和系统，将参保人员的体征信息和医疗信息作为参考数据计算参保人员的疾病风险概率，将疾病风险概率作为其中一个保险因子参与保险精算创建保险产品，降低了保险产品的输出风险。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于医学大数据的保险精算方法和系统。
背景技术
目前，保险公司推出各种各样的保险产品，保险销售人员根据保险产品的类别以及特点定向地推销给不同的人群。对于疾病类保险产品，在最终确定保费以及保额前，需要参保人员进行必要的体检，对于患某类疾病风险较高的参保人员，保费相对较高，保额也会做调整，即会根据参保人员的实际身体状况以及预期风险来调整保费和保额。现有的保险精算方法和系统虽然有参考参保人员的体检报告，但是没有将参保人员某段时期内的体征数据和医疗信息结合起来预测参保人员的疾病风险概率，扩大了保险产品的输出风险。
发明内容
本发明的主要目的在于提供一种基于医学大数据的保险精算方法和系统，旨在解决现有保险产品创建系统和方法没有将参保人员某段时期内的体征数据和诊疗信息结合起来预测参保人员的疾病风险概率，导致保险产品输出风险大的问题。
为实现上述目的，本发明提供了一种基于医学大数据的保险精算方法。
所述基于医学大数据的保险精算方法包括如下步骤：
S10：接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；
S20：将所述疾病风险概率作为其中一个保险因子创建保险产品；
S30：根据所述保险产品输出保险信息并生成保险单。
优选地，所述步骤S10包括：
S11：发送包括预设时间范围和用户信息的请求指令至体征信息采集系统和医疗信息采集系统；
S12：接收体征信息采集系统发送的所述用户信息在预设时间范围内的体征信息和所述医疗信息采集系统发送的所述用户信息在预设时间范围内的医疗信息；
S13：抽取所述体征信息和所述医疗信息中的异常信息，所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息；
S14：根据第一概率信息和/或第二概率信息按照预设的权重分配比例计算参保人员的疾病风险概率。
优选地，所述保险因子包括非精算因子和精算因子。
优选地，所述疾病风险概率的权重至少占精算因子的权重的20％。
优选地，所述保险信息包括被保对象、承包范围、保费、保额以及保险属性信息。
本发明还提供了一种基于医学大数据的保险精算系统。
所述基于医学大数据的保险精算系统包括疾病风险计算模块、保险精算模块以及保险产品输出模块，其中：
所述疾病风险概率计算模块用于接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，并根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；
所述保险精算模块用于将所述疾病风险概率作为其中一个保险因子创建保险产品；
所述保险产品输出模块用于根据所述保险精算模块创建的保险产品输出保险信息并生成保险单。
优选地，所述疾病风险概率计算模块包括请求子模块、接收子模块、信息抽取子模块以及概率计算子模块，其中：
所述请求子模块用于发送包括预设时间范围和用户信息的请求指令至体征信息采集系统和医疗信息采集系统；
所述接收子模块用于接收所述体征信息采集系统发送的所述用户信息在预设时间范围内的体征信息，接收所述医疗信息采集系统发送的所述用户信息在预设时间范围内的医疗信息；
所述信息抽取子模块用于抽取所述体征信息和所述医疗信息中的异常信息，所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息；
所述概率计算子模块根据第一概率信息和/或第二概率信息按照预设的权重分配比例计算参保人员的疾病风险概率。
优选地，所述保险因子包括非精算因子和精算因子。
优选地，所述疾病风险概率的权重至少占精算因子的权重的20％。
优选地，所述保险信息包括被保对象、承包范围、保费、保额以及保险属性信息。
相较于现有技术，本发明提供的基于医学大数据的保险精算方法和系统，将参保人员的体征信息和医疗信息作为参考数据计算参保人员的疾病风险概率，将疾病风险概率作为其中一个保险因子参与保险精算创建保险产品，降低了保险产品的输出风险。
附图说明
图1是本发明基于医学大数据的保险精算系统运行环境较佳实施例的结构示意图；
图2是本发明疾病风险概率计算模块的较佳实施例功能模块示意图；
图3是本发明基于医学大数据的保险精算方法的流程示意图；
图4是图3中步骤S10的细化流程示意图。
具体实施方式
为更进一步阐述本发明为达成上述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、特征及其功效进行详细说明。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。
为实现本发明目的，本发明提供了一种基于医学大数据的保险精算方法和系统，通过采集参保人员预设时间内的体征数据以及从医疗卫生系统中获取参保人员预设时间内的诊疗数据，共同预测参保人员患某类疾病的风险的概率，从而将该疾病风险的概率作为精算因子，计算保险产品的输出指数，降低保险产品的输出风险。
参照图1所示，图1是本发明基于医学大数据的保险精算系统运行环境较佳实施例的结构示意图。
在本实施例中，所述基于医学大数据的保险精算系统30运行于第二服务器3中，该第二服务器3连接有体征信息采集设备1以及第一服务器2。所述体征信息采集设备1包括体征信息采集系统10，所述第一服务器2包括医疗信息采集系统20。所述体征信息采集设备1包括但不限于血压采集设、血糖采集设备、血脂采集设备、血氧采集设备、体重采集设备中的一种或多种。所述体征信息采集设备1中的体征信息采集系统10用于采集参保人员在预设时间内的体征信息，并将体征信息作为医学大数据中的其中一个计算疾病风险概率的第一参考数据发送至第二服务器3。所述第一服务器2通常设置在医疗机构的信息中心，可以为一个独立的服务器，或为子系统的一部分，该子系统可能是较大的系统的一部分。例如，第一服务器2可为多个分布式服务器中的一个，这些分布式服务器相隔甚远并且通过网络(例如Internet网络)或专用网络(如LAN)通信。所述第一服务器2中的医疗信息采集系统20用于采集用户的医疗信息，该医疗信息包括但不限于用户的姓名、患病时间、诊疗信息、用药信息、复诊信息等，用于反应用户就诊情况。该医疗信息作为其中一个计算疾病风险概率的第二参考数据发送至第二服务器3。
在本实施例中，所述基于医学大数据的保险精算系统30包括疾病风险计算模块31、保险精算模块32以及保险产品输出模块33。
所述疾病风险概率计算模块31用于接收体征信息采集系统10发送的体征信息作为第一参考数据，接收所述医疗信息采集系统20发送的医疗信息作为第二参考数据，并根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率。
参照图2所示，图2为本发明疾病风险概率计算模块的较佳实施例功能模块示意图。
所述疾病风险概率计算模块31包括请求子模块311、接收子模块312、信息抽取子模块313以及概率计算子模块314。
所述请求子模块311用于发送包括预设时间范围和用户信息的请求指令至体征信息采集系统10和医疗信息采集系统20；
所述接收子模块312用于接收所述体征信息采集系统10发送的所述用户信息在预设时间范围内的体征信息，以及接收所述医疗信息采集系统20发送的所述用户信息在预设时间范围内的医疗信息。
所述信息抽取子模块313用于抽取所述体征信息和所述医疗信息中的异常信息。所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息。具体地，当所述体征信息若包括多种体征信息时，例如包括血压信息、血糖信息、心率信息、体重信息等，则先分别计算所述多种体征信息超出对应的预设体征信息的第一概率信息分信息，再根据所述第一概率信息分信息按照预设的权重生成第一概率信息。所述预设的权重根据该参保人员的体征信息对其身体的影响程度确定，例如：血压信息的权重为0.3，血压信息的第一概率信息分信息为P11；血糖信息的权重为0.3，血糖信息的第一概率信息分信息为P12；心率信息的权重为0.2，心率信息的第一概率信息分信息为P13；体重信息的权重为0.2，体重信息的第一概率信息分信息为P14。根据上述预设的权重信息和第一概率信息分信息，第一概率信息P1＝P11×0.3+P12×0.3+P13×0.2+P14×0.2。具体地，所述某类疾病指参保人员预参保的疾病保险产品中的疾病信息集合。例如，参保人员预参保的疾病保险产品中的疾病信息集合中包括中国保险行业协会制定的《重大疾病保险的疾病定义使用规范》中所指定的25种重大疾病，则根据医疗信息中确诊信息预测患该25种重大疾病的概率分信息，再根据概率分信息计算第二概率信息P2。
所述概率计算子模块314根据第一概率信息P1和/或第二概率信息P2按照预设的权重分配比例计算参保人员的疾病风险概率P。例如，根据临床实践，体征信息能够直接反应人体的疾病风险概率，因此可以预先设定第一概率信息P1的权重分配比例为x，第二概率信息P2的全化工分配比例为y，其中：x>y且x+y＝1。在本实施例中，x和y可以根据实际情况由保险设计人员进行配置。
参考图1所示，所述保险精算模块32用于将所述疾病风险概率作为其中一个保险因子创建保险产品。所述保险因子包括非精算因子和精算因子。疾病风险概率作为其中一个保险因子时，通常在创建疾病保险产品时使用，此时疾病风险概率对疾病保险产品的输出产生重要的影响作用，因此，根据经验值，疾病风险概率的权重至少占整个精算因子的权重的20％，以降低保险产品的输出风险。本实施例所述精算因子指在计算保险保单的保险费和评估业务规则以管理风险时需要考虑的因子。非精算因子包括不与风险直接相关但仍影响保险保单的定价的因子。例如，参保人员的姓名。
所述保险产品输出模块33用于根据所述保险精算模块32创建的保险产品输出保险信息并生成保险单。具体地，所述保险信息包括但不限于，被保对象、承包范围、保费、保额以及保险属性信息，该保险属性信息包括但不限于保险规则、公式和条款。
本发明实施例将参保人员的体征信息和医疗信息作为参考数据计算参保人员的疾病风险概率，将疾病风险概率作为其中一个保险因子参与保险精算创建保险产品，降低了保险产品的输出风险。
本发明的另外一个方面，提供了一种与上述基于医学大数据的保险精算系统对应的方法。
参照图3所示，图3是本发明基于医学大数据的保险精算方法的流程示意图。
在本实施例中，结合图1和图2所示，所述基于医学大数据的保险精算方法包括如下步骤：
S10：接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；
具体地，疾病风险概率计算模块31接收体征信息采集系统10发送的体征信息作为第一参考数据，接收医疗信息采集系统20发送的医疗信息作为第二参考数据，并根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率。参照图4所示，图4为本实施例中步骤S10的细化流程示意图，所述步骤S10包括但不限于步骤S11至步骤S14：
S11：发送包括预设时间范围和用户信息的请求指令至体征信息采集系统和医疗信息采集系统；
S12：接收体征信息采集系统发送的所述用户信息在预设时间范围内的体征信息和所述医疗信息采集系统发送的所述用户信息在预设时间范围内的医疗信息；
具体地，请求子模块311发送包括预设时间范围和用户信息的请求指令至体征信息采集系统10和医疗信息采集系统20；接收体征信息采集系统10发送的所述用户信息在预设时间范围内的体征信息，接收所述医疗信息采集系统20发送的所述用户信息在预设时间范围内的医疗信息；
S13：抽取所述体征信息和所述医疗信息中的异常信息；
具体地，信息抽取子模块313抽取所述体征信息和所述医疗信息中的异常信息；所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息。当所述体征信息若包括多种体征信息时，例如包括血压信息、血糖信息、心率信息、体重信息等，则先分别计算所述多种体征信息超出对应的预设体征信息的第一概率信息分信息，再根据所述第一概率信息分信息按照预设的权重生成第一概率信息。所述预设的权重根据该参保人员的体征信息对其身体的影响程度确定，例如：血压信息的权重为0.3，血压信息的第一概率信息分信息为P11；血糖信息的权重为0.3，血糖信息的第一概率信息分信息为P12；心率信息的权重为0.2，心率信息的第一概率信息分信息为P13；体重信息的权重为0.2，体重信息的第一概率信息分信息为P14。根据上述预设的权重信息和第一概率信息分信息，第一概率信息P1＝P11×0.3+P12×0.3+P13×0.2+P14×0.2。具体地，所述某类疾病指参保人员预参保的疾病保险产品中的疾病信息集合。例如，参保人员预参保的疾病保险产品中的疾病信息集合中包括中国保险行业协会制定的《重大疾病保险的疾病定义使用规范》中所指定的25种重大疾病，则根据医疗信息中确诊信息预测患该25种重大疾病的概率分信息，再根据概率分信息计算第二概率信息P2。
S14：根据第一概率信息和/或第二概率信息按照预设的权重分配比例计算参保人员的疾病风险概率；
具体地，概率计算子模块314结合第一概率信息P1和第二概率信息P2计算参保人员的疾病风险概率P。例如，根据临床实践，体征信息能够直接反应人体的疾病风险概率，因此可以预先设定第一概率信息P1的权重分配比例为x，第二概率信息P2的全化工分配比例为y，其中：x>y且x+y＝1。在本实施例中，x和y可以根据实际情况由保险设计人员进行配置。
S20：保险精算模块32将所述疾病风险概率作为其中一个保险因子创建保险产品；
具体地，所述保险因子还包括非精算因子和其他精算因子。疾病风险概率P作为其中一个保险因子时，通常在创建疾病保险产品时使用，此时疾病风险概率对疾病保险产品的输出产生重要的影响作用，因此，根据经验值，疾病风险概率的权重至少占精算因子的权重的20％，以降低保险产品的输出风险。本实施例所述精算因子指在计算保险保单的保险费和评估业务规则以管理风险时需要考虑的因子。非精算因子包括不与风险直接相关但仍影响保险保单的定价的因子。例如，参保人员的姓名。
S30：保险产品输出模块33根据保险精算模块32创建的保险产品输出保险信息并生成保险单。
具体地，所述保险信息包括但不限于，被保对象、承包范围、保费、保额以及保险属性信息，该保险属性信息包括但不限于保险规则、公式和条款。
本发明实施例将参保人员的体征信息和医疗信息作为参考数据计算参保人员的疾病风险概率，将疾病风险概率作为其中一个保险因子参与保险精算创建保险产品，降低了保险产品的输出风险。
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功能变换，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)
1.一种基于医学大数据的保险精算方法，其特征在于，所述基于医学大数据的保险精算方法包括如下步骤：
S10：接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；
S20：将所述疾病风险概率作为其中一个保险因子创建保险产品；
S30：根据所述保险产品输出保险信息并生成保险单。
2.如权利要求1所述的基于医学大数据的保险精算方法，其特征在于，所述步骤S10包括：
S11：发送包括预设时间范围和用户信息的请求指令至体征信息采集系统和医疗信息采集系统；
S12：接收体征信息采集系统发送的所述用户信息在预设时间范围内的体征信息和所述医疗信息采集系统发送的所述用户信息在预设时间范围内的医疗信息；
S13：抽取所述体征信息和所述医疗信息中的异常信息，所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息；
S14：根据第一概率信息和/或第二概率信息按照预设的权重分配比例计算参保人员的疾病风险概率。
3.如权利要求1所述的基于医学大数据的保险精算方法，其特征在于，所述保险因子包括非精算因子和精算因子。
4.如权利要求3所述的基于医学大数据的保险精算方法，其特征在于，所述疾病风险概率的权重至少占所述精算因子的权重的20％。
5.如权利要求1所述的基于医学大数据的保险精算方法，其特征在于，所述保险信息包括被保对象、承包范围、保费、保额以及保险属性信息。
6.一种基于医学大数据的保险精算系统，其特征在于，所述基于医学大数据的保险精算系统包括疾病风险计算模块、保险精算模块以及保险产品输出模块，其中：
所述疾病风险概率计算模块用于接收体征信息采集系统发送的体征信息作为第一参考数据，接收医疗信息采集系统发送的医疗信息作为第二参考数据，并根据所述第一参考数据和所述第二参考数据计算参保人员的疾病风险概率；
所述保险精算模块用于将所述疾病风险概率作为其中一个保险因子创建保险产品；
所述保险产品输出模块用于根据所述保险精算模块创建的保险产品输出保险信息并生成保险单。
7.如权利要求6所述的基于医学大数据的保险精算系统，其特征在于，所述疾病风险概率计算模块包括请求子模块、接收子模块、信息抽取子模块以及概率计算子模块，其中：
所述请求子模块用于发送包括预设时间范围和用户信息的请求指令至体征信息采集系统和医疗信息采集系统；
所述接收子模块用于接收所述体征信息采集系统发送的所述用户信息在预设时间范围内的体征信息，以及接收所述医疗信息采集系统发送的所述用户信息在预设时间范围内的医疗信息；
所述信息抽取子模块用于抽取所述体征信息和所述医疗信息中的异常信息，所述异常信息包括所述体征信息中超出预设体征信息的第一概率信息和/或所述医疗信息中患某类疾病的第二概率信息；
所述概率计算子模块根据第一概率信息和/或第二概率信息按照预设的权重分配比例计算参保人员的疾病风险概率。
8.如权利要求6所述的基于医学大数据的保险精算系统，其特征在于，所述保险因子包括非精算因子和精算因子。
9.如权利要求8所述的基于医学大数据的保险精算系统，其特征在于，所述疾病风险概率的权重至少占精算因子的权重的20％。
10.如权利要求6所述的基于医学大数据的保险精算系统，其特征在于，所述保险信息包括被保对象、承包范围、保费、保额以及保险属性信息。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610156062.0A CN105825429A (zh) | 2016-03-18 | 2016-03-18 | 基于医学大数据的保险精算方法和系统 |
| PCT/CN2016/105113 WO2017157029A1 (zh) | 2016-03-18 | 2016-11-08 | 基于医学大数据的保险精算方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610156062.0A CN105825429A (zh) | 2016-03-18 | 2016-03-18 | 基于医学大数据的保险精算方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105825429A true CN105825429A (zh) | 2016-08-03 |
Family
ID=56523987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610156062.0A Withdrawn CN105825429A (zh) | 2016-03-18 | 2016-03-18 | 基于医学大数据的保险精算方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN105825429A (zh) |
| WO (1) | WO2017157029A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017157029A1 (zh) * | 2016-03-18 | 2017-09-21 | 深圳市前海安测信息技术有限公司 | 基于医学大数据的保险精算方法和系统 |
| CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
| CN109035034A (zh) * | 2018-06-12 | 2018-12-18 | 昆明理工大学 | 一种基于支付数据的健康保险精算系统与方法 |
| CN109345397A (zh) * | 2018-09-17 | 2019-02-15 | 平安科技（深圳）有限公司 | 智能分保方法、服务器及存储介质 |
| CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
| CN113362137A (zh) * | 2021-06-11 | 2021-09-07 | 北京十一贝科技有限公司 | 保险产品推荐方法、装置、终端设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8725540B2 (en) * | 2003-10-30 | 2014-05-13 | Swiss Reinsurance Company Ltd. | Automated system and method for evaluating insurable risks at point of sale |
| US20110040582A1 (en) * | 2009-08-17 | 2011-02-17 | Kieran Mullins | Online system and method of insurance underwriting |
| CN105825429A (zh) * | 2016-03-18 | 2016-08-03 | 深圳市前海安测信息技术有限公司 | 基于医学大数据的保险精算方法和系统 |
-
2016
- 2016-03-18 CN CN201610156062.0A patent/CN105825429A/zh not_active Withdrawn
- 2016-11-08 WO PCT/CN2016/105113 patent/WO2017157029A1/zh active Application Filing
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017157029A1 (zh) * | 2016-03-18 | 2017-09-21 | 深圳市前海安测信息技术有限公司 | 基于医学大数据的保险精算方法和系统 |
| CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
| CN108711108B (zh) * | 2018-05-15 | 2021-05-18 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
| CN109035034A (zh) * | 2018-06-12 | 2018-12-18 | 昆明理工大学 | 一种基于支付数据的健康保险精算系统与方法 |
| CN109345397A (zh) * | 2018-09-17 | 2019-02-15 | 平安科技（深圳）有限公司 | 智能分保方法、服务器及存储介质 |
| CN111275558A (zh) * | 2020-01-13 | 2020-06-12 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
| CN111275558B (zh) * | 2020-01-13 | 2024-02-27 | 上海维跃信息科技有限公司 | 用于确定保险数据的方法和装置 |
| CN113362137A (zh) * | 2021-06-11 | 2021-09-07 | 北京十一贝科技有限公司 | 保险产品推荐方法、装置、终端设备及存储介质 |
| CN113362137B (zh) * | 2021-06-11 | 2024-04-05 | 北京十一贝科技有限公司 | 保险产品推荐方法、装置、终端设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017157029A1 (zh) | 2017-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105825429A (zh) | 基于医学大数据的保险精算方法和系统 | |
| Gulshan et al. | Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs | |
| McDonald et al. | US emergency department visits for alcohol-related diseases and injuries between 1992 and 2000 | |
| US20170316530A1 (en) | Method and System for Providing Reports and Segmentation of Physician Activities | |
| DuBard et al. | Trends in emergency Medicaid expenditures for recent and undocumented immigrants | |
| EP3255573A1 (en) | Clinical decision supporting ensemble system and clinical decison supporting method using the same | |
| US20130246097A1 (en) | Medical Information Systems and Medical Data Processing Methods | |
| CA2974404A1 (en) | Bivalent swine influenza virus vaccine | |
| CN108346473A (zh) | 一种慢性病精细化管理平台 | |
| Xue et al. | Clinical productivity of primary care nurse practitioners in ambulatory settings | |
| US20160314249A1 (en) | System and method for providing an on-demand real-time patient-specific data analysis computing platform | |
| Sessoms et al. | Provider adherence to national guidelines for managing hypertension in African Americans | |
| EP3619628A1 (en) | Mobile interoperable personal health information exchange with biometrics data analytics | |
| Pickens et al. | Trends in treatment costs of US emergency department visits | |
| Sørensen et al. | Costs of shoulder disorders in Denmark: a nationwide cost-of-illness study investigating 617,334 patients and matched controls | |
| WO2016205040A1 (en) | System and method for determining and indicating value of healthcare | |
| US20170091410A1 (en) | Predicting personalized risk of preventable healthcare events | |
| Stafford et al. | Variation in routine electrocardiogram use in academic primary care practice | |
| Kapinos et al. | Inpatient Costs of Treating Patients With COVID-19 | |
| WO2017106851A1 (en) | System and method for providing an on-demand real-time patient-specific data analysis computing platform | |
| US11551814B2 (en) | Predicting risk for preventable patient healthcare events | |
| Schmidt et al. | Evaluation of a quality improvement intervention for diabetes management | |
| US20170193195A1 (en) | Clinical study trend analyzer | |
| Craig et al. | HMI 7770–Capstone Healthcare Management and Informatics | |
| US20170024784A1 (en) | Computer System and Cost Calculating Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20160803 |
|
| WW01 | Invention patent application withdrawn after publication |