CN107133437B - 监控药品使用的方法及装置 - Google Patents
监控药品使用的方法及装置 Download PDFInfo
- Publication number
- CN107133437B CN107133437B CN201710125135.4A CN201710125135A CN107133437B CN 107133437 B CN107133437 B CN 107133437B CN 201710125135 A CN201710125135 A CN 201710125135A CN 107133437 B CN107133437 B CN 107133437B
- Authority
- CN
- China
- Prior art keywords
- drug
- behavior
- suspicious
- usage
- abnormal
- 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.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 752
- 229940079593 drug Drugs 0.000 title claims abstract description 727
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 66
- 230000003542 behavioural effect Effects 0.000 claims abstract description 44
- 238000012216 screening Methods 0.000 claims abstract description 28
- 230000006399 behavior Effects 0.000 claims description 137
- 238000001514 detection method Methods 0.000 claims description 45
- 230000014509 gene expression Effects 0.000 claims description 24
- 230000002123 temporal effect Effects 0.000 claims description 23
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 13
- 208000030090 Acute Disease Diseases 0.000 description 5
- 230000003340 mental effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000010453 quartz Substances 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 208000017667 Chronic Disease Diseases 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010019799 Hepatitis viral Diseases 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 206010004446 Benign prostatic hyperplasia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- GXPHKUHSUJUWKP-UHFFFAOYSA-N troglitazone Chemical compound C1CC=2C(C)=C(O)C(C)=C(C)C=2OC1(C)COC(C=C1)=CC=C1CC1SC(=O)NC1=O GXPHKUHSUJUWKP-UHFFFAOYSA-N 0.000 description 1
- 229960001641 troglitazone Drugs 0.000 description 1
- 201000001862 viral hepatitis Diseases 0.000 description 1
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
- G06Q40/08—Insurance
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种监控药品使用的方法及装置。上述方法，包括：获取关注药品种类列表；根据所述关注药品种类列表采集对应的药品使用数据；根据所述药品使用数据筛选得到可疑的药品使用对象；获取各个可疑的药品使用对象的个人用药信息；根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，所述行为特征库根据历史药品骗保案件特征进行建立；若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。上述监控药品使用的方法及装置，能够准确检测出有药品骗保行为的不法份子，有效保障公众利益。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种监控药品使用的方法及装置。
背景技术
社会保险是指国家为了预防和分担年老、失业、疾病以及死亡等社会风险,实现社会安全，而强制社会多数成员参加的，具有所得重分配功能的非营利性的社会安全制度。虽然社会保险制度日渐完善，但是近年来却出现了许多“药老鼠”案件，不法份子利用“社保卡套现”为诱，向市民收购社保卡，随后用收购的社保卡购买药品后转售从而牟利，严重损害了公众利益。
发明内容
本发明实施例提供一种监控药品使用的方法及装置，能够准确检测出有药品骗保行为的不法份子，有效保障公众利益。
一种监控药品使用的方法，包括：
获取关注药品种类列表；
根据所述关注药品种类列表采集对应的药品使用数据；
根据所述药品使用数据筛选得到可疑的药品使用对象；
获取各个可疑的药品使用对象的个人用药信息；
根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，所述行为特征库根据历史药品骗保案件特征进行建立；
若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。
在其中一个实施例中，所述根据所述关注药品种类列表采集对应的药品使用数据，包括：
通过任务调度器读取任务触发器中的时间表达式；
根据预设的配置文件解析所述时间表达式，得到采集时间；
根据所述采集时间串行执行采集任务，定时采集与所述关注药品种类对应的药品使用数据。
在其中一个实施例中，所述根据所述药品使用数据筛选得到可疑的药品使用对象，包括：
获取与各个关注药品种类匹配的预设数量指标；
根据所述药品使用数据确定所述各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象；
统计确定的各个药品使用对象的总药品使用数量；
按照所述总药品使用数量对所述确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
在其中一个实施例中，所述个人用药信息包括诊断信息及药品使用种类；
所述根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为；
检测所述药品使用种类与所述诊断信息中的病情信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为；
若匹配，则检测所述药品种类与所述诊断信息中的历史检查信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为。
在其中一个实施例中，所述个人用药信息还包括药品使用地区及药品使用时间；
所述根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，还包括：
根据所述药品使用地区检测是否存在跨地域药品使用行为；
若存在，则根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率；
若所述跨地域药品使用频率大于预设频率，则所述个人用药信息中包含异常的药品使用行为；
和/或
根据所述药品使用种类及药品使用时间检测是否存在重复用药行为，若存在，则所述个人用药信息中包含异常的药品使用行为；
若不存在，则检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量；
若超过，则所述个人用药信息中包含异常的药品使用行为。
一种监控药品使用的装置，包括：
列表获取模块，用于获取关注药品种类列表；
采集模块，用于根据所述关注药品种类列表采集对应的药品使用数据；
筛选模块，用于根据所述药品使用数据筛选得到可疑的药品使用对象；
信息获取模块，用于获取各个可疑的药品使用对象的个人用药信息；
检测模块，用于根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，所述行为特征库根据历史药品骗保案件特征进行建立；
标记模块，用于对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。
在其中一个实施例中，所述采集模块，包括：
读取单元，用于通过任务调度器读取任务触发器中的时间表达式；
解析单元，用于根据预设的配置文件解析所述时间表达式，得到采集时间；
采集单元，用于根据所述采集时间串行执行采集任务，定时采集与所述关注药品种类对应的药品使用数据。
在其中一个实施例中，所述筛选模块，包括：
指标获取单元，用于获取与各个关注药品种类匹配的预设数量指标；
确定单元，用于根据所述药品使用数据确定所述各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象；
统计单元，用于统计确定的各个药品使用对象的总药品使用数量；
排序单元，用于按照所述总药品使用数量对所述确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
在其中一个实施例中，所述个人用药信息包括诊断信息及药品使用种类；
所述检测模块，包括：
病情匹配检测单元，用于检测所述药品使用种类与所述诊断信息中的病情信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为；
检查匹配检测单元，用于若药品使用种类与所述诊断信息中的病情信息匹配，则检测所述药品种类与所述诊断信息中的历史检查信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为。
在其中一个实施例中，所述个人用药信息包括药品使用地区及药品使用时间；
所述检测模块，还包括：
跨地域用药检测单元，用于根据所述药品使用地区检测是否存在跨地域药品使用行为，若存在，则根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率，若所述跨地域药品使用频率大于预设频率，则所述个人用药信息中包含异常的药品使用行为；
和/或
重复用药检测单元，用于根据所述药品使用种类及药品使用时间检测是否存在重复用药行为，若存在，则所述个人用药信息中包含异常的药品使用行为；
剂量检测单元，用于若不存在重复用药行为，则检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量，若超过，则所述个人用药信息中包含异常的药品使用行为。
上述监控药品使用的方法及装置，获取关注药品种类列表，根据关注药品种类列表采集对应的药品使用数据，根据药品使用数据筛选得到可疑的药品使用对象，获取各个可疑的药品使用对象的个人用药信息，并根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记，能够准确检测出有药品骗保行为的不法份子，有效保障公众利益。
附图说明
图1为一个实施例中监控药品使用的方法的应用场景图；
图2为一个实施例中服务器的内部结构图；
图3为一个实施例中监控药品使用的方法的流程示意图；
图4为一个实施例中采集与关注药品种类对应的药品使用数据的流程示意图；
图5为一个实施例中筛选可疑的药品使用对象的流程示意图；
图6为一个实施例中检测可疑的药品使用对象的个人用药信息是否包含异常的药品使用行为的流程示意图；
图7为另一个实施例中检测可疑的药品使用对象的个人用药信息是否包含异常的药品使用行为的流程示意图；
图8为一个实施例中监控药品使用的装置的结构示意图；
图9为一个实施例中采集模块的内部结构示意图；
图10为一个实施例中筛选模块的内部结构示意图；
图11为一个实施例中检测模块的内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1为一个实施例中监控药品使用的方法的应用场景图。如图1所示，各个可用社保卡购药的地方，包括各大药店、各大医院药房等，可通过网络与服务器建立连接，服务器可与社保局通过网络连接。社保局可将关注药品种类列表上传至服务器，服务器获取关注药品种类列表，并根据关注药品种类列表从各个可用社保卡购药的地方采集对应的药品使用数据。服务器根据采集的药品使用数据筛选得到可疑的药品使用对象，并获取各个可疑的药品使用对象的个人用药信息，然后根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。服务器可将标记的药品使用对象及对应的个人用药信息发送至社保局，以供社保局进行进一步地核查确认。
图2为一个实施例中上述服务器的内部结构示意图。如图2所示，该服务器包括通过系统总线连接的处理器、非易失性存储介质、内存储器和网络接口。其中，该服务器的非易失性存储介质存储有操作系统、数据库和监控药品使用的装置，数据库中存储有关注药品种类列表、药品使用数据等，该监控药品使用的装置用于实现适用于服务器的一种监控药品使用的方法。该服务器的处理器用于提供计算和控制能力，支撑整个服务器的运行。该服务器的内存储器为非易失性存储介质中的监控药品使用的装置的运行提供环境，该内存储器中可储存有计算机可读指令，该计算机可读指令被所述处理器执行时，可使得所述处理器执行监控药品使用的方法。该服务器的网络接口用于据以与外部的终端通过网络连接通信，比如从终端采集药品使用数据等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的服务器的限定，具体地服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
如图3所示，在一个实施例中，提供一种监控药品使用的方法，包括以下步骤：
步骤S310，获取关注药品种类列表。
服务器可与各个可用社保卡购药的地方通过网络建立连接，并与社保局终端建立网络连接。社保局终端可向服务器上传关注药品种类列表，其中，关注药品种类主要可包括慢性病药(例如糖尿病、高血压等)、免疫抑制用药、心脑血管用药、前列腺增生用药、慢性乙型病毒性肝炎用药、精神类急病用药、国家谈判药品等各类药品，关注药品种类列表中的药品种类可为医保指定药品，或是国家规则的重点监管药品等。
步骤S320，根据关注药品种类列表采集对应的药品使用数据。
服务器与各个可用社保卡购药的地方，例如各大医院药房、各大药店等的服务器建立连接，可与建立连接的服务器组成分布式数据采集系统架构，并利用数据采集工具从各个大医院药房、各大药店等的服务器数据库中采集与关注药品种类对应的药品使用数据。药品使用数据可包括各个关注药品种类的药品使用数量，对应的药品使用对象及药品使用时间等。
如图4所示，在一个实施例中，步骤S320根据关注药品种类列表采集对应的药品使用数据，包括以下步骤：
步骤S402，通过任务调度器读取任务触发器中的时间表达式。
服务器可将Spring与Quartz进行整合，构建任务调度进程，进行定时药品使用数据采集，其中，Spring是一个分层的Java SE/EE full-stack(Java Standard Edition/Platform Enterprise Edition，一站式的Java标准版/平台企业版)轻量级开源框架，可方便解耦，简化开发，Quartz是在Job scheduling(任务时序安排)领域的一个开源项目，它可以与J2EE(Java 2 Platform Enterprise Edition，Java2平台企业版)与J2SE(Java2Standard Edition，Java2标准版)应用程序相结合也可以单独使用。
服务器可预先通过Spring与Quartz整合后的任务调度进程中的Trigger任务触发器中配置时间表达式，时间表达式用于表示执行设定的Job采集任务的固定采集时间，并通过Schelduler任务调度器读取Trigger任务触发器中的时间表达式，Schelduler任务调度器可根据时间表达式定时执行Job采集任务，采集药品使用数据。
步骤S404，根据预设的配置文件解析时间表达式，得到采集时间。
Trigger任务触发器中的时间表达式可由数字、字母及特殊字符等中的一种或多种组成，不同的时间域可对应不同的数值、字母或符号等，例如，秒域可对应的数值为0-59，星期域可对应的数值为1-7，对应的字母为SUN、MON、TUE、WED、THU、FRI、SAT，在不同的时间域中，还可添加不同的特殊字符，例如“/”字符用于指定增量，“0/15”在秒域的意思即为每分钟的0、15、30和45秒，“#”用于指定本月的某某天，可在星期域中出现，“6#3”表示本月第三周的星期五，其中6表示星期五，3表示第三周等，但不限于此。
可预先将时间表达式中各个时间域对应的数值、字母或特殊符号，以及各数值、字母及特殊符号对应的时间含义等存储在服务器的配置文件中。服务器通过Spring与Quartz整合后的任务调度进程中的Schelduler任务调度器读取Trigger任务触发器中的时间表达式后，可根据配置文件对时间表达式进行解析，得到定时的采集时间，例如，时间表达式为“0 15 10L*？”，其时间域的顺序从左至右分别是秒域、分域、小时域、日期域、月份域及星期域，L表示最后一天，？表示不确定的值，解析该时间表达式可得到的采集时间为每个月最后一天的早上10点15分。
步骤S406，根据采集时间串行执行采集任务，定时采集与关注药品种类对应的药品使用数据。
服务器可采用串行执行的方式执行预先设定的Job采集任务，只有在上一次的采集任务执行完成后，才执行下一次采集任务，可避免当药品使用数据采集时间超过固定的采集时间而带来影响。服务器可按照采集时间，利用数据采集工具从各个大医院药房、各大药店等的服务器数据库中采集与采集时间对应的时间间隔中，与关注药品种类对应的药品使用数据。例如，采集时间为每个月最后一天的早上10点15分，则服务器可采集上一个月最后一天的早上10点15分至本月最后一天的早上10点15分之间，与关注药品种类对应的药品使用数据。
数据采集工具可包括Apache Flume、Fluentd、Logstashe等，其中，Apache Flume是一款开源、高可靠、高扩展、容易管理、支持客户扩展的数据采集系统；Fluentd是另一个开源的数据收集框架，Fluentd使用C/Ruby开发，使用JSON(JavaScript Object Notation，JavaScript对象表示法)文件来统一日志数据，它的可插拔架构，支持各种不同种类和格式的数据源和数据输出；Logstashe则是一款JRuby进行开发的数据收集栈。
步骤S330，根据药品使用数据筛选得到可疑的药品使用对象。
药品使用对象指的是药品的购买者，可包括购买药品人的姓名、社保卡号、身份证号等信息。服务器从各个大医院药房、各大药店等的服务器数据库中采集与关注药品种类列表对应的药品使用数据后，可根据各个药品使用对象的药品使用数量等初步筛选得到可疑的药品使用对象。
步骤S340，获取各个可疑的药品使用对象的个人用药信息。
服务器根据采集的药品使用数据初步筛选得到可疑的药品使用对象后，可根据各个可疑的药品使用对象的身份证号、社保卡号等查询对应的历史用药数据，从而获取各个可疑的药品使用对象在与采集时间对应的时间间隔中的个人用药信息，个人用药信息可包括药品使用种类、药品使用剂量、药品使用时间、药品使用地点及诊断信息等。
步骤S350，根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，若是，则执行步骤S360，若否，则执行步骤S370。
社保局的工作人员可收集各地的历史药品骗保案件，并将各个历史药品骗保案件数据导入Greenplum统一分析平台UAP等数据分析工具中进行分析，提取得到历史药品骗保案件特征，其中，Greenplum统一分析平台UAP是一款数据统一分析平台，具有高并发、高可用性等特点。可根据分析得到的历史药品骗保案件特征建立行为特征库，行为特征库中的特征可包括各个维度，例如药品使用频率、药品使用种类总数、药品使用种类及诊断信息是否匹配等。服务器可根据行为特征库从多个维度分别检测各个可疑的药品使用对象的个人用药信息，若个人用药信息中包含行为特征库中的特征，则说明包含有异常的药品使用行为。
步骤S360，对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。
若药品使用对象的个人用药信息中包含异常的药品使用行为，则可对该药品使用对象进行标记，全部检测完成后，可将带有标记的药品使用对象的检测信息发送至社保局，检测信息中可包含个人用药信息、包含的异常的药品使用行为信息等，方便社保局的工作人员进一步对标记的药品使用对象进行分析确认。
步骤S370，不作处理。
上述监控药品使用的方法，获取关注药品种类列表，根据关注药品种类列表采集对应的药品使用数据，根据药品使用数据筛选得到可疑的药品使用对象，获取各个可疑的药品使用对象的个人用药信息，并根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记，能够准确检测出有药品骗保行为的不法份子，有效保障公众利益。
如图5所示，在一个实施例中，步骤S330根据药品使用数据筛选得到可疑的药品使用对象，包括以下步骤：
步骤S502，获取与各个关注药品种类匹配的预设数量指标。
服务器采集与各个关注药品种类对应的药品使用数据后，可先初步筛选得到可疑的药品使用对象。服务器可获取与各个关注药品种类匹配的预设数量指标，该预设数量指标为与采集时间对应的时间间隔中的药品使用数量指标。例如，某精神类急病药品A对应的预设数量指标为20盒，某慢性病药B对应的预设数量指标为15盒等。
步骤S504，根据药品使用数据确定各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象。
服务器可按照各个关注药品种类分别统计该关注药品种类中每个药品使用对象在与采集时间对应的时间间隔中的药品使用数量，并根据统计结果确定超过匹配的预设数量指标的药品使用对象。例如，精神类急病药品A对应的预设数量指标为20盒，从上个月最后一天上午10点15分至本月最后一天上午10点15分，对象A购买了25盒，对象B购买了22盒，对象C购买了15盒，则其中对象A、对象B的药品使用数量超过预设数量指标为20盒。
步骤S506，统计确定的各个药品使用对象的总药品使用数量。
服务器确定了各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象，可统计确定的各个药品使用对象在所有关注药品种类的总药品使用数量。例如，精神类急病药品A中超过预设数量指标20盒的包括对象A及对象B，慢性病药B中超过预设数量指标15盒的包括对象C和对象D，则分别统计对象A、对象B、对象C及对象D的所有关注药品种类中的总药品使用数量。
步骤S508，按照总药品使用数量对确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
服务器可对各个确定的药品使用对象在所有关注药品种类的总药品使用数量进行排序，可从小到大进行排序，或是从大到小进行排序，并选取排序后预设范围内的药品使用对象作为可疑的药品使用对象，例如按从大到小进行排序，选取排序后总药品使用数量在前1-100名的药品使用对象作为可疑的药品使用对象，或是按从小到大进行排序，选取排序后的最后50名的药品使用对象作为可疑的药品使用对象等，并不限于此。
在本实施例中，可根据采集的药品使用数据初步筛选得到可疑的药品使用对象，可提高检测出有药品骗保行为的不法份子的准确性，有效保障公众利益。
如图6所示，在一个实施例中，步骤S350根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，包括以下步骤：
步骤S602，检测药品使用种类与诊断信息中的病情信息是否匹配，若是，则执行步骤S604，若否，则执行步骤S606。
服务器可根据预先建立的行为特征库从多个维度分别检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为。服务器可通过行为特征库，检测可疑的药品使用对象的个人用药信息中的药品使用种类与诊断信息是否匹配，其中，诊断信息可包括病情信息与历史检查信息。若药品使用对象的药品使用种类与病情信息不匹配，说明该药品使用对象存在无相关诊断用药行为，属于异常的药品使用行为。例如，药品使用对象的病情信息为肝病，药品使用种类中却包含心脏病药及糖尿病药，二者不匹配，则说明该药品使用对象存在无相关诊断用药行为。
步骤S604，检测药品种类与诊断信息中的历史检查信息是否匹配，若是，则执行步骤S608，若否，则执行步骤S606。
若药品使用对象的药品使用种类与诊断信息中的历史检查信息，说明该药品使用对象存在无相关检查用药行为，属于异常的药品使用行为。例如，药品使用对象的历史检查信息包括心电图检查，药品使用种类中却包含慢性乙型病毒性肝炎药品，二者不匹配，说明该药品使用对象存在无相关检查用药行为。
步骤S606，个人用药信息中包含异常的药品使用行为。
步骤S608，继续根据预先建立的行为特征库进行检测或不作处理。
若药品使用对象的药品使用种类与诊断信息匹配，则可通过行为特征库从其它维度继续检测是否包含异常的药品使用行为。
在本实施例中，通过行为特征库可检测可疑的药品使用对象的药品种用种类是否与诊断信息匹配，从而准确检测出有药品骗保行为的不法份子，有效保障公众利益。
如图7所示，在一个实施例中，步骤S350根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，包括以下步骤：
步骤S702，根据药品使用地区检测是否存在跨地域药品使用行为，若是，则执行步骤S704，若否，则执行步骤S708。
服务器可通过行为特征库，根据可疑的药品使用对象的个人用药信息中的药品使用地区检测是否存在跨地域药品使用行为，若个人用药信息中包括多个不同的药品使用地区，则说明药品使用对象存在跨地域药品使用行为。例如，药品使用对象在药品使用地区包括深圳市罗湖区、深圳市宝安区、广州市番禺区，则说明该药品使用对象存在跨地域药品使用行为。
步骤S704，根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率。
若药品使用对象存在跨地域药品使用行为，则可获取每次跨地域药品使用行为对应的药品使用时间，其中，每次跨地域药品使用行为对应的药品使用时间指的是当本次药品使用地区与上一次药品使用地区发生变化时，则将本次药品使用地区对应的药品使用时间作为跨地域药品使用行为对应的药品使用时间。例如，药品使用对象在2016年11月3日上午8点在深圳市罗湖区购买药品，在2016年11月5日上午9点在深圳市罗湖区购买药品，在2016年11月6日下午1点在深圳市宝安区购买药品，则药品使用地点从深圳市罗湖区变为深圳市宝安区，则该次跨地域药品使用行为对应的药品使用时间为2016年11月6日下午1点。
服务器可根据药品使用对象的每次跨地域药品使用行为对应的药品使用时间计算每次跨地域药品使用行为的时间间隔，根据每次跨地域药品使用行为的时间间隔计算每次的跨地域药品使用频率，并从中选取平均值作为最终的跨地域药品使用频率。例如，药品使用对象的第一次跨地域药品使用行为在2016年12月3日，第二次在2016年12月5日，第三次在2016年12月6日，则第一次与第二次的时间间隔为2天，对应的跨地域药品使用频率为0.5次/天，第二次与第三次的时间时隔为1次/天，平均后可得到最终的跨地域药品使用频率为0.75次/天。
在计算最终的跨地域药品使用频率时，可从多个不同的跨地域药品使用频率中剔除明显异常点，再进行计算，可使最终得到的跨地域药品使用频率更为准确。
步骤S706，若跨地域药品使用频率大于预设频率，则个人用药信息中包含异常的药品使用行为。
若服务器计算得到的药品使用对象的跨地域药品使用频率大于预设频率，则该药品使用对象存在频繁跨地区用药行为，属于异常的药品使用行为。
步骤S708，根据药品使用种类及药品使用时间检测是否存在重复用药行为，若是，则执行步骤S712，若否，则执行步骤S710。
服务器可通过行为特征库检测可疑的药品使用对象是否存在重复用药行为，根据个人用药信息中每次的药品使用种类及药品使用时间进行判断，若药品使用对象在小于预设时间内多次购买同一药品，则属于重复用药行为。例如，预设时间为2天，药品使用对象在2天内3次在不同的药店购买精神类急病药品A，则该药品使用对象存在重复用药行为。
步骤S710，检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量，若是，则执行步骤S712，若否，则执行步骤S714。
服务器可通过行为特征库检测可疑的药品使用对象的个人用药信息中，各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量，若超过，则说明该药品使用对象存在超量用药行为，属于异常的药品使用行为。
可以理解地，行为特征库中可包含上述所述的几种更多或更少的检测方式，并不限于上述几种检测异常的药品使用行为的方式，例如，服务器还可通过行为特征库检测可疑的药品使用对象是否存在多品种用药行为，统计药品使用种类数量，若药品使用种类数量大于预设数量，则说明药品使用对象存在多品种用药行为等。
在其它的实施例中，行为特征库中可为不同的特征分配不同的权值，并根据药品使用对象的个人用药信息包含的特征计算最后的得分，从而综合多维度的检测方式判断药品使用对象是否为药品骗保的不法分子。例如，频繁跨地域行为占的权值为30％，无相关诊断用药行为的权值为15％，无相关检查用药行为的权值为15％，重复用药行为为20％，超量用药行为为20％等，可将药品使用对象包含的异常的药品使用行为对应的权重进行相加，得到最后的分数，并跟预设的标准分数进行比较，若大于标准分数，则确定该药品使用对象为具有药品骗保行为的不法份子，并对该药品使用对象进行标记，但不限于此。
在本实施例中，通过行为特征库可检测可疑的药品使用对象是否存在频繁跨地域行为、重复用药行为或超量用药行为等，从而准确检测出有药品骗保行为的不法份子，有效保障公众利益。
如图8所示，在一个实施例中，提供了一种监控药品使用的装置，包括列表获取模块810、采集模块820、筛选模块830、信息获取模块840、检测模块850及标记模块860。
获取模块810，用于获取关注药品种类列表。
采集模块820，用于根据关注药品种类列表采集对应的药品使用数据。
如图9所示，在一个实施例中，采集模块820包括读取单元822、解析单元824及采集单元826。
读取单元822，用于通过任务调度器读取任务触发器中的时间表达式。
解析单元824，用于根据预设的配置文件解析时间表达式，得到采集时间。
采集单元826，用于根据采集时间串行执行采集任务，定时采集与关注药品种类对应的药品使用数据。
筛选模块830，用于根据药品使用数据筛选得到可疑的药品使用对象。
信息获取模块840，用于获取各个可疑的药品使用对象的个人用药信息。
检测模块850，用于根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，行为特征库根据历史药品骗保案件特征进行建立。
标记模块860，用于对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记。
上述监控药品使用的装置，获取关注药品种类列表，根据关注药品种类列表采集对应的药品使用数据，根据药品使用数据筛选得到可疑的药品使用对象，获取各个可疑的药品使用对象的个人用药信息，并根据预先建立的行为特征库检测各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，若包含，则对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记，能够准确检测出有药品骗保行为的不法份子，有效保障公众利益。
如图10所示，在一个实施例中，筛选模块830包括指标获取单元832、确定单元834、统计单元836及排序单元838。
指标获取单元832，用于获取与各个关注药品种类匹配的预设数量指标。
确定单元834，用于根据药品使用数据确定各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象。
统计单元836，用于统计确定的各个药品使用对象的总药品使用数量。
排序单元838，用于按照总药品使用数量对确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
在本实施例中，可根据采集的药品使用数据初步筛选得到可疑的药品使用对象，可提高检测出有药品骗保行为的不法份子的准确性，有效保障公众利益。
在一个实施例中，个人用药信息包括诊断信息、药品使用种类、药品使用地区及药品使用时间。如图11所示，检测模块850包括病情匹配检测单元851、检查匹配检测单元853、跨地域用药检测单元855、重复用药检测单元857及剂量检测单元859。
病情匹配检测单元851，用于检测药品使用种类与所述诊断信息中的病情信息是否匹配，若不匹配，则个人用药信息中包含异常的药品使用行为。
检查匹配检测单元853，用于若药品使用种类与诊断信息中的病情信息匹配，则检测药品种类与诊断信息中的历史检查信息是否匹配，若不匹配，则个人用药信息中包含异常的药品使用行为。
跨地域用药检测单元855，用于根据药品使用地区检测是否存在跨地域药品使用行为，若存在，则根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率，若跨地域药品使用频率大于预设频率，则个人用药信息中包含异常的药品使用行为。
重复用药检测单元857，用于根据药品使用种类及药品使用时间检测是否存在重复用药行为，若存在，则个人用药信息中包含异常的药品使用行为。
剂量检测单元859，用于若不存在重复用药行为，则检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量，若超过，则个人用药信息中包含异常的药品使用行为。
在本实施例中，可通过行为特征库从多维度检测可疑的药品使用对象是否存在异常的药品使用行为，从而准确检测出有药品骗保行为的不法份子，有效保障公众利益。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种监控药品使用的方法，包括：
获取关注药品种类列表；
根据所述关注药品种类列表采集对应的药品使用数据；
根据所述药品使用数据筛选得到可疑的药品使用对象；
获取各个可疑的药品使用对象的个人用药信息；
根据预先建立的行为特征库从多个维度检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为；
若包含，根据所述行为特征库为不同的异常药品使用行为特征分配的不同的权值，计算所述可疑药品使用对象的个人用药信息包含的特征的得分，综合多维度的检测方式判断药品使用对象是否为具有药品骗保行为的不法分子，对判断为不法分子的药品使用对象进行标记，其中，所述行为特征库从多个维度检测所述各个可疑的药品使用对象的个人药品信息中是否包含异常的药品使用行为，包括：检测药品使用种类与诊断信息的病情信息是否匹配、检测药品使用种类与诊断信息中的历史检测信息是否匹配、检测是否存在跨地域药品使用行为、检测跨地域药品使用频率是否大于设定频率、是否存在重复用药行为、检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量；
所述根据所述关注药品种类列表采集对应的药品使用数据，包括：
通过任务调度器读取任务触发器中的时间表达式；
根据预设的配置文件解析所述时间表达式，得到采集时间，其中，所述配置文件存储有时间表达式中各个时间域对应的数值、字母或特殊符号，以及各数值、字母及特殊符号对应的时间含义；
根据所述采集时间串行执行采集任务，定时采集与所述关注药品种类对应的药品使用数据，按照所述采集时间，利用数据采集工具从药房、药店的服务器数据库采集与所述采集时间对应的时间间隔中，与所述关注药品种类对应的药品使用数据；
所述行为特征库采用以下步骤建立：收集各地的历史药品骗保案件，并将所述历史药品骗保案件的数据导入数据分析工具，通过所述数据分析工具分析所述历史药品骗保案件的数据，提取得到历史药品骗保案件特征，并根据所述历史药品骗保案件特征建立行为特征库。
2.根据权利要求1所述的监控药品使用的方法，其特征在于，所述根据所述药品使用数据筛选得到可疑的药品使用对象，包括：
获取与各个关注药品种类匹配的预设数量指标；
根据所述药品使用数据确定所述各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象；
统计确定的各个药品使用对象的总药品使用数量；
按照所述总药品使用数量对所述确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
3.根据权利要求1或2所述的监控药品使用的方法，其特征在于，所述个人用药信息包括诊断信息及药品使用种类；
所述根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为；
检测所述药品使用种类与所述诊断信息中的病情信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为；
若匹配，则检测所述药品种类与所述诊断信息中的历史检查信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为。
4.根据权利要求3所述的监控药品使用的方法，其特征在于，所述个人用药信息还包括药品使用地区及药品使用时间；
所述根据预先建立的行为特征库检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为，还包括：
根据所述药品使用地区检测是否存在跨地域药品使用行为；
若存在，则根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率；
若所述跨地域药品使用频率大于预设频率，则所述个人用药信息中包含异常的药品使用行为；
和/或
根据所述药品使用种类及药品使用时间检测是否存在重复用药行为，若存在，则所述个人用药信息中包含异常的药品使用行为；
若不存在，则检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量；
若超过，则所述个人用药信息中包含异常的药品使用行为。
5.一种监控药品使用的装置，其特征在于，包括：
列表获取模块，用于获取关注药品种类列表；
采集模块，用于根据所述关注药品种类列表采集对应的药品使用数据；
筛选模块，用于根据所述药品使用数据筛选得到可疑的药品使用对象；
信息获取模块，用于获取各个可疑的药品使用对象的个人用药信息；
检测模块，用于根据预先建立的行为特征库从多个维度检测所述各个可疑的药品使用对象的个人用药信息中是否包含异常的药品使用行为；若包含，根据所述行为特征库为不同的异常药品使用行为特征分配的不同的权值，计算所述可疑药品使用对象的个人用药信息包含的特征的得分，综合多维度的检测方式判断药品使用对象是否为具有药品骗保行为的不法分子，其中，所述行为特征库从多个维度检测所述各个可疑的药品使用对象的个人药品信息中是否包含异常的药品使用行为，包括：检测药品使用种类与诊断信息的病情信息是否匹配、检测药品使用种类与诊断信息中的历史检测信息是否匹配、检测是否存在跨地域药品使用行为、检测跨地域药品使用频率是否大于设定频率、是否存在重复用药行为、检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量；
标记模块，用于对个人用药信息中包含异常的药品使用行为的药品使用对象进行标记；
所述采集模块，包括：
读取单元，用于通过任务调度器读取任务触发器中的时间表达式；
解析单元，用于根据预设的配置文件解析所述时间表达式，得到采集时间，其中，所述配置文件存储有时间表达式中各个时间域对应的数值、字母或特殊符号，以及各数值、字母及特殊符号对应的时间含义；
采集单元，用于根据所述采集时间串行执行采集任务，定时采集与所述关注药品种类对应的药品使用数据，按照所述采集时间，利用数据采集工具从药房、药店的服务器数据库采集与所述采集时间对应的时间间隔中，与所述关注药品种类对应的药品使用数据；
所述行为特征库采用以下步骤建立：收集各地的历史药品骗保案件，并将所述历史药品骗保案件的数据导入数据分析工具，通过所述数据分析工具分析所述历史药品骗保案件的数据，提取得到历史药品骗保案件特征，并根据所述历史药品骗保案件特征建立行为特征库。
6.根据权利要求5所述的监控药品使用的装置，其特征在于，所述筛选模块，包括：
指标获取单元，用于获取与各个关注药品种类匹配的预设数量指标；
确定单元，用于根据所述药品使用数据确定所述各个关注药品种类中药品使用数量超过匹配的预设数量指标的药品使用对象；
统计单元，用于统计确定的各个药品使用对象的总药品使用数量；
排序单元，用于按照所述总药品使用数量对所述确定的各个药品使用对象进行排序，并选取预设范围内的药品使用对象作为可疑的药品使用对象。
7.根据权利要求5或6所述的监控药品使用的装置，其特征在于，所述个人用药信息包括诊断信息及药品使用种类；
所述检测模块，包括：
病情匹配检测单元，用于检测所述药品使用种类与所述诊断信息中的病情信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为；
检查匹配检测单元，用于若药品使用种类与所述诊断信息中的病情信息匹配，则检测所述药品种类与所述诊断信息中的历史检查信息是否匹配，若不匹配，则所述个人用药信息中包含异常的药品使用行为。
8.根据权利要求7所述的监控药品使用的装置，其特征在于，所述个人用药信息包括药品使用地区及药品使用时间；
所述检测模块，还包括：
跨地域用药检测单元，用于根据所述药品使用地区检测是否存在跨地域药品使用行为，若存在，则根据每次跨地域药品使用行为对应的药品使用时间计算跨地域药品使用频率，若所述跨地域药品使用频率大于预设频率，则所述个人用药信息中包含异常的药品使用行为；
和/或
重复用药检测单元，用于根据所述药品使用种类及药品使用时间检测是否存在重复用药行为，若存在，则所述个人用药信息中包含异常的药品使用行为；
剂量检测单元，用于若不存在重复用药行为，则检测各个药品使用种类对应的药品使用剂量是否超过匹配的预设剂量，若超过，则所述个人用药信息中包含异常的药品使用行为。
9.一种服务器，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1至4任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710125135.4A CN107133437B (zh) | 2017-03-03 | 2017-03-03 | 监控药品使用的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710125135.4A CN107133437B (zh) | 2017-03-03 | 2017-03-03 | 监控药品使用的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107133437A CN107133437A (zh) | 2017-09-05 |
| CN107133437B true CN107133437B (zh) | 2018-09-14 |
Family
ID=59721080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710125135.4A Active CN107133437B (zh) | 2017-03-03 | 2017-03-03 | 监控药品使用的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133437B (zh) |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107731267A (zh) * | 2017-10-25 | 2018-02-23 | 天津开心生活科技有限公司 | 目标用户确定方法及装置、存储介质、电子设备 |
| CN108417247A (zh) * | 2018-05-10 | 2018-08-17 | 徐承柬 | 一种药物监测以及服药提醒系统和方法、生理状态监测以及服药提醒系统 |
| CN109064065A (zh) * | 2018-09-12 | 2018-12-21 | 医倍思特（北京）医疗信息技术有限公司 | 一种人伤理赔风险评估方法及装置 |
| CN109636623A (zh) * | 2018-10-19 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 医疗数据异常检测方法、装置、设备及存储介质 |
| CN109523401A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109523403B (zh) * | 2018-10-27 | 2024-05-17 | 平安医疗健康管理股份有限公司 | 基于异常操作识别的医疗监管方法、装置及终端 |
| CN109544366A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109523400A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109545320A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109377396A (zh) * | 2018-10-27 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109545296A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种就诊数据处理方法、装置、设备及存储介质 |
| CN109544359A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于风险管控的药品管控方法及装置 |
| CN109523399A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 一种医疗数据处理方法、装置、设备及存储介质 |
| CN109493938A (zh) * | 2018-10-27 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 一种基于风险管控的药品管控方法及装置 |
| CN109524098A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
| CN109509526A (zh) * | 2018-10-27 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 一种基于风险管控的药品管控方法及装置 |
| CN109523402B (zh) * | 2018-10-27 | 2023-11-14 | 深圳平安医疗健康科技服务有限公司 | 基于数据处理的取药异常确定方法和终端设备 |
| CN109637615B (zh) * | 2018-11-30 | 2022-10-14 | 平安医疗健康管理股份有限公司 | 异常医疗处方的判断方法、装置、设备及可读存储介质 |
| CN109598629A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 心病报销流程的处理方法、装置、设备及可读存储介质 |
| CN109636626A (zh) * | 2018-11-30 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 免疫病报销准入方法、装置、设备及可读存储介质 |
| CN109635113A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常参保人购药数据检测方法、装置、设备及存储介质 |
| CN109659000A (zh) * | 2018-12-13 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 违规处方的识别方法、装置、终端及计算机可读存储介质 |
| CN109616174A (zh) * | 2018-12-13 | 2019-04-12 | 平安医疗健康管理股份有限公司 | 重复用药的识别方法、装置、终端及可读存储介质 |
| CN109636646A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常就诊的识别方法、装置、终端及计算机可读存储介质 |
| CN109636652A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 购药行为异常的监控方法、监控服务端及存储介质 |
| CN109636641A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
| CN109635005A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常数据检测方法、装置、设备及存储介质 |
| CN109636651A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常购药的识别方法、装置、终端及计算机可读存储介质 |
| CN109636650A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 用药方案异常的识别方法、装置、终端及可读存储介质 |
| CN109671476A (zh) * | 2018-12-13 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 无关用药的识别方法、装置、终端及计算机可读存储介质 |
| CN109685672A (zh) * | 2018-12-13 | 2019-04-26 | 平安医疗健康管理股份有限公司 | 异常就诊的识别方法、装置、终端及计算机可读存储介质 |
| CN109636639B (zh) * | 2018-12-13 | 2023-02-03 | 深圳平安医疗健康科技服务有限公司 | 基于大数据分析的用药检测方法、装置、设备和存储介质 |
| CN109636192A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 异常购药的识别方法、装置、终端及计算机可读存储介质 |
| CN111105317B (zh) * | 2019-12-28 | 2023-05-12 | 哈尔滨工业大学 | 一种基于购药记录的医疗保险欺诈检测方法 |
| CN111127207B (zh) * | 2019-12-28 | 2023-06-09 | 哈尔滨工业大学 | 一种基于区块链的药品销售欺诈行为的监管系统及其监管方法 |
| CN111681778B (zh) * | 2020-06-05 | 2024-03-19 | 河南省药品评价中心 | 一种基于异常购买信息的潜在致瘾致幻药品的预警方法 |
| CN112232843B (zh) * | 2020-11-11 | 2021-06-15 | 北京三维天地科技股份有限公司 | 一种基于大数据技术的药品监管系统和方法 |
| CN113643784A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 门慢的异常行为监控方法、装置、设备以及存储介质 |
| CN115831312A (zh) * | 2022-11-24 | 2023-03-21 | 上海市精神卫生中心（上海市心理咨询培训中心） | 一种用药异常识别方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013084A (zh) * | 2010-12-14 | 2011-04-13 | 江苏大学 | 用于检测医疗保险门诊欺诈性交易的系统和方法 |
| CN102945235A (zh) * | 2011-08-16 | 2013-02-27 | 句容今太科技园有限公司 | 面向医疗保险违规和欺诈行为的数据挖掘系统 |
| CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
| CN105159948A (zh) * | 2015-08-12 | 2015-12-16 | 成都数联易康科技有限公司 | 一种基于多特征的医疗保险欺诈检测方法 |
| CN105279382A (zh) * | 2015-11-10 | 2016-01-27 | 成都数联易康科技有限公司 | 一种医疗保险异常数据在线智能检测方法 |
| CN105868977A (zh) * | 2016-04-01 | 2016-08-17 | 深圳市至高通信技术发展有限公司 | 药品售卖监管的方法、系统及装置 |
| CN106408481A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技（深圳）有限公司 | 异常刷卡人员信息自动提取系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7464040B2 (en) * | 1999-12-18 | 2008-12-09 | Raymond Anthony Joao | Apparatus and method for processing and/or for providing healthcare information and/or healthcare-related information |
-
2017
- 2017-03-03 CN CN201710125135.4A patent/CN107133437B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013084A (zh) * | 2010-12-14 | 2011-04-13 | 江苏大学 | 用于检测医疗保险门诊欺诈性交易的系统和方法 |
| CN102945235A (zh) * | 2011-08-16 | 2013-02-27 | 句容今太科技园有限公司 | 面向医疗保险违规和欺诈行为的数据挖掘系统 |
| CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
| CN106408481A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技（深圳）有限公司 | 异常刷卡人员信息自动提取系统及方法 |
| CN105159948A (zh) * | 2015-08-12 | 2015-12-16 | 成都数联易康科技有限公司 | 一种基于多特征的医疗保险欺诈检测方法 |
| CN105279382A (zh) * | 2015-11-10 | 2016-01-27 | 成都数联易康科技有限公司 | 一种医疗保险异常数据在线智能检测方法 |
| CN105868977A (zh) * | 2016-04-01 | 2016-08-17 | 深圳市至高通信技术发展有限公司 | 药品售卖监管的方法、系统及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107133437A (zh) | 2017-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107133437B (zh) | 监控药品使用的方法及装置 | |
| Vann et al. | Patient reminder and recall interventions to improve immunization rates | |
| CN107133438B (zh) | 医疗行为监控方法及装置 | |
| Deeks et al. | Analysing data and undertaking meta‐analyses | |
| Archer et al. | Collaborative care for depression and anxiety problems | |
| Cibulskis et al. | Worldwide incidence of malaria in 2009: estimates, time trends, and a critique of methods | |
| Sauzet et al. | Illustration of the weibull shape parameter signal detection tool using electronic healthcare record data | |
| Hoebel et al. | Social status and participation in health checks in men and women in Germany: results from the German Health Update (GEDA), 2009 and 2010 | |
| Christianson et al. | Automated size‐specific CT dose monitoring program: assessing variability in CT dose | |
| Al Shaer et al. | Analysis of blood donor pre-donation deferral in Dubai: characteristics and reasons | |
| CN111161815A (zh) | 医疗数据检测方法、装置、终端和计算机可读存储介质 | |
| Pham et al. | Recognizing misclassification bias in research and medical practice | |
| Valuck et al. | Enhancing electronic health record measurement of depression severity and suicide ideation: a Distributed Ambulatory Research in Therapeutics Network (DARTNet) study | |
| US20200168304A1 (en) | Clinical trial oversight and identification of errors in clinical trial procedure | |
| Ronald et al. | Demographic predictors of active tuberculosis in people migrating to British Columbia, Canada: a retrospective cohort study | |
| Gnanamanickam et al. | Dental insurance, service use and health outcomes in Australia: a systematic review | |
| Berlin et al. | Meta-analysis of clinical trial safety data in a drug development program: answers to frequently asked questions | |
| Lubman et al. | The National Ambulance Surveillance System: A novel method for monitoring acute alcohol, illicit and pharmaceutical drug related-harms using coded Australian ambulance clinical records | |
| CN106600303A (zh) | 评估广告投放合理性的方法和装置 | |
| Mancini et al. | Marked point process models for the admissions of heart failure patients | |
| Maciel et al. | Knowledge management diagnostics in software development organizations: a systematic literature review | |
| Huang et al. | Validation of Obesity status based on self-reported data among Filipina and Indonesian female migrant domestic workers in Macao (SAR), China | |
| Wright et al. | Health data ownership and data quality: clinics in the Nyandeni District, Eastern Cape, South Africa | |
| Delora et al. | Socioeconomic and comorbid factors affecting mortality and length of stay in COVID-19 patients | |
| Boyce et al. | Falls prediction using the nursing home minimum dataset |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |