CN108460693A - 保险合作医院的品质监控方法及装置、存储介质及终端 - Google Patents
保险合作医院的品质监控方法及装置、存储介质及终端 Download PDFInfo
- Publication number
- CN108460693A CN108460693A CN201810275430.2A CN201810275430A CN108460693A CN 108460693 A CN108460693 A CN 108460693A CN 201810275430 A CN201810275430 A CN 201810275430A CN 108460693 A CN108460693 A CN 108460693A
- Authority
- CN
- China
- Prior art keywords
- medical
- chain
- hospital
- expense
- chain hospital
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 201000010099 disease Diseases 0.000 claims abstract description 107
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 107
- 238000011282 treatment Methods 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000011269 treatment regimen Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000003745 diagnosis Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000007689 inspection Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 238000005314 correlation function Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000009089 cytolysis Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000001198 duodenum Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种保险合作医院的品质监控方法及装置、存储介质及终端，涉及数据处理技术领域，主要用于解决由于不同就医患者对医疗服务项目的评价是不同的，无法合理的为保险公司提供准确的费用、服务、医疗质量等信息的问题。所述方法包括：获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息；按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；解析所述评价信息中的费用消耗指数、时间消耗指数；根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。本申请适用于保险合作医院的品质监控。
Description
技术领域
本发明涉及数据处理领域，尤其是涉及一种保险合作医院的品质监控方法及装置、存储介质及终端。
背景技术
保险公司在业务发展过程中，需要根据实际需求将某一地区中满足理赔和医疗条件的医院作为参保人员的定点医院，以供参保人员进行检查、出具医疗证明。为了签订定点医院的具体合作检查项目，需要确定医院的服务质量是否符合保险公司的理赔项目等内容，然后通过与符合条件的医院签订合作协议，以确保合作医院为投保人员提高有效、合理的医疗服务。
目前，现有对合作医院的品质好坏的确定仅仅是通过就医患者对医院的口碑进行监控，但是，由于不同就医患者对医疗服务项目的评价是不同的，无法合理的为保险公司提供准确的费用、服务、医疗质量等信息，因此，保险合作医院的品质监控已经成为亟待解决的问题。
发明内容
本发明实施例提供了一种保险合作医院的品质监控方法及装置、存储介质及终端，解决了相关技术中由于不同就医患者对医疗服务项目的评价是不同的，无法合理的为保险公司提供准确的费用、服务、医疗质量等信息的问题。
根据本发明实施例的一个方面，提供一种保险合作医院的品质监控方法，包括：
获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析所述评价信息中的费用消耗指数、时间消耗指数；
根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
进一步，所述获取不同合作医院针对参保人员进行理赔的理赔数据之前，所述方法还包括：
提取合作医院记录参保人员在就医过程中不同时间节点的时长，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点；
将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。
进一步，所述按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值之前，所述方法还包括：
判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比；
若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
进一步，所述按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值包括：
若所述理赔数据中的医疗费用与赔付费用的比值大于或等于异常理赔比，则提取所述医疗费用对应的治疗疾病信息、以及所述赔付费用对应的赔付疾病信息，并根据疾病大类、疾病小类、治疗对策对所述治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，确定所述合作医院与疾病大类、疾病小类、治疗对策对应就诊费用的预期值。
进一步，所述根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果之后，所述方法还包括：
若所述品质结果为实际账单费用大于预期账单费用，则将所述合作医院进行标记，并发送预警信息；
当按照预设时间间隔检测出所述合作医院的标记次数超过预设阈值时，将所述合作医院确定为保险合作医院的待清除对象；或，
若所述品质结果为实际账单费用小于或等于预期账单费用，则向所述合作医院发送品质结果。
根据本发明实施例的另一方面，提供一种保险合作医院的品质监控装置，包括：
获取单元，用于获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
分组单元，用于按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析单元，用于解析所述评价信息中的费用消耗指数、时间消耗指数；
确定单元，用于根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
进一步，所述装置还包括：
提取单元，用于提取合作医院记录参保人员在就医过程中不同时间节点的时长，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点；
计算单元，用于将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。
进一步，所述装置还包括：
判断单元，用于判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比；
统计单元，用于若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
进一步，所述分组单元，具体用于若所述理赔数据中的医疗费用与赔付费用的比值大于或等于异常理赔比，则提取所述医疗费用对应的治疗疾病信息、以及所述赔付费用对应的赔付疾病信息，并根据疾病大类、疾病小类、治疗对策对所述治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，确定所述合作医院与疾病大类、疾病小类、治疗对策对应就诊费用的预期值。
进一步，所述装置还包括：标记单元、发送单元，
所述标记单元，用于若所述品质结果为实际账单费用大于预期账单费用，则将所述合作医院进行标记，并发送预警信息；
所述确定单元，还用于当按照预设时间间隔检测出所述合作医院的标记次数超过预设阈值时，将所述合作医院确定为保险合作医院的待清除对象；或，
所述发送单元，用于若所述品质结果为实际账单费用小于或等于预期账单费用，则向所述合作医院发送品质结果。
根据本申请的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述保险合作医院的品质监控方法对应的操作。
根据本申请的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述保险合作医院的品质监控方法对应的操作。
借由上述技术方案，本申请实施例提供的技术方案至少具有下列优点：
本申请提供了一种保险合作医院的品质监控方法及装置、存储介质及终端，首先获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，然后按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值，再解析所述评价信息中的费用消耗指数、时间消耗指数，最后根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。与现有的对合作医院的品质好坏的确定仅仅是通过就医患者对医院的口碑进行监控相比，本申请实施例通过按照疾病大类、疾病小类、治疗对策对理赔数据进行DRGs分组，确定就诊费用的预期值，然后根据就诊费用的预期值、费用消耗指数、时间消耗指数进行预测分类，确定出合作医院的品质结果，避免了人为参与的低效性，实现自动且准确的品质监控，为合作医院的品质确定统一的评价标准，从而提高合作医院品质监控的效率，合理的为保险公司提供准确的费用、服务、医疗质量等信息。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本申请实施例提供的一种保险合作医院的品质监控方法流程图；
图2示出了本申请实施例提供的另一种保险合作医院的品质监控方法流程图；
图3示出了本申请实施例提供的一种保险合作医院的品质监控装置框图；
图4示出了本申请实施例提供的另一种保险合作医院的品质监控装置框图；
图5示出了本申请实施例提供的一种终端结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种保险合作医院的品质监控方法，如图1所示，所述方法包括：
101、获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息。
其中，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果，所述医疗费用为参保人员在就医过程中花费的治疗的费用，所述赔付费用为保险公司根据参保人员的保单信息进行理赔的费用，所述医疗服务指数为对合作医院对参保人员进行就诊过程中花费时间进行计算的指数，所述评价信息可以包括对合作医院医生和护士服务态度的评价、对合作医院的就医环境的评价、对合作医院的收费高低的评价、对合作医院治疗项目的评价等，本发明实施例不做具体限定。
需要说明的是，不同合作医院对不同参保人员的医疗费用一般会以医疗记录的形式存储至在参保人员的个人账户中，为了便于品质监控，需要合作医院与保险公司共享参保人员的医疗记录，以便获取理赔数据。另外，预先录入的评价信息为各个合作医院通过对就医患者提供评价表获取到的评价信息，然后录入计算机中进行存储，本发明不做具体限定。
102、按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值。
其中，所述疾病大类为疾病的主要分组，例如，疾病大类包括循环科、神经科、妇科、儿科等，所述疾病小类为疾病的具体器官，例如，疾病大类为循环科，疾病小类包括胃、十二指肠、阑尾等，所述治疗对策为针对治病所采取的主要治疗手段，例如，针对胃病，治疗对策包括手术、非手术、中医治疗等，本发明实施例不做具体限定。另外，所述诊断疾病相关组DRGs为根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度等信息进行分组，通过统一的疾病诊断分类定额支付标准的制定，确定医疗资源利用标准化的方法。
需要说明的是，本发明实施例中的DRGs分组具体方法为将参保人员的疾病分类，即针对本发明实施例中的疾病分类方法，按照疾病大类与疾病小类将参保人员进行分类，然后再根据参保人员理赔数据中的年龄、治疗对策等情况进一步分组，最后根据医疗费用、赔付费用确定出针对相同疾病、或者相同理赔项目下参保人员的预付费用。其中，为了增大参保人员对预付费用支付的可能性，需要按照医疗服务指数的高低对合作医疗进行排序，得到在合理的情况下，参保人员更愿意在哪个合作医院支持的预付费用，以便为合作医院的品质监控提供数据基础。
103、解析所述评价信息中的费用消耗指数、时间消耗指数。
其中，所述费用消耗指数为参保人员对治疗费用的评价数据，例如，治疗费用为1万元时，赔付费用为6千时，评价为费用消耗满意，治疗费用为1万元时，赔付费用为2千时，评价为费用消耗不满意等，本发明实施例不做具体限定。所述时间消耗指数为参保人员在治疗疾病过程中所花费的时间的评价数据，例如，治疗疾病的花费时间为1个月，评价为时间过长，治疗疾病的花费时间为2周，评价为时间合适等，本发明实施例不做具体限定。
需要说明的是，为了便于将文字信息转变为数据，从而进行数据处理，可以将上述的评价直接量化为数据，例如，将费用消耗指数确定为5个数据值，分别为-2、-1、0、1、2，则评价为费用消耗满意可以为1，非常满意为2等，同理，时间消耗的评价也可以直接进行量化，本发明实施例不做具体限定。
104、根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
其中，所述预测分类为通过数据挖掘的聚类方法进行确定合作医院的品质结果的方法，可以为灰度关联聚类方法或者拓聚类方法进行聚类，本发明实施例不做具体限定。具体的聚类预测即是指将步骤102与103中的预期费用、费用消耗指数、时间消耗指数作为给定的数据集，构造2个分组，即品质结果的分组，实际账单费用大于预期账单费用和实际账单费用小于或等于预期账单费用，每一个分组就代表一个聚类，从而确定准确的合作医院的品质结果。
本申请提供了一种保险合作医院的品质监控方法，与现有的对合作医院的品质好坏的确定仅仅是通过就医患者对医院的口碑进行监控相比，本申请实施例通过按照疾病大类、疾病小类、治疗对策对理赔数据进行DRGs分组，确定就诊费用的预期值，然后根据就诊费用的预期值、费用消耗指数、时间消耗指数进行预测分类，确定出合作医院的品质结果，避免了人为参与的低效性，实现自动且准确的品质监控，为合作医院的品质确定统一的评价标准，从而提高合作医院品质监控的效率，合理的为保险公司提供准确的费用、服务、医疗质量等信息。
本发明实施例提供了另一种保险合作医院的品质监控方法，如图2所示，所述方法包括：
201、提取合作医院记录参保人员在就医过程中不同时间节点的时长。
其中，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点，一般的，不同时间节点的时长仅仅存储于合作医院的用户账户信息中，并不会出现在理赔数据中，因此，需要从合作医院的数据存储系统中提取不同时间节点的时长。另外，由于合作医院的就医患者的多少、医疗服务的效率都会影响参保人员在就医过程中消耗的时间，因此，为了准确的确定出合作医院的医疗品质，需要提取挂号到就诊的时间、就诊到缴费的时间、缴费到项目检查的时间、项目检查到确诊的时间、确诊到住院的时间、住院到手术的时间、手术到出院的时间，当然，若确诊后没有患病，则后面的确诊到住院的时间、住院到手术的时间、手术到出院的时间则可以设定为0，以便进行计算。
需要说明的是，对于本发明实施例，为了确定出参保人员在就医过程中的医疗服务指数，即确定出在就医过程中是否出现时间的浪费而导致医疗服务变差，需要根据各个时间点确定就医过程所消耗的时间。
202、将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中。
其中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。所述不同类型参保人员就诊的服务级别为保险公司对参保人员投保项目所评定的级别，如投保保费为20万以上的级别为高级参保，a＝e，投保保费为20万以下的级别为正常参保，a＝1.5，本发明实施例不做具体限定。所述不同级别的合作医院提供的就医级别是指对上次品质结果为实际账单费用小于或等于预期账单费用的医院评定的不同级别，分别包括优秀、良好、及格，即是指实际账单费用与预期账单的差距的大小，差距越小对应为优秀，M＝2.14，良好时，M＝1，及格时，M＝0.27，本发明实施例对差距的大小变化的具体对应评级不做具体限定。
需要说明的是，由于参保人员在每次理赔案件中都会产生对应的医疗服务指数，因此，需要将每次计算出的医疗服务指数存储在参保人员对应的理赔数据中，以便在步骤203中直接进行获取使用。
203、获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
204、判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比。
对于本发明实施例，为了避免将异常理赔案件的理赔数据作为合作医院品质监控的处理数据，需要预先判断理赔数据中的医疗费用与赔付费用的比值是否超过异常理赔比，所述异常理赔比有理赔技术人员进行确定，一般可以为0.5，本发明实施例不做具体限定。例如，理赔数据中的医疗费用为20万，赔付费用为50万，则判断医疗费用与赔付费用比值是否超过异常理赔比0.5。
205a、若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
对于本发明实施例，针对合作医院就医记录中存在的参保人员的理赔数据确定为异常理赔后，为了进一步判断该合作医院的品质，需要统计该合作医院中出现异常理赔的次数，以便在异常理赔的次数大于保险理赔案件的次数时，直接将该合作医院确定为待清除对象，从而减少将出现异常理赔次数过多的医院作为保险合作对象，提高保险合作医院的合作质量。
需要说明的是，本发明实施例中将合作医院确定为保险合作医院的待清除对象后，需要保险公司与该合作医院进行进一步沟通确定，从而使与医院的合作成为公开透明的关系。
对应本发明实施例，与步骤205a并列的步骤205b、若所述理赔数据中的医疗费用与赔付费用的比值大于或等于异常理赔比，则提取所述医疗费用对应的治疗疾病信息、以及所述赔付费用对应的赔付疾病信息，并根据疾病大类、疾病小类、治疗对策对所述治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，确定所述合作医院与疾病大类、疾病小类、治疗对策对应就诊费用的预期值。
对于本发明实施例，由于不同的治疗疾病需要花费不同的医疗费用，且不同的参保人员的投保保单中对不同疾病的赔付费用不同，因此，需要根据疾病大类、疾病小类、治疗对策对提取的治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，从而确定出具体的疾病的预期值。
对于本发明实施例，步骤205b之后的步骤206、解析所述评价信息中的费用消耗指数、时间消耗指数。
本步骤与图1所示的步骤103方法相同，在此不再赘述。
207、根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
本步骤与图1所示的步骤104方法相同，在此不再赘述。
需要说明的是，若预测分类采用的是灰度关联聚类方法，则可以包括：选定分析域，即被评价对象，H1，H2，H3，……，H14顺次代表14所三级医院；选择适当的指标体系，通过Delphi法建立了评价指标体系，并通过现场实测获取各个指标的原始数据，即就诊费用的预期值、费用消耗指数、时间消耗指数等；选取参考数列，即最优数列，依据某指标的属性，对于高优指标则：X 0j＝max(X′ij)，对于低优指标则：X0j＝min(X′ij)，如，指标C1为高优指标，则选取该指标上的最大值为最优值；指标的无量纲化，根据各特征指标的属性，按照下式对原始数据进行归一化处理，将各数据压缩至[0，1]区间。若预测分类采用的是可拓聚类方法，则可以包括：根据历史数据，确定分类标准；根据所述分类标准，确定经典域和节域；计算各因素的灰色关联度；计算待测样本的因素属性对各分类的关联函数，并根据各因素的灰色关联度计算权系数，其中，所述权系数为各因素灰色关联度占所有灰色关联度的比重作权重系数；根据所述关联函数和所述权系数，计算综合关联函数；根据所述综合关联函数，确定所述待测样本所属分类。
208a、若所述品质结果为实际账单费用大于预期账单费用，则将所述合作医院进行标记，并发送预警信息。
对于本发明实施例，若实际账单费用大于预期账单费用，则说明就医参保人员可能存在被医院多收费或治疗过程中的费用可能存在不同疾病的费用等情况，因此需要将该合作医院进行标记，发送预警信息，如，短信或电话通知该合作医院某个参保人员的实际账单费用大于预期账单费用，以便合作医院进行核对，从而使合作医院及时调整对应的就医政策。其中，标记即是指将实际账单费用大于预期账单费用的合作医院进行计数，以便判断标记次数是否超过步骤209中设定的预设阈值。
对于本发明实施例，步骤208a之后的步骤209、当按照预设时间间隔检测出所述合作医院的标记次数超过预设阈值时，将所述合作医院确定为保险合作医院的待清除对象。
对于本发明实施例，为了实现全自动的、无人工参与的保险合作医院品质的监控，需要按照预设时间间隔检测标记次数是否超过预设阈值，预设阈值一般根据参保人员就医的次数确定为100次或150次，本发明实施例不做具体限定，将所述合作医院确定为保险合作医院的待清除对象即是指取消该合作医院的合作资格，以便参保人员选择其他医院进行就医。
对于本发明实施例，与步骤208a并列的步骤208b、若所述品质结果为实际账单费用小于或等于预期账单费用，则向所述合作医院发送品质结果。
对于本发明实施例，为了实现品质监控的准确性，避免人为参与出现的误差，直接将品质结果发送至合作医院，以便合作医院清楚、明白的了解自己医院的品质情况。
本申请提供了另一种保险合作医院的品质监控方法，本申请实施例通过按照疾病大类、疾病小类、治疗对策对理赔数据进行DRGs分组，确定就诊费用的预期值，然后根据就诊费用的预期值、费用消耗指数、时间消耗指数进行预测分类，确定出合作医院的品质结果，避免了人为参与的低效性，实现自动且准确的品质监控，为合作医院的品质确定统一的评价标准，从而提高合作医院品质监控的效率，合理的为保险公司提供准确的费用、服务、医疗质量等信息。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种基于保险合作医院的品质监控装置，如图3所示，该装置包括：获取单元31、分组单元32、解析单元33、确定单元34。
获取单元31，用于获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；所述获取单元31为基于保险合作医院的品质监控装置执行获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用的程序模块。
分组单元32，用于按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；所述分组单元32为基于保险合作医院的品质监控装置执行按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值的程序模块。
解析单元33，用于解析所述评价信息中的费用消耗指数、时间消耗指数；所述解析单元33为基于保险合作医院的品质监控装置执行解析所述评价信息中的费用消耗指数、时间消耗指数的程序模块。
确定单元34，用于根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。所述确定单元34为基于保险合作医院的品质监控装置执行根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果的程序模块。
本申请提供了一种保险合作医院的品质监控装置，与现有的对合作医院的品质好坏的确定仅仅是通过就医患者对医院的口碑进行监控相比，本申请实施例通过按照疾病大类、疾病小类、治疗对策对理赔数据进行DRGs分组，确定就诊费用的预期值，然后根据就诊费用的预期值、费用消耗指数、时间消耗指数进行预测分类，确定出合作医院的品质结果，避免了人为参与的低效性，实现自动且准确的品质监控，为合作医院的品质确定统一的评价标准，从而提高合作医院品质监控的效率，合理的为保险公司提供准确的费用、服务、医疗质量等信息。
进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种保险合作医院的品质监控装置，如图4所示，该装置包括：获取单元41、分组单元42、解析单元43、确定单元44、提取单元45、计算单元46、判断单元47、统计单元48、标记单元49、发送单元410。
获取单元41，用于获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
分组单元42，用于按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析单元43，用于解析所述评价信息中的费用消耗指数、时间消耗指数；
确定单元44，用于根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
进一步，所述装置还包括：
提取单元45，用于提取合作医院记录参保人员在就医过程中不同时间节点的时长，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点；
计算单元46，用于将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。
进一步，所述装置还包括：
判断单元47，用于判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比；
统计单元48，用于若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
进一步，所述分组单元42，具体用于若所述理赔数据中的医疗费用与赔付费用的比值大于或等于异常理赔比，则提取所述医疗费用对应的治疗疾病信息、以及所述赔付费用对应的赔付疾病信息，并根据疾病大类、疾病小类、治疗对策对所述治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，确定所述合作医院与疾病大类、疾病小类、治疗对策对应就诊费用的预期值。
进一步，所述装置还包括：标记单元49、发送单元410，
所述标记单元49，用于若所述品质结果为实际账单费用大于预期账单费用，则将所述合作医院进行标记，并发送预警信息；
所述确定单元44，还用于当按照预设时间间隔检测出所述合作医院的标记次数超过预设阈值时，将所述合作医院确定为保险合作医院的待清除对象；或，
所述发送单元410，用于若所述品质结果为实际账单费用小于或等于预期账单费用，则向所述合作医院发送品质结果。
本申请提供了另一种保险合作医院的品质监控装置，本申请实施例通过按照疾病大类、疾病小类、治疗对策对理赔数据进行DRGs分组，确定就诊费用的预期值，然后根据就诊费用的预期值、费用消耗指数、时间消耗指数进行预测分类，确定出合作医院的品质结果，避免了人为参与的低效性，实现自动且准确的品质监控，为合作医院的品质确定统一的评价标准，从而提高合作医院品质监控的效率，合理的为保险公司提供准确的费用、服务、医疗质量等信息。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的保险合作医院的品质监控方法。
图5示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图5所示，该终端可以包括：处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502，用于执行程序510，具体可以执行上述保险合作医院的品质监控方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：
获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析所述评价信息中的费用消耗指数、时间消耗指数；
根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种保险合作医院的品质监控方法，其特征在于，包括：
获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析所述评价信息中的费用消耗指数、时间消耗指数；
根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
2.根据权利要求1所述的方法，其特征在于，所述获取不同合作医院针对参保人员进行理赔的理赔数据之前，所述方法还包括：
提取合作医院记录参保人员在就医过程中不同时间节点的时长，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点；
将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。
3.根据权利要求2所述的方法，其特征在于，所述按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值之前，所述方法还包括：
判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比；
若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
4.根据权利要求3所述的方法，其特征在于，所述按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值包括：
若所述理赔数据中的医疗费用与赔付费用的比值大于或等于异常理赔比，则提取所述医疗费用对应的治疗疾病信息、以及所述赔付费用对应的赔付疾病信息，并根据疾病大类、疾病小类、治疗对策对所述治疗疾病信息、赔付疾病信息、医疗服务指数进行DRGs分组，确定所述合作医院与疾病大类、疾病小类、治疗对策对应就诊费用的预期值。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果之后，所述方法还包括：
若所述品质结果为实际账单费用大于预期账单费用，则将所述合作医院进行标记，并发送预警信息；
当按照预设时间间隔检测出所述合作医院的标记次数超过预设阈值时，将所述合作医院确定为保险合作医院的待清除对象；或，
若所述品质结果为实际账单费用小于或等于预期账单费用，则向所述合作医院发送品质结果。
6.一种保险合作医院的品质监控装置，其特征在于，包括：
获取单元，用于获取不同合作医院针对参保人员进行理赔的理赔数据，以及预先录入的合作医院的评价信息，所述理赔数据包括医疗费用、医疗服务指数、赔付费用，所述评价信息为不同就医患者对合作医院的就诊过程进行评价的结果；
分组单元，用于按照疾病大类、疾病小类、治疗对策对所述理赔数据进行诊断疾病相关组DRGs分组，确定就诊费用的预期值；
解析单元，用于解析所述评价信息中的费用消耗指数、时间消耗指数；
确定单元，用于根据不同合作医院所述就诊费用的预期值、所述费用消耗指数、所述时间消耗指数进行预测分类，确定合作医院的品质结果。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
提取单元，用于提取合作医院记录参保人员在就医过程中不同时间节点的时长，所述时间节点包括挂号、就诊、缴费、项目检查、确诊、住院、手术、出院的时间点；
计算单元，用于将所述时长代入预设医疗服务公式中，计算医疗服务指数，并存储至所述参保人员对应的理赔数据中，所述预设医疗服务公式为其中，i＝1，2，…，7，所述xi分别为挂号至就诊时长、就诊至缴费的时长、缴费至项目检查的时长、项目检查至确诊的时长、确诊至住院的时长、住院至手术的时长、手术至出院的时长，所述a为不同类型参保人员就诊的服务级别，所述M为不同级别的合作医院提供的就医级别。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
判断单元，用于判断所述理赔数据中的医疗费用与赔付费用的比值是否小于异常理赔比；
统计单元，用于若小于，则将所述参保人员的理赔数据记录为异常理赔，并当统计所述合作医院出现异常理赔的次数大于保险理赔案件次数的一半时，将所述合作医院确定为保险合作医院的待清除对象。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的保险合作医院的品质监控方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的保险合作医院的品质监控方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810275430.2A CN108460693A (zh) | 2018-03-29 | 2018-03-29 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810275430.2A CN108460693A (zh) | 2018-03-29 | 2018-03-29 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108460693A true CN108460693A (zh) | 2018-08-28 |
Family
ID=63238315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810275430.2A Pending CN108460693A (zh) | 2018-03-29 | 2018-03-29 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460693A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109243592A (zh) * | 2018-10-30 | 2019-01-18 | 平安医疗健康管理股份有限公司 | 基于人工智能的医疗项目使用异常检测方法及相关装置 |
| CN109242709A (zh) * | 2018-10-27 | 2019-01-18 | 平安科技（深圳）有限公司 | 估算医疗费用的方法和装置 |
| CN109360622A (zh) * | 2018-10-22 | 2019-02-19 | 平安医疗健康管理股份有限公司 | 基于数据处理的中药处方药品费用风险控制方法及装置 |
| CN109524083A (zh) * | 2018-10-30 | 2019-03-26 | 平安科技（深圳）有限公司 | 基于医疗大数据监测辅助用药合理性的方法及相关产品 |
| CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
| CN109543956A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
| CN109545308A (zh) * | 2018-10-22 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的中药处方药品费用超标预警方法及装置 |
| CN109616216A (zh) * | 2018-11-30 | 2019-04-12 | 平安医疗健康管理股份有限公司 | 医疗费用预测方法、装置、设备及计算机可读存储介质 |
| CN109635044A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 住院数据异常检测方法、装置、设备及可读存储介质 |
| CN109658109A (zh) * | 2018-10-29 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 医保异常刷卡的检测方法、装置、终端及存储介质 |
| CN109684542A (zh) * | 2018-12-13 | 2019-04-26 | 平安医疗健康管理股份有限公司 | 医疗机构推荐方法及相关装置 |
| CN110265127A (zh) * | 2019-06-25 | 2019-09-20 | 河北省科学院应用数学研究所 | 病种费用测算方法、装置及终端设备 |
| CN112256738A (zh) * | 2020-11-03 | 2021-01-22 | 余启萍 | 一种医疗联动drg质控查询方法、装置及系统 |
| CN112734585A (zh) * | 2021-01-25 | 2021-04-30 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
| CN113689143A (zh) * | 2021-09-10 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163307A (zh) * | 2011-04-08 | 2011-08-24 | 常州谐筑信息科技有限公司 | 医保理赔管理方法 |
| US20130117033A1 (en) * | 2011-11-04 | 2013-05-09 | Verras Healthcare Group | Healthcare performance measurement and equitable provider reimbursement system |
| CN107463770A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的评价方法和系统 |
| CN107463769A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的医疗收付费管理方法和系统 |
-
2018
- 2018-03-29 CN CN201810275430.2A patent/CN108460693A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102163307A (zh) * | 2011-04-08 | 2011-08-24 | 常州谐筑信息科技有限公司 | 医保理赔管理方法 |
| US20130117033A1 (en) * | 2011-11-04 | 2013-05-09 | Verras Healthcare Group | Healthcare performance measurement and equitable provider reimbursement system |
| CN107463770A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的评价方法和系统 |
| CN107463769A (zh) * | 2017-07-11 | 2017-12-12 | 武汉金豆医疗数据科技有限公司 | 一种基于疾病诊断相关分组的医疗收付费管理方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 夏萍 等: "灰关联聚类方法在定点医院基本医疗保险业务综合评价中的应用" * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109545308A (zh) * | 2018-10-22 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据处理的中药处方药品费用超标预警方法及装置 |
| CN109360622A (zh) * | 2018-10-22 | 2019-02-19 | 平安医疗健康管理股份有限公司 | 基于数据处理的中药处方药品费用风险控制方法及装置 |
| CN109242709A (zh) * | 2018-10-27 | 2019-01-18 | 平安科技（深圳）有限公司 | 估算医疗费用的方法和装置 |
| CN109242709B (zh) * | 2018-10-27 | 2024-02-13 | 平安科技（深圳）有限公司 | 估算医疗费用的方法和装置 |
| CN109543956B (zh) * | 2018-10-27 | 2024-07-12 | 平安医疗健康管理股份有限公司 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
| CN109543956A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
| CN109658109A (zh) * | 2018-10-29 | 2019-04-19 | 平安医疗健康管理股份有限公司 | 医保异常刷卡的检测方法、装置、终端及存储介质 |
| CN109243592A (zh) * | 2018-10-30 | 2019-01-18 | 平安医疗健康管理股份有限公司 | 基于人工智能的医疗项目使用异常检测方法及相关装置 |
| CN109243592B (zh) * | 2018-10-30 | 2024-06-25 | 平安医疗健康管理股份有限公司 | 基于人工智能的医疗项目使用异常检测方法及相关装置 |
| CN109524083A (zh) * | 2018-10-30 | 2019-03-26 | 平安科技（深圳）有限公司 | 基于医疗大数据监测辅助用药合理性的方法及相关产品 |
| CN109524069A (zh) * | 2018-11-09 | 2019-03-26 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
| CN109524069B (zh) * | 2018-11-09 | 2021-09-10 | 南京医渡云医学技术有限公司 | 医疗数据处理方法、装置、电子设备和存储介质 |
| CN109616216A (zh) * | 2018-11-30 | 2019-04-12 | 平安医疗健康管理股份有限公司 | 医疗费用预测方法、装置、设备及计算机可读存储介质 |
| CN109684542A (zh) * | 2018-12-13 | 2019-04-26 | 平安医疗健康管理股份有限公司 | 医疗机构推荐方法及相关装置 |
| CN109635044A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 住院数据异常检测方法、装置、设备及可读存储介质 |
| CN110265127B (zh) * | 2019-06-25 | 2022-02-01 | 河北省科学院应用数学研究所 | 病种费用测算方法、装置及终端设备 |
| CN110265127A (zh) * | 2019-06-25 | 2019-09-20 | 河北省科学院应用数学研究所 | 病种费用测算方法、装置及终端设备 |
| CN112256738A (zh) * | 2020-11-03 | 2021-01-22 | 余启萍 | 一种医疗联动drg质控查询方法、装置及系统 |
| CN112734585A (zh) * | 2021-01-25 | 2021-04-30 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
| CN112734585B (zh) * | 2021-01-25 | 2024-05-31 | 联仁健康医疗大数据科技股份有限公司 | 医保基金支出的预测方法、装置、设备及存储介质 |
| CN113689143A (zh) * | 2021-09-10 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
| CN113689143B (zh) * | 2021-09-10 | 2024-04-05 | 深圳平安医疗健康科技服务有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460693A (zh) | 保险合作医院的品质监控方法及装置、存储介质及终端 | |
| Bowman et al. | Tracking prototype and exemplar representations in the brain across learning | |
| Berman et al. | Meta-analysis: neither quick nor easy | |
| CN104951894B (zh) | 医院疾病管理智能分析和评估系统 | |
| CN107871285A (zh) | 一种健康保险赔欺诈及滥用的侦测方法和系统 | |
| HAYS | Nursing care requirements and resource consumption in home health care | |
| CN109299085A (zh) | 一种数据处理方法、电子设备及存储介质 | |
| Jiang et al. | Does the price of strategic commodities respond to US partisan conflict? | |
| CN110223182A (zh) | 一种理赔风控方法、装置及计算机可读存储介质 | |
| CN106257471B (zh) | 一种客户评测方法、装置、可读存储介质及电子设备 | |
| CN110428891A (zh) | 一种就诊意图的处理方法、装置及设备 | |
| CA3110455A1 (en) | Visualization of social determinants of health | |
| CN114005530A (zh) | 区域内医学重复检查、检验智能提醒与监管方法及系统 | |
| CN109522301A (zh) | 一种数据处理方法、电子设备及存储介质 | |
| CN108447047A (zh) | 抗酸杆菌检测方法及装置 | |
| CN109559206A (zh) | 一种区域企业诚信评价方法、装置及终端设备 | |
| Renauld et al. | Validate your white matter tractography algorithms with a reappraised ISMRM 2015 Tractography Challenge scoring system | |
| Güneş et al. | Breast cancer screening services: trade-offs in quality, capacity, outreach, and centralization | |
| Lee et al. | Determinants of maternity length of stay: a gamma mixture risk-adjusted model | |
| CN111128330A (zh) | 电子病例报告表自动录入方法、装置以及相关设备 | |
| Kumar et al. | PCOS Prediction Using Machine Learning Techniques | |
| Roy et al. | An evolutionary computation approach to examine functional brain plasticity | |
| Gu et al. | Experimental measures of output and productivity in the Canadian hospital sector, 2002 to 2010 | |
| Bryant et al. | LCN: a random graph mixture model for community detection in functional brain networks | |
| CN113487440A (zh) | 模型生成、健康险理赔的确定方法、装置、设备及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180828 |