CN109492885A - 医保风险项目分析方法装置、终端及可读介质 - Google Patents
医保风险项目分析方法装置、终端及可读介质 Download PDFInfo
- Publication number
- CN109492885A CN109492885A CN201811250357.XA CN201811250357A CN109492885A CN 109492885 A CN109492885 A CN 109492885A CN 201811250357 A CN201811250357 A CN 201811250357A CN 109492885 A CN109492885 A CN 109492885A
- Authority
- CN
- China
- Prior art keywords
- risk
- project
- medical insurance
- target
- growth rate
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 66
- 239000003814 drug Substances 0.000 claims description 132
- 229940079593 drug Drugs 0.000 claims description 45
- 239000003596 drug target Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 230000033228 biological regulation Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 239000003005 anticarcinogenic agent Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000926 separation method Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例提供一种医保风险项目分析方法装置、终端及可读介质，其中，所述方法包括：获取目标地域的医保数据中的多个医保风险项目的风险数据；按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；根据所述每个风险项目的风险贡献度，确定出目标风险项目；对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素，以此，能够提升确定出目标风险项目的准确性。
Description
技术领域
本申请涉及风险分析技术领域，具体涉及一种医保风险项目分析方法装置、终端及可读介质。
背景技术
当前在医保基金系统中的医疗保险(医保)风险管控方面，通常会采用人工的方式来对医保数据的风险进行风险查找。由于医保数据的数据量越来越庞大，采用人工的方式不能快速的确定出医保数据中的目标风险项目(高风险项目)，以及在对高风险项目进行判别时的准确性较低，容易导致不能及时的发现医保数据中的高风险项目，以及对医保高风险项目进行调控的及时性降低。
发明内容
本申请实施例提供一种医保风险项目分析方法装置、终端及可读介质，能够提升确定出目标风险项目的准确性。
本申请实施例的第一方面提供了一种医保风险项目分析方法，所述方法包括：
获取目标地域的医保数据中的多个医保风险项目的风险数据；
按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
根据所述每个风险项目的风险贡献度，确定出目标风险项目；
对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本申请实施例的第二方面提供了一种医保风险项目分析装置，所述装置包括：
获取单元，用于获取目标地域的医保数据中的多个医保风险项目的风险数据；
第一确定单元，用于按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
第二确定单元，用于根据所述每个风险项目的风险贡献度，确定出目标风险项目；
分析单元，用于对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本申请实施例的第三方面提供一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如本申请实施例第一方面中的步骤指令。
本申请实施例的第四方面提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
本申请实施例的第五方面提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例，至少具有如下有益效果：
通过本申请实施例，获取目标地域的医保数据中的多个医保风险项目的风险数据，按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度，根据所述每个风险项目的风险贡献度，确定出目标风险项目，对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素，因此，通过根据医保数据中多个风险项目的风险数据进行分析，确定出目标风险项目，并对所述风险项目进行分析，得到所述风险项目的风险影响因素，能够相对于采用人工的方式确定风险项目的影响因素，能够一定程度上提升风险影响因素获取时的准确性以及效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供了一种医保风险项目分析方法的应用场景的示意图；
图2为本申请实施例提供了一种医保风险项目分析方法的流程示意图；
图3为本申请实施例提供了另一种医保风险项目分析方法的流程示意图；
图4为本申请实施例提供了另一种医保风险项目分析方法的流程示意图；
图5为本申请实施例提供了另一种医保风险项目分析方法的流程示意图；
图6为本申请实施例提供了另一种医保风险项目分析方法的流程示意图；
图7为本申请实施例提供的一种终端的结构示意图；
图8为本申请实施例提供了一种医保风险项目分析装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子装置可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子装置。
为了更好的理解本申请实施例提供的一种医保风险项目分析方法，下面首先对应用医保风险项目分析方法的场景进行简要介绍。请参阅图1，图1为本申请实施例提供了一种医保风险项目分析方法的应用场景的示意图。如图1所示，服务器101获取目标地域102的医保数据，该医保数据中包括多个风险项目的风险数据，服务器101根据多个医保风险项目的医保数据，确定出多个医保风险项目中的每个风险项目的风险贡献度，服务器101根据每个风险项目的风险贡献度，确定出目标风险贡项目，目标风险项目例如可以为风险贡献度超过预设阈值的风险贡献度所对应的风险项目，服务器101对目标风险项目进行分析，得到该目标风险项目的目标风险影响因素，因此，能够相对于采用人工的方式确定风险项目的影响因素，能够一定程度上提升风险影响因素获取时的准确性以及效率。其中，服务器可以为医保系统中的服务器，也可以为独立的服务器，服务器也可以是电子装置等。
请参阅图2，图2为本申请实施例提供了一种医保风险项目分析方法的流程示意图。如图2所示，医保风险项目分析方法包括步骤201-204，具体如下：
201、获取目标地域的医保数据中的多个医保风险项目的风险数据。
其中，医保风险项目可包括多个不同的风险维度，不同的风险维度可包括不同的风险项目，风险维度可包括参保人群维度和医院维度等，以医院的维度出发医保风险项目可包括住院项目、门诊项目、急诊项目、大病项目等。医保风险项目还可以从人群的角度出发，包括多个人群，例如公务人员、普通群众等，也可以为普通群众，贫困群众，富有群众等，其中，普通人群可以理解为人均收入达到了国家人均收入的人群，贫困人群可以理解为人均收入地域国家人均收入的人群，富有人群可以理解为人均收入远高于国家人均收入的人群，远高于可以理解为是为国家人均收入的5倍以上等。目标地域可以是具有医保基金的任意一个城市，当然也可以是具有医保基金的城市中的某些特殊的城市，例如，高医保风险的城市等。
可选的，风险数据可包括在一段时间中每个人的医保报销数据，医保报销数据可以包括一段时间内的起始时间的基础医疗费用和截止时间的截止医疗费用。其中，一段时间可以为一周、一个月、一个季度等。
202、按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度。
可选的，风险贡献度可正可负，若为正，则表示风险项目的医疗费用增加，若为负，则表示风险项目的医疗费用减少。
可选的，所述风险项目的人群分类包括多个风险人群，所述风险数据包括所述风险人群中的每个人的医保报销数据，一种可能的根据风险数据确定出每个风险项目的风险贡献度的方法包括步骤A1-A4，具体如下：
A1、提取所述风险人群中的每个人的医保报销数据的增长率；
其中，每个人的医保报销数据的增长率为一段时间内的增长率，一段时间可以为一周、一个月等。增长率为根据基础医疗费用和截止医疗费用计算得到。具体计算方法可参照增长率计算方法计算得到。
A2、根据所述风险人群中的每个人的医保报销数据的增长率，得到所述多个风险人群中每个风险人群的参考风险贡献度；
可选的，一种可能的确定参考风险贡献度的方法为：将所述风险人群中的每个人的医保数据的增长率均值，作为所述多个风险人群中每个风险人群的参考风险贡献度。
可选的，另一种确定参考风险贡献度的方法为：获取风险人群中每个人的经济情况；根据所述经济情况确定出每个人的参考风险贡献度权值；将每个人的医保报销数据的增长率乘以与其对应的参考风险贡献度权值，并求和，得到参考风险贡献度。其中，经济情况可以为人均消费值，也可以是每个人的平均收入等，根据经济情况确定出参考风险贡献度权值的方法可以为：通过贡献度权值确定模型得到参考风险贡献度权值。贡献度权值确定模型采用机器学习对样本数据进行学习后得到，其中，机器学习模型为有监督学习模型，有监督学习模型例如可以是人工神经网络法中权重模型等，贡献度权值确定模型的一种建立方法为：首先将样本进行特征提取，得到特征集，然后将特征集输入训练模型中，训练模型根据训练模型中的算法进行学习，该算法例如可以是梯度下降法、牛顿算法、共轭梯度算法等，最后得到贡献度权值确定模型，以此方法，通过对大量的样本的学习，最终得到贡献度权值确定模型。通过机器学习模型，对大量的样本进行学习，能够较为准确的确定出贡献度权值确定模型，从而提升了在参考风险贡献度权值获取时的准确性。样本数据为选取的人的经济情况与参考风险贡献度权值。
A3、确定所述多个风险人群中每个人群的风险贡献度修正因子；
可选的，不同的人群对应不公的风险贡献度修正因子，一种可能的人群与风险贡献度修正因子之间的映射关系如表1，具体如下：
表1人群与风险贡献度修正因子之间的映射关系表
| 人群 | 风险贡献度修正因子 |
| 贫困群众 | 1.1 |
| 普通群众 | 1.25 |
| 富有群众 | 1.3 |
其中，风险贡献度修正因子，还可以根据人群中的人口数目进行调整，例如，贫困群众的人口减少，则其风险贡献度修正因子增加，贫困人口增加，则其风险贡献度修正因子减少，又例如，富有人群人口增加，则其风险贡献度修正因子增加，富有人口减少，则其风险贡献度修正因子降低。
A4、将所述多个风险人群中每个风险人群的参考风险贡献度乘以与所述多个风险人群中每个风险人群相对应的风险贡献度修正因子，得到所述多个医保风险项目中的每个风险项目的风险贡献度。
可选的，所述风险数据包括预设时间间隔内风险项目的基础医疗费用和截止医疗费用，另一种可能的根据风险数据确定出每个风险项目的风险贡献度的方法包括步骤B1-B2，具体如下：
B1、根据所述基础医疗费用和所述截止医疗费用，确定出所述每个风险项目的医疗费用增长率；
可选的，医疗费用增长率可参照步骤A1中医疗费用增长率的计算方式进行计算得到。
B2、根据预设的医疗费用增长率与风险贡献度之间的映射关系，确定出所述每个风险项目的风险贡献度。
可选的，预设的医疗费用增长率与风险贡献度之间的映射关系可以由系统预先存储，医疗费用增长率与风险贡献度之间成正相关关系，即，医疗费用增长率较高，则风险贡献度较高，医疗费用增长率较低，则风险贡献度较低。
可选的，还可以在数据库中获取风险项目的风险贡献度。首先建立风险项目数据库，数据库中存储有每个时段的风险项目的风险数据，并以医院的维度进行存储，该数据库的数据结构采用树形结构，第一层为风险维度，第二层为风险子维度，第三层为风险项目，并纵向的生成每个风险项目的风险贡献度。从风险数据库中获取风险项目的风险贡献度，能够一定程度上降低风险贡献度获取的时间，提升获取的效率。其中，每个时段可以理解为一年之内以月为单位的时段，例如，一月到十二月，共十二个时段。
可选的，另一种获取医保数据中的多个风险项目的中的每个风险项目的风险贡献度的方法为：提取该目标地域内每个医院的各个风险项目的风险贡献度；将各个医院的各个风险项目的风险贡献度进行求和处理，得到该地区每个风险项目的风险贡献度。由于在实际中，在某一地区中，不同的医院之间的数据不能共享，则很难同时获取到每个医院的数据，因此，先分别获取到没个医院的数据，对每个医院的数据进行处理之后，在进行合并处理，能够一定程度上提升获取风险项目的贡献度的效率以及可靠性。
203、根据所述每个风险项目的风险贡献度，确定出目标风险项目。
可选的，可设置风险贡献度阈值，高于风险贡献度阈值的风险项目，确定为目标风险项目。风险贡献度阈值可以由医保系统进行设定，也可以系统管理员进行设定，当然还可以有其它的设定方式。
204、对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
可选的，医保风险项目包括风险参量的信息，风险参量的信息包括手术费，一种可能的对目标风险项目进行分析，得到目标风险项目的目标风险影响因素包括步骤C1-C4，具体如下：
C1、获取所述手术费中的手术设备使用费的增长率、医疗器具费的增长率、手术药物费的增长率、手术人工费的增长率；
其中，手术设备使用费的增长率可以理解为手术中所用到的手术设备的费用的增长率，医疗器具的增长率可以理解为手术中使用到的一次性器具的费用的增长率，手术人工费的增长率可以理解为手术主刀医生的费用的增长率，上述解释仅为举例说明，但不限于上述说明。
C2、若所述手术药物费的增长率高于第一预设费用阈值，且手术设备使用费的增长率、医疗器具费的增长率、手术人工费的增长率低于第二预设费用阈值，则获取目标药物组，所述目标药物组中的药物为所述手术药物费中的药物费用增加量高于预设药物费用阈值的药物，所述第一预设费用阈值高于所述第二预设费用阈值；
可选的，第一预设费用阈值和第二预设费用阈值由服务器进行设定，也可以由系统管理人员进行设定，设定时，第一预设费用阈值的取值范围可以为30％-40％，具体可以为31％、36％等，第二预设费用阈值的取值范围可以为20％-30％，具体可以为22％、25％等。
可选的，获取目标药物组时，目标药物组中的药物的费用高于预设药物费用阈值，预设药物费用阈值可以为300-500之间的值。
C3、从所述目标药物组中提取第一子药物组和第二子药物组，以及计算出所述第一子药物组的费用增长率和所述第二子药物组的费用增长率，所述第一子药物包括医保药物，所述第二子药物组包括非医保药物；
其中，计算第一子药物组的费用增长率时，可以分别求取第一子药物组中每个药物的费用增长率，将每个药物的费用增长率的均值作为第一子药物组的费用增长率，计算第二子药物组的费用增长率的方法与计算第一子药物组的增长率的方法相同。
C4、若所述第一子药物组的费用增长率高于所述第二子药物组的费用增长率，则确定出所述目标风险影响因素为医保药物增长率。
一个可能的示例中，在确定出目标风险因素后，可以对目标风险因素进行调控，一种可能的目标风险因素进行调控的方法包括步骤D1-D2，具体如下：
D1、根据所述第一子药物组和第二子药物组生成目标风险调控方法；
可选的，一种可能的根据第一子药物组和第二子药物组生成目标风险调控方法包括步骤D11-D12，具体如下：
D11、提取所述第二子药物组中的预设非医保药物；
其中，预设非医保药物可以为非医保药物中药物费用较高的药物，例如，抗癌药物，直肠吻合器等。较高的药物例如可以是大于2000元的药物。
D12、将所述预设非医保药物加入到所述第一子药物组作为目标风险调控方法。
D2、按照所述目标风险调控方法对所述目标风险项目进行调控。
本示例中，在确定出风险项目之后，通过第一子药物组和第二子药物组来制定出风险调控方法，从而对目标风险项目进行调控，能够一定程度上提升对风险项目进行调控的及时性，也能一定程度上提升医保系统的安全性。
请参阅图3，图3为本申请实施例提供了另一种医保风险项目分析方法的流程示意图。如图3所示，医保项目分析方法包括步骤301-307，具体如下：
301、获取目标地域的医保数据中的多个医保风险项目的风险数据，所述风险项目的人群分类包括多个风险人群，所述风险数据包括所述多个风险人群中的每个人的医保报销数据；
302、提取所述风险人群中的每个人的医保报销数据的增长率；
303、根据所述风险人群中的每个人的医保报销数据的增长率，得到所述多个风险人群中每个风险人群的参考风险贡献度；
304、确定所述多个风险人群中每个人群的风险贡献度修正因子；
305、将所述多个风险人群中每个风险人群的参考风险贡献度乘以与所述多个风险人群中每个风险人群相对应的风险贡献度修正因子，得到所述多个医保风险项目中的每个风险项目的风险贡献度；
306、根据所述每个风险项目的风险贡献度，确定出目标风险项目；
307、对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本示例中，通过提取风险人群中的每个人的医保报销数据的增长率，然后根据该增长率求得每个人群的参考风险贡献度，再确定出每个人群的风险贡献度修正因子，根据参考风险贡献度和修正因子得到每个风险项目的风险贡献度，因此，能够一定程度上提升获取风险贡献度的准确性，从而能够一定程度上提升确定目标风险影响因素的准确性。
请参阅图4，图4为本申请实施例提供了另一种医保风险项目分析方法的流程示意图。如图4所示，医保项目分析方法包括步骤401-405，具体如下：
401、获取目标地域的医保数据中的多个医保风险项目的风险数据，所述风险数据包括预设时间间隔内风险项目的基础医疗费用和截止医疗费用；
402、根据所述基础医疗费用和所述截止医疗费用，确定出所述每个风险项目的医疗费用增长率；
403、根据预设的医疗费用增长率与风险贡献度之间的映射关系，确定出所述每个风险项目的风险贡献度；
404、根据所述每个风险项目的风险贡献度，确定出目标风险项目；
405、对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本示例中，通过风险数据中的基础医疗费用和截止医疗费用来确定出每个风险项目的医疗费用增长率，以此来得到每个风险项目的风险贡献度，因此，相对于人工的方式来确定出风险贡献度，进而确定出目标风险影响因素，能够一定程度上提升确定风险贡献度的效率，以及确定目标风险影响因素的效率。
请参阅图5，图5为本申请实施例提供了另一种医保风险项目分析方法的流程示意图。如图5所示，医保项目分析方法包括步骤501-507，具体如下：
501、获取目标地域的医保数据中的多个医保风险项目的风险数据，所述医保风险项目包括风险参量的信息，所述风险参量的信息包括手术费；
502、按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
503、根据所述每个风险项目的风险贡献度，确定出目标风险项目；
504、获取所述手术费中的手术设备使用费的增长率、医疗器具费的增长率、手术药物费的增长率、手术人工费的增长率；
505、若所述手术药物费的增长率高于第一预设费用阈值，且手术设备使用费的增长率、医疗器具费的增长率、手术人工费的增长率低于第二预设费用阈值，则获取目标药物组，所述目标药物组中的药物为所述手术药物费中的药物费用增加量高于预设药物费用阈值的药物，所述第一预设费用阈值高于所述第二预设费用阈值；
506、从所述目标药物组中提取第一子药物组和第二子药物组，以及计算出所述第一子药物组的费用增长率和所述第二子药物组的费用增长率，所述第一子药物包括医保药物，所述第二子药物组包括非医保药物；
507、若所述第一子药物组的费用增长率高于所述第二子药物组的费用增长率，则确定出所述目标风险影响因素为医保药物增长率。
本示例中，通过获取医保数据中的手术费中的四种增长率，然后根据该四种增长率来判定是否获取目标药物组，在获取目标药物组后，从目标药物组中提取第一子药物组和第二子药物组，根据第一子药物组的费用增长率和第二子药物组的费用增长率来得到目标风险因素，因此，通过具体的药物组的费用增长率来确定出目标风险因素，能够一定程度上提升确定目标风险因素的准确性。
请参阅图6，图6为本申请实施例提供了另一种医保风险项目分析方法的流程示意图。如图6所示，医保项目分析方法包括步骤601-610，具体如下：
601、获取目标地域的医保数据中的多个医保风险项目的风险数据，所述医保风险项目包括风险参量的信息，所述风险参量的信息包括手术费；
602、按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
603、根据所述每个风险项目的风险贡献度，确定出目标风险项目；
604、获取所述手术费中的手术设备使用费的增长率、医疗器具费的增长率、手术药物费的增长率、手术人工费的增长率；
605、若所述手术药物费的增长率高于第一预设费用阈值，且手术设备使用费的增长率、医疗器具费的增长率、手术人工费的增长率低于第二预设费用阈值，则获取目标药物组，所述目标药物组中的药物为所述手术药物费中的药物费用增加量高于预设药物费用阈值的药物，所述第一预设费用阈值高于所述第二预设费用阈值；
606、从所述目标药物组中提取第一子药物组和第二子药物组，以及计算出所述第一子药物组的费用增长率和所述第二子药物组的费用增长率，所述第一子药物包括医保药物，所述第二子药物组包括非医保药物；
607、若所述第一子药物组的费用增长率高于所述第二子药物组的费用增长率，则确定出所述目标风险影响因素为医保药物增长率。
608、提取所述第二子药物组中的预设非医保药物；
609、将所述预设非医保药物加入到所述第一子药物组作为目标风险调控方法；
610、按照所述目标风险调控方法对所述目标风险项目进行调控。
本示例中，通过第一子药物组和第二子药物组来确定出目标风险调控方法，能够从具体的药物组出发来确定目标风险调控方法，因此，能够一定程度上提升目标风险调控方法获取的准确性，从而一定程度上提升医保系统处理风险时的准确性。
与上述实施例一致的，请参阅图7，图7为本申请实施例提供的一种终端的结构示意图，如图所示，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，上述程序包括用于执行以下步骤的指令；
获取目标地域的医保数据中的多个医保风险项目的风险数据；
按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
根据所述每个风险项目的风险贡献度，确定出目标风险项目；
对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本示例中，通过获取目标地域的医保数据中的多个医保风险项目的风险数据，按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度，根据所述每个风险项目的风险贡献度，确定出目标风险项目，对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素，因此，通过根据医保数据中多个风险项目的风险数据进行分析，确定出目标风险项目，并对所述风险项目进行分析，得到所述风险项目的风险影响因素，能够相对于采用人工的方式确定风险项目的影响因素，能够一定程度上提升风险影响因素获取时的准确性以及效率。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，终端为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对终端进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
与上述一致的，请参阅图8，图8为本申请实施例提供了一种医保风险项目分析装置的结构示意图，所述装置包括获取单元801、第一确定单元802、第二确定单元803和分析单元804，其中，
获取单元801，用于获取目标地域的医保数据中的多个医保风险项目的风险数据；
第一确定单元802，用于按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
第二确定单元803，用于根据所述每个风险项目的风险贡献度，确定出目标风险项目；
分析单元804，用于对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
本示例中，通过获取目标地域的医保数据中的多个医保风险项目的风险数据，按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度，根据所述每个风险项目的风险贡献度，确定出目标风险项目，对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素，因此，通过根据医保数据中多个风险项目的风险数据进行分析，确定出目标风险项目，并对所述风险项目进行分析，得到所述风险项目的风险影响因素，能够相对于采用人工的方式确定风险项目的影响因素，能够一定程度上提升风险影响因素获取时的准确性以及效率。
可选的，所述风险项目的人群分类包括多个风险人群，所述风险数据包括所述多个风险人群中的每个人的医保报销数据，在所述按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度方面，所述第一确定单元802具体用于：
提取所述风险人群中的每个人的医保报销数据的增长率；
根据所述风险人群中的每个人的医保报销数据的增长率，得到所述多个风险人群中每个风险人群的参考风险贡献度；
确定所述多个风险人群中每个人群的风险贡献度修正因子；
将所述多个风险人群中每个风险人群的参考风险贡献度乘以与所述多个风险人群中每个风险人群相对应的风险贡献度修正因子，得到所述多个医保风险项目中的每个风险项目的风险贡献度。
可选的，所述风险数据包括预设时间间隔内风险项目的基础医疗费用和截止医疗费用，在所述按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度方面，所述第一确定单元802还具体用于：
根据所述基础医疗费用和所述截止医疗费用，确定出所述每个风险项目的医疗费用增长率；
根据预设的医疗费用增长率与风险贡献度之间的映射关系，确定出所述每个风险项目的风险贡献度。
可选的，所述医保风险项目包括风险参量的信息，所述风险参量的信息包括手术费，在所述对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素方面，所述分析单元804具体用于：
获取所述手术费中的手术设备使用费的增长率、医疗器具费的增长率、手术药物费的增长率、手术人工费的增长率；
若所述手术药物费的增长率高于第一预设费用阈值，且手术设备使用费的增长率、医疗器具费的增长率、手术人工费的增长率低于第二预设费用阈值，则获取目标药物组，所述目标药物组中的药物为所述手术药物费中的药物费用增加量高于预设药物费用阈值的药物，所述第一预设费用阈值高于所述第二预设费用阈值；
从所述目标药物组中提取第一子药物组和第二子药物组，以及计算出所述第一子药物组的费用增长率和所述第二子药物组的费用增长率，所述第一子药物包括医保药物，所述第二子药物组包括非医保药物；
若所述第一子药物组的费用增长率高于所述第二子药物组的费用增长率，则确定出所述目标风险影响因素为医保药物增长率。
可选的，所述医保风险项目分析装置还具体用于：
根据所述第一子药物组和第二子药物组生成目标风险调控方法；
按照所述目标风险调控方法对所述目标风险项目进行调控。
可选的，在所述根据所述第一子药物组和第二子药物组生成目标风险调控方法方面，所述医保风险项目分析装置还具体用于：
提取所述第二子药物组中的预设非医保药物；
将所述预设非医保药物加入到所述第一子药物组作为目标风险调控方法。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种医保风险项目分析方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种医保风险项目分析方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在申请明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种医保风险项目分析方法，其特征在于，所述方法包括：
获取目标地域的医保数据中的多个医保风险项目的风险数据；
按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
根据所述每个风险项目的风险贡献度，确定出目标风险项目；
对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
2.根据权利要求1所述的方法，其特征在于，所述风险项目的人群分类包括多个风险人群，所述风险数据包括所述多个风险人群中的每个人的医保报销数据，所述按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度，包括：
提取所述风险人群中的每个人的医保报销数据的增长率；
根据所述风险人群中的每个人的医保报销数据的增长率，得到所述多个风险人群中每个风险人群的参考风险贡献度；
根据人群与风险贡献度修正因子之间的映射关系，确定出所述多个风险人群中每个人群的风险贡献度修正因子；
将所述多个风险人群中每个风险人群的参考风险贡献度乘以与所述多个风险人群中每个风险人群相对应的风险贡献度修正因子，得到所述多个医保风险项目中的每个风险项目的风险贡献度。
3.根据权利要求1所述的方法，其特征在于，所述风险数据包括预设时间间隔内风险项目的基础医疗费用和截止医疗费用，所述按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度，包括：
根据所述基础医疗费用和所述截止医疗费用，确定出所述每个风险项目的医疗费用增长率；
根据预设的医疗费用增长率与风险贡献度之间的映射关系，确定出所述每个风险项目的风险贡献度。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述医保风险项目包括风险参量的信息，所述风险参量的信息包括手术费，所述对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素，包括：
获取所述手术费中的手术设备使用费的增长率、医疗器具费的增长率、手术药物费的增长率、手术人工费的增长率；
若所述手术药物费的增长率高于第一预设费用阈值，且手术设备使用费的增长率、医疗器具费的增长率、手术人工费的增长率低于第二预设费用阈值，则获取目标药物组，所述目标药物组中的药物为所述手术药物费中的药物费用增加量高于预设药物费用阈值的药物，所述第一预设费用阈值高于所述第二预设费用阈值；
从所述目标药物组中提取第一子药物组和第二子药物组，以及计算出所述第一子药物组的费用增长率和所述第二子药物组的费用增长率，所述第一子药物包括医保药物，所述第二子药物组包括非医保药物；
若所述第一子药物组的费用增长率高于所述第二子药物组的费用增长率，则确定出所述目标风险影响因素为医保药物增长率。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据所述第一子药物组和第二子药物组生成目标风险调控方法；
按照所述目标风险调控方法对所述目标风险项目进行调控。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一子药物组和第二子药物组生成目标风险调控方法，包括：
提取所述第二子药物组中的预设非医保药物；
将所述预设非医保药物加入到所述第一子药物组作为目标风险调控方法。
7.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
根据所述目标风险项目的风险贡献度确定出所述目标风险项目的目标风险等级；
根据预设的风险等级与风险项目调控方法之间的映射关系，确定出所述目标风险数据对应的风险项目调控方法。
8.一种医保风险项目分析装置，其特征在于，所述装置包括：
获取单元，用于获取目标地域的医保数据中的多个医保风险项目的风险数据；
第一确定单元，用于按照预设的风险贡献度分析方法，对所述多个医保风险项目的风险数据进行分析，确定出所述多个医保风险项目中的每个风险项目的风险贡献度；
第二确定单元，用于根据所述每个风险项目的风险贡献度，确定出目标风险项目；
分析单元，用于对所述目标风险项目进行分析，得到所述目标风险项目的目标风险影响因素。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811250357.XA CN109492885B (zh) | 2018-10-25 | 2018-10-25 | 医保风险项目分析方法装置、终端及可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811250357.XA CN109492885B (zh) | 2018-10-25 | 2018-10-25 | 医保风险项目分析方法装置、终端及可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109492885A true CN109492885A (zh) | 2019-03-19 |
| CN109492885B CN109492885B (zh) | 2024-02-09 |
Family
ID=65691862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811250357.XA Active CN109492885B (zh) | 2018-10-25 | 2018-10-25 | 医保风险项目分析方法装置、终端及可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109492885B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245960A (zh) * | 2019-05-21 | 2019-09-17 | 何金星 | 一种基于计算机控制的医保防欺诈系统及方法 |
| CN113554519A (zh) * | 2021-08-25 | 2021-10-26 | 山大地纬软件股份有限公司 | 一种医保支出风险分析方法及系统 |
| CN113643140A (zh) * | 2021-08-27 | 2021-11-12 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04182868A (ja) * | 1990-11-19 | 1992-06-30 | Omron Corp | 保険料決定装置 |
| CN102693512A (zh) * | 2001-10-12 | 2012-09-26 | 瑞士再保险有限公司 | 用于再保险安排的系统和方法 |
| CN103093103A (zh) * | 2013-01-23 | 2013-05-08 | 西安阔途软件科技有限公司 | 一种多病种健康风险因素评估系统和方法 |
| CN103488911A (zh) * | 2013-10-17 | 2014-01-01 | 贵州电力试验研究院 | 光伏发电项目投资风险评估方法 |
| CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控系统及监控方法 |
| CN106549900A (zh) * | 2015-09-16 | 2017-03-29 | 深圳市银信网银科技有限公司 | 获取目标数据的处理方法、服务器及线上筹资方法 |
| CN106778038A (zh) * | 2017-01-18 | 2017-05-31 | 泰康保险集团股份有限公司 | 医疗机构选择方法及装置 |
| CN106971343A (zh) * | 2016-01-13 | 2017-07-21 | 平安科技（深圳）有限公司 | 保险数据的风险分析方法及系统 |
| CN107067129A (zh) * | 2016-12-12 | 2017-08-18 | 北京交通大学 | 基于网格的铁路工务设备风险事件可能性获取方法及系统 |
| CN107169860A (zh) * | 2016-12-30 | 2017-09-15 | 中国建设银行股份有限公司 | 一种风险预警方法及装置 |
| CN107273699A (zh) * | 2017-07-07 | 2017-10-20 | 成都脉安科健生物科技有限公司 | 营养指导方案获取方法、装置及电子设备 |
| CN107464185A (zh) * | 2017-07-21 | 2017-12-12 | 深圳前海风车科技服务有限公司 | 风险监控方法、装置、存储介质以及计算机设备 |
| CN107480865A (zh) * | 2017-07-21 | 2017-12-15 | 深圳前海风车科技服务有限公司 | 风险评估方法、装置、存储介质以及计算机设备 |
| CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
| CN107730124A (zh) * | 2017-10-20 | 2018-02-23 | 安厦系统科技成都有限责任公司 | 一种用于企业或项目进行安全风险评估的方法 |
| CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
| CN107784420A (zh) * | 2017-02-16 | 2018-03-09 | 平安科技（深圳）有限公司 | 一种保险业务的处理任务分配方法和装置 |
| CN107818513A (zh) * | 2017-11-24 | 2018-03-20 | 泰康保险集团股份有限公司 | 风险评估方法及装置、存储介质、电子设备 |
| JP2018077896A (ja) * | 2018-01-10 | 2018-05-17 | オムロンヘルスケア株式会社 | リスク分析システム及びリスク分析方法 |
| CN108257022A (zh) * | 2017-04-07 | 2018-07-06 | 平安科技（深圳）有限公司 | 业务数据处理方法及装置 |
| CN108596773A (zh) * | 2018-04-27 | 2018-09-28 | 中国太平洋保险（集团）股份有限公司 | 一种建立用户家庭保险保障组合体系的控制方法 |
-
2018
- 2018-10-25 CN CN201811250357.XA patent/CN109492885B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04182868A (ja) * | 1990-11-19 | 1992-06-30 | Omron Corp | 保険料決定装置 |
| CN102693512A (zh) * | 2001-10-12 | 2012-09-26 | 瑞士再保险有限公司 | 用于再保险安排的系统和方法 |
| CN103093103A (zh) * | 2013-01-23 | 2013-05-08 | 西安阔途软件科技有限公司 | 一种多病种健康风险因素评估系统和方法 |
| CN103488911A (zh) * | 2013-10-17 | 2014-01-01 | 贵州电力试验研究院 | 光伏发电项目投资风险评估方法 |
| CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控系统及监控方法 |
| CN106549900A (zh) * | 2015-09-16 | 2017-03-29 | 深圳市银信网银科技有限公司 | 获取目标数据的处理方法、服务器及线上筹资方法 |
| CN106971343A (zh) * | 2016-01-13 | 2017-07-21 | 平安科技（深圳）有限公司 | 保险数据的风险分析方法及系统 |
| CN107067129A (zh) * | 2016-12-12 | 2017-08-18 | 北京交通大学 | 基于网格的铁路工务设备风险事件可能性获取方法及系统 |
| CN107169860A (zh) * | 2016-12-30 | 2017-09-15 | 中国建设银行股份有限公司 | 一种风险预警方法及装置 |
| CN106778038A (zh) * | 2017-01-18 | 2017-05-31 | 泰康保险集团股份有限公司 | 医疗机构选择方法及装置 |
| CN107784420A (zh) * | 2017-02-16 | 2018-03-09 | 平安科技（深圳）有限公司 | 一种保险业务的处理任务分配方法和装置 |
| CN108257022A (zh) * | 2017-04-07 | 2018-07-06 | 平安科技（深圳）有限公司 | 业务数据处理方法及装置 |
| CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
| CN107273699A (zh) * | 2017-07-07 | 2017-10-20 | 成都脉安科健生物科技有限公司 | 营养指导方案获取方法、装置及电子设备 |
| CN107480865A (zh) * | 2017-07-21 | 2017-12-15 | 深圳前海风车科技服务有限公司 | 风险评估方法、装置、存储介质以及计算机设备 |
| CN107464185A (zh) * | 2017-07-21 | 2017-12-12 | 深圳前海风车科技服务有限公司 | 风险监控方法、装置、存储介质以及计算机设备 |
| CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
| CN107730124A (zh) * | 2017-10-20 | 2018-02-23 | 安厦系统科技成都有限责任公司 | 一种用于企业或项目进行安全风险评估的方法 |
| CN107818513A (zh) * | 2017-11-24 | 2018-03-20 | 泰康保险集团股份有限公司 | 风险评估方法及装置、存储介质、电子设备 |
| JP2018077896A (ja) * | 2018-01-10 | 2018-05-17 | オムロンヘルスケア株式会社 | リスク分析システム及びリスク分析方法 |
| CN108596773A (zh) * | 2018-04-27 | 2018-09-28 | 中国太平洋保险（集团）股份有限公司 | 一种建立用户家庭保险保障组合体系的控制方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245960A (zh) * | 2019-05-21 | 2019-09-17 | 何金星 | 一种基于计算机控制的医保防欺诈系统及方法 |
| CN113554519A (zh) * | 2021-08-25 | 2021-10-26 | 山大地纬软件股份有限公司 | 一种医保支出风险分析方法及系统 |
| CN113643140A (zh) * | 2021-08-27 | 2021-11-12 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
| CN113643140B (zh) * | 2021-08-27 | 2023-05-30 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109492885B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109492885A (zh) | 医保风险项目分析方法装置、终端及可读介质 | |
| CN107066814A (zh) | 一种基于望闻问切协同的中医智能辅助诊断系统 | |
| CN109524083A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
| CN103919537A (zh) | 情绪记录分析引导系统及其实现方法 | |
| CN109830302A (zh) | 用药模式挖掘方法、装置和电子设备 | |
| CN111785366B (zh) | 患者治疗方案的确定方法、装置及计算机设备 | |
| CN110021430A (zh) | 一种病灶的属性信息预测方法及装置 | |
| CN107591204B (zh) | 基于时序画像图的再住院预测方法和系统 | |
| CN109492803A (zh) | 基于人工智能的慢性病住院费用异常检测方法及相关装置 | |
| CN109559827A (zh) | 一种医疗健康大数据资源配置方法及系统 | |
| CN109711606A (zh) | 一种基于模型的数据预测方法及装置 | |
| CN110458594A (zh) | 一种基于用户权重的网络调查问卷生成方法和装置 | |
| CN109767830A (zh) | 基于数据分析的医院评价方法及相关产品 | |
| CN112634889A (zh) | 基于人工智能的电子病例录入方法、装置、终端及介质 | |
| WO2020081795A8 (en) | Data based cancer research and treatment systems and methods | |
| CN109460942A (zh) | 基于数据分析评价医院的方法及相关产品 | |
| CN108630320A (zh) | 一种基于医保大数据测算疾病患病率的方法 | |
| CN109345184A (zh) | 基于微表情的节点信息处理方法、装置、计算机设备及存储介质 | |
| CN112233747A (zh) | 一种基于个人数字孪生网络数据分析方法及系统 | |
| CN113693610B (zh) | 少导联心电数据处理方法、装置、存储介质及计算机设备 | |
| CN113723519B (zh) | 基于对比学习的心电数据处理方法、装置及存储介质 | |
| CN109378074A (zh) | 基于人工智能的慢性病管理方法及相关装置 | |
| CN107343043A (zh) | 一种医疗服务信息精准发布的方法和发布服务器 | |
| CN109544372A (zh) | 基于人工智能的门诊慢性病资质监控方法及相关装置 | |
| Bagga et al. | Designing Intelligent Healthcare Systems, Products, and Services Using Disruptive Technologies and Health Informatics |
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 |