CN109509550A - 基于数据分析的就诊信息处理方法、装置、设备及介质 - Google Patents
基于数据分析的就诊信息处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN109509550A CN109509550A CN201811266216.7A CN201811266216A CN109509550A CN 109509550 A CN109509550 A CN 109509550A CN 201811266216 A CN201811266216 A CN 201811266216A CN 109509550 A CN109509550 A CN 109509550A
- Authority
- CN
- China
- Prior art keywords
- medical
- information
- organ transplantation
- transplantation patients
- characteristic
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种基于数据分析的就诊信息处理方法、装置、设备及介质,其中方法包括:获取多个器官移植患者中每个器官移植患者的就诊信息,对所述就诊信息进行解析得到就诊特征数据,根据所述就诊特征数据判断是否存在异常就诊行为;当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,可自动识别出器官移植患者异常就诊行为。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种基于数据分析的就诊信息处理方法、装置、设备及介质。
背景技术
由于每个人的器官具有特殊性及受限于当前的医疗质量,器官移植患者需要长期服药抗排异药物来避免排异反应,抗排异类药物价格昂贵,器官移植患者每年需要花费数万元购买此类药物,国家为了减轻慢病患者的经济压力,为器官移植患者提供了特殊报销政策,例如,器官移植患者享有定点零售药店门诊购药实报实销的特殊政策,为器官移植患者的医疗报销带来很大便利。但是,部分器官移植患者利用自身特殊身份,套刷或空刷医保基金以获取不正当利益,不仅给国家带来经济损失,还使得公众利益受到严重损害,因此,如何识别出器官移植患者异常就诊行为是当前亟待解决的问题。
发明内容
本发明实施例提供一种基于数据分析的就诊信息处理方法、装置、设备及介质,可自动识别出器官移植患者异常就诊行为。
第一方面,本发明实施例提供了一种基于数据分析的就诊信息处理方法,该方法包括:
获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
根据所述就诊特征数据判断是否存在异常就诊行为;
当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
第二方面,本发明实施例提供了一种就诊信息处理装置,该装置包括:
获取模块,用于获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用。
解析模块,用于对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息。
判断模块,用于根据所述就诊特征数据判断是否存在异常就诊行为。
标注模块,用于当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
第三方面,本发明实施例提供了另一种医疗管理设备,该设备包括:处理器,适于实现一条或一条以上指令;以及,计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如下步骤:
获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
根据所述就诊特征数据判断是否存在异常就诊行为;
当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
第四方面,本发明实施例提供了一种计算机可读存储介质,包括:所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如下步骤:
获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
根据所述就诊特征数据判断是否存在异常就诊行为;
当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
本发明实施例中,通过器官移植患者的就诊信息进行解析得到就诊特征数据;根据就诊特征数据判断是否存在异常就诊行为,可基于大量就诊信息对应的就诊特征数据自动地识别出器官移植患者异常就诊行为,并可提高异常就诊行为识别的准确度,可以避免通过异常就诊方式来骗取医保基金,降低国家经济损失,确保公众的医疗利益;并通过在确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明实施例提供的一种基于数据分析的就诊信息处理方法的流程示意图;
图2是本发明另一实施例提供的一种基于数据分析的就诊信息处理方法的流程示意图;
图3是本发明实施例提供的一种就诊信息处理装置的结构示意图;
图4是本发明另一实施例提供的一种医疗管理设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实例可以由医疗管理设备来执行,该医疗管理设备可以是指智能终端、服务器、电脑或医疗服务终端等设备。本发明实例可以应用于骗保风控应用场景,例如,器官移植患者可以向医疗管理设备上传就诊信息,对就诊信息进行解析得到就诊特征数据,就诊特征数据用于指示器官移植患者就诊的规律,就诊特征数据包括医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息等,根据就诊特征数据判断器官移植患者是否存在异常就诊行为,当器官移植患者存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,通过器官移植患者的就诊特征数据自动地识别出存在异常就诊的器官移植患者,可以避免欺骗医保基金的行为,减轻国家经济负担,确保公众的利益;并通过存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
请参见图1,是本发明实施例提供的一种基于数据分析的就诊信息处理方法的流程示意图,本发明实施例的所述方法可以由上述提及的医疗管理设备来执行。本实施例中,该基于数据分析的就诊信息处理方法包括以下步骤。
S101、获取多个器官移植患者中每个器官移植患者的就诊信息,就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用。
本发明实施例中,由于同一个区域内的器官移植患者或就诊于同一个医院的器官移植患者存在异常就诊行为具有相同或相似的特征,因此医疗管理设备可以获取多个属于同一个区域或就诊于同一个医院的多个器官移植患者的就行信息,该就诊信息可以是指从医疗管理设备的本地数据库中获取的,也可以是从其他医院的信息管理系统中获取的。
在一个实施例中,当某个医院的器官移植患者的数量较多时,这些医院的器官移植患者存在异常就诊的概率较大,因此,医院管理设备可以获取此类医院的器官移植患者的就诊信息。具体的,获取多个医院的器官移植患者的数量,当目标医院的器官移植患者的数量大于预设数量值时,从该目标医院的信息管理系统中获取多个器官移植患者的就诊信息。
在另一个实施例中,当某个医院的就诊质量等级不高时,这些医院对患者就诊监管力度不够,这些医院的器官移植患者存在异常就诊的概率较大,因此,医院管理设备可以获取此类医院的器官移植患者的就诊信息。具体的,获取多个医院的就诊质量等级,当目标医院的就诊质量等级低于预设等级时,从该目标医院的信息管理系统中获取多个器官移植患者的就诊信息。
在一个实施例中,医疗管理设备中不仅包括器官移植患者的就诊信息,还包括非器官移植患者的就诊信息,因此在步骤S101之前还包括,判断患者是否是器官移植患者。具体的,可以根据患者的身体参数和\或病症标识判断患者是否是器官移植患者,通过根据患者的身体参数判断患者是否器官移植患者包括:获取关于器官移植患者的身体参数,当目标患者的就诊信息中的身体参数与获到的身体参数匹配时,确定目标患者为器官移植患者。通过根据患者的病症标识判断患者是否器官移植患者包括:获取关于器官移植患者的病症标识,当目标患者的就诊信息中的病症标识与获到的病症标识匹配时,确定目标患者为器官移植患者,目标患者为多个患者中的任一患者。
在一个实施例中,医疗管理设备可以目标患者的身份标识信息判断患者是否是器官移植患者,将目标患者的身份标识信息与数据库中的患者的身份标识信息进行比对,数据库中存储了多个器官移植患者的身份标识信息,当比对结果反映数据库中存在与目标患者的身份标识信息匹配的身份标识信息,则确定该目标患者为器官移植患者,身份标识信息可以包括患者的名字、身份证号、人脸图像或指纹信息等等。
在一个实施例中,医疗管理设备可以提供一个人机交互界面,用户通过该界面手动输入患者的就诊信息,或者医疗管理设备针对就诊凭证进行拍照的方式输入就诊信息,因此,就诊信息可以是以图像、表格或纯文本等格式存储于医疗管理设备中。
在一个实施例中,就诊信息可以是以图像的格式存储于医疗管理设备中,医疗管理设备可以通过图像获取就诊信息,具体的,医疗管理设备可以采用文字识别方法从就诊信息对应的图像中获取初始就诊信息,为了提高识别准确度,可以对初始就诊信息进行校正处理,得到器官移植患者的就诊信息。此处文字识别方法可以是指光学字符识别方法(Optical Character Recognition,OCR)等。此处对初始就诊信息进行校正是指对文字识别中的错误字符进行修正、过滤掉冗余的字符、或对字符的格式进行归一化处理等等。
在另一个实施例中,当就诊信息是以表格的格式存储于医疗管理设备中时,就诊信息如表1所示,该表中包括患者的身份信息、病症标识及身体参数等等,医疗管理设备可以以字段检索的方式从就诊信息中获取器官移植患者的就诊信息。其中,该患者的标识可以是指身份标识,如身份证或名字,该目标患者的标识也可以是指本次住院的编号等,病症标识可以是指病症的名称或病症的编号等,病症的编号可以唯一指示一种病症,身体参数可以是指血糖、血压、心电、脑电或体温等等。
表1
患者的身份信息 | 身体参数 | …… | 病症标识 |
在又一个实施例中,当就诊信息是以文本的格式存储于医疗管理设备中时,医疗管理设备可以以字段检索的方式从就诊信息中器官移植患者的就诊信息。
S102、对就诊信息进行解析得到就诊特征数据,就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息。
医疗管理设备可以将就诊信息输入到基础统计模型中进行训练得到就诊特征数据,该基础统计模型为用于统计就诊特征数据的模型,该基础统计模型时通过对大量器官移植患者的就诊信息进行训练并调整得到的。
在一个实施例中,医疗管理设备中包括器官移植患者的就诊信息及就诊特征数据之间的对应关系,医院管理设备可以根据该对应关系获取该就诊信息对应就诊特征数据。
S103、根据就诊特征数据判断是否存在异常就诊行为。
医院管理设备可以根据就诊特征数据判断是否存在采用编号的连续医保卡套刷器官移植抗排异类药品、或采用异地就诊的方式骗取医保等异常就诊行为,当确定存在异常就诊行为时,执行步骤S104对存在异常就诊行为的器官移植患者的就诊信息进行标注;当确定不存在异常就诊行为时,获取器官移植患者的用及报销策略,采用报销策略对该器官移植患者的就诊费用进行报销。
S104、当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
本发明实施例中,当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,标注就是指对就诊信息设置标签,标签可以包括指示该就诊信息对应的器官移植患者存在异常就诊行为的标识,还可以包括存在异常就诊行为的次数或异常就诊行为涉及的金额等等。根据该标注可以快速地获知哪些器官移植患者存在异常就诊行为。
在一个实施例中,医疗管理设备可以以语音播报、输出提示框的方式存在异常就诊行为的器官移植患者的就诊信息及就诊信息的标注。
在一个实施例中,为了严厉打击通过异常就诊的方式来骗取医保的行为,医疗管理设备可以根据就诊信息的标注选择报销策略,采用报销策略对器官移植患者的就诊费用进行报销,例如,具体,当就诊信息的标注指示器官移植患者存在异常就诊行为的次数大于预设次数时,选择第一报销策略,采用第一报销策略对该器官移植患者的就诊费用进行报销;当就诊信息的标注指示器官移植患者存在异常就诊行为的次数小于或等于预设次数时,选择第二报销策略,采用第二报销策略对器官移植患者的住院费用进行报销。其中,第一报销策略可以为拒绝报销的报销策略,也可以是降低正常报销比例的报销策略,第二报销策略可以是指报销比例比第一报销策略的报销比例高的报销策略,例如,第二报销策略的报销比例为50%,第一报销策略的报销比例为20%。
在一个实施例中,当目标器官移植患者存在异常就诊行为时,获取目标器官移植患者存在异常就诊行为的次数,当获取的次数大于某个值(如5次)时,获取接待该目标器官移植患者的身份信息,将该目标器官移植患者的身份信息记录到黑名单中,并将该黑名单发送至多个医院,以便多个医院对黑名单中的器官移植患者的就诊行为重点进行管控,降低异常就诊行为出现的概率,该黑名单中记录了多个存在异常就诊行为的器官移植患者的身份信息。
本发明实施例中,通过器官移植患者的就诊信息进行解析得到就诊特征数据;根据就诊特征数据判断是否存在异常就诊行为,可基于大量就诊信息对应的就诊特征数据自动地识别出器官移植患者异常就诊行为,并可提高异常就诊行为识别的准确度,可以避免通过异常就诊方式来骗取医保基金,降低国家经济损失,确保公众的医疗利益;并通过当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
请参见图2,是本发明实施例提供的另一种基于数据分析的就诊信息处理方法的流程示意图,本发明实施例的所述方法可以由上述提及的医疗管理设备来执行。本实施例中,该基于数据分析的就诊信息处理方法包括以下步骤。
S201、获取多个器官移植患者中每个器官移植患者的就诊信息,就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用。
S202、对就诊信息进行解析得到就诊特征数据,就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息。
在一个实施例中,就诊信息包括医保卡编号,就诊特征数据包括医保卡编号的分布特征信息;步骤S202包括:对多个器官移植患者的医保卡编号进行线性拟合,得到关于医保卡编号的拟合线段;对拟合线段进行分析得到多个器官移植患者的医保卡编号的分布特征信息。
统计发现,存在套用他人的医保卡来购买器官移植抗排异类药品的现象,因此,医疗管理设备可以对器官移植患者的医保卡编号进行分析,具体的,对多个器官移植患者的医保卡编号进行线性拟合,得到关于医保卡编号的拟合线段,对拟合线段进行分析得到多个器官移植患者的医保卡编号的分布特征信息,医保卡编号的分布特征信息包括离散分布特征及连续分布特征,当医保卡编号位于拟合线段上时,表明该医保卡编号与拟合线段上的其他医保卡编号存在线性关系,即该医保卡编号具有连续分布特征;当医保卡编号未在拟合线段上,表明该医保卡编号与拟合线段上的其他医保卡编号不存在线性关系,即该医保卡编号具有离散分布特征,
在另一个实施例中,就诊信息包括身份证编号及就诊医院的地址信息,就诊特征数据包括就诊医院的地址分布特性信息及器官移植患者的户籍地址的分布特性信息;步骤S202包括:对多个器官移植患者的就诊的医院地址信息进行聚类分析,得就诊医院的地址分布特性信息;根据多个器官移植患者中每个器官移植患者的身份证编号确定每个器官移植患者的户籍地址信息;对多个器官移植患者的户籍地址信息进行聚类分析,得到多个器官移植患者的户籍地址的分布特性信息。
统计发现,存在通过异地就诊的方式来骗取医疗保险的现象,因此,医疗管理设备可以对多个器官移植患者的就诊的医院地址信息进行聚类分析,得就诊医院的地址分布特性信息,并根据身份证编号与户籍地址的映射关系,确定每个器官移植患者的户籍地址信息,对多个器官移植患者的户籍地址信息进行聚类分析,得到多个器官移植患者的户籍地址的分布特性信息,以便医疗管理设备可以根据就诊医院的地址分布特征信息及器官移植患者的户籍地址分布特征信息确定出异地就诊的器官移植患者及本地就诊的器官移植患者。
S203、根据就诊特征数据判断是否存在异常就诊行为。
在一个实施例中,就诊特征数据包括医保卡编号的分布特征信息,步骤S203包括:根据医保卡编号的分布特征信息获取医保卡编号属于连续分布特征的医保卡的第一数量,及医保卡编号属于离散分布特征的医保卡的第二数量;当所述第一数量与所述第二数量之间的比值大于第一阈值时,确定存在异常就诊行为。
医疗管理设备可以根据医保卡编号的分布特征信息判断器官移植患者是否存在异常就诊行为,具体的,根据医保卡编号的分布特征信息获取医保卡编号属于连续分布特征的医保卡的第一数量,及医保卡编号属于离散分布特征的医保卡的第二数量;当所述第一数量与所述第二数量之间的比值大于第一阈值时,表明存在器官移植患者存在套用他人医保卡购买器官移植抗排异类药品的行为,确定存在异常就诊行为。其中,第一阈值可以是根据正常情况(不存在异常就诊行为时)属于连续分布特征的医保卡的数量与属于离散分布特征的医保卡的数量的比值设置的,也可以是用户手动设置的。
在另一个实施例中,就诊特征数据包括就诊医院的地址分布特征信息及器官移植患者的户籍地址的分布特征信息,步骤S203包括:根据就诊医院的地址分布特征信息及器官移植患者户籍地址的分布特征信息确定异地就诊的器官移植患者的数量;获取多个器官移植患者中器官移植患者的总数量;当异地就诊的器官移植患者的数量与所述总数量的比值大于第二阈值时,确定存在异常就诊行为。
医疗管理设备可以根据户籍地址的分布特征信息及就诊医院的分布特征信息确定异地就诊的器官移植患者,并统计异地就诊的器官移植患者的数量及多个器官移植患者中的器官移植患者的总数量,当异地就诊的器官移植患者的数量与所述总数量的比值大于第二阈值时,表明存在器官移植患者通过异地就诊的方式骗取医保基金的行为,确定存在异常就诊行为,异地就诊是指户籍地址与就诊医院地址不属于同一个省,或不属于同一个市。
在又一个实施例中,就诊特征数据还包括就诊费用的分布特性信息;步骤S203包括:根据就诊医院地址的分布特征信息及所述户籍地址的分布特征信息确定异地就诊的器官移植患者;根据就诊费用的分布特性信息确定异地就诊的器官移植患者的就诊费用,及所述多个器官移植患者就诊的总费用;当异地就诊的器官移植患者的就诊费用与所述总费用之间的比值大于预设费用值时,确定存在异常就诊行为。
医疗管理设备可以根据就诊费用的分布特性信息、就诊医院地址的分布特征信息及所述户籍地址的分布特征信息判断是否存在异常就诊行为,具体的,根据就诊医院地址的分布特征信息及所述户籍地址的分布特征信息确定异地就诊的器官移植患者,根据就诊费用的分布特性信息确定异地就诊的器官移植患者的就诊费用,及多个器官移植患者就诊的总费用;当异地就诊的器官移植患者的就诊费用与所述总费用之间的比值大于预设费用值时,表明异地就诊的器官移植的费用偏高,表明存在器官移植患者通过异地就诊的方式骗取医保基金的行为,确定存在异常就诊行为。
在又一个实施例中,所述就诊特征数据包括就诊时间的分布特性信息;步骤S203包括:根据就诊时间的分布特性信息确定在预设时间段内就诊的器官移植患者的数量;当预设时间段内就诊的器官移植患者的数量大于第三阈值时,确定存在异常就诊行为。
医疗管理设备可以根据就诊时间的分布特性信息判断是否存在异常就诊的行为,具体的,根据就诊时间的分布特性信息确定在预设时间段内就诊的器官移植患者的数量,当预设时间段内就诊的器官移植患者的数量大于第三阈值时,表明在预设时间段内器官移植患者异常增多,进一步,表明存在器官移植患者套用医保卡的行为,确定存在异常就诊行为。
S204、当确定目标器官移植患者存在异常就诊行为时,获取该目标器官移植患者的异常就诊的次数。
当确定目标器官移植患者存在异常就诊行为时,医疗管理设备可以获取该目标器官移植患者在某个时间段内(如一年之内)的异常就诊的次数。
S205、根据异常就诊行为的次数对目标器官移植患者的就诊信息进行标注。
医疗管理设备可以根据目标器官移植患者异常就诊的次数对目标器官移植患者的就诊信息进行标注,即标注该目标器官移植患者异常就诊的次数,以便可以根据该标注选择报销策略,根据选择的报销策略对目标器官移植患者的就诊费用进行报销。
本发明实施例中,通过器官移植患者的就诊信息进行解析得到就诊特征数据;根据就诊特征数据判断是否存在异常就诊行为,可基于大量就诊信息对应的就诊特征数据自动地识别出器官移植患者异常就诊行为,并可提高异常就诊行为识别的准确度,可以避免通过异常就诊方式来骗取医保基金,降低国家经济损失,确保公众的医疗利益;并通过当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
请参见图3,是本发明实施例提供的一种就诊信息处理装置的结构示意图,本发明实施例的所述装置可以在上述提及的医疗管理设备中。本实施例中,该就诊信息处理装置包括:
获取模块301,用于获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用。
解析模块302,用于对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
判断模块303,用于根据所述就诊特征数据判断是否存在异常就诊行为;
标注模块304,用于当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
可选的,所述就诊信息包括医保卡编号,所述就诊特征数据包括医保卡编号的分布特征信息;解析模块302,具体用于对所述多个器官移植患者的医保卡编号进行线性拟合,得到关于医保卡编号的拟合线段;对所述拟合线段进行分析得到所述多个器官移植患者的医保卡编号的分布特征信息。
可选的,所述就诊特征数据包括所述医保卡编号的分布特征信息,判断模块303,具体用于根据所述医保卡编号的分布特征信息获取医保卡编号属于连续分布特征的医保卡的第一数量,及医保卡编号属于离散分布特征的医保卡的第二数量;当所述第一数量与所述第二数量之间的比值大于第一阈值时,确定存在异常就诊行为。
可选的,所述就诊信息包括身份证编号及就诊医院的地址信息,所述就诊特征数据包括就诊医院的地址分布特性信息及器官移植患者的户籍地址的分布特性信息;解析模块302,具体用于对所述多个器官移植患者的就诊的医院地址信息进行聚类分析,得就诊医院的地址分布特性信息;根据所述多个器官移植患者中每个器官移植患者的身份证编号确定每个器官移植患者的户籍地址信息;对所述多个器官移植患者的户籍地址信息进行聚类分析,得到所述多个器官移植患者的户籍地址的分布特性信息。
可选的,所述就诊特征数据包括所述就诊医院的地址分布特征信息及器官移植患者的户籍地址的分布特征信息,判断模块303,具体用于根据所述就诊医院的地址分布特征信息及所述器官移植患者户籍地址的分布特征信息确定异地就诊的器官移植患者的数量;获取所述多个器官移植患者中器官移植患者的总数量;当所述异地就诊的器官移植患者的数量与所述总数量的比值大于第二阈值时,确定存在异常就诊行为。
可选的,所述就诊特征数据还包括就诊费用的分布特性信息;判断模块303,具体用于根据所述就诊医院地址的分布特征信息及所述户籍地址的分布特征信息确定异地就诊的器官移植患者;根据所述就诊费用的分布特性信息确定异地就诊的器官移植患者的就诊费用,及所述多个器官移植患者就诊的总费用;当所述异地就诊的器官移植患者的就诊费用与所述总费用之间的比值大于预设费用值时,确定存在异常就诊行为。
可选的,所述就诊特征数据包括就诊时间的分布特性信息;判断模块303,具体用于根据所述就诊时间的分布特性信息确定在预设时间段内就诊的器官移植患者的数量;当所述预设时间段内就诊的器官移植患者的数量大于第三阈值时,确定存在异常就诊行为。
本发明实施例中,通过器官移植患者的就诊信息进行解析得到就诊特征数据;根据就诊特征数据判断是否存在异常就诊行为,可基于大量就诊信息对应的就诊特征数据自动地识别出器官移植患者异常就诊行为,并可提高异常就诊行为识别的准确度,可以避免通过异常就诊方式来骗取医保基金,降低国家经济损失,确保公众的医疗利益;并通过当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
请参见图4,是本发明实施例提供的一种医疗管理设备的结构示意图,如图所示的本实施例中的医疗管理设备可以包括:一个或多个处理器401;一个或多个输入装置402,一个或多个输出装置403和存储器404。上述处理器401、输入装置402、输出装置403和存储器404通过总线405连接。
所处理器401可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入装置402可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出装置403可以包括显示器(LCD等)、扬声器等,输出装置403可以输出异常就诊次数。
该存储器404可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器,存储器404用于存储计算机程序,所述计算机程序包括程序指令,处理器401用于执行存储器404存储的程序指令,以用于执行一种基于数据分析的就诊信息处理方法,即用于执行以下操作:
获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
根据所述就诊特征数据判断是否存在异常就诊行为;
当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
可选的,所述就诊信息包括医保卡编号,所述就诊特征数据包括医保卡编号的分布特征信息;处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
对所述多个器官移植患者的医保卡编号进行线性拟合,得到关于医保卡编号的拟合线段;
对所述拟合线段进行分析得到所述多个器官移植患者的医保卡编号的分布特征信息。
可选的,所述就诊特征数据包括所述医保卡编号的分布特征信息,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
根据所述医保卡编号的分布特征信息获取医保卡编号属于连续分布特征的医保卡的第一数量,及医保卡编号属于离散分布特征的医保卡的第二数量;
当所述第一数量与所述第二数量之间的比值大于第一阈值时,确定存在异常就诊行为。
可选的,所述就诊信息包括身份证编号及就诊医院的地址信息,所述就诊特征数据包括就诊医院的地址分布特性信息及器官移植患者的户籍地址的分布特性信息;处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
对所述多个器官移植患者的就诊的医院地址信息进行聚类分析,得就诊医院的地址分布特性信息;
根据所述多个器官移植患者中每个器官移植患者的身份证编号确定每个器官移植患者的户籍地址信息;
对所述多个器官移植患者的户籍地址信息进行聚类分析,得到所述多个器官移植患者的户籍地址的分布特性信息。
可选的,所述就诊特征数据包括所述就诊医院的地址分布特征信息及器官移植患者的户籍地址的分布特征信息,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
根据所述就诊医院的地址分布特征信息及所述器官移植患者户籍地址的分布特征信息确定异地就诊的器官移植患者的数量;
获取所述多个器官移植患者中器官移植患者的总数量;
当所述异地就诊的器官移植患者的数量与所述总数量的比值大于第二阈值时,确定存在异常就诊行为。
可选的,所述就诊特征数据还包括就诊费用的分布特性信息;处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
根据所述就诊医院地址的分布特征信息及所述户籍地址的分布特征信息确定异地就诊的器官移植患者;
根据所述就诊费用的分布特性信息确定异地就诊的器官移植患者的就诊费用,及所述多个器官移植患者就诊的总费用;
当所述异地就诊的器官移植患者的就诊费用与所述总费用之间的比值大于预设费用值时,确定存在异常就诊行为。
可选的,所述就诊特征数据包括就诊时间的分布特性信息;处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
根据所述就诊时间的分布特性信息确定在预设时间段内就诊的器官移植患者的数量;
当所述预设时间段内就诊的器官移植患者的数量大于第三阈值时,确定存在异常就诊行为。
本发明实施例中,通过器官移植患者的就诊信息进行解析得到就诊特征数据;根据就诊特征数据判断是否存在异常就诊行为,可基于大量就诊信息对应的就诊特征数据自动地识别出器官移植患者异常就诊行为,并可提高异常就诊行为识别的准确度,可以避免通过异常就诊方式来骗取医保基金,降低国家经济损失,确保公众的医疗利益;并通过当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注,以便可以便捷地获知哪些器官移植患者存在异常就诊行为。
本发明实施例中所描述的处理器401、输入装置402、输出装置403可执行本发明实施例提供的信息提示方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的医疗管理设备的实现方式,在此不再赘述。
本发明实施例中还提供一种计算机可读存储介质,所述计算机可读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,所述程序指令被处理器执行时实现如图1及图2实施例中所示的基于数据分析的就诊信息处理方法。
所述计算机可读存储介质可以是前述任一实施例所述的医疗管理设备的内部存储单元,例如控制设备的硬盘或内存。所述计算机可读存储介质也可以是所述控制设备的外部存储设备,例如所述控制设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述控制设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述控制设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,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来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发明的范围。所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的控制设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的控制设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例是示意性的,例如,所述单元的划分,可以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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于数据分析的就诊信息处理方法,其特征在于,包括:
获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
根据所述就诊特征数据判断是否存在异常就诊行为;
当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
2.根据权利要求1所述的方法,其特征在于,所述就诊信息包括医保卡编号,所述就诊特征数据包括医保卡编号的分布特征信息;
所述对所述就诊信息进行解析得到就诊特征数据,包括:
对所述多个器官移植患者的医保卡编号进行线性拟合,得到关于医保卡编号的拟合线段;
对所述拟合线段进行分析得到所述多个器官移植患者的医保卡编号的分布特征信息。
3.根据权利要求2所述的方法,其特征在于,所述就诊特征数据包括所述医保卡编号的分布特征信息,所述根据所述就诊特征数据判断是否存在异常就诊行为,包括:
根据所述医保卡编号的分布特征信息获取医保卡编号属于连续分布特征的医保卡的第一数量,及医保卡编号属于离散分布特征的医保卡的第二数量;
当所述第一数量与所述第二数量之间的比值大于第一阈值时,确定存在异常就诊行为。
4.根据权利要求1所述的方法,其特征在于,所述就诊信息包括身份证编号及就诊医院的地址信息,所述就诊特征数据包括就诊医院的地址分布特性信息及器官移植患者的户籍地址的分布特性信息;
所述对所述就诊信息进行解析得到就诊特征数据,包括:
对所述多个器官移植患者的就诊的医院地址信息进行聚类分析,得就诊医院的地址分布特性信息;
根据所述多个器官移植患者中每个器官移植患者的身份证编号确定每个器官移植患者的户籍地址信息;
对所述多个器官移植患者的户籍地址信息进行聚类分析,得到所述多个器官移植患者的户籍地址的分布特性信息。
5.根据权利要求4所述的方法,其特征在于,所述就诊特征数据包括所述就诊医院的地址分布特征信息及器官移植患者的户籍地址的分布特征信息,所述根据所述就诊特征数据判断是否存在异常就诊行为,包括:
根据所述就诊医院的地址分布特征信息及所述器官移植患者户籍地址的分布特征信息确定异地就诊的器官移植患者的数量;
获取所述多个器官移植患者中器官移植患者的总数量;
当所述异地就诊的器官移植患者的数量与所述总数量的比值大于第二阈值时,确定存在异常就诊行为。
6.根据权利要求4所述的方法,其特征在于,所述就诊特征数据还包括就诊费用的分布特性信息;
所述根据所述就诊特征数据判断是否存在异常就诊行为,包括:
根据所述就诊医院地址的分布特征信息及所述户籍地址的分布特征信息确定异地就诊的器官移植患者;
根据所述就诊费用的分布特性信息确定异地就诊的器官移植患者的就诊费用,及所述多个器官移植患者就诊的总费用;
当所述异地就诊的器官移植患者的就诊费用与所述总费用之间的比值大于预设费用值时,确定存在异常就诊行为。
7.根据权利要求1所述的方法,其特征在于,所述就诊特征数据包括就诊时间的分布特性信息;
所述根据所述就诊特征数据判断是否存在异常就诊行为,包括:
根据所述就诊时间的分布特性信息确定在预设时间段内就诊的器官移植患者的数量;
当所述预设时间段内就诊的器官移植患者的数量大于第三阈值时,确定存在异常就诊行为。
8.一种就诊信息处理装置,其特征在于,包括:
获取模块,用于获取多个器官移植患者中每个器官移植患者的就诊信息,所述就诊信息包括以下任一项或多项:就诊时间、医保卡编号、身份证编号、就诊医院的地址信息以及就诊费用;
解析模块,用于对所述就诊信息进行解析得到就诊特征数据,所述就诊特性数据包括以下任一项或多项:医保卡编号的分布特征信息、所述就诊医院的地址分布特征信息、器官移植患者的户籍地址的分布特征信息、就诊费用的分布特性信息、就诊时间的分布特性信息;
判断模块,用于根据所述就诊特征数据判断是否存在异常就诊行为;
标注模块,用于当确定存在异常就诊行为时,对存在异常就诊行为的器官移植患者的就诊信息进行标注。
9.一种医疗管理设备,其特征在于,包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由所述处理器加载并执行如权利要求1-7任一项所述的基于数据分析的就诊信息处理方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如权利要求1-7任一项所述的基于数据分析的就诊信息处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266216.7A CN109509550A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
PCT/CN2019/095029 WO2020082796A1 (zh) | 2018-10-27 | 2019-07-08 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266216.7A CN109509550A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109509550A true CN109509550A (zh) | 2019-03-22 |
Family
ID=65746965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266216.7A Pending CN109509550A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109509550A (zh) |
WO (1) | WO2020082796A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082796A1 (zh) * | 2018-10-27 | 2020-04-30 | 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 |
CN112036749A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 基于医疗数据识别风险用户的方法、装置和计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010033681A1 (en) * | 1993-09-29 | 2001-10-25 | Shih-Ping Wang | Computer-aided diagnosis system and method |
US20090094064A1 (en) * | 2007-10-09 | 2009-04-09 | Michael Tyler | Healthcare Insurance Claim Fraud and Error Detection Using Co-Occurrence |
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 |
CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107657536B (zh) * | 2017-02-20 | 2018-07-31 | 平安科技(深圳)有限公司 | 社保欺诈行为的识别方法和装置 |
CN107133438B (zh) * | 2017-03-03 | 2018-07-13 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
CN109509550A (zh) * | 2018-10-27 | 2019-03-22 | 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 |
-
2018
- 2018-10-27 CN CN201811266216.7A patent/CN109509550A/zh active Pending
-
2019
- 2019-07-08 WO PCT/CN2019/095029 patent/WO2020082796A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010033681A1 (en) * | 1993-09-29 | 2001-10-25 | Shih-Ping Wang | Computer-aided diagnosis system and method |
US20090094064A1 (en) * | 2007-10-09 | 2009-04-09 | Michael Tyler | Healthcare Insurance Claim Fraud and Error Detection Using Co-Occurrence |
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 |
CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020082796A1 (zh) * | 2018-10-27 | 2020-04-30 | 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 |
CN112036749A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 基于医疗数据识别风险用户的方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020082796A1 (zh) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492196B (zh) | 通过数据分析推断医疗保险违规行为的风控方法 | |
CN109524098A (zh) | 基于数据分析的就诊信息处理方法、装置、设备及介质 | |
Croxson et al. | Do doctors respond to financial incentives? UK family doctors and the GP fundholder scheme | |
Reingold et al. | Anti-abortion policymaking and women’s representation | |
CN109523399A (zh) | 一种医疗数据处理方法、装置、设备及存储介质 | |
CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
Huhe et al. | Contingent instrumental and intrinsic support: Exploring regime support in Asia | |
CN109509550A (zh) | 基于数据分析的就诊信息处理方法、装置、设备及介质 | |
Feng | Undiagnosed and uncontrolled chronic conditions in China: could social health insurance consolidation make a change? | |
Kim et al. | Weekly ILI patient ratio change prediction using news articles with support vector machine | |
CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
Lee et al. | The relationship between internet environment and life expectancy in Asia | |
US20160259896A1 (en) | Segmented temporal analysis model used in fraud, waste, and abuse detection | |
US20110022415A1 (en) | System And Method For Improved Medical Billing, Payment, Record Keeping And Patient Care | |
CN101853432A (zh) | 医疗绩效控制系统和方法 | |
Fedushko et al. | E-Commerce and E-Health Strategies and Implementation Activities in the United Kingdom: Review Study | |
Weeks et al. | Comparing the characteristics, utilization, efficiency, and outcomes of VA and non-VA inpatient care provided to VA enrollees: a case study in New York | |
CN109830290A (zh) | 医疗信息管理方法、装置、服务器及可读存储介质 | |
Frick et al. | Analyzing economic outcomes in advanced practice nursing | |
Buja et al. | Effectiveness of pro-active organizational models in primary care for diabetes patients | |
CN109545296A (zh) | 一种就诊数据处理方法、装置、设备及存储介质 | |
Gresenz et al. | Social networks and access to health care among Mexican-Americans | |
CN113948216A (zh) | 基于大数据分析的智能违规就医预防系统 | |
CN109658146A (zh) | 疾病保险定价方法、装置、设备及存储介质 | |
CN109545382A (zh) | 一种基于大数据的雷同病例识别方法及计算设备 |
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 |