CN109523396A - 基于数据分析的医保基金风控方法、装置、服务器及介质 - Google Patents
基于数据分析的医保基金风控方法、装置、服务器及介质 Download PDFInfo
- Publication number
- CN109523396A CN109523396A CN201811262379.8A CN201811262379A CN109523396A CN 109523396 A CN109523396 A CN 109523396A CN 201811262379 A CN201811262379 A CN 201811262379A CN 109523396 A CN109523396 A CN 109523396A
- Authority
- CN
- China
- Prior art keywords
- medical
- target user
- target
- medical insurance
- information
- 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 43
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 230000009471 action Effects 0.000 claims abstract description 60
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 18
- 238000003745 diagnosis Methods 0.000 claims description 146
- 230000002123 temporal effect Effects 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 25
- 238000012790 confirmation Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 106
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005070 sampling 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供了一种基于数据分析的医保基金风控方法、装置、服务器及介质，其中，该方法可以包括：根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域；当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，获取该目标用户在该目标医疗点的诊疗信息；根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常；当确定该目标用户针对该医保卡的刷卡行为异常时，将该目标用户的标识添加到标记列表中。采用本发明，可以有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于数据分析的医保基金风控方法、装置、服务器及介质。
背景技术
在医疗保障体系下，由于缺乏足够的监管措施，经常出现盗刷医保卡、空刷医保卡以骗取医保基金的行为，造成了医保基金的损失。
发明内容
本发明实施例提供了一种基于数据分析的医保基金风控方法、装置、服务器及介质，可以有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
第一方面，本发明实施例提供了一种基于数据分析的医保基金风控方法，包括：
根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域；所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息，和/或在所述预设时间范围内使用所述医保卡的时间信息；
当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息；
根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常；
当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
可选地，所述根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域之前，所述方法还包括：
获取多个用户的医保卡使用轨迹信息；
根据所述多个用户的医保卡使用轨迹信息，统计所述多个用户在预设时间范围内使用医保卡的次数；
从所述多个用户中，确定出使用医保卡次数大于或等于预设次数的用户；
将所述使用医保卡次数大于等于预设次数的用户作为目标用户。
可选地，所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息和在所述预设时间范围内使用所述医保卡的时间信息，所述使用医保卡的位置信息包括使用所述医保卡的医疗点的位置信息；所述根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域，包括：
从所述预设时间范围内使用所述医保卡的时间信息中，确定出距离系统时间最近的使用所述医保卡的时间信息；
确定所述距离系统时间最近的使用所述医保卡的时间信息对应的医疗点的位置信息；
将确定出的所述使用所述医保卡的医疗点的位置信息对应的区域，作为所述目标用户对应的活动区域。
可选地，所述诊疗信息包括诊疗的诊疗项目，所述根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常，包括：
根据所述目标用户在所述目标医疗点诊疗的诊疗项目，确定所述目标用户在所述目标医疗点的第一诊疗轨迹信息；
获取摄像装置采集的所述目标用户在所述目标医疗点的第二诊疗轨迹信息；
判断所述第一诊疗轨迹信息是否与所述第二诊疗轨迹信息相同；
当所述第一诊疗轨迹信息与所述第二诊疗轨迹信息不相同时，确定所述目标用户针对所述医保卡的刷卡行为异常。
可选地，所述当在所述目标用户所处区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，所述方法还包括：
获取所述目标用户对应的活动区域包括的至少一个医疗点的信息；所述至少一个医疗点的信息包括所述至少一个医疗点的医保报销比例；
从所述至少一个医疗点中，确定出医保报销比例最大的医疗点；
将所述医保报销比例最大的医疗点作为目标医疗点。
可选地，所述使用轨迹信息包括在所述预设时间范围内使用所述医保卡的时间信息，所述当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，所述方法还包括：
根据所述预设时间范围内使用所述医保卡的时间信息，统计所述目标用户在预设的多个时间段的针对所述医保卡的刷卡频率；
从所述预设的多个时间段中，确定出针对所述医保卡的刷卡频率大于或等于预设频率的时间段；
在所述刷卡频率大于预设频率的时间段，调用摄像装置在所述目标用户对应的活动区域包括的目标医疗点监控是否存在所述目标用户。
可选地，所述方法还包括：
当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，发送诊疗确认请求至所述目标医疗点对应的设备；
接收所述目标医疗点对应的设备针对所述诊疗确认请求返回的确认结果；
当所述确认结果指示所述目标用户在所述目标医疗点的诊疗信息为空，将所述目标用户的标识添加至标记列表中。
第二方面，本发明实施例提供了一种基于数据分析的医保基金风控装置，包括用于执行如第一方面所述的方法的单元。
第三方面，本发明实施例提供了一种服务器，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，执行如第一方面所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，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第一方面所述的方法。
综上所述，服务器可以根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域；当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，服务器可以获取该目标用户在该目标医疗点的诊疗信息，并根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常；当确定该目标用户针对该医保卡的刷卡行为异常时，服务器将该目标用户的标识添加到标记列表中，从而有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
附图说明
为了更清楚地说明本发明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医保基金风控方法的流程示意图；
图2是本发明实施例提供的另一种基于数据分析的医保基金风控方法的流程示意图；
图3是本发明实施例提供的一种基于数据分析的医保基金风控装置的结构示意图；
图4是本发明实施例提供的一种服务器的结构示意图。
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描述。
请参阅图1，为本发明实施例提供的一种基于数据分析的医保基金风控方法的流程示意图。其中，该方法可以应用于服务器中，该服务器可以为互联网中的一个服务器或服务器集群。具体地，该方法可以包括以下步骤：
S101、根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域。
其中，该目标用户为根据医保卡使用轨迹信息确定出的骗保嫌疑人。该使用轨迹信息可以包括在预设时间范围内使用医保卡的位置信息，和/或在该预设时间范围内使用该医保卡的时间信息。该预设时间范围包括但不限于为近一个月、近半年等时间范围。
在一个实施例中，服务器根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域之前，可以获取多个用户的医保卡使用轨迹信息；服务器根据该多个用户的医保卡使用轨迹信息，统计该多个用户在预设时间范围内使用医保卡的次数；服务器从该多个用户中，确定出使用医保卡次数大于或等于预设次数的用户；服务器将该使用医保卡次数大于等于预设次数的用户作为目标用户。其中，该多个用户可以是指数据库记录有的用户。在一个实施例中，该多个用户还可以是数据库中记录的历史存在骗保行为的用户。
例如，该多个用户包括用户A、用户B、用户C，根据用户A的医保卡使用轨迹信息可以确定出用户A在近一个月使用医保卡的次数为5次、用户B在近一个月使用医保卡的次数为25次、用户C在近一个月使用医保卡的次数为一次，服务器可以从这三个用户中确定出医保卡使用次数大于20次的用户B，并将用户B作为目标用户。
在一个实施例中，该使用轨迹信息包括在预设时间范围内使用医保卡的位置信息和在该预设时间范围内使用该医保卡的时间信息，该使用医保卡的位置信息包括使用该医保卡的医疗点的位置信息；服务器根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域，可以包括：服务器从该预设时间范围内使用该医保卡的时间信息中，确定出距离系统时间最近的使用该医保卡的时间信息；服务器确定该距离系统时间最近的使用该医保卡的时间信息对应的医疗点的位置信息；服务器将确定出的该使用该医保卡的医疗点的位置信息对应的区域，作为该目标用户对应的活动区域。其中，该区域可以是按照多种形式划分的，例如，该区域可以是以该距离系统时间最近的使用该医保卡的时间信息对应的医疗点为中心的预设位置范围内，或者还可以是该距离系统时间最近的使用该医保卡的时间信息对应的医疗点所属区、州、市、省等等。
例如，服务器从该近一个月内使用该医保卡的时间信息中，确定出距离系统时间最近的使用该医保卡的时间信息为2018年7月12日；服务器确定该距离系统时间最近的使用该医保卡的时间信息对应的医疗点的位置信息为医院A；服务器将确定出的医院A对应的区域，作为该目标用户对应的活动区域。
在一个实施例中，除了确定该距离系统时间最近的使用该医保卡的时间信息对应的医疗点的位置信息对应的区域，作为该目标用户的活动区域，考虑到该目标用户的个人习惯以对该目标用户进行有效监控，服务器根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域，可以包括：服务器根据在预设时间范围内使用医保卡的位置信息，和在所述预设时间范围内使用所述医保卡的时间信息，确定该目标用户在预设时间范围内使用医保卡的位置信息对应的区域中，每个区域使用医保卡的次数；服务器从该目标用户在预设时间范围内使用医保卡的位置信息对应的区域中，确定出使用医保卡次数最多的区域；服务器将该使用次数最多的区域作为该目标用户的活动区域。
S102、当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息。
其中，该目标医疗点是指的用于监控是否存在目标用户的医疗点。
在一个实施例中，服务器可以调用在该目标用户对应的活动区域包括的目标医疗点对应的摄像装置监控是否存在该目标用户。
在一个实施例中，在执行步骤S102之前，服务器可以获取该目标用户对应的活动区域包括的至少一个医疗点的信息；该至少一个医疗点的信息包括该至少一个医疗点的医保报销比例；服务器从该至少一个医疗点中，确定出医保报销比例最大的医疗点；服务器将该医保报销比例最大的医疗点作为目标医疗点。通过确定出医保报销比例最大的医疗点作为目标医疗点，可以有效地针对预测出该目标用户对应的潜在骗保对象以进行监控。
例如，该目标用户对应的活动区域为区域A，区域A包括的至少一个医疗点为医疗点1、医疗点2、医疗点3，其中，医疗点1的医保报销比例为30％，医疗点2的医保报销比例为40％、医疗点3的医保报销比例为60％，服务器可以确定出医疗点3的医保报销比例最大，并将医疗点3作为目标医疗点。
在一个实施例中，上述医保报销比例，可以是根据该目标用户的医保卡的类型确定出的。例如，若该目标用户的医保卡的类型为农村居医保卡，则该医保报销比例可以是指的与该农村居民医保卡对应的医保报销比例。其中，该医保卡的类型可以按照多种形式划分，包括但不限于农村居民医保卡、城镇居民医保卡、城镇职工医保卡等类型的医保卡。
在一个实施例中，服务器可以预设不同区域与该不同区域中每个区域包括的医疗点的信息的对应关系，以便服务器可以根据该预设的不同区域与该不同区域中每个区域包括的医疗点的信息的对应关系，获取该目标用户对应的活动区域包括的至少一个医疗点的信息。
在一个实施例中，服务器除了可以将报销比例最大的医疗点作为目标医疗点，还可以在从前述确定出的使用医保卡次数最多的区域中，确定出该目标用户使用医保卡次数最多的医疗点，并将从该使用医保卡次数最多的区域中确定出的该目标用户使用医保卡次数最多的医疗点，作为目标医疗点。
在一个实施例中，当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，服务器可以发送诊疗确认请求至该目标医疗点对应的设备；服务器接收该目标医疗点对应的设备针对该诊疗确认请求返回的确认结果；当该确认结果指示该目标用户在该目标医疗点的诊疗信息为空，服务器将该目标用户的标识添加至标记列表中。其中，该目标医疗点对应的设备可以为该目标医疗点对应的台式电脑、笔记本电脑、平板电脑等智能终端。该标记列表包括至少一个用户的标识，该至少一个用户中每个用户为确定出的针对各自对应的医保卡的刷卡行为异常的用户。
在一个实施例中，该目标医疗点对应的设备可以在接收到由服务器发送的诊疗确认请求时，查询本地是否存储了该目标用户在该目标医疗点的诊疗信息；当查询到本次未存储该目标用户在该目标医疗点的诊疗信息，针对该诊疗确认请求返回的确认结果指示该目标用户在该目标医疗点的诊疗信息为空；当查询到本次存储了该目标用户在该目标医疗点的诊疗信息，针对该诊疗确认请求返回的确认结果包括该目标用户在该目标医疗点的诊疗信息。
在一个实施例中，该确认结果包括该目标用户在该目标医疗点的诊疗信息，获取所述目标用户在所述目标医疗点的诊疗信息，可以包括：服务器获取该确认结果包括的该目标用户在该目标医疗点的诊疗信息。
S103、根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常。
本发明实施例中，服务器可以根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常。其中，该诊疗信息可以包括诊疗的诊疗项目，还可以包括针对该诊疗的诊疗项目对应的诊疗时长。
在一个实施例中，该诊疗信息包括诊疗的诊疗项目，服务器根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常，可以包括：服务器根据该目标用户在该目标医疗点诊疗的诊疗项目，确定该目标用户在该目标医疗点的第一诊疗轨迹信息；服务器获取摄像装置采集的该目标用户在该目标医疗点的第二诊疗轨迹信息；服务器判断该第一诊疗轨迹信息是否与该第二诊疗轨迹信息相同；当该第一诊疗轨迹信息与该第二诊疗轨迹信息不相同时，服务器确定该目标用户针对该医保卡的刷卡行为异常。通过比较第一移动轨迹信息和第二移动轨迹信息，可以有效地避免因医患串通骗保导致刷卡行为异常检测不准的情况。
其中，该第一诊疗轨迹信息可以包括将该诊疗的诊疗项目中各个诊疗项目，按照诊疗时间的先后排序后，得到的排序后的各个诊疗项目。该第二诊疗轨迹信息可以包括将摄像装置采集到的该目标用户在该目标医疗点的诊疗的诊疗项目，按照诊疗时间的先后排序后，得到的排序后的各个诊疗项目。相应地，服务器在判断该第一诊疗轨迹信息是否与该第二诊疗轨迹信息相同时，除了需要判断第一轨迹信息中的诊疗项目和第二轨迹信息中的诊疗项目是否相同，还需要判断第一轨迹信息中的诊疗项目中的各个诊疗项目的排序与第二轨迹信息中诊疗项目中各个诊疗项目的排序是否相同；当确定第一轨迹信息中的诊疗项目和第二轨迹信息中的诊疗项目相同，且第一轨迹信息中的诊疗项目中的各个诊疗项目的排序与第二轨迹信息中诊疗项目中各个诊疗项目的排序相同时，确定该第一诊疗轨迹信息和第二诊疗轨迹信息相同。
在一个实施例中，该第一轨迹信息还可以包括将该诊疗的诊疗项目中各个诊疗项目对应的诊疗区域，按照诊疗时间的先后排序后，得到的排序后的各个诊疗区域，该第二轨迹信息还可以包括将摄像装置采集到的该目标用户在该目标医疗点的诊疗的诊疗项目对应的区域，按照诊疗时间的先后排序后，得到的排序后的各个诊疗项目对应的区域。相应地，服务器在判断该第一诊疗轨迹信息是否与该第二诊疗轨迹信息相同时，除了需要判断第一轨迹信息中的诊疗项目对应的诊疗区域和第二轨迹信息中的诊疗项目对应的诊疗区域是否相同，还需要判断第一轨迹信息中的诊疗项目中的各个诊疗项目对应的诊疗区域的排序与第二轨迹信息中诊疗项目中各个诊疗项目对应的诊疗区域的排序是否相同；当确定第一轨迹信息中的诊疗项目对应的诊疗区域和第二轨迹信息中的诊疗项目对应的诊疗区域相同，且第一轨迹信息中的诊疗项目中的各个诊疗项目对应的诊疗区域的排序与第二轨迹信息中诊疗项目中各个诊疗项目对应的诊疗区域的排序相同时，确定该第一诊疗轨迹信息和第二诊疗轨迹信息相同。
在一个实施例中，服务器可以从该目标医疗点对应的设备获取该目标用户在该目标医疗点的诊疗信息，以便服务器根据该目标用户在该目标医疗点诊疗的诊疗项目，确定该目标用户在该目标医疗点的第一诊疗轨迹信息。
在一个实施例中，该诊疗信息包括针对该诊疗的诊疗项目对应的诊疗时长，服务器根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常，可以包括：服务器判断该目标用户在该目标医疗点针对该诊疗的诊疗项目对应的诊疗时长是否与针对该诊疗的诊疗项目预设的诊疗时长相匹配，当该目标用户在该目标医疗点针对该诊疗的诊疗项目对应的诊疗时长与该针对该诊疗的诊疗项目预设的诊疗时长不匹配时，服务器确定该目标用户针对该医保卡的刷卡行为异常。
在一个实施例中，该针对该诊疗的诊疗项目对应的诊疗时长，可以是通过摄像装置检测到的该诊疗项目对应的诊疗区域停留的时长。
S104、当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
本发明实施例中，当确定所述目标用户针对所述医保卡的刷卡行为异常时，服务器可以将该目标用户的标识添加到标记列表中。
在一个实施例中，服务器还可以当确定所述目标用户针对所述医保卡的刷卡行为异常时，发送报警信息至该目标医疗点对应的设备，以对该目标医疗点的医护人员进行提醒。
可见，图1所示的实施例中，服务器可以根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域；当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，服务器可以获取该目标用户在该目标医疗点的诊疗信息，并根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常；当确定该目标用户针对该医保卡的刷卡行为异常时，服务器将该目标用户的标识添加到标记列表中，从而有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
请参阅图2，为本发明实施例提供的一种基于数据分析的医保基金风控方法的流程示意图。具体地，该方法可以包括以下步骤：
S201、根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域。
其中，该目标用户为根据医保卡使用轨迹信息确定出的骗保嫌疑人。该使用轨迹信息可以包括在预设时间范围内使用医保卡的位置信息，和/或在该预设时间范围内使用该医保卡的时间信息。该预设时间范围包括但不限于为近一个月、近半年等时间范围。
具体地，步骤S201可参见图1实施例中的步骤S101，本发明实施例在此不做赘述。
S202、根据预设时间范围内使用所述医保卡的时间信息，统计所述目标用户在预设的多个时间段的针对所述医保卡的刷卡频率。
其中，该预设的多个时间段可以按照多种形式划分，本发明实施例对该预设的多个时间段的划分形式不做限定。例如，该预设的多个时间段，可以是按照工作日和休息日划分的：周一、周二、周三、周四、周五、周六、周末，还可以是按照上午、中午、晚上划分的，还可以是按照月划分的，如一月、二月、三月等月份。该刷卡频率的单位可以是以天计算的，如次/天，还可以是按照星期计算的，如次/星期，还可以是按照月计算的，如次/月，本发明实施例对于刷卡频率的单位不做限定，可以根据实际的需求设置。
S203、从所述预设的多个时间段中，确定出针对所述医保卡的刷卡频率大于或等于预设频率的时间段。
本发明实施例通过确定出针对该医保卡的刷卡频率大于或等于预设频率的时间段，可以有效地确定出重点监控时间段以进行监控。
例如，该预设的多个时间段包括上午、下午、晚上，该预设时间范围为近一个月，服务器可以统计出目标用户在近一个月的上午针对该医保卡的刷卡频率为1次/月，针对在近一个月的下午针对该医保卡的刷卡频率为2次/月，在近一个月的晚上针对该医保卡的刷卡频率为23次/月，服务器可以从这三个时间段中确定出刷卡频率大于等于20次/月的时间段为晚上。
S204、在所述刷卡频率大于预设频率的时间段，调用摄像装置在所述目标用户对应的活动区域包括的目标医疗点监控是否存在所述目标用户。
本发明实施例中，服务器可以发送监控指令至该目标医疗点对应的摄像装置，使得该目标医疗点对应的摄像装置在接收到该监控指令时，可以启动监控功能，以在该目标用户对应的活动区域包括的目标医疗点监控是否存在该目标用户。
在一个实施例中，服务器可以发送监控指令至该目标医疗点对应的设备，以指示该目标医疗点对应的设备启动该目标医疗点对应的摄像装置的监控功能，以通过该摄像装置在该目标用户对应的活动区域包括的目标医疗点监控是否存在该目标用户。
S205、当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息；
S206、根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常；
S207、当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
其中，步骤S205-S207可参见图1实施例中的步骤S102-S104，本发明实施例中在此不做赘述。
可见，图2所示的实施例中，服务器可以根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域，并在该预设时间范围内针对该医保卡的刷卡频率大于预设频率的时间段，调用摄像装置在该目标用户对应的活动区域包括的目标医疗点监控是否存在该目标用户；当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，服务器可以获取该目标用户在该目标医疗点的诊疗信息，并根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常；当确定该目标用户针对该医保卡的刷卡行为异常时，服务器将该目标用户的标识添加到标记列表中，从而有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
请参阅图3，为本发明实施例提供的一种基于数据分析的医保基金风控装置的结构示意图。其中，该装置可以应用于服务器。具体地，该装置可以包括：
确定单元11，用于根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域；所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息，和/或在所述预设时间范围内使用所述医保卡的时间信息；
获取单元12，用于当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息；
处理单元13，用于根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常；
处理单元13，还用于当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
在一种可选的实施方式中，获取单元12，还用于在确定单元11根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域之前，获取多个用户的医保卡使用轨迹信息。
在一种可选的实施方式中，处理单元13，还用于根据所述多个用户的医保卡使用轨迹信息，统计所述多个用户在预设时间范围内使用医保卡的次数；从所述多个用户中，确定出使用医保卡次数大于或等于预设次数的用户；将所述使用医保卡次数大于等于预设次数的用户作为目标用户。
在一种可选的实施方式中，所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息和在所述预设时间范围内使用所述医保卡的时间信息，所述使用医保卡的位置信息包括使用所述医保卡的医疗点的位置信息。
在一种可选的实施方式中，确定单元11，具体用于从所述预设时间范围内使用所述医保卡的时间信息中，确定出距离系统时间最近的使用所述医保卡的时间信息；确定所述距离系统时间最近的使用所述医保卡的时间信息对应的医疗点的位置信息；将确定出的所述使用所述医保卡的医疗点的位置信息对应的区域，作为所述目标用户对应的活动区域。
在一种可选的实施方式中，所述诊疗信息包括诊疗的诊疗项目。
在一种可选的实施方式中，处理单元13，具体用于根据所述目标用户在所述目标医疗点诊疗的诊疗项目，确定所述目标用户在所述目标医疗点的第一诊疗轨迹信息；获取摄像装置采集的所述目标用户在所述目标医疗点的第二诊疗轨迹信息；判断所述第一诊疗轨迹信息是否与所述第二诊疗轨迹信息相同；当所述第一诊疗轨迹信息与所述第二诊疗轨迹信息不相同时，确定所述目标用户针对所述医保卡的刷卡行为异常。
在一种可选的实施方式中，获取单元12，还用于当在所述目标用户所处区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，获取所述目标用户对应的活动区域包括的至少一个医疗点的信息；所述至少一个医疗点的信息包括所述至少一个医疗点的医保报销比例。
在一种可选的实施方式中，确定单元11，还用于从所述至少一个医疗点中，确定出医保报销比例最大的医疗点，并将所述医保报销比例最大的医疗点作为目标医疗点。
在一种可选的实施方式中，所述使用轨迹信息包括在所述预设时间范围内使用所述医保卡的时间信息。
在一种可选的实施方式中，处理单元13，还用于在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，通过获取单元12获取所述目标用户在所述目标医疗点的诊疗信息之前，根据所述预设时间范围内使用所述医保卡的时间信息，统计所述目标用户在预设的多个时间段的针对所述医保卡的刷卡频率；从所述预设的多个时间段中，确定出针对所述医保卡的刷卡频率大于或等于预设频率的时间段；在所述刷卡频率大于预设频率的时间段，调用摄像装置在所述目标用户对应的活动区域包括的目标医疗点监控是否存在所述目标用户。
在一种可选的实施方式中，通信单元14，用于当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，发送诊疗确认请求至所述目标医疗点对应的设备；接收所述目标医疗点对应的设备针对所述诊疗确认请求返回的确认结果。
在一种可选的实施方式中，处理单元13，还用于当所述确认结果指示所述目标用户在所述目标医疗点的诊疗信息为空，将所述目标用户的标识添加至标记列表中。
可见，图3所示的实施例中，服务器可以根据目标用户的医保卡使用轨迹信息，确定该目标用户对应的活动区域；当在该目标用户对应的活动区域包括的目标医疗点监控到该目标用户时，服务器可以获取该目标用户在该目标医疗点的诊疗信息，并根据该目标用户在该目标医疗点的诊疗信息，判断该目标用户针对该医保卡的刷卡行为是否异常；当确定该目标用户针对该医保卡的刷卡行为异常时，服务器将该目标用户的标识添加到标记列表中，从而有效地检测出对医保卡的异常刷卡行为的用户以进行监管，进而减少医保基金的损失。
请参阅图4，为本发明实施例提供的一种服务器的结构示意图。本实施例中所描述的服务器可以包括：一个或多个处理器100，一个或多个输入设备200，一个或多个输出设备300和存储器400。处理器100、输入设备200、输出设备300和存储器400可以通过总线连接。
输入设备200、输出设备300可以是标准的有线或无线通信接口。
处理器100可以是中央处理模块(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。
存储器400可以是高速RAM存储器，也可为非不稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器400用于存储一组程序代码，输入设备200、输出设备300和处理器100可以调用存储器400中存储的程序代码。具体地：
处理器100，用于根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域；所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息，和/或在所述预设时间范围内使用所述医保卡的时间信息；当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息；根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常；当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
可选地，处理器100，还用于在根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域之前，获取多个用户的医保卡使用轨迹信息；根据所述多个用户的医保卡使用轨迹信息，统计所述多个用户在预设时间范围内使用医保卡的次数；从所述多个用户中，确定出使用医保卡次数大于或等于预设次数的用户；将所述使用医保卡次数大于等于预设次数的用户作为目标用户。
可选地，所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息和在所述预设时间范围内使用所述医保卡的时间信息，所述使用医保卡的位置信息包括使用所述医保卡的医疗点的位置信息。
可选地，处理器100根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域，具体为从所述预设时间范围内使用所述医保卡的时间信息中，确定出距离系统时间最近的使用所述医保卡的时间信息；确定所述距离系统时间最近的使用所述医保卡的时间信息对应的医疗点的位置信息；将确定出的所述使用所述医保卡的医疗点的位置信息对应的区域，作为所述目标用户对应的活动区域。
可选地，所述诊疗信息包括诊疗的诊疗项目。
可选地，处理器100根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常，具体为根据所述目标用户在所述目标医疗点诊疗的诊疗项目，确定所述目标用户在所述目标医疗点的第一诊疗轨迹信息；获取摄像装置采集的所述目标用户在所述目标医疗点的第二诊疗轨迹信息；判断所述第一诊疗轨迹信息是否与所述第二诊疗轨迹信息相同；当所述第一诊疗轨迹信息与所述第二诊疗轨迹信息不相同时，确定所述目标用户针对所述医保卡的刷卡行为异常。
可选地，处理器100，还用于当在所述目标用户所处区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，获取所述目标用户对应的活动区域包括的至少一个医疗点的信息；所述至少一个医疗点的信息包括所述至少一个医疗点的医保报销比例；从所述至少一个医疗点中，确定出医保报销比例最大的医疗点；将所述医保报销比例最大的医疗点作为目标医疗点。
可选地，所述使用轨迹信息包括在所述预设时间范围内使用所述医保卡的时间信息。
可选地，处理器100，还用于当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，根据所述预设时间范围内使用所述医保卡的时间信息，统计所述目标用户在预设的多个时间段的针对所述医保卡的刷卡频率；从所述预设的多个时间段中，确定出针对所述医保卡的刷卡频率大于或等于预设频率的时间段；在所述刷卡频率大于预设频率的时间段，调用摄像装置在所述目标用户对应的活动区域包括的目标医疗点监控是否存在所述目标用户。
可选地，处理器100，还用于当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，通过输出设备300发送诊疗确认请求至所述目标医疗点对应的设备；通过输入设备200接收所述目标医疗点对应的设备针对所述诊疗确认请求返回的确认结果；当所述确认结果指示所述目标用户在所述目标医疗点的诊疗信息为空，将所述目标用户的标识添加至标记列表中。
具体实现中，本发明实施例中所描述的处理器100、输入设备200、输出设备300可执行图1实施例、图2实施例所描述的实现方式，也可执行本发明实施例所描述的实现方式，在此不再赘述。
在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以是两个或两个以上模块集成在一个模块中。上述集成的模块既可以采样硬件的形式实现，也可以采样软件功能模块的形式实现。
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)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (10)
1.一种基于数据分析的医保基金风控方法，其特征在于，包括：
根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域；所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息，和/或在所述预设时间范围内使用所述医保卡的时间信息；
当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息；
根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常；
当确定所述目标用户针对所述医保卡的刷卡行为异常时，将所述目标用户的标识添加到标记列表中。
2.根据权利要求1所述的方法，其特征在于，所述根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域之前，所述方法还包括：
获取多个用户的医保卡使用轨迹信息；
根据所述多个用户的医保卡使用轨迹信息，统计所述多个用户在预设时间范围内使用医保卡的次数；
从所述多个用户中，确定出使用医保卡次数大于或等于预设次数的用户；
将所述使用医保卡次数大于等于预设次数的用户作为目标用户。
3.根据权利要求1所述的方法，其特征在于，所述使用轨迹信息包括在预设时间范围内使用医保卡的位置信息和在所述预设时间范围内使用所述医保卡的时间信息，所述使用医保卡的位置信息包括使用所述医保卡的医疗点的位置信息；所述根据目标用户的医保卡使用轨迹信息，确定所述目标用户对应的活动区域，包括：
从所述预设时间范围内使用所述医保卡的时间信息中，确定出距离系统时间最近的使用所述医保卡的时间信息；
确定所述距离系统时间最近的使用所述医保卡的时间信息对应的医疗点的位置信息；
将确定出的所述使用所述医保卡的医疗点的位置信息对应的区域，作为所述目标用户对应的活动区域。
4.根据权利要求1所述的方法，其特征在于，所述诊疗信息包括诊疗的诊疗项目，所述根据所述目标用户在所述目标医疗点的诊疗信息，判断所述目标用户针对所述医保卡的刷卡行为是否异常，包括：
根据所述目标用户在所述目标医疗点诊疗的诊疗项目，确定所述目标用户在所述目标医疗点的第一诊疗轨迹信息；
获取摄像装置采集的所述目标用户在所述目标医疗点的第二诊疗轨迹信息；
判断所述第一诊疗轨迹信息是否与所述第二诊疗轨迹信息相同；
当所述第一诊疗轨迹信息与所述第二诊疗轨迹信息不相同时，确定所述目标用户针对所述医保卡的刷卡行为异常。
5.根据权利要求1所述的方法，其特征在于，所述当在所述目标用户所处区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，所述方法还包括：
获取所述目标用户对应的活动区域包括的至少一个医疗点的信息；所述至少一个医疗点的信息包括所述至少一个医疗点的医保报销比例；
从所述至少一个医疗点中，确定出医保报销比例最大的医疗点；
将所述医保报销比例最大的医疗点作为目标医疗点。
6.根据权利要求1-4任意一项所述的方法，其特征在于，所述使用轨迹信息包括在所述预设时间范围内使用所述医保卡的时间信息，所述当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，获取所述目标用户在所述目标医疗点的诊疗信息之前，所述方法还包括：
根据所述预设时间范围内使用所述医保卡的时间信息，统计所述目标用户在预设的多个时间段的针对所述医保卡的刷卡频率；
从所述预设的多个时间段中，确定出针对所述医保卡的刷卡频率大于或等于预设频率的时间段；
在所述刷卡频率大于预设频率的时间段，调用摄像装置在所述目标用户对应的活动区域包括的目标医疗点监控是否存在所述目标用户。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
当在所述目标用户对应的活动区域包括的目标医疗点监控到所述目标用户时，发送诊疗确认请求至所述目标医疗点对应的设备；
接收所述目标医疗点对应的设备针对所述诊疗确认请求返回的确认结果；
当所述确认结果指示所述目标用户在所述目标医疗点的诊疗信息为空，将所述目标用户的标识添加至标记列表中。
8.一种基于数据分析的医保基金风控装置，其特征在于，包括用于执行如权利要求1-7任一权利要求所述的方法的单元。
9.一种服务器，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 (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811262379.8A CN109523396A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
| PCT/CN2019/095051 WO2020082807A1 (zh) | 2018-10-27 | 2019-07-08 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811262379.8A CN109523396A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109523396A true CN109523396A (zh) | 2019-03-26 |
Family
ID=65772481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811262379.8A Pending CN109523396A (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109523396A (zh) |
| WO (1) | WO2020082807A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020082807A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
| CN111768173A (zh) * | 2020-06-24 | 2020-10-13 | 苏州达家迎信息技术有限公司 | 一种会员状态的监控方法、装置、设备及介质 |
| CN114757792A (zh) * | 2022-06-15 | 2022-07-15 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
| CN118042411A (zh) * | 2024-04-12 | 2024-05-14 | 江苏汇鑫融智软件科技有限公司 | 一种基于物联技术的围术期病人轨迹处理方法及系统 |
| CN118042411B (zh) * | 2024-04-12 | 2024-06-25 | 江苏汇鑫融智软件科技有限公司 | 一种基于物联技术的围术期病人轨迹处理方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100274583A1 (en) * | 2005-07-28 | 2010-10-28 | Ibeza Llc | Medical claims fraud prevention system including historical patient locating feature and associated methods |
| US20100274582A1 (en) * | 2005-07-28 | 2010-10-28 | Ibeza Llc | Medical claims fraud prevention system including patient identification interface feature and associated methods |
| US20100332252A1 (en) * | 2005-07-28 | 2010-12-30 | Ibeza Llc | Medical claims fraud prevention system including patient call initiating feature and associated methods |
| 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 |
| CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
| CN106981039A (zh) * | 2016-06-30 | 2017-07-25 | 平安科技（深圳）有限公司 | 数据生成方法和装置 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 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 |
| CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130030828A1 (en) * | 2011-03-04 | 2013-01-31 | Pourfallah Stacy S | Healthcare incentive apparatuses, methods and systems |
| CN107767168A (zh) * | 2017-09-19 | 2018-03-06 | 神策网络科技（北京）有限公司 | 用户行为数据处理方法及装置、电子设备和存储介质 |
| CN109523396A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
-
2018
- 2018-10-27 CN CN201811262379.8A patent/CN109523396A/zh active Pending
-
2019
- 2019-07-08 WO PCT/CN2019/095051 patent/WO2020082807A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100274583A1 (en) * | 2005-07-28 | 2010-10-28 | Ibeza Llc | Medical claims fraud prevention system including historical patient locating feature and associated methods |
| US20100274582A1 (en) * | 2005-07-28 | 2010-10-28 | Ibeza Llc | Medical claims fraud prevention system including patient identification interface feature and associated methods |
| US20100332252A1 (en) * | 2005-07-28 | 2010-12-30 | Ibeza Llc | Medical claims fraud prevention system including patient call initiating feature and associated methods |
| 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 |
| CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
| CN106981039A (zh) * | 2016-06-30 | 2017-07-25 | 平安科技（深圳）有限公司 | 数据生成方法和装置 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 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 |
| CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邱瑞;: "基于频繁模式挖掘算法的医保欺诈预警研究", 产业与科技论坛, no. 17, pages 62 - 64 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020082807A1 (zh) * | 2018-10-27 | 2020-04-30 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保基金风控方法、装置、服务器及介质 |
| CN111768173A (zh) * | 2020-06-24 | 2020-10-13 | 苏州达家迎信息技术有限公司 | 一种会员状态的监控方法、装置、设备及介质 |
| CN114757792A (zh) * | 2022-06-15 | 2022-07-15 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
| CN114757792B (zh) * | 2022-06-15 | 2022-09-30 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
| CN118042411A (zh) * | 2024-04-12 | 2024-05-14 | 江苏汇鑫融智软件科技有限公司 | 一种基于物联技术的围术期病人轨迹处理方法及系统 |
| CN118042411B (zh) * | 2024-04-12 | 2024-06-25 | 江苏汇鑫融智软件科技有限公司 | 一种基于物联技术的围术期病人轨迹处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020082807A1 (zh) | 2020-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Achrekar et al. | Predicting flu trends using twitter data | |
| US20190333646A1 (en) | Systems and methods for determining, tracking, and predicting common infectious illness outbreaks | |
| US10217063B2 (en) | System and method for clinical intelligent agents implementing an integrated intelligent monitoring and notification system | |
| CN109523396A (zh) | 基于数据分析的医保基金风控方法、装置、服务器及介质 | |
| US10185807B2 (en) | System and method for conducting real time active surveillance of disease outbreak | |
| CN108877890A (zh) | 运动量监控方法、设备及计算机可读存储介质 | |
| CN109545352B (zh) | 导诊服务方法、装置、电子设备及存储介质 | |
| US20200066412A1 (en) | Validating efficacy of medical advice | |
| CN109522344A (zh) | 一种基于数据可视化的数据处理方法及设备 | |
| US11437126B2 (en) | Methods and systems for analyzing accessing of medical data | |
| CN112992350A (zh) | 一种体征数据的监测方法、装置、电子终端及存储介质 | |
| CN111522859A (zh) | 告警分析方法、装置、计算机设备和存储介质 | |
| JP6131976B2 (ja) | 人員管理システム、情報解析装置、人員管理方法及び人員管理プログラム | |
| CN109544372B (zh) | 基于人工智能的门诊慢性病资质监控方法及相关装置 | |
| US9628954B2 (en) | Data analysis system with movement patterns for medical wellness correlation | |
| CN109493958A (zh) | 一种随访计划制定方法、装置、服务器及介质 | |
| Marins et al. | Improving High Availability and Reliability of Health Interoperability Systems | |
| Groome et al. | Decreasing extremes in patient waiting time | |
| CN111221717A (zh) | 用户行为数据处理方法和计算机可读存储介质 | |
| CN109830290A (zh) | 医疗信息管理方法、装置、服务器及可读存储介质 | |
| KR102182722B1 (ko) | 병원 인력 매칭 시스템 및 전문인력 4시간 단위 파견대행 서비스 | |
| Pinchin et al. | Integrating wifi based positioning with a job management system to study task management behaviour | |
| CN115547438A (zh) | 健康管理方法及系统、医疗随访终端、健康管理平台 | |
| CN114724677A (zh) | 一种健康卡片的推送方法、装置、计算机设备及介质 | |
| Steer et al. | Use of radio frequency identification to establish emergency medical service offload times |
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 |