CN109524125A - 基于医疗大数据的药品库存分析方法、存储介质及设备 - Google Patents
基于医疗大数据的药品库存分析方法、存储介质及设备 Download PDFInfo
- Publication number
- CN109524125A CN109524125A CN201910066400.5A CN201910066400A CN109524125A CN 109524125 A CN109524125 A CN 109524125A CN 201910066400 A CN201910066400 A CN 201910066400A CN 109524125 A CN109524125 A CN 109524125A
- Authority
- CN
- China
- Prior art keywords
- drug
- medical
- data
- presumptive area
- medical institutions
- 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
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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Chemical & Material Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于医疗大数据的药品库存分析方法、存储介质及设备,其中,方法包括:采集预定区域内的医疗机构药品数据和历史人口数据;根据所述医疗机构药品数据和所述历史人口数据构建拟合函数;根据所述拟合函数预测所述预定区域内来年药品使用总量。本发明为医疗机构管理部门和医疗机构提供数据支持,实现药品集中采购平台与药企精准议价,同时实现医疗机构药品库存的智能化管理。
Description
技术领域
本发明涉及医疗大数据处理技术领域,尤其涉及基于医疗大数据的药品库存量智能分析、处理方法,具体来说就是一种基于医疗大数据的药品库存分析方法、存储介质及设备。
背景技术
在当代医疗卫生体系中,药品在维护人们生命、健康过程中起着不可或缺的作用,当人们遭受疾病或伤害时,通常需要服用药物治疗或借助药物辅助治疗。但是,各医疗机构的各种药品用量并非每时每刻都处于恒定状态,疾病的发生和爆发也往往受季节性、地理差异等诸多因素影响,因此,导致不同区域医疗机构药品需求量的不确定性。例如,当某种流行性疾病发生时,很容易导致医院某种或某类药品用量突然增加,造成药品库存量不足,药品库存量不足将延误患者的治疗,而延误治疗对某些传染病或流行病的患者来说可能是致命的。此外,药品本身也有保持期,当某一类药品需求量突然减少,对于库存量较大的医疗机构来说,可能导致药品超出保持期而遭受损失,因此,药品库存管理对于医疗机构及医疗机构管理部门的正常运营是极其重要的。
目前,药品库存管理是医疗机构及其管理部门管理药品集中采购的基础,要满足患者药品供给则需要有足够的库存量,但药品采购过多会造成资源浪费,增加运营成本等一系列问题。药品库存包括区域药品库存和医疗机构药品库存,区域药品库存是指某个区域内所有医疗机构的药品库存量。医疗机构管理部门为了解决区域药品库存和医疗机构药品库存的匹配问题,必须采用有效的方法对区域药品库存和医疗机构药品库存进行分析和控制,找到库存管理成本与医疗服务之间的平衡。
在科学技术迅猛发展的时代浪潮中,大数据及互联网已经渗透到当今社会的各个行业,并成为重要的生产力因素。根据历史医疗数据来了解过去发生的事情以便能够在现在明智地行动只是一方面;如何根据历史医疗数据分析药品消耗趋势,实现库存管理成本与医疗服务之间的平衡,才是药品库存管理的目标。
现在技术中,医疗机构要么凭经验直接向药企(医药企业)采购药品,要么向区域药品集采平台(区域药品集中采购平台)申报下一年药品采购量,区域药品集采平台集合区域内所有医疗机构的药品采购量,进行药品集中采购,医疗机构对未来药品采购量的判断仅通过经验和历史采购量作为依据,不够客观。但是,医疗机构通常通过上一年度的药品消耗以及常规的用药量来判断来年药品需求量,采购用药量预测不精准,不够客观。同时医疗机构需要人工调用大量的数据进行查询,工作量大,耗时长。若采购少,可能出现药品的短缺,若采购过多则会造成资源浪费。而且区域药品集采平台通过“采购量”来与医药企业议价,现有采购量预测不精准,无法精准议价。比如,药品乙酰半胱氨酸存在乙酰半胱氨酸泡腾片、乙酰半胱氨酸颗粒、乙酰半胱氨酸胶囊等,同种功效不同剂型。每家医疗机构采用的药品剂型都不同,而通过现有技术手段则判断为不同种药品,导致集中采购时药品量少,不能实现精准的“带量采购”。另外,区域药品集中采购平台无法对区域内的每一家医疗机构进行药品使用量管控,从而造成资源浪费。
因此,本领域技术人员亟需研发一种精准预测区域内药品总采购量及区域内医疗机构药品采购量的方法,实现精准的“带量采购”,避免药品资源的浪费。
发明内容
有鉴于此,本发明要解决的技术问题在于提供一种基于医疗大数据的药品库存分析方法、存储介质及设备,解决了现有技术中无法精准预测区内药品采购问题及每个医疗机构药品采购量的问题。
为了解决上述技术问题,本发明的具体实施方式提供一种基于医疗大数据的药品库存分析方法,包括:采集预定区域内的医疗机构药品数据和历史人口数据;根据所述医疗机构药品数据和所述历史人口数据构建拟合函数;根据所述拟合函数预测所述预定区域内来年药品使用总量。
本发明的具体实施方式还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现基于医疗大数据的药品库存分析方法的步骤。
本发明的具体实施方式还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现基于医疗大数据的药品库存分析方法的步骤。
根据本发明的上述具体实施方式可知,基于医疗大数据的药品库存分析方法、存储介质及设备至少具有以下有益效果:基于对大数据的分析预测药品集中采购平台和医疗机构的未来药品使用量,科学合理地对同一种药品的不同厂商、剂型、规格等进行药品品规分类,确认一种药品品规,即确定一种药品,为医疗机构管理部门和医疗机构(综合医院、社区医院、门诊、药店等)提供数据支持。药品集中采购平台通过药品预测量实现“带量采购”,能够与药企更加精准议价,提高医疗机构管理部门与药企的议价能力,降低药品采购价格,减轻患者用药负担,降低医保费用支出;同时,医疗机构管理部门能够加强对区域内医疗机构药品采购量的管理,防止医疗机构采购量不够,造成医疗资源紧张,或者药品采购过多,造成药品资源浪费。医疗机构通过药品预测量,实现医院库存资源利用的最大化,降低医院运营成本,实现医院药品库存智能化管理。
应了解的是,上述一般描述及以下具体实施方式仅为示例性及阐释性的,其并不能限制本发明所欲主张的范围。
附图说明
下面的所附附图是本发明的说明书的一部分,其绘示了本发明的示例实施例,所附附图与说明书的描述一起用来说明本发明的原理。
图1为本发明具体实施方式提供的一种基于医疗大数据的药品库存分析方法的实施例一的流程图。
图2为本发明具体实施方式提供的一种基于医疗大数据的药品库存分析方法的实施例二的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面将以附图及详细叙述清楚说明本发明所揭示内容的精神,任何所属技术领域技术人员在了解本发明内容的实施例后,当可由本发明内容所教示的技术,加以改变及修饰,其并不脱离本发明内容的精神与范围。
本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。另外,在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等,并非特别指称次序或顺位的意思,也非用以限定本发明,其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语,例如:上、下、左、右、前或后等,仅是参考附图的方向。因此,使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的“及/或”,包括所述事物的任一或全部组合。
关于本文中的“多个”包括“两个”及“两个以上”;关于本文中的“多组”包括“两组”及“两组以上”。
关于本文中所使用的用语“大致”、“约”等,用以修饰任何可以微变化的数量或误差,但这些微变化或误差并不会改变其本质。一般而言,此类用语所修饰的微变化或误差的范围在部分实施例中可为20%,在部分实施例中可为10%,在部分实施例中可为5%或是其他数值。本领域技术人员应当了解,前述提及的数值可依实际需求而调整,并不以此为限。
图1为本发明具体实施方式提供的一种基于医疗大数据的药品库存分析方法的实施例一的流程图,如图1所示,采集预定区域内的医疗机构药品数据和历史人口数据,然后基于医疗机构药品数据和历史人口数据构建拟合函数,并利用拟合函数预测预定区域内来年药品使用总量。
该附图所示的具体实施方式中,基于医疗大数据的药品库存分析方法包括:
步骤101:采集预定区域内的医疗机构药品数据和历史人口数据。本发明的实施例中,通过医疗机构药品数据可以得到预定区域内的疾病趋势数据,医疗机构药品数据、疾病趋势数据和历史人口数据是几个影响药品采购量的关键数据。医疗机构药品数据主要包括医保三目数据(从人社金保系统采集)、药品目录信息(从预定区域内的医疗机构采集)、病例数据(从预定区域内的医疗机构采集)及病例用药量(从预定区域内的医疗机构采集)。历史人口数据从国家统计局的服务器中采集。药品目录信息包括医疗机构名称、药品商品名、药品厂商、药品规格、药品剂型、规格数量和药品适用症、历史药品使用量等。
进一步地,为了便于理解,下列举例说明药品目录信息、病例数据、病例用药量和历史人口数据。药品目录信息的样例数据如下述表1。
表1
病例数据的样例数据如下述表2。
表2
诊断 | 诊断编码 |
上呼吸道感染 | J06.903 |
咽喉炎 | J06.001 |
肺炎 | T79.851 |
阑尾炎 | K35.01 |
急性胃肠炎 | K37.X01 |
... | ... |
病例用药量的样例数据如下述表3。
表3
历史人口数据的样例数据如下述表4。
表4
步骤102:根据所述医疗机构药品数据和所述历史人口数据构建拟合函数。
步骤103:根据所述拟合函数预测所述预定区域内来年药品使用总量。
参见图1,能够为医疗机构管理部门和医疗机构(综合医院、社区医院、门诊、药店等)提供数据支持。药品集中采购平台通过药品预测量实现“带量采购”,能够与药企更加精准议价,提高医疗机构管理部门与药企的议价能力,降低药品采购价格,减轻患者用药负担,降低医保费用支出;医疗机构通过药品预测量,实现医院库存资源利用的最大化,降低医院运营成本,实现医院药品库存智能化管理。
图2为本发明具体实施方式提供的一种基于医疗大数据的药品库存分析方法的实施例二的流程图,如图2所示,从人社金保系统中采集医保三目数据,从医疗机构采集药品目录信息、病例数据及病例用药量,从国家统计局系统采集历史人口数据。
该附图所示的具体实施方式中,步骤101具体包括:
步骤1011:周期性从人社金保系统中采集医保三目数据。本发明的实施例中,从人社中心的备份库中每天定时抽取人社金保系统中的医保三目数据,并对医保三目数据进行抽取-转化-加载(ETL),获取药品通用名。药品通用名如下述表5所示。
表5
序号 | 药品通用名 |
1 | 雷尼替丁 |
2 | 法莫西丁 |
3 | 铝碳酸镁 |
4 | 动物源胰岛素 |
5 | ... |
步骤1012:采集所述预定区域内医疗机构的药品目录信息、病例数据及病例用药量。本发明的实施例中,药品目录信息、病例数据及病例用药量均为医疗机构数据。
步骤1013:从国家统计局系统中采集所述预定区域内的所述历史人口数据。
参见图2,从人社中心、国家统计局和医疗机构获取影响药品使用量的数据,基于获取的数据计算预定区域内来年药品使用总量,能够为医疗机构管理部门和医疗机构(综合医院、社区医院、门诊、药店等)提供数据支持。
本发明的其它实施方式中,在步骤101之后,基于医疗大数据的药品库存分析方法还包括:从所述医保三目数据抽取药品通用名;根据所述药品通用名和所述药品目录信息中的药品规格和药品剂型确定所述预定区域内医疗机构的药品的品规;根据所述医疗机构药品数据和所述药品品规获取所述预定区域内不同品规药品的总使用量,以及所述预定区域内每家医疗机构的不同品规药品的药品使用量;根据所述病例用药量以诊断编码标示每种品规药品适应的疾病类型;根据所述病例数据以诊断编码标示所述预定区域内不同疾病类型的历史诊断次数;根据所述药品通用名确定所述预定区域内每家医疗机构的所述药品目录信息中的所有药品的医保三目药品属性,医保三目药品属性指示医疗机构的药品目录信息中的所有药品是否属于医保三目药品,如果能够在药品通用名中找到药品目录信息中的该药品,则说明该药品属于医保三目药品,否则说明该药品不属于医保三目药品。
药品种类繁多,同一种药品会存在多个规格,比如药品乙酰半胱氨酸存在乙酰半胱氨酸泡腾片、乙酰半胱氨酸颗粒、乙酰半胱氨酸胶囊等不同剂型。同种药品同种剂型也会有不同规格,比如清喉利咽颗粒有5g/袋和10g/袋不同规格。不同规格、不同剂型药品适用不同的患者,所以统计预定区域所有药品及药品对应的品规确定一种药品。为了便于理解,下面举例说明确定预定区域内医疗机构的药品品规的方法:
首先对预定区域内所有医疗机构的采集数据进行汇总,可以得到下述表6,表6中有药品商品名、药品通用名、药品厂商、药品规格、药品剂型和药品数量。
表6
然后通过药品通用名、药品规格、药品剂型三个字段对比,对获取到的数据聚类,三个字段都相同则认为是一个品规的药品。最终确定当前区域(预定区域)所有医疗机构的药品品规。预定区域内所有医疗机构的药品品规如下述表7。
表7
药品通用名 | 药品规格 | 药品剂型 |
肠炎宁片 | 0.42g | 片剂 |
肠炎宁颗粒 | 10g | 颗粒 |
铝碳酸镁片 | 0.5g | 片剂 |
健胃消食片 | 0.8g | 片剂 |
健胃消食片 | 0.5g | 片剂 |
... | ... | ... |
根据所述医疗机构药品数据和所述药品品规获取所述预定区域内不同品规药品的总使用量,以及所述预定区域内每家医疗机构的不同品规药品的药品使用量的具体实现示例如下:
首先根据药品品规获取预定区域内不同品规药品的总使用量(总销量)。以年为单位,分别统计不同品规药品的总销量(总使用量)。得到下表8。
表8
根据药品品规统计预定区域内每家医疗机构的药品使用量(药品销售量)。以年为单位统计不同医疗机构不同品规药品的药品销售量(药品使用量)。得到下表9。
表9
根据所述病例用药量以诊断编码标示每种品规药品适应的疾病类型的具体示例如下,即统计疾病类型与品规药品之间的关系。
当采集的病例数据中,只有一个诊断时,则统计此诊断病历中对应的药品;如果采集的病例数据中有多个诊断,则通过数据采集中的病历用药数据和采集的预定区域医疗机构药品数据中的药品适应症进行一一匹配,统计出每种诊断有哪些适用的药品。最终得到下述表10。
表10
根据上述诊断与药品的关系,统计出每一种品规的药品适用的所有诊断(诊断编码)。以清热消炎宁片为例,经过统计分析得到下述表11。
表11
根据所述病例数据以诊断编码标示所述预定区域内不同疾病类型的历史诊断次数的具体示例如下:
首先根据预定区域全部医疗机构采集的病例数据,按照年的维度,统计疾病诊断在每一年的发生次数。
然后通过采集的预定区域全部医院机构的病例数据,通过诊断编码进行聚类,以年为单位,统计预定区域的历史诊断次数,如下表12所示。
表12
诊断编码 | 诊断名称 | 2017年 | 2016年 | 2015年 | 2014年 | 2013年 |
J06.903 | 上呼吸道感染 | 683847次 | 521938次 | 491343次 | 401945次 | 364253次 |
K35.01 | 阑尾炎 | 46353次 | 37201次 | 30737次 | 26972次 | 223432次 |
K37.X01 | 肠胃炎 | 139392次 | 90373次 | 82083次 | 74197次 | 64432次 |
... | ... | ... | ... | ... | ... | ... |
根据所述药品通用名确定所述预定区域内每家医疗机构的所述药品目录信息中的药品商品名的医保三目药品属性的具体示例如下,即统计该药品商品名对应的药品是否为医保三目药品。
通过对人社金保系统采集的医保三目数据,以及整理过后的药品目录信息,通过对“药品通用名”字段进行对比,筛选医疗机构的药品目录信息中药品商品名是否为医保三目药品。0表示不是三目药品,1表示是三目药品,可以得到下述表13。
表13
本发明的其它具体实施方式中,步骤102具体包括:利用所述拟合函数预测所述预定区域内疾病诊断次数和人口数量;根据所述疾病诊断次数、所述人口数量、所述总使用量、所述历史诊断次数和所述医保三目药品属性利用多元回归函数计算每种品规药品的预测用药量;根据所述预测用药量计算所述预定区域内来年药品使用总量。
其中,所述拟合函数f(x)的公式具体为:
其中,m为拟合形函数的数量;i为大于等于1小于等于m的整数;x是自变量;β为待解参数向量,β的值通过公式JTJβ=JTY求解,Y为待拟合值向量,分别为第一个、第二个、…、第n个样本的函数值,J为拟合参数矩阵,JT是矩阵转置,x1、x2、…、xn分别为第一行、第二行、…、第n行自变量,γ1(x1)、γ2(x1)、…、γm(xn)为不同的拟合形函数。
首先将整理后的每一种诊断编码对应的疾病类型分别代入上述拟合函数中,预测预定区域内疾病诊断次数。
例如,将近5年的上呼吸道感染数据代入上述拟合函数中,预测2018年上呼吸道感染诊断次数,近5年的上呼吸道感染数据如下述表14所示。
表14
诊断编码 | 诊断名称 | 2017年 | 2016年 | 2015年 | 2014年 | 2013年 |
J06.903 | 上呼吸道感染 | 683847次 | 521938次 | 491343次 | 401945次 | 364253次 |
把年份带入拟合参数矩阵J得到:
把疾病诊断次数带入拟合形函数Y得到:
通过公式JTJβ=JTY可求出β,进而求出拟合函数f(x),即为预测的2018年上呼吸道感染诊断次数。
同理,我们将预定区域的历史人口数据代入,预测2018年预定区域的人口数量。
最终求得,2018年预定区域上呼吸道感染诊断次数预估745756次,2018年预定区域的人口数量9628万人。
其中,所述多元回归函数y的公式具体为:
其中,i为大于等于1小于等于p的整数;ω0为权重参数;p为选取的参数数量减1;ai为参数;ωi为向量,ωi通过公式ATAω=ATB计算得出,A为参数矩阵,q为回归样本量,B为预定区域内品规药品的总使用量(总销量)的向量,分别为预定区域内第一个、第二个、…、第q个品规药品的总使用量(总销量)。
本发明的实施例中,根据所述疾病诊断次数、所述人口数量、所述总使用量、所述历史诊断次数和所述医保三目药品属性利用多元回归函数计算每种品规药品的预测用药量的具体示例如下:
为了便于说明,以清热消炎宁片为例,根据2014~2017年与清热消炎宁片有关的总使用量、所述历史诊断次数和所述医保三目药品属性,以及2018年的疾病诊断次数和所述人口数量,利用利用多元回归函数计算清热消炎宁片的预测用药量,数据如下述表15所示。
表15
将表15中的数据代入参数矩阵A,得到:
通过公式ATAω=ATB计算得出ω0、ω1、ω2、...、ωp的值,然后利用多元回归函数y公式求出2018年清热消炎宁片的预测用药量。最后根据每种品规药品的预测用药量计算预定区域内来年药品使用总量。
本发明的具体实施方式中,在步骤103之后,基于医疗大数据的药品库存分析方法还包括:根据所述总使用量和所述药品使用量预测所述预定区域内医疗机构来年药品使用量。进一步地,根据所述总使用量和所述药品使用量预测所述预定区域内医疗机构来年药品使用量的步骤,具体包括:根据所述总使用量和所述药品使用量计算所述预定区域内医疗机构的采购占比;根据所述采购占比计算所述预定区域内医疗机构来年药品使用量。计算预定区域内医疗机构来年药品使用量后,减去医疗机构的当前库存量,即可计算出药品的库存补量,实现医院库存资源利用的最大化,降低医院运营成本,实现医院药品库存智能化管理,避免资源浪费。
本发明的具体实施方式还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现基于医疗大数据的药品库存分析方法,方法包括以下步骤:
步骤101:采集预定区域内的医疗机构药品数据和历史人口数据。
步骤102:根据所述医疗机构药品数据和所述历史人口数据构建拟合函数。
步骤103:根据所述拟合函数预测所述预定区域内来年药品使用总量。
本发明的具体实施方式还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现基于医疗大数据的药品库存分析方法,方法包括以下步骤:
步骤1011:周期性从人社金保系统中采集医保三目数据。
步骤1012:采集所述预定区域内医疗机构的药品目录信息、病例数据及病例用药量。
步骤1013:从国家统计局系统中采集所述预定区域内的所述历史人口数据。
步骤102:根据所述医疗机构药品数据和所述历史人口数据构建拟合函数。
步骤103:根据所述拟合函数预测所述预定区域内来年药品使用总量。
本发明具体实施方式还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时基于医疗大数据的药品库存分析方法,方法包括以下步骤:
步骤101:采集预定区域内的医疗机构药品数据和历史人口数据。
步骤102:根据所述医疗机构药品数据和所述历史人口数据构建拟合函数。
步骤103:根据所述拟合函数预测所述预定区域内来年药品使用总量。
本发明的具体实施方式还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现基于医疗大数据的药品库存分析方法,方法包括以下步骤:
步骤1011:周期性从人社金保系统中采集医保三目数据。
步骤1012:采集所述预定区域内医疗机构的药品目录信息、病例数据及病例用药量。
步骤1013:从国家统计局系统中采集所述预定区域内的所述历史人口数据。
步骤102:根据所述医疗机构药品数据和所述历史人口数据构建拟合函数。
步骤103:根据所述拟合函数预测所述预定区域内来年药品使用总量。
上述的本发明实施例可在各种硬件、软件编码或两者组合中进行实施。例如,本发明的实施例也可为在数据信号处理器(Digital Signal Processor,DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable Gate Array,FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务,其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而,根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本发明示意性的具体实施方式,在不脱离本发明的构思和原则的前提下,任何本领域的技术人员所做出的等同变化与修改,均应属于本发明保护的范围。
Claims (10)
1.一种基于医疗大数据的药品库存分析方法,其特征在于,该方法包括:
采集预定区域内的医疗机构药品数据和历史人口数据;
根据所述医疗机构药品数据和所述历史人口数据构建拟合函数;以及
根据所述拟合函数预测所述预定区域内来年药品使用总量。
2.根据权利要求1所述的基于医疗大数据的药品库存分析方法,其特征在于,采集预定区域内的医疗机构药品数据和历史人口数据的步骤,具体包括:
周期性从人社金保系统中采集医保三目数据;
采集所述预定区域内医疗机构的药品目录信息、病例数据及病例用药量;以及
从国家统计局系统中采集所述预定区域内的所述历史人口数据。
3.根据权利要求2所述的基于医疗大数据的药品库存分析方法,其特征在于,采集预定区域内的医疗机构药品数据和历史人口数据的步骤之后,该方法还包括:
从所述医保三目数据抽取药品通用名;
根据所述药品通用名和所述药品目录信息中的药品规格和药品剂型确定所述预定区域内医疗机构的药品的品规;
根据所述医疗机构药品数据和所述药品品规获取所述预定区域内不同品规药品的总使用量,以及所述预定区域内每家医疗机构的不同品规药品的药品使用量;
根据所述病例用药量以诊断编码标示每种品规药品适应的疾病类型;
根据所述病例数据以诊断编码标示所述预定区域内不同疾病类型的历史诊断次数;
根据所述药品通用名确定所述预定区域内每家医疗机构的所述药品目录信息中的药品商品名的医保三目药品属性。
4.根据权利要求3所述的基于医疗大数据的药品库存分析方法,其特征在于,根据所述拟合函数预测所述预定区域内来年药品使用总量的步骤,具体包括:
利用所述拟合函数预测所述预定区域内疾病诊断次数和人口数量;
根据所述疾病诊断次数、所述人口数量、所述总使用量、所述历史诊断次数和所述医保三目药品属性利用多元回归函数计算每种品规药品的预测用药量;以及
根据所述预测用药量计算所述预定区域内来年药品使用总量。
5.根据权利要求4所述的基于医疗大数据的药品库存分析方法,其特征在于,所述拟合函数f(x)的公式具体为:
其中,m为拟合形函数的数量;i为大于等于1小于等于m的整数;x是自变量;β为待解参数向量,β的值通过公式JTJβ=JTY求解,Y为待拟合值向量,y1、y2、…、yn分别为第一个、第二个、…、第n个样本的函数值,J为拟合参数矩阵,JT是矩阵转置,x1、x2、…、xn分别为第一行、第二行、…、第n行自变量,γ1(x1)、γ2(x1)、…、γm(xn)为不同的拟合形函数。
6.根据权利要求5所述的基于医疗大数据的药品库存分析方法,其特征在于,所述多元回归函数y的公式具体为:
其中,i为大于等于1小于等于p的整数;ω0为权重参数;p为选取的参数数量减1;ai为参数;ωi为向量,ωi通过公式ATAω=ATB计算得出,A为参数矩阵,q为回归样本量,B为预定区域内品规药品的总使用量的向量,b1、b2、…、bq分别为预定区域内第一个、第二个、…、第q个品规药品的总使用量。
7.根据权利要求4所述的基于医疗大数据的药品库存分析方法,其特征在于,根据所述拟合函数预测所述预定区域内来年药品使用总量的步骤之后,该方法还包括:
根据所述总使用量和所述药品使用量预测所述预定区域内医疗机构来年药品使用量。
8.根据权利要求7所述的基于医疗大数据的药品库存分析方法,其特征在于,根据所述总使用量和所述药品使用量预测所述预定区域内医疗机构来年药品使用量的步骤,具体包括:
根据所述总使用量和所述药品使用量计算所述预定区域内医疗机构的采购占比;
根据所述采购占比计算所述预定区域内医疗机构来年药品使用量。
9.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至8任一所述方法的步骤。
10.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910066400.5A CN109524125B (zh) | 2019-01-24 | 2019-01-24 | 基于医疗大数据的药品库存分析方法、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910066400.5A CN109524125B (zh) | 2019-01-24 | 2019-01-24 | 基于医疗大数据的药品库存分析方法、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109524125A true CN109524125A (zh) | 2019-03-26 |
CN109524125B CN109524125B (zh) | 2021-03-02 |
Family
ID=65799716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910066400.5A Active CN109524125B (zh) | 2019-01-24 | 2019-01-24 | 基于医疗大数据的药品库存分析方法、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109524125B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097957A (zh) * | 2019-04-22 | 2019-08-06 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
CN110264139A (zh) * | 2019-06-24 | 2019-09-20 | 重庆医药高等专科学校 | 监控药品数据库实时判断分析方法 |
CN110288140A (zh) * | 2019-06-14 | 2019-09-27 | 西北大学 | 一种基于地理相关性模型的阿片类药物空间传播预测方法 |
CN110765199A (zh) * | 2019-11-07 | 2020-02-07 | 南京远致数据技术有限公司 | 医疗保险药品目录的遴选方法、存储介质及计算机设备 |
CN112884530A (zh) * | 2021-03-24 | 2021-06-01 | 深圳市全药网科技有限公司 | 一种药品集团采购降价幅度及节省金额的测算方法 |
CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
CN116978529A (zh) * | 2023-09-25 | 2023-10-31 | 万链指数(青岛)信息科技有限公司 | 一种医疗大数据的智能分析系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101649504B1 (ko) * | 2015-01-08 | 2016-08-19 | 주식회사 유비케어 | 약품 주문 관리 방법 및 약품 주문 관리 시스템 |
CN105989451A (zh) * | 2015-01-29 | 2016-10-05 | Ims健康有限公司 | 一种药品社会库存计算方法 |
CN108256685A (zh) * | 2018-01-22 | 2018-07-06 | 浙江工业大学 | 一种基于多元线性回归模型的医院后勤运送时间预测方法 |
CN108389314A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 一种售药机及其药品库存管理方法、存储介质 |
-
2019
- 2019-01-24 CN CN201910066400.5A patent/CN109524125B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101649504B1 (ko) * | 2015-01-08 | 2016-08-19 | 주식회사 유비케어 | 약품 주문 관리 방법 및 약품 주문 관리 시스템 |
CN105989451A (zh) * | 2015-01-29 | 2016-10-05 | Ims健康有限公司 | 一种药品社会库存计算方法 |
CN108256685A (zh) * | 2018-01-22 | 2018-07-06 | 浙江工业大学 | 一种基于多元线性回归模型的医院后勤运送时间预测方法 |
CN108389314A (zh) * | 2018-02-08 | 2018-08-10 | 康美药业股份有限公司 | 一种售药机及其药品库存管理方法、存储介质 |
Non-Patent Citations (1)
Title |
---|
梁乃文: "《医药流通企业物流系统优化方法研究》", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097957A (zh) * | 2019-04-22 | 2019-08-06 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
CN110097957B (zh) * | 2019-04-22 | 2023-07-11 | 安徽晶奇网络科技股份有限公司 | 一种基于大数据的医院管理分析系统 |
CN110288140A (zh) * | 2019-06-14 | 2019-09-27 | 西北大学 | 一种基于地理相关性模型的阿片类药物空间传播预测方法 |
CN110288140B (zh) * | 2019-06-14 | 2023-04-07 | 西北大学 | 一种基于地理相关性模型的阿片类药物空间传播预测方法 |
CN110264139A (zh) * | 2019-06-24 | 2019-09-20 | 重庆医药高等专科学校 | 监控药品数据库实时判断分析方法 |
CN110765199A (zh) * | 2019-11-07 | 2020-02-07 | 南京远致数据技术有限公司 | 医疗保险药品目录的遴选方法、存储介质及计算机设备 |
CN112884530A (zh) * | 2021-03-24 | 2021-06-01 | 深圳市全药网科技有限公司 | 一种药品集团采购降价幅度及节省金额的测算方法 |
CN116051170A (zh) * | 2023-01-28 | 2023-05-02 | 航天正通汇智(北京)科技股份有限公司 | 一种基于ai技术的区域常用药品需求量预测的方法及装置 |
CN116978529A (zh) * | 2023-09-25 | 2023-10-31 | 万链指数(青岛)信息科技有限公司 | 一种医疗大数据的智能分析系统及方法 |
CN116978529B (zh) * | 2023-09-25 | 2023-12-12 | 万链指数(青岛)信息科技有限公司 | 一种医疗大数据的智能分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109524125B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524125A (zh) | 基于医疗大数据的药品库存分析方法、存储介质及设备 | |
US8099306B2 (en) | Pharmacy episodes of care | |
US20110238585A1 (en) | Computer algorithms and methods for product safety | |
JP2003515823A (ja) | 所有権のある製品データを作成し管理するためのシステム | |
Lee et al. | Factors impacting pharmaceutical prices and affordability: narrative review | |
US20190057762A1 (en) | Information processing device | |
Li et al. | The meaningful use of EMR in Chinese hospitals: a case study on curbing antibiotic abuse | |
Fekadu et al. | Drug use evaluation of beta-blockers in medical wards of Nedjo general hospital, Western Ethiopia | |
Lankford et al. | Effect of clinical pharmacist interventions on cost in an integrated health system specialty pharmacy | |
Surendra et al. | The cost of dialysis in Malaysia: Haemodialysis and continuous ambulatory peritoneal dialysis | |
JP6469913B1 (ja) | 薬剤情報管理支援装置 | |
CN113903437A (zh) | 一种病种控费的管理分析系统 | |
Mabotuwana et al. | A computational framework to identify patients with poor adherence to blood pressure lowering medication | |
WO2020153207A1 (ja) | 医療施設収支計算支援システム | |
Bandameedi | Provenance of Computers in Pharmacy | |
Kadambi et al. | Review of an electronic health record model to facilitate remote patient management in metabolic and lifestyle diseases | |
Motulsky | Big data challenges from a pharmacy perspective | |
Kumar | Importance and Applications of Artificial Intelligence (Metastorm Software) in Pharmaceutical Process Life-Cycle | |
JP2004362556A (ja) | 診療科別原価計算方法及び診療科別原価計算システム | |
KR20210070572A (ko) | 의료 행위별 원가 분석 방법 및 시스템 | |
CA3193187A1 (en) | System and method for patient data provision consumption, and royalty processing | |
WO2022202359A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
石井雅通 | Clinical knowledge extraction utilizing real-world data derived from electronic medical records | |
Politzer | Utilization Thresholds in Risk Adjustment Systems | |
Suteja et al. | COST REDUCTION USING THE TIME DRIVEN ACTIVITY BASED COSTING METHOD FOR CHEMOTHERAPY TREATMENT COSTS FOR BREAST CANCER PATIENTS IN THE ERA OF NATIONAL HEALTH INSURANCE (JKN) AT AIRLANGGA UNIVERSITY HOSPITAL |
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 |