CN109543904A - 医疗数据预测方法、装置、计算机设备和存储介质 - Google Patents
医疗数据预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109543904A CN109543904A CN201811401537.3A CN201811401537A CN109543904A CN 109543904 A CN109543904 A CN 109543904A CN 201811401537 A CN201811401537 A CN 201811401537A CN 109543904 A CN109543904 A CN 109543904A
- Authority
- CN
- China
- Prior art keywords
- data
- prediction
- medical data
- history
- predicted
- 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 36
- 238000004590 computer program Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 20
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 20
- 238000012549 training Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
本申请涉及一种医疗数据预测方法、装置、计算机设备和存储介质。所述方法包括:获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式;将所述历史医疗数据进行标准化处理得到标准化历史医疗数据;根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据;将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,所述预测模型用于表征所述预测历史医疗数据与预测结果之间的对应关系。采用本方法能够无需人工处理大量的数据,从而提高预测效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种医疗数据预测方法、装置、计算机设备和存储介质。
背景技术
随着社会的进步与发展,了解不同用户的医疗数据从而预测未来用户的医疗行为至关重要。
传统地,采用医疗数据对未来的医疗行为进行预测的过程中,往往需要人工分析采集到的数据,如相应的就诊费用等数据,这样会造成人工分析工作量大,从而导致效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高分析效率的医疗数据预测方法、装置、计算机设备及存储介质。
一种医疗数据预测方法,所述方法包括:
获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式;
将所述历史医疗数据进行标准化处理得到标准化历史医疗数据;
根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据;
将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,所述预测模型用于表征所述预测历史医疗数据与预测结果之间的对应关系。
在其中一个实施例中,所述根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,包括:
根据所述预测方式,查询所述待预测医疗数据中所关联的地区信息;
根据所述地区信息,选取所述标准化历史医疗数据中的弃用数据;
将所述弃用数据添加弃用标签;
将未添加所述弃用标签的所述标准化历史医疗数据进行提取得到预测历史医疗数据。
在其中一个实施例中,所述方法还包括:
当选取所述预测方式为线性预测方式时,则查询所述标准化历史数据中是否存在有待替换数据;
当存在待替换数据时,则查询所述待替换数据所对应的第一预设替换数值;
采用所述第一预设替换数值将所述待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,所述则查询所述待替换数据所对应的第一预设替换数据值之后,还包括:
当未查询到所述待替换数据所对应的第一预设替换数值时,则查询所述待替换数据所对应的替换范围;
选取与所述替换范围所对应的第二预设替换数值,采用所述第二预设替换数值将所述待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,所述将所述历史医疗数据进行标准化处理得到标准化历史医疗数据,包括:
获取所述标准化历史医疗数据中的待处理数据,并提取所述待处理数据对应的数据字段;
选取与所述数据字段对应的转换逻辑;
根据所述转换逻辑将对应字段的所述待处理数据进行转化得到标准化历史医疗数据。
在其中一个实施例中,所述将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出之后,包括:
获取所述预测结果中费用超过预设值的所述待预测医疗数据;
获取所述费用超过预设值的所述待预测医疗数据所对应的身份信息;
对所述身份信息对应的医疗行为进行监控。
一种医疗数据预测装置,所述装置包括:
获取模块,用于获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式;
历史医疗数据处理模块,用于将所述历史医疗数据进行标准化处理得到标准化历史医疗数据;
预测参数处理模块,用于根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据;
预测模块,用于将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,所述预测模型用于表征所述预测历史医疗数据与预测结果之间的对应关系。
在其中一个实施例中,所述预测参数处理模块,包括:
查询单元,用于根据所述预测方式,查询所述待预测医疗数据中所关联的地区信息;
选取单元,用于根据所述地区信息,选取所述标准化历史医疗数据中的弃用数据;
添加单元,用于将所述弃用数据添加弃用标签;
提取单元,用于将未添加所述弃用标签的所述标准化历史医疗数据进行提取得到预测历史医疗数据。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其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上述的方法的步骤。
上述医疗数据预测方法、装置、计算机设备及存储介质,无需人工处理大量的数据,可以根据待预测医疗数据选取相应的预测方式,并对历史医疗数据进行处理得到预测历史医疗数据,从而采用预测历史医疗数据对待预测医疗数据进行预测,提高预测效率。
附图说明
图1为一个实施例中医疗数据预测方法的应用场景图;
图2为一个实施例中医疗数据预测方法的流程示意图;
图3为一个实施例中预测参数处理步骤的流程示意图;
图4为一个实施例中医疗数据预测装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的医疗数据预测方法,可以应用于如图1所示的应用环境中。其中,预测平台102通过网络与服务器104进行通信。预测平台102获取到待预测医疗数据,则从服务器104获取与待预测医疗数据所对应的历史医疗数据,进而预测平台选取与待预测医疗数据对应的预测方式,预测平台102将从服务器104获取到的历史医疗数据进行标准化处理,得到标准化历史医疗数,预测平台102根据选取到的预测方式,将得到的标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,进而预测平台102从服务器获取到相应的预测模型,将预测历史医疗数据输入至预测模型中得到相应的预测结果,并将预测结果输出。其中,预测平台102可以用独立的服务器或者是多个服务器组成的服务器集群来实现,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种医疗数据预测方法,以该方法应用于图1中的预测平台为例进行说明,包括以下步骤:
S202:获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式。
具体地,待预测医疗数据是指用户在预设时间段内可以预测的医疗行为数据,待预测医疗数据可以是费用数据,诊断数据或是处方数据等,待预测数据中包含有相应的身份信息,例如,待预测医疗数据可以是在未来一年内用户就诊所需的费用,可以是在未来一年内用户住院次数,可以是未来一年内用户买药次数等。历史医疗数据是指用户在预设时间段内已存在的医疗行为数据,历史医疗数据可以是费用数据、已花费的费用数据、已有的诊断数据和已有的处方数据等其中至少一个,且历史医疗数据包含有与对应的待预测数据所一致的身份信息,例如,历史医疗数据可以是用户在历史预设时间段就诊所需的费用、用户在历史预设时间段住院次数、用户在历史预设事件段内门诊治疗次数和用户在历史预设时间段的买药次数等其中至少一个。预测方式可以根据待预测医疗数据的类型进行选取,例如,当待预测医疗数据显示为连续的线性数据时,则预测方式可以选择为线性预测方式,当待预测数据显示为布尔型数据时,则预测方式可以选取布尔型预测方式,举例示意,当待测医疗数据为就诊的花费时,就诊的花费可以为连续线性变量,则预测方式可以选择线性预测方式,当待预测医疗数据为预设时间段内是否会住院,则根据历史医疗数据输出的预测结果即为住院或者为不住院,则是否会住院的待预测数据为布尔型预测数据,则需要选取的预测方式为布尔型预测方式。
具体地,预测平台获取到待预测医疗数据,则预测平台提取待预测数据中包含的身份信息,进而根据待预测数据中包含的身份信息,查询与待预测数据的身份信息所对应的历史医疗数据,进而根据待预测数据,选取到与待预测数据所对应的预测方式。例如,预测平台获取到待预测医疗数据为预测A用户未来一年住院的花费,则根据待预测数据所携带的A用户的身份信息,如姓名、年龄、性别、身份证信息等,获取到该用户历史两年的相应的就诊信息,如A用户相应的疾病信息、住院次数以及住院花费,进而根据待遇测数据为未来一年住院的花费,为连续的线性数据,则选取的预测方式为线性预测方式。
S204:将所述历史医疗数据进行标准化处理得到标准化历史医疗数据。
具体地,标准化历史数据是指将获取到的历史医疗数据按照所对应的字段,进行标准化处理,从而使得相同类别的历史医疗数据按照标准化格式进行显示,并可以采用标准化历史医疗数据进行后续的预测。标准化历史数据可以是进行标准化处理后的费用数据、标准化处理后的就诊数据和标准化处理后的处方信息等其中至少一个。具体地,当预测平台获取到历史医疗数据时,则查询历史医疗数据的数据类别,根据查询到的数据类别,根据查询到的数据类别,历史医疗数据进行标准化处理,从而得到标准化历史数据。例如,预测平台获取到历史医疗数据,查询历史医疗数据的数据类别为费用数据,进而将费用数据进行细化,也即细化为住院费用、开药费用或住院费用等,从而进行细化后的费用数据为标准化历史医疗数据。
S206:根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据。
具体地,预测参数是指包含在标准化历史数据中的需要参与预测的参数,且该预测参数可以进行处理,如将需要进行替换的预测参数进行替换得到可以直接利用的参数。预测历史医疗数据是指包含有可以直接参与预测的参数的医疗行为数据,也即预测历史医疗数据是指将标准化历史医疗数据中包含的不利于直接应用进行预测的参数进行处理,从而使得标准化历史数据可以直接利用进行预测。具体地,预测平台根据待预测医疗数据,以及可以对待预测医疗数据进行预测的历史医疗数据,并将历史医疗数据进行标准化处理得到标准化历史医疗数据,预测平台根据待预测医疗数据,选取对应的预测方式,根据预测方式,将标准化历史医疗数据中未能直接利用的预测参数进行替换等处理从而得到预测医疗数据,进而可以使得预测医疗数据直接使用进行预测。
S208:将预测历史医疗数据输入至预测模型中,根据预测方式得到与待预测医疗数据对应的预测结果,并将预测结果输出,预测模型用于表征预测历史医疗数据与预测结果之间的对应关系。
具体地,预测模型是指可以表征预测历史医疗数据与预测结果之间对应结果的模型,也即采用预测模型,根据预测历史医疗数据即可得到待预测医疗数据的预测结果,且预测模型可以预测连续型的线性数据,也可以预测布尔型数据。具体地,当对待预测医疗数据进行预测时,则将进行处理的预测历史医疗数据输入至的预测模型中,进而预测模型查询到对应的预测方式,以及根据输入的历史医疗数据中的预测参数进行预测得到预测结果,将待预测数据对应的预测结果输出。例如,例如待预测医疗数据为A用户未来一年的住院次数,则选取预测方式为线性预测方式,则将根据A用户所对应的历史医疗数据中的疾病数据进行替换为国际疾病分类编码得到的标准化历史医疗数据,另外可以将标准化历史医疗数据中的预测参数进行替换得到预测历史医疗数据,如已包含的住院次数进行替换,可以替换为住院费用,从而便于采用线性预测方式进行预测,预测平台将进行预测历史医疗数据输入至预测模型中,预测模型根据输入的预测历史医疗数据以及线性预测方式,查询相应的预测历史医疗数据对应的预测结果,进而将预测结果进行输出。
需要说明的是,预测模型是可以是采用相应的训练样本数据进行训练得到的,可以是,获取到样本数据,并将样本数据分为训练数据以及检测数据,对训练样本数据进行标准化处理得到标准化训练样本数据,将训练样本数据作为特征值,取训练样本数据所对应的已知预测结果,进而采用作为特征值的样本数据与预测结果计算预测关系,进而采用检测数据以及计算得到的预测关系,查询相应的与检测数据对应的检测预测结果,当检测预测结果为目标检测预测结果,则计算出的预测关系可以进行应用,也即该预测关系可以为预测模型,预测模型可以是对计算得到的预测关系进行验证,当验证成功时,则可以采用预测模型进行预测,且预测模型在训练过程中,可以采用相应的线性回归算法,将作为特征量的训练数据以及与训练数据所对应的预测结果采用线性回归算法计算,从而得到相应的预测关系,经过验证后得到可以进行预测的预测模型,且在训练模型的训练时,还可以采用逻辑回归算法进行计算相应的预测关系,或者采用随机森林算法进行计算预测关系,因此,得到的预测模型既可以对连续的线性数据进行预测,也可以对布尔型数据进行预测。
本实施例中,无需人工处理大量的数据,可以根据待预测医疗数据选取相应的预测方式,并对历史医疗数据进行标准化处理得到标准化历史医疗数据,将标准化历史医疗数据中的预测参数进行处理,从而得到预测医疗数据,进而采用预测医疗数据对待预测医疗数据进行预测,提高预测效率。
在其中一个实施例中,请参见图3,提供一预测参数处理步骤的流程图,预测参数处理步骤,也即根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,包括:根据预测方式,查询待预测医疗数据中所关联的地区信息;根据地区信息,选取标准化历史医疗数据中的弃用数据;将弃用数据添加弃用标签;将未添加弃用标签的标准化历史医疗数据进行提取得到预测历史医疗数据。
具体地,地区信息是指待预测医疗数据中所包含的身份信息所对应的地区,也即可以是待预测医疗数据中所包含的身份信息所关联的用户的来源地区。弃用数据是指在采用模型进行预测的过程中,包含在标准化历史医疗数据中的舍弃的参数,也即在预测过程中,不予考虑的特征值。弃用标签是指弃用数据的标识,当标准化医疗数据中有弃用的数据时,则添加相应的弃用标签,则在采用预测模型进行预测时,则添加了弃用标签的数据不参与预测。
具体地,在对待预测医疗数据进行预测时,需要采用标准化历史医疗数据进行预测,而标准化历史医疗数据中包含的部分数据可能是偶然出现的数据,而在预测的过程中,对偶然出现的数据也进行考虑则可能会影响预测的准确性,因此需要将偶然出现的数据弃用。预测平台获取到待预测医疗数据,并获取到与所选取的待预测医疗数据所对应的历史医疗数据,并对历史医疗数据进行标准化处理得到标准化历史医疗数据,预测平台查询待预测医疗数据中的包含的身份信息,查询身份信息所对应的地区信息,根据地区信息,查询预存的与地区信息对应的无需参与预测的数据,查询标准历史医疗数据是否包含有无需参与预测的数据,当包含有无需参与预测的数据,则将标准历史医疗数据中的无需参与预测的数据标记为弃用数据,从而将弃用数据上添加弃用标签,进而后续预测过程中不采用弃用数据,从而预测平台提取未添加弃用标签的标准化历史医疗数据作为预测历史医疗数据,从而将历史预测医疗数据输入至相应的预测模型进行预测。
例如,预设有在R地区,a疾病数据属于偶然数据,当预测平台接收到待预测医疗数据为预测A用户在未来一年的住院费用,从而获取与A用户所对应的历史医疗数据,进而对历史医疗数据进行标准化处理得到标准化历史数据,预测平台根据A用户,查询到A用户所属的地区为R地区,且R地区预存的偶然数据为a疾病数据,查询标准化历史数据中是否包含有a疾病数据,当包含有a疾病数据时,若将a疾病数据参与预测,则由于a疾病数据出现是偶然数据,对数据预测如果考虑a疾病数据则会导致预测的住院费用有偏差,因此,将a疾病数据添加有弃用标签,则后续在进行预测时a疾病数据不参与预测,预测平台将未添加弃用标签的其他数据进行提取作为预测医疗数据。
本实施例中,对获取到的历史医疗数据进行标准化得到标准化历史医疗数据,进而对标准化医疗数据会对出现的偶然数据弃用,也即添加相应的弃用标签,避免偶然数据的出现而导致对待预测医疗数据进行预测得到的结果不准确,从而提高预测准确性。
在其中一个实施例中,可继续参见图3,医疗数据预测方法,还可以包括:当选取预测方式为线性预测方式时,则查询标准化历史数据中是否存在有待替换数据;当存在待替换数据时,则查询待替换数据所对应的第一预设替换数值;采用第一预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
具体地,待替换数据是指按照预测方式进行预测时,由于选定的预测方式无法直接使用的标准化历史数据,需要进行替换的标准化历史数据。例如,当选取的预测方式为线性预测方式时,当标准化历史数据中包含有住院次数,而住院次数由于会出现跳变,则参与预测是会导致预测结果的不准确,则无法直接使用线性方式进行预测,从而住院次数需要进行替换。第一预设替换值是指可以对待替换数据进行替换为可以适用预测模型,并根据预测方式对待预测医疗数据预测的数据,例如,待预测医疗数据为住院次数,可能为跳变数据,则采用跳变数据直接进行预测时,则会导致误差较大,则可以采用与住院次数对应的平均费用进行替换,替换住院次数的平均费用即为第一预设替换数据。
具体地,当预测平台获取到待预测医疗数据以及预测方式为线性预测方式时,进而获取历史医疗数据,并对历史医疗数据进行标准化处理得到标准化历史医疗数据,获取到预设的待替换数据,将预设的待替换数据与标准化历史医疗数据进行比对,当比对成功时,则标准化医疗数据中存在有待替换数据,进而预测平台查询到与待替换数据所对应的第一预设替换数据,将第一预设替换数据将待替换数据进行替换,从而得到预测历史医疗数据,进一步地,由于选取第一预设替换数据时,为了保证后续的准确性,则考虑地区的差异性,则当预测平台查询到待替换数据时,则可以获取待预测医疗数据中包含的身份信息,进而根据身份信息查询关联的地区信息,从而查询与地区信息对应的第一预设替换数值,从而采用地区对应的第一预设替换数值对待替换数据进行替换得到预测历史医疗数据。
例如,当预测平台获取到待预测医疗数据为预测A用户在未来一年内的住院次数,获取到与A用户对应的历史医疗数据,如A用户历史两年的疾病数据a、住院次数为3次等,进而将历史医疗数据进行标准化处理得到标准化历史医疗数据,预测平台获取到预设的待替换数据为住院次数,由于考虑到地域性差异,则获取到A用户的身份信息,从而查询到A用户的地区信息为R地区,获取R地区的与A用户的疾病数据所对应的不同住院次数的平均花费,也即获取到在R地区,由于a疾病住院3次的平均费用,将该平均费用作为第一预设替换数据,将该平均费用替换住院次数得到预测历史医疗数据。
本实施例中,由于标准化历史数据中可能存在待替换数据,如跳变数据,则导致进行预测时得到的预测结果不准确,则将待替换数据采用第一预设替数值进行替换,从而得到预测历史医疗数据,保证预测的准确性。
在其中一个实施例中,可继续参见图3,查询待替换数据所对应的第一预设替换数据值之后,还包括:当未查询到待替换数据所对应的第一预设替换数值时,则查询待替换数据所对应的替换范围;选取与替换范围所对应的第二预设替换数值,采用第二预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
具体地,替换范围是指包含待替换数据的范围,且不同的替换范围分别对应有不同的预设数据,从而在同一个替换范围内的待替换数据可以采用相同的预设数据进行替换。第二预测替换数值是指与替换范围所对应的预设数据,且第二预测替换数值可以替换在替换范围内的待替换数据,从而得到可以根据预测方式参与预测,从而对待预测医疗数据进行预测的数据,例如,待预测医疗数据为处方信息中的开药次数,由于开药次数可能为跳变数据,且开药次数可能具有多种次数,若将每个开药次数都对应有相应的预设数据进行替换则数据量过于庞大,且仍旧不能避免数据跳变的情况,因此,可以查询开药次数所对应的替换范围,从而查询替换范围所对应的平均费用进行替换,从而替换开药次数的与替换范围对应的平均费用即为第二预设替换数据。
具体地,预设平台查询到标准化历史医疗数据中的待替换数据时,则查询待替换数据的第一预设替换数值,当未查询到第一预设替换数值时,则获取待替换数据所对应的替换范围,根据查询到替换范围,查询替换范围所对应的第二预设替换数值,从而采用第二预设替换数值将待替换数据进行替换,进一步地,由于选取第二预设替换数值时,为了保证后续的准确性,则考虑地区的差异性,当预测平台查询到待替换数据时,则获取待预测医疗数据中包含的身份信息,进而根据身份信息查询关联的地区信息,查询与地区信息对应的替换范围,再查询与替换范围所对应的第二预设替换数值,从而采用第二预设替换数值对替换数据进行替换得到预测历史医疗数据。
例如,当预测平台获取到待预测医疗数据为预测B用户在未来一年内的开药次数,则获取与B用户所对应的历史医疗数据,如B用户在历史两年的疾病数据b,开药次数为13次等,进而查询到开药次数为待替换数据,而未直接查询到第一预设替换数值,则查询开药次数所对应的替换范围,也即和预测平台获取到B用户的身份信息,从而查询B用户的地区信息为S地区,获取S地区的与B用户的疾病数据所对应的开药次数所在的替换范围,从而查询到开药次数为13次所对应的替换范围,如查询到的替换范围为10次至20次,从而查询替换范围所对应的第二预设替换数值,也即查询10次至20次所对应的统一开药平均费用为F,从而将查询到10次至20次所对应的统一开药平均费用F作为第二预设替换数值,对待替换数据进行替换得到预测历史医疗数据。
本实施例中,当未查询到第一预设替换数值时,则待替换数据可能数量过多,则采用与替换范围对应的第二预设替换数值进行替换,从而保证得到准确的预测历史医疗数据,使得预测结果准确。
在其中一个实施例中,将历史医疗数据进行标准化处理得到标准化历史医疗数据,包括:获取标准化历史医疗数据中的待处理数据,并提取待处理数据对应的数据字段;选取与数据字段对应的转换逻辑;根据转换逻辑将对应字段的待处理数据进行转化得到标准化历史医疗数据。
具体地,待处理数据是指标准化历史数据中包含的未按照标准格式或显示方式进行显示的数据,且待处理数据由于未按照标准格式或显示方式进行显示,因此在采用预测模型进行预测时,需要进行标准化处理从而进行使用。数据字段是指待处理数据中显示待处理数据的数据类别的字段,例如,数据字段可以标识待处理字段为费用数据、疾病数据、药品数据、诊断数据等。转换逻辑是指可以将待处理数据进行转换为可用于预测的数据的转换规则,转换规则可以是将待处理数据按照标准格式或显示方式进行显示,例如,转换逻辑可以为指示将为费用的待处理数据进行拆分,得到明细费用,如将整体费用进行细化拆分,分别得到住院费用、门诊费用、开药费用等;转换逻辑可以指示将疾病数据采用国际疾病分类编码进行表示;转换逻辑可以是指示将住院日期替换为住院次数;转换逻辑可以将就诊日期替换为就诊次数等。
具体地,当预测平台获取到历史医疗数据时,按照预存的待处理数据,查询历史医疗数据中是否存在有待处理数据,当存在待处理数据时,获取待处理数据的字段,根据字段得到待处理数据的类别,进而根据待处理数据的字段,获取待处理数据适用的转换逻辑,根据转换逻辑,将待处理数据按照转换逻辑进行转换,从而得到标准化历史医疗数据。例如,当预测平台获取到历史医疗数据时,预存的待处理数据为费用数据,查询历史医疗数据中是否存在有费用数,也即可以查询相应的数据字段,当查询到对应的“费用”字段时,则数据字段对应的为待处理数据,获取到费用数据对应的转换逻辑为将费用拆分为明细费用,则将根据转换逻辑,将费用数据进行拆分,得到明细费用为住院费用、开药费用、门诊费用等,从而对历史医疗数据完成标准化处理得到标准化历史医疗数据。
本实施例中,可以对获取到的历史医疗数据进行标准化处理得到标准化历史医疗数据,从而避免数据的不统一导致无法进行预测,进而需要逐一对数据进行处理,则可以提高预测效率,且可以提高预测准确率。
在其中一个实施例中,将预测历史医疗数据输入至预测模型中,根据预测方式得到与待预测医疗数据对应的预测结果,并将预测结果输出,包括:获取预测结果中费用超过预设值的待预测医疗数据;获取费用超过预设值的待预测医疗数据所对应的身份信息;对身份信息对应的医疗行为进行监控。
具体地,身份信息是指包含在待预测医疗数据中的用户的身份数据,身份信息可以是用户姓名、年龄、联系方式、身份证信息等。当预测平台接收到的待预测医疗数据是预测费用数据时,则可以根据预测费用数据的预测结果,进而监控相应的医疗行为。当预测平台接收到的待预测医疗数据为预测相应的费用数据时,则对费用数据进行预测并输出相应的预测结果时,预测结果为相应的预测费用数据,将获取到预测费用数据与预设值进行比较,当预测费用高于预设值时,则该预测结果所显示的费用会出现不当就医的风险,如乱开药等,则需要相应的医疗行为,也即预测平台获取到超过费用数据超过预设值的待预测医疗数据所对应的身份信息,从而根据身份信息,对身份信息所对应的用户的医疗行为进行监控。
本实施例中,采用预测模型对待预测数据进行预测之后,查询超过预设值的费用数据,进而查询该费用所对应的待预测医疗数据,并监控待预测医疗数据所对应的身份信息的医疗行为,可以对相应的用户进行监控,增强适用范围。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种医疗数据预测装置400,包括:获取模块410、历史医疗数据处理模块420、预测参数处理模块430和预测模块440,其中:
获取模块,用于获取待预测医疗数据以及与待预测医疗数据对应的历史医疗数据,选取与待预测医疗数据所对应的预测方式。
历史医疗数据处理模块,用于将历史医疗数据进行标准化处理得到标准化历史医疗数据。
预测参数处理模块,用于根据预测方式,将标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据。
预测模块,用于将预测历史医疗数据输入至预测模型中,根据预测方式得到与待预测医疗数据对应的预测结果,并将预测结果输出,预测模型用于表征预测历史医疗数据与预测结果之间的对应关系。
在其中一个实施例中,预测参数处理模块,包括:
查询单元,用于根据预测方式,查询待预测医疗数据中所关联的地区信息。
选取单元,用于根据地区信息,选取标准化历史医疗数据中的弃用数据。
添加单元,用于将弃用数据添加弃用标签。
提取单元,用于将未添加弃用标签的标准化历史医疗数据进行提取得到预测历史医疗数据。
在其中一个实施例中,医疗数据预测装置400,可以包括:
待替换数据查询模块,用于当选取预测方式为线性预测方式时,则查询标准化历史数据中是否存在有待替换数据。
第一预设替换数值查询模块,用于当存在待替换数据时,则查询待替换数据所对应的第一预设替换数值。
第一替换模块,用于采用第一预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,医疗数据预测装置400,还包括:
替换范围查询模块,用于当未查询到待替换数据所对应的第一预设替换数值时,则查询待替换数据所对应的替换范围。
第二替换模块,用于选取与替换范围所对应的第二预设替换数值,采用第二预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,历史医疗数据处理模块,可以包括:
待处理数据获取单元,用于获取标准化历史医疗数据中的待处理数据,并提取待处理数据对应的数据字段。
转换逻辑选取单元,用于选取与数据字段对应的转换逻辑。
转化单元,用于根据转换逻辑将对应字段的待处理数据进行转化得到标准化历史医疗数据。
在其中一个实施例中,医疗数据预测装置,可以包括:
获取模块,还可以用于获取预测结果中费用超过预设值的待预测医疗数据。
身份信息获取模块,用于获取费用超过预设值的待预测医疗数据所对应的身份信息。
监控模块,用于对身份信息对应的医疗行为进行监控。
关于医疗数据预测装置的具体限定可以参见上文中对于医疗数据预测方法的限定,在此不再赘述。上述医疗数据预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储医疗数据预测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医疗数据预测方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待预测医疗数据以及与待预测医疗数据对应的历史医疗数据,选取与待预测医疗数据所对应的预测方式。将历史医疗数据进行标准化处理得到标准化历史医疗数据。根据预测方式,将标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据。将预测历史医疗数据输入至预测模型中,根据预测方式得到与待预测医疗数据对应的预测结果,并将预测结果输出,预测模型用于表征预测历史医疗数据与预测结果之间的对应关系。
在其中一个实施例中,处理器执行计算机程序时实现根据预测方式,将标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,可以包括:根据预测方式,查询待预测医疗数据中所关联的地区信息。根据地区信息,选取标准化历史医疗数据中的弃用数据。将弃用数据添加弃用标签。将未添加弃用标签的标准化历史医疗数据进行提取得到预测历史医疗数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:当选取预测方式为线性预测方式时,则查询标准化历史数据中是否存在有待替换数据。当存在待替换数据时,则查询待替换数据所对应的第一预设替换数值。采用第一预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:当未查询到待替换数据所对应的第一预设替换数值时,则查询待替换数据所对应的替换范围。选取与替换范围所对应的第二预设替换数值,采用第二预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,处理器执行计算机程序时实现将历史医疗数据进行标准化处理得到标准化历史医疗数据,包括:获取标准化历史医疗数据中的待处理数据,并提取待处理数据对应的数据字段。选取与数据字段对应的转换逻辑。根据转换逻辑将对应字段的待处理数据进行转化得到标准化历史医疗数据。
在其中一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预测结果中费用超过预设值的待预测医疗数据。获取费用超过预设值的待预测医疗数据所对应的身份信息。对身份信息对应的医疗行为进行监控。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待预测医疗数据以及与待预测医疗数据对应的历史医疗数据,选取与待预测医疗数据所对应的预测方式。将历史医疗数据进行标准化处理得到标准化历史医疗数据。根据预测方式,将标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据。将预测历史医疗数据输入至预测模型中,根据预测方式得到与待预测医疗数据对应的预测结果,并将预测结果输出,预测模型用于表征预测历史医疗数据与预测结果之间的对应关系。
在其中一个实施例中,计算机程序被处理器执行时实现根据预测方式,将标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,可以包括:根据预测方式,查询待预测医疗数据中所关联的地区信息。根据地区信息,选取标准化历史医疗数据中的弃用数据。将弃用数据添加弃用标签。将未添加弃用标签的标准化历史医疗数据进行提取得到预测历史医疗数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:当选取预测方式为线性预测方式时,则查询标准化历史数据中是否存在有待替换数据。当存在待替换数据时,则查询待替换数据所对应的第一预设替换数值。采用第一预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:当未查询到待替换数据所对应的第一预设替换数值时,则查询待替换数据所对应的替换范围。选取与替换范围所对应的第二预设替换数值,采用第二预设替换数值将待替换数据进行替换后得到预测历史医疗数据。
在其中一个实施例中,计算机程序被处理器执行时实现将历史医疗数据进行标准化处理得到标准化历史医疗数据,包括:获取标准化历史医疗数据中的待处理数据,并提取待处理数据对应的数据字段。选取与数据字段对应的转换逻辑。根据转换逻辑将对应字段的待处理数据进行转化得到标准化历史医疗数据。
在其中一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预测结果中费用超过预设值的待预测医疗数据。获取费用超过预设值的待预测医疗数据所对应的身份信息。对身份信息对应的医疗行为进行监控。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医疗数据预测方法,所述方法包括:
获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式;
将所述历史医疗数据进行标准化处理得到标准化历史医疗数据;
根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据;
将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,所述预测模型用于表征所述预测历史医疗数据与预测结果之间的对应关系。
2.根据权利要求1所述的方法,其特征在于,所述根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据,包括:
根据所述预测方式,查询所述待预测医疗数据中所关联的地区信息;
根据所述地区信息,选取所述标准化历史医疗数据中的弃用数据;
将所述弃用数据添加弃用标签;
将未添加所述弃用标签的所述标准化历史医疗数据进行提取得到预测历史医疗数据。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
当选取所述预测方式为线性预测方式时,则查询所述标准化历史数据中是否存在有待替换数据;
当存在待替换数据时,则查询所述待替换数据所对应的第一预设替换数值;
采用所述第一预设替换数值将所述待替换数据进行替换后得到预测历史医疗数据。
4.根据权利要求3所述的方法,其特征在于,所述则查询所述待替换数据所对应的第一预设替换数据值之后,还包括:
当未查询到所述待替换数据所对应的第一预设替换数值时,则查询所述待替换数据所对应的替换范围;
选取与所述替换范围所对应的第二预设替换数值,采用所述第二预设替换数值将所述待替换数据进行替换后得到预测历史医疗数据。
5.根据权利要求1所述的方法,其特征在于,所述将所述历史医疗数据进行标准化处理得到标准化历史医疗数据,包括:
获取所述标准化历史医疗数据中的待处理数据,并提取所述待处理数据对应的数据字段;
选取与所述数据字段对应的转换逻辑;
根据所述转换逻辑将对应字段的所述待处理数据进行转化得到标准化历史医疗数据。
6.根据权利要求1所述的方法,其特征在于,所述将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,包括:
获取所述预测结果中费用超过预设值的所述待预测医疗数据;
获取所述费用超过预设值的所述待预测医疗数据所对应的身份信息;
对所述身份信息对应的医疗行为进行监控。
7.一种医疗数据预测装置,其特征在于,所述装置包括:
获取模块,用于获取待预测医疗数据以及与所述待预测医疗数据对应的历史医疗数据,选取与所述待预测医疗数据所对应的预测方式;
历史医疗数据处理模块,用于将所述历史医疗数据进行标准化处理得到标准化历史医疗数据;
预测参数处理模块,用于根据所述预测方式,将所述标准化历史医疗数据中的预测参数进行处理得到预测历史医疗数据;
预测模块,用于将所述预测历史医疗数据输入至预测模型中,根据所述预测方式得到与所述待预测医疗数据对应的预测结果,并将所述预测结果输出,所述预测模型用于表征所述预测历史医疗数据与预测结果之间的对应关系。
8.根据权利要求7所述的装置,其特征在于,所述预测参数处理模块,包括:
查询单元,用于根据所述预测方式,查询所述待预测医疗数据中所关联的地区信息;
选取单元,用于根据所述地区信息,选取所述标准化历史医疗数据中的弃用数据;
添加单元,用于将所述弃用数据添加弃用标签;
提取单元,用于将未添加所述弃用标签的所述标准化历史医疗数据进行提取得到预测历史医疗数据。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018105270772 | 2018-05-29 | ||
CN201810527077 | 2018-05-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109543904A true CN109543904A (zh) | 2019-03-29 |
Family
ID=65849546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811401537.3A Pending CN109543904A (zh) | 2018-05-29 | 2018-11-22 | 医疗数据预测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543904A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781193A (zh) * | 2019-11-01 | 2020-02-11 | 泰康保险集团股份有限公司 | 医疗数据处理方法、装置、设备及存储介质 |
CN113724883A (zh) * | 2021-08-31 | 2021-11-30 | 平安科技(深圳)有限公司 | 医疗费用预测方法、装置、存储介质及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528531A (zh) * | 2016-03-14 | 2016-04-27 | 上海瑞一互联网科技有限公司 | 一种远程医疗系统 |
CN107346369A (zh) * | 2017-05-11 | 2017-11-14 | 北京紫宸正阳科技有限公司 | 一种医疗信息处理方法及装置 |
CN107633254A (zh) * | 2017-07-25 | 2018-01-26 | 平安科技(深圳)有限公司 | 建立预测模型的装置、方法及计算机可读存储介质 |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
CN107895596A (zh) * | 2016-12-19 | 2018-04-10 | 平安科技(深圳)有限公司 | 风险预测方法及系统 |
-
2018
- 2018-11-22 CN CN201811401537.3A patent/CN109543904A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105528531A (zh) * | 2016-03-14 | 2016-04-27 | 上海瑞一互联网科技有限公司 | 一种远程医疗系统 |
CN107895596A (zh) * | 2016-12-19 | 2018-04-10 | 平安科技(深圳)有限公司 | 风险预测方法及系统 |
CN107346369A (zh) * | 2017-05-11 | 2017-11-14 | 北京紫宸正阳科技有限公司 | 一种医疗信息处理方法及装置 |
CN107633254A (zh) * | 2017-07-25 | 2018-01-26 | 平安科技(深圳)有限公司 | 建立预测模型的装置、方法及计算机可读存储介质 |
CN107871285A (zh) * | 2017-12-06 | 2018-04-03 | 和金在线(北京)科技有限公司 | 一种健康保险赔欺诈及滥用的侦测方法和系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781193A (zh) * | 2019-11-01 | 2020-02-11 | 泰康保险集团股份有限公司 | 医疗数据处理方法、装置、设备及存储介质 |
CN113724883A (zh) * | 2021-08-31 | 2021-11-30 | 平安科技(深圳)有限公司 | 医疗费用预测方法、装置、存储介质及计算机设备 |
CN113724883B (zh) * | 2021-08-31 | 2023-09-15 | 平安科技(深圳)有限公司 | 医疗费用预测方法、装置、存储介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210810A (zh) | 实验室耗材管理方法、系统、计算机设备和存储介质 | |
Mutter et al. | Translating frontiers into practice: taking the next steps toward improving hospital efficiency | |
CN109359669A (zh) | 医保报销异常检测方法、装置、计算机设备和存储介质 | |
CN109166033A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
CN109377388B (zh) | 医保投保方法、装置、计算机设备和存储介质 | |
CN110069364B (zh) | 备件数据纠错方法、装置、计算机设备和存储介质 | |
CN109543904A (zh) | 医疗数据预测方法、装置、计算机设备和存储介质 | |
CN109543073A (zh) | 企业供销关系图谱生成方法、装置和计算机设备 | |
CN109325868A (zh) | 问卷数据处理方法、装置、计算机设备和存储介质 | |
US20230177065A1 (en) | Feature selection for artificial intelligence in healthcare management | |
CN109325869A (zh) | 用户投保风险评估方法、装置、计算机设备和存储介质 | |
CN110458601A (zh) | 资源数据的处理方法、装置、计算机设备和存储介质 | |
CN110135943A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN109472707A (zh) | 医疗智能核保方法、装置、计算机设备及存储介质 | |
CN115049464A (zh) | 一种运营商套餐推荐方法、装置及计算机可读存储介质 | |
CN110275703A (zh) | 键值对数据的赋值方法、装置、计算机设备和存储介质 | |
CN109360111A (zh) | 问卷数据修正方法、装置、计算机设备和存储介质 | |
CN109345035A (zh) | 房屋价值预测方法、装置、计算机设备和存储介质 | |
CN109242538A (zh) | 医保定价方法、装置、计算机设备和存储介质 | |
CN109003193A (zh) | 投保风险预测方法、装置、计算机设备和存储介质 | |
CN111160566A (zh) | 样本生成方法、装置、计算机可读存储介质和计算机设备 | |
CN109242578A (zh) | 房屋价值预测方法、装置、计算机设备和存储介质 | |
CN110473114A (zh) | 保单份额计算方法、装置、计算机设备和存储介质 | |
CN109544215A (zh) | 房屋价值预测方法、装置、计算机设备和存储介质 | |
CN109584061A (zh) | 信息生成方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220518 Address after: 518048 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right |