CN109543956A - 基于数据分析的违规医疗机构的检测方法及相关设备 - Google Patents
基于数据分析的违规医疗机构的检测方法及相关设备 Download PDFInfo
- Publication number
- CN109543956A CN109543956A CN201811262480.3A CN201811262480A CN109543956A CN 109543956 A CN109543956 A CN 109543956A CN 201811262480 A CN201811262480 A CN 201811262480A CN 109543956 A CN109543956 A CN 109543956A
- Authority
- CN
- China
- Prior art keywords
- index
- medical
- medical institutions
- mark
- violation
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012552 review Methods 0.000 claims description 71
- 230000007246 mechanism Effects 0.000 claims description 33
- 239000003814 drug Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 229940079593 drug Drugs 0.000 claims description 4
- 230000001225 therapeutic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 3
- 206010000234 Abortion spontaneous Diseases 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000015994 miscarriage Diseases 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 208000000995 spontaneous abortion Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Biomedical Technology (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
本发明实施例公开了一种基于数据分析的违规医疗机构的检测方法、装置、服务器及存储介质，其中，方法包括：获取第一医疗机构的医疗数据，医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值，在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值，并将多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数，若指标个数大于第一预设阈值，则将第一医疗机构确定为违规医疗机构。通过实施本发明实施例，在检测过程中可以考虑医疗数据中的每一个指标标识，可以有效提高检测违规医疗机构的准确度。
Description
技术领域
本发明涉及医疗保险领域，具体涉及一种基于数据分析的违规医疗机构的检测方法、装置、服务器及计算机存储介质。
背景技术
目前，医保经办机构对医疗机构实行的医保付费方式为总额付费，超过医保总额之后，医保经办机构对任何治疗费用不予报销，超出的治疗费用全部由相应的医疗机构承担。因此，一些违规医疗机构会通过违规医疗行为来减少报销费用，进而避免超过医保总额。
违规医疗机构会严重损害病人利益，因此，如何准确地检测出违规医疗机构成为一个亟待解决的问题。
发明内容
本发明实施例公开了一种基于数据分析的违规医疗机构的检测方法、装置、服务器及存储介质，可以准确地检测出违规医疗机构。
第一方面，本发明实施例公开了基于数据分析的违规医疗机构的检测方法，该方法可以包括：获取第一医疗机构的医疗数据，所述医疗数据包括多个指标标识和所述多个指标标识中的每一个指标标识对应的第一指标值，所述指标标识指示的指标包括所述第一医疗机构的就诊病人数、住院人数与就诊人数之间的比值、自费药费用、自费药费用与药品费用之间的比值、自费病人人数与就诊人数之间的比值、住院病人的日均费用和不同病种住院病人的日均费用中的任意一种；在预设数据库中获取所述多个指标标识中的每一个指标标识对应的第二指标值；将所述多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数；若所述指标个数大于第一预设阈值，则将所述第一医疗机构确定为违规医疗机构。
在一种实现方式中，所述医疗数据还包括所述第一医疗机构的机构标识，所述预设数据库包括多个数据表，所述在预设数据库中获取所述多个指标标识中的每一个指标标识对应的第二指标值的具体实施方式可以为：在所述预设数据库包括的多个数据表中确定所述第一医疗机构的机构标识对应的第一数据表；在所述第一数据表中获取所述多个指标标识中的每一个指标标识对应的第二指标值。
在一种实现方式中，该方法还可以包括：确定与所述第一医疗机构的机构类别相同的第二医疗机构；获取所述第一医疗机构和所述第二医疗机构的历史医疗数据，所述第一医疗机构的历史医疗数据包括所述多个指标标识和所述多个指标标识中的每一个指标标识对应的第三指标值，所述第二医疗机构的历史医疗数据包括所述多个指标标识和所述多个指标标识中的每一个指标标识对应的第三指标值；根据所述第一医疗机构的历史医疗数据包括的所述多个指标标识中的每一个指标标识对应的第三指标值，以及所述第二医疗机构的历史医疗数据包括的所述多个指标标识中的每一个指标标识对应的第三指标值，得到所述多个指标标识中的每一个指标标识对应的第二指标值；将所述多个指标标识中的每一个指标标识对应的第二指标值存储于所述第一数据表。
在一种实现方式中，所述将所述第一医疗机构确定为违规医疗机构之前，该方法还可以包括：确定第一指标值大于第二指标值的目标指标标识；向复查服务器发送复查请求，所述复查请求包括所述目标指标标识，以使所述复查服务器获取所述目标指标标识对应的明细医疗数据，并根据所述目标指标标识对应的明细医疗数据，判断所述目标指标标识是否为违规指标标识；接收来自所述复查服务器的复查结果消息，所述复查结果消息用于指示所述目标指标标识是否为违规指标标识；若所述复查结果消息指示所述目标指标标识为违规指标标识，则触发将所述第一医疗机构确定为违规医疗机构的步骤。
在一种实现方式中，所述多个指标标识中的每一个指标标识对应一个误判数值，所述接收来自所述复查服务器的复查结果消息之后，该方法还可以包括：若所述复查结果消息指示所述目标指标标识不是违规指标标识，则更新所述目标指标标识对应的目标误判数值，更新后的目标误判数值为更新前的目标误判数值与1之和；判断所述更新后的目标误判数值是否大于第二预设阈值；若所述更新后的目标误判数值大于所述第二预设阈值，则修改所述目标指标标识对应的第二指标值，修改后的所述目标指标标识对应的第二指标值为修改前的所述目标指标标识对应的第二指标值与所述目标指标标识对应的第一指标值的平均值。
在一种实现方式中，所述将所述第一医疗机构确定为违规医疗机构之后，该方法还可以包括：确定与所述第一医疗机构的机构标识对应的第二数据表，所述第二数据表包括多个违规指标标识数量和所述多个违规指标标识数量中每一个违规指标标识数量对应的金额；当所述指标个数为目标违规指标标识数量时，在所述第二数据表中获取所述目标违规指标标识数量对应的目标金额；获取所述第一医疗机构在第一周期的医保总额；将所述第一医疗机构在第一周期的医保总额与所述目标金额之间的差值确定为所述第一医疗机构在第二周期的医保总额，所述第二周期为所述第一周期的下一个周期。
在一种实现方式中，所述将所述第一医疗机构确定为违规医疗机构之后，该方法还可以包括：根据预存的违规指标个数与下调比值之间的对应关系，当所述指标个数为目标违规指标个数时，获取所述目标违规指标个数对应的目标下调比值，所述目标下调比值小于1；获取所述第一医疗机构在第三周期的医保总额；将所述目标下调比值与所述第三周期的医保总额之间的乘积确定为所述第一医疗机构在第四周期的医保总额，所述第三周期为所述第四周期的下一个周期。
第二方面，本发明实施例公开了一种基于数据分析的违规医疗机构的检测装置，该装置包括用于执行上述第一方面所述的方法的单元。
第三方面，本发明实施例公开了一种服务器，该服务器包括存储器和处理器，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，执行上述第一方面所述的方法。
第四方面，本发明实施例公开了一种计算机存储介质，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上述第一方面所述的方法。
通过实施本发明实施例，在检测第一医疗机构是否为违规医疗机构时，可以将第一医疗机构的医疗数据中的每一个指标标识对应的第一指标值和第二指标值对应比较，并将比较得到的指标个数作为第一医疗机构是否为违规医疗机构的判断标准，由于在检测过程中考虑了医疗数据中的每一个指标标识，所以可以有效提高检测违规医疗机构的准确度。
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违规医疗机构的检测方法的流程示意图；
图2是本发明实施例提供的另一种基于数据分析的违规医疗机构的检测方法的流程示意图；
图3是本发明实施例提供的一种基于数据分析的违规医疗机构的检测装置的结构示意图；
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清楚、完整地描述，显然，所描述的实施例仅仅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作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。
请参阅图1，图1是本发明实施例提供的一种基于数据分析的违规医疗机构的检测方法的流程示意图。具体的，如图1所示，本发明实施例的基于数据分析的违规医疗机构的检测方法可以包括但不限于如下步骤：
S101、服务器获取第一医疗机构的医疗数据，该医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值。该指标标识指示的指标包括但不限于第一医疗机构的就诊病人数、住院人数与就诊人数之间的比值、自费药费用、自费药费用与药品费用之间的比值、自费病人人数与就诊人数之间的比值、住院病人的日均费用和不同病种住院病人的日均费用中的任意一种。
其中，第一医疗机构可以为待检测的医疗机构，指标标识用于唯一标识第一医疗机构的医疗数据中的指标，医疗数据中多个指标标识中的每一个指标标识对应的第一指标值为该指标标识指示的指标的实际值。
具体的，服务器可以接收第一医疗机构的服务器发送的第一医疗机构的医疗数据。在一种实现方式中，第一医疗机构的服务器可以第一预设时间间隔为周期向该服务器发送第一医疗机构的医疗数据，以便该服务器可以定期对第一医疗机构进行违规检测。例如，第一预设时间间隔可以是一个月、半年或者一年等，本发明实施例对此不作限定。
在一种实现方式中，第一医疗机构的服务器可以对第一医疗机构的明细医疗数据进行处理，进而得到第一医疗机构的医疗数据，并将第一医疗机构的医疗数据发送给前述服务器。通过由第一医疗机构的服务器对第一医疗机构的明细医疗数据进行处理，可以减少前述服务器的负担。
在一种实现方式中，第一医疗机构的服务器可以直接将第一医疗机构的明细医疗数据发送给前述服务器，然后由前述服务器对第一医疗机构的明细医疗数据进行处理，进而得到第一医疗机构的医疗数据。通过这种方式，可以避免第一医疗机构的服务器向前述服务器发送虚假的医疗数据，以达到掩盖其违规行为的目的，有利于提高检测违规医疗机构的准确度。
在一种实现方式中，第一医疗机构的医疗数据还可以包括第一医疗机构的数字签名，前述服务器在获取第一医疗机构的医疗数据之后，可以根据预设哈希函数对多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值进行处理，得到第一哈希值；然后根据第一医疗机构的公钥对第一医疗机构的数字签名进行解密处理，得到第二哈希值；并判断第一哈希值和第二哈希值是否相同，若第一哈希值和第二哈希值相同，则触发在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值的步骤；若第一哈希值和第二哈希值不同，则退出违规检测程序，或者，获取其他医疗机构的医疗数据。其中，其他医疗机构的医疗数据是前述服务器中存储的所有医疗数据中除第一医疗机构的医疗数据以外的任意一个医疗数据。通过这种方式，可以避免第一医疗机构的医疗数据在传输过程中被恶意篡改，有利于提高检测违规医疗机构的准确度。
需要说明的是，第一医疗机构的公钥可以预先存储于前述服务器中，也可以存储于密钥服务器中，前述服务器可以向密钥服务器发送公钥获取请求，以便获取第一医疗机构的公钥。
在一种实现方式中，第一医疗机构的服务器可以根据前述服务器的公钥，对第一医疗机构的医疗数据进行加密处理，相应的，前述服务器在接收到加密后的第一医疗机构的医疗数据之后，可以根据该服务器的私钥对加密后的第一医疗机构的医疗数据进行解密，以得到第一医疗机构的医疗数据。通过这种方式，可以使得只有该服务器才能获取第一医疗机构的医疗数据，避免第一医疗机构的医疗数据泄露，有利于提高数据安全性。
S102、该服务器在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值。
其中，每一个指标标识对应的第二指标值可以是该指标标识指示的指标的上限值，若指标标识对应的第一指标值大于对应的第二指标值，则表明该指标的实际值偏高，可能存在违规行为。
具体的，该服务器可以将不同医疗机构的医疗数据包括的多个指标标识中的每一个指标标识对应的第二指标值均存储于预设数据库中。
在一种实现方式中，第一医疗机构的医疗数据还包括第一医疗机构的机构标识，且预设数据库包括多个数据表，该服务器在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值的具体实施方式可以为：该服务器在预设数据库包括的多个数据表中确定第一医疗机构的机构标识对应的第一数据表，并在第一数据表中获取多个指标标识中的每一个指标标识对应的第二指标值。其中，机构标识用于唯一标识医疗机构，不同机构标识可以对应不同的数据表，也可以对应相同的数据表，同一数据表可以对应一个或多个机构标识。
在一种实现方式中，同一数据表对应的机构标识指示的医疗机构的机构类别相同，不同数据表对应的机构标识指示的医疗机构的机构类别不同。例如，若医院1和医院2的机构类别均为C(三甲)，且医院3和医院4的机构类别均为B(二甲)，则医院1和医院2可以对应数据表a，医院3和医院4可以对应数据表b。通过将不同机构类别的医疗机构的机构标识对应不同的数据表，即在不同数据表中存储不同机构类别的医疗机构的医疗数据中的指标对应的第二指标值，相较于将不同医疗机构的医疗数据中的指标标识对应的第二指标值均存储于同一数据表的方式，将不同医疗机构的医疗数据中的指标标识对应的第二指标值分散存储于不同的数据表，可以使得单个数据表中存储的数据量较少，进而使得在数据表中查询指标标识对应的第二指标值时，可以提高查询效率。
在一种实现方式中，第一医疗机构的医疗数据包括的多个指标标识中的每个指标标识对应的第二指标值可以是根据第一医疗机构的历史医疗数据得到的。其中，第一医疗机构的历史医疗数据的产生时间早于第一医疗机构的医疗数据的产生时间，例如，若第一医疗机构的医疗数据是根据第一医疗机构在2018年8月期间产生的所有医疗数据得到的，那么第一医疗机构的历史医疗数据可以是根据第一医疗机构在2017年8月期间(或者2018年5月、6月和7月)产生的所有医疗数据得到的。
在一种实现方式中，第一医疗机构的医疗数据包括的多个指标标识中的每个指标标识对应的第二指标值可以是根据第一医疗机构和第二医疗机构的历史医疗数据共同得到的。其中，第一医疗机构和第二医疗机构的机构类别相同。
在一种实现方式中，可以根据医疗机构的营业类型、机构等级和/或位置信息确定该医疗机构的机构类别，其中，医疗机构的营业类型可以包括但不限于综合型、专科型、诊所型和药房型。医疗机构的机构等级可以包括但不限于三级甲等、三级乙等、三级丙等、二级甲等、二级乙等、二级丙等、一级甲等、一级乙等和一级丙等。
在一种实现方式中，服务器可以确定与第一医疗机构的机构类别相同的第二医疗机构，并获取第一医疗机构和第二医疗机构的历史医疗数据，第一医疗机构的历史医疗数据包括多个指标标识和多个指标标识中每一个指标标识对应的第三指标值，第二医疗机构的历史医疗数据包括多个指标标识和多个指标标识中每一个指标标识对应的第三指标值；然后根据第一医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，以及第二医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，得到多个指标标识中的每一个指标标识对应的第二指标值；将多个指标标识中的每一个指标标识对应的第二指标值存储于第一数据表。其中，指标标识对应的第三指标值是该指标标识指示的指标的实际值。
在一种实现方式中，服务器根据第一医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，以及第二医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，得到多个指标标识中的每一个指标标识对应的第二指标值的具体实施方式可以为：服务器将第一医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，和第二医疗机构的历史医疗数据包括的相同指标标识对应的第三指标值的平均值确定为多个指标标识中的每一个指标标识对应的第二指标值。例如，当第一医疗机构的历史医疗数据和第二医疗机构的历史医疗数据均包括3个指标标识(指标标识a、指标标识b和指标标识c)时，指标标识a对应的第二指标值为第一医疗机构的历史医疗数据和第二医疗机构的历史医疗数据中指标标识a对应的第三指标值的平均值，同理可得指标标识b和指标标识c对应的第二指标值，在此不赘述。
在一种实现方式中，服务器可以第二预设时间间隔为周期，更新存储于第一数据表中的多个指标标识中的每一个指标标识对应的第二指标值。在一种实现方式中，第一医疗机构的历史医疗数据和第二医疗机构的历史医疗数据均可以包括预设数量的第一历史医疗数据，每个第一历史医疗数据包括数据产生日期。其中，第一医疗机构(或者第二医疗机构)的第一历史医疗数据可以是根据第一医疗机构在一个自然月(或者自然年)内产生的所有明细医疗数据得到的。
例如，当预设数量为3，当前日期为2018年8月时，第一医疗机构的历史医疗数据和第二医疗机构的历史医疗数据均可以包括3个第一历史医疗数据，其中，3个第一历史医疗数据的数据产生日期可以分别为2018年5月、6月和7月。若第二预设时间间隔为1个月，那么2018年9月时，服务器可以自动获取数据产生日期分别为2018年6月、7月和8月的第一历史医疗数据，并根据2018年6月、7月和8月的第一历史医疗数据对第一数据表中的多个指标标识中的每一个指标标识对应的第二指标值进行更新。通过这种方式，可以自动更新第二指标值，进一步地，有利于提高检测违规医疗机构的准确度。
在一种实现方式中，服务器根据第一医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，和第二医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，得到多个指标标识中的每一个指标标识对应的第二指标值的具体实施方式可以为：服务器根据第一医疗机构和第二医疗机构的(历史医疗数据包括的)各个第一历史医疗数据的权重，将第一医疗机构和第二医疗机构的各个第一历史医疗数据包括的多个指标标识中的每一个指标标识对应的第三指标值的加权平均值确定为多个指标标识中的每一个指标标识对应的第二指标值。
在一种实现方式中，服务器可以根据第一历史医疗数据的数据产生日期与当前日期之间的时间差，确定第一历史医疗数据的权重。在一种实现方式中，数据产生日期与当前日期之间的时间差越小，第一历史医疗数据的权重越大；数据产生日期与当前日期之间的时间差越大，第一历史医疗数据的权重越小。例如，当前日期为2018年8月，3个第一历史医疗数据的数据产生日期分别为2018年5月、6月和7月时，可以将数据产生日期为2018年7月的第一历史医疗数据的权重设为最大，数据产生日期为2018年5月的第一历史医疗数据的权重设为最小。通过这种方式，可以使得根据每一个指标标识对应的第二指标值，检测第一医疗机构是否为违规医疗机构的准确度更高。
S103、该服务器将多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数。
具体的，该服务器将多个指标标识中每一个指标标识对应的第一指标值和第二指标值对应进行比较，可以得到第一指标值大于第二指标值的指标个数。指标个数越大，可以表示第一医疗机构为违规医疗机构的概率越高；指标个数越小，可以表示第一医疗机构为违规医疗机构的概率越低。
S104、若指标个数大于第一预设阈值，则该服务器将第一医疗机构确定为违规医疗机构。
其中，第一预设阈值可以是服务器默认设置的，也可以是服务器根据用户的操作确定的，本发明实施例对此不作限定。第一预设阈值可以是0、1、2或其他自然数，本发明实施例对此不作限定。
在一种实现方式中，服务器可以根据第一医疗机构的医疗数据包括的指标标识的数量，确定第一预设阈值。例如，当第一医疗机构的医疗数据包括10个指标标识时，可以将第一预设阈值设置为0；当第一医疗机构的医疗数据包括50个指标标识时，可以将第一预设阈值设置为3；当第一医疗机构的医疗数据包括100个指标标识时，可以将第一预设阈值设置为5。通过这种方式，可以避免医疗数据包括的指标标识的数量较多，但是第一预设阈值较小时，服务器误将大部分医疗机构确定为违规医疗机构(因为若每个指标标识对应的第二指标值为多个医疗机构的各个指标标识的平均值时，对于每一个指标，均会存在部分医疗机构的医疗数据中该指标的第一指标值大于第二指标值)，使得检测违规医疗机构的准确度较低。
在一种实现方式中，服务器将第一医疗机构确定为违规医疗机构之后，还可以执行如下步骤：根据指标个数，减少第一医疗机构的医保总额。在一种实现方式中，可以根据指标个数，减少第一医疗机构本周期的医保总额，和/或，减少第一医疗机构下一周期的医保总额。其中，该周期是指医保总额的预付结算周期，例如，若医保经办机构以自然年度为周期向医疗机构a预付医保总额时，医保经办机构可以在2018年之前确定2018年分配给医疗机构a的医保总额，此时，本周期是指2018年期间，下一周期是指2019年期间。
在一种实现方式中，服务器根据指标个数，减少第一医疗机构的医保总额的具体实施方式可以为：根据指标个数和预设金额，减少第一医疗机构的医保总额。具体的，服务器可以将指标个数和预设金额之间的乘积确定为第一金额，并将第一医疗机构的医保总额与第一金额之间的差值确定为减少后的第一医疗机构的医保总额。
在一种实现方式中，服务器将第一医疗机构确定为违规医疗机构之后，还可以执行如下步骤：确定与第一医疗机构的机构标识对应的第二数据表，第二数据表包括多个违规指标标识数量和多个违规指标标识数量中每一个违规指标标识数量对应的金额，当前述指标个数为目标违规指标标识数量时，在第二数据表中获取该目标违规指标标识数量对应的目标金额，并获取第一医疗机构在第一周期的医保总额，然后将第一医疗机构在第一周期的医保总额与目标金额之间的差值确定为第一医疗机构在第二周期的医保总额，第二周期为第一周期的下一个周期。其中，第一周期可以是医保总额的当前周期。
在一种实现方式中，不同机构标识可以对应不同的数据表，不同数据表中存储的同一违规指标标识数量对应的金额可以不同。例如，当违规指标标识数量为5时，数据表a中存储的违规指标标识数量为5时对应的金额可以为5万元，数据表b中存储的违规指标标识数量为5时对应的金额可以为1万元。在一种实现方式中，不同机构标识指示的医疗机构的医保总额可以不同。例如，医疗机构a的医保总额为50万元，医疗机构b的医保总额为10万元。当医疗机构a和医疗机构b对应的指标个数均为5个时，若将医疗机构a和医疗机构b的医保总额减去相同金额，将使得减少后的医疗机构b的医保总额过低。通过针对不同医疗机构的医保总额，进行差异化的下调，可以使得即能对违规医疗机构起到警示作用，也能避免减少后的医疗机构的医保总额过低。
在一种实现方式中，服务器将第一医疗机构确定为违规医疗机构之后，还可以执行如下步骤：根据预存的违规指标个数与下调比值之间的对应关系，当前述指标个数为目标违规指标个数时，获取该目标违规指标个数对应的目标下调比值，该目标下调比值小于1，并获取第一医疗机构在第三周期的医保总额，将目标下调比值与第三周期的医保总额之间的乘积确定为第一医疗机构在第四周期的医保总额，第三周期为第四周期的下一个周期。其中，第三周期可以是医保总额的当前周期，每个违规指标个数对应的下调比值用于指示医保总额的下调比例。通过以比例减少的方式减少医疗机构的医保总额，可以对不同医疗机构进行相同程度的惩罚。
通过实施本发明实施例，在检测第一医疗机构是否为违规医疗机构时，可以将第一医疗机构的医疗数据中的每一个指标标识对应的第一指标值和第二指标值对应比较，并将比较得到的指标个数作为第一医疗机构是否为违规医疗机构的判断标准，由于在检测过程中考虑了医疗数据中的每一个指标标识，所以可以有效提高检测违规医疗机构的准确度。
请参阅图2，图2是本发明实施例提供的另一种基于数据分析的违规医疗机构的检测方法的流程示意图。具体的，如图2所示，本发明实施例的另一种基于数据分析的违规医疗机构的检测方法可以包括但不限于以下步骤：
S201、服务器获取第一医疗机构的医疗数据，该医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值。该指标标识指示的指标包括但不限于第一医疗机构的就诊病人数、住院人数与就诊人数之间的比值、自费药费用、自费药费用与药品费用之间的比值、自费病人人数与就诊人数之间的比值、住院病人的日均费用和不同病种住院病人的日均费用中的任意一种。
S202、该服务器在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值。
S203、该服务器将多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数。
需要说明的是，步骤S201～S203的执行过程可以分别参见图1中步骤S101～S103中的具体描述，在此不赘述。
S204、若指标个数大于第一预设阈值，则该服务器确定第一指标值大于第二指标值的目标指标标识。
在一种实现方式中，若指标个数大于第一预设阈值，则该服务器可以将第一医疗机构确定为可疑违规医疗机构。为了进一步检测第一医疗机构是否为违规医疗机构，该服务器可以将目标指标标识发送给复查服务器，以便复查服务器检测目标指标标识指示的指标是否为违规指标，进而检测出第一医疗机构是否为违规医疗机构。通过仅将目标指标标识发送给复查服务器，而非将第一医疗机构的医疗数据包括的所有指标标识均发送给复查服务器，可以提高复查服务器的复查效率。
S205、该服务器向复查服务器发送复查请求，复查请求包括目标指标标识。
S206、复查服务器获取目标指标标识对应的明细医疗数据，并根据目标指标标识对应的明细医疗数据，判断目标指标标识是否为违规指标标识。
具体的，复查服务器接收到复查请求之后，可以获取目标指标标识对应的明细医疗数据，并根据目标指标标识对应的明细医疗数据，判断目标指标标识是否为违规指标标识。具体的，复查服务器可以从第一医疗机构的服务器中获取目标指标标识对应的明细医疗数据。
当目标指标标识为第一医疗机构的就诊病人数，且该第一医疗机构的就诊病人数是第一医疗机构某月的日均就诊病人数时，复查服务器获取的目标指标标识对应的明细医疗数据可以是第一医疗机构该月每日的就诊病人数和每日所有就诊病人中每个就诊病人的病人信息，其中，就诊病人的病人信息可以包括但不限于该就诊病人的就诊时间、身份证头像、和/或医保卡头像等。
若该月为2018年9月，且就诊病人的病人信息为该就诊病人的就诊时间和医保卡头像，则复查服务器根据目标指标标识对应的明细医疗数据，判断目标指标标识是否为违规指标标识的具体实施方式可以为：复查服务器根据就诊病人的就诊时间和预设时长，得到预设时间段；并从第一医疗机构的服务器中获取预设时间段对应的视频监控信息，该视频监控信息包括多个图像；然后计算该就诊病人的医保卡头像与该多个图像中每个图像的相似度；若就诊病人的医保卡头像与该多个图像中每个图像的相似度均小于预设相似度阈值，则表明该就诊病人并未至第一医疗机构就诊，该就诊病人对应的明细医疗数据是第一医疗机构通过空刷医保卡得到的，此时，复查服务器可以确定目标指标标识为违规指标标识。
其中，预设时长可以是复查服务器默认设置的，也可以是根据复查人员的经验设置的就诊病人从刷医保卡进行就诊到离开第一医疗机构之间的间隔时长。例如，若预设时长为2小时，就诊病人的就诊时间为10:00(时:分)，则预设时间段可以为10:00～12:00。视频监控信息可以是由第一医疗机构中安装的视频监控器拍摄的，然后由该视频监控器对应的终端将其上传至第一医疗机构的服务器。预设相似度阈值可以是复查服务器默认设置的，也可以是根据复查人员的操作确定的，本发明实施例对此不作限定。空刷医保卡是指在没有发生医疗服务行为的情况下刷医保卡，例如，第一医疗机构通过刷用户1的医保卡，使得在第一医疗机构的服务器中存储用户1的就诊记录，但是实际上用户1并未患病，也并未至第一医疗机构就诊。
在一种实现方式中，若目标指标标识的数量为多个，则复查服务器可以确定各个目标指标标识的标识类别，并获取各个目标指标标识对应的明细医疗数据，然后根据各个目标指标标识的标识类别，将各个目标指标标识对应的明细医疗数据发送给不同的复查终端，以便不同的复查用户(不同的复查用户善于核查的指标的类别不同)可以根据对应的复查终端中显示的明细医疗数据，判断对应的目标指标标识是否为违规指标标识。通过将不同标识类别的目标指标标识对应的明细医疗数据分散发送给不同的复查终端，可以提高复查效率。
S207、复查服务器向该服务器发送复查结果消息，复查结果消息用于指示目标指标标识是否为违规指标标识。
在一种实现方式中，复查服务器可以统计目标指标标识为违规指标标识的指标个数。复查结果消息可以包括违规指标标识的指标个数，若违规指标标识的指标个数大于零，则该复查结果消息可以用于指示目标指标标识为违规指标标识。若违规指标标识的指标个数等于零，则该复查结果消息可以用于指示目标指标标识不为违规指标标识。
S208、若复查结果消息指示目标指标标识为违规指标标识，则该服务器触发将第一医疗机构确定为违规医疗机构的步骤。
具体的，该服务器接收来自复查服务器的复查结果消息，若复查结果消息指示目标指标标识为违规指标标识，则该服务器可以将第一医疗机构确定为违规医疗机构。
在一种实现方式中，多个指标标识中的每一个指标标识对应一个误判数值，该服务器接收来自所述复查服务器的复查结果消息之后，还可以执行如下步骤：若复查结果消息指示目标指标标识不是违规指标标识，则更新目标指标标识对应的目标误判数值，更新后的目标误判数值为更新前的目标误判数值与1之和，并判断更新后的目标误判数值是否大于第二预设阈值，若更新后的目标误判数值大于第二预设阈值，则修改目标指标标识对应的第二指标值，修改后的目标指标标识对应的第二指标值为修改前的目标指标标识对应的第二指标值与目标指标标识对应的第一指标值的平均值。
在一种实现方式中，若复查结果消息指示目标指标标识不是违规指标标识，则表明服务器将目标指标标识误判为违规指标标识。目标指标标识对应的目标误判数值表示服务器将目标指标标识误判为违规指标标识的误判次数，若更新后的目标误判数值大于第二预设阈值，则表明可能是由于目标指标标识对应的第二指标值过小而导致的误判。此时，服务器可以增加目标指标标识对应的第二指标值，进而降低误判概率。由于目标指标标识对应的第一指标值大于第二指标值，因此将目标指标标识对应的第二指标值与第一指标值的平均值确定为修改后的目标指标标识对应的第二指标值，可以增加目标指标标识对应的第二指标值。
需要说明的是，第二预设阈值可以是服务器默认设置的，也可以是服务器根据用户操作确定的，本发明实施例对此不作限定。
通过实施本发明实施例，在检测第一医疗机构是否为违规医疗机构时，可以将第一医疗机构的医疗数据中的每一个指标标识对应的第一指标值和第二指标值对应比较，并将比较得到的指标个数作为第一医疗机构是否为违规医疗机构的判断标准，由于在检测过程中考虑了医疗数据中的每一个指标标识，所以可以有效提高检测违规医疗机构的准确度。另外，通过将第一指标值大于第二指标值的目标指标标识发送给复查服务器，以便复查服务器检测目标指标标识是否为违规指标标识，当目标指标标识为违规指标标识时，才将第一医疗机构确定为违规医疗机构，可以进一步提高检测违规医疗机构的准确度。
请参见图3，图3是本发明实施例提供的一种基于数据分析的违规医疗机构的检测装置的结构示意图，具体的，如图3所示，该基于数据分析的违规医疗机构的检测装置30，可以包括：
获取单元301，用于获取第一医疗机构的医疗数据，医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值；
获取单元301，还用于在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值；
处理单元302，用于将多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数；
该处理单元302，还用于若指标个数大于第一预设阈值，则将第一医疗机构确定为违规医疗机构。
在一种实现方式中，医疗数据还包括第一医疗机构的机构标识，预设数据库包括多个数据表，获取单元301具体用于：在预设数据库包括的多个数据表中确定第一医疗机构的机构标识对应的第一数据表，并在第一数据表中获取多个指标标识中的每一个指标标识对应的第二指标值。
在一种实现方式中，处理单元302，还可以用于确定与第一医疗机构的机构类别相同的第二医疗机构；获取单元301，还可以用于获取第一医疗机构和第二医疗机构的历史医疗数据，第一医疗机构的历史医疗数据包括多个指标标识和多个指标标识中每一个指标标识对应的第三指标值，第二医疗机构的历史医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第三指标值；处理单元302，还可以用于根据第一医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，以及第二医疗机构的历史医疗数据包括的多个指标标识中每一个指标标识对应的第三指标值，得到多个指标标识中的每一个指标标识对应的第二指标值，并将多个指标标识中的每一个指标标识对应的第二指标值存储于第一数据表。
在一种实现方式中，处理单元302，还可以用于确定第一指标值大于第二指标值的目标指标标识。在一种实现方式中，基于数据分析的违规医疗机构的检测装置30还可以包括发送单元303，用于向复查服务器发送复查请求，复查请求包括目标指标标识，以使复查服务器获取目标指标标识对应的明细医疗数据，并根据目标指标标识对应的明细医疗数据，判断目标指标标识是否为违规指标标识；在一种实现方式中，基于数据分析的违规医疗机构的检测装置30还可以包括接收单元304，用于接收来自复查服务器的复查结果消息，复查结果消息用于指示目标指标标识是否为违规指标标识；处理单元302，还可以用于若复查结果消息指示目标指标标识为违规指标标识，则触发将第一医疗机构确定为违规医疗机构的步骤。
在一种实现方式中，多个指标标识中的每一个指标标识对应一个误判数值，处理单元302，还可以用于若复查结果消息指示目标指标标识不是违规指标标识，则更新目标指标标识对应的目标误判数值，更新后的目标误判数值为更新前的目标误判数值与1之和；判断更新后的目标误判数值是否大于第二预设阈值；若更新后的目标误判数值大于第二预设阈值，则修改目标指标标识对应的第二指标值，修改后的目标指标标识对应的第二指标值为修改前的目标指标标识对应的第二指标值与目标指标标识对应的第一指标值的平均值。
在一种实现方式中，处理单元302，还可以用于确定与第一医疗机构的机构标识对应的第二数据表，第二数据表包括多个违规指标标识数量和多个违规指标标识数量中每一个违规指标标识数量对应的金额；获取单元301，还可以用于当指标个数为目标违规指标标识数量时，在第二数据表中获取该目标违规指标标识数量对应的目标金额，并获取第一医疗机构在第一周期的医保总额；处理单元302，还可以用于将第一医疗机构在第一周期的医保总额与目标金额之间的差值确定为第一医疗机构在第二周期的医保总额，第二周期为第一周期的下一个周期。
在一种实现方式中，获取单元301，还可以用于根据预存的违规指标个数与下调比值之间的对应关系，当指标个数为目标违规指标个数时，获取该目标违规指标个数对应的目标下调比值，目标下调比值小于1，并获取第一医疗机构在第三周期的医保总额；处理单元302，还可以用于将目标下调比值与第三周期的医保总额之间的乘积确定为第一医疗机构在第四周期的医保总额，第三周期为第四周期的下一个周期。
本发明实施例和图1、图2所示方法实施例基于同一构思，其带来的技术效果也相同，具体原理请参照图1、图2所示实施例的描述，在此不赘述。
请参阅图4，图4是本发明实施例提供的一种服务器的结构示意图。该服务器40可以包括接收器401、发送器402、存储器403和处理器404，接收器401、发送器402、存储器403和处理器404通过一条或多条通信总线连接。
接收器401可以用于接收数据，发送器402可以用于发送数据。例如，接收器401可以用于接收复查结果消息，发送器402可以用于发送复查请求。
存储器403可以包括只读存储器和随机存取存储器，并向处理器404提供指令和数据。存储器403的一部分还可以包括非易失性随机存取存储器。
处理器404可以是中央处理单元(Central Processing Unit，CPU)，该处理器404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，可选的，该处理器404也可以是任何常规的处理器等。其中：
存储器403，用于存储程序指令。
处理器404，用于调用存储器403中存储的程序指令，以用于：
获取第一医疗机构的医疗数据，医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第一指标值；
在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值；
将多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数；
若指标个数大于第一预设阈值，则将第一医疗机构确定为违规医疗机构。
在一种实现方式中，医疗数据还包括第一医疗机构的机构标识，预设数据库包括多个数据表，处理器404用于在预设数据库中获取多个指标标识中的每一个指标标识对应的第二指标值时，具体可以用于：在预设数据库包括的多个数据表中确定第一医疗机构的机构标识对应的第一数据表；在第一数据表中获取多个指标标识中的每一个指标标识对应的第二指标值。
在一种实现方式中，处理器404还可以用于确定与第一医疗机构的机构类别相同的第二医疗机构；获取第一医疗机构和第二医疗机构的历史医疗数据，第一医疗机构的历史医疗数据包括多个指标标识和多个指标标识中每一个指标标识对应的第三指标值，第二医疗机构的历史医疗数据包括多个指标标识和多个指标标识中的每一个指标标识对应的第三指标值；根据第一医疗机构的历史医疗数据包括的多个指标标识中的每一个指标标识对应的第三指标值，以及第二医疗机构的历史医疗数据包括的多个指标标识中的每一个指标标识对应的第三指标值，得到多个指标标识中的每一个指标标识对应的第二指标值；将多个指标标识中的每一个指标标识对应的第二指标值存储于第一数据表。
在一种实现方式中，处理器404还可以用于确定第一指标值大于第二指标值的目标指标标识；向复查服务器发送复查请求，复查请求包括目标指标标识，以使复查服务器获取目标指标标识对应的明细医疗数据，并根据目标指标标识对应的明细医疗数据，判断目标指标标识是否为违规指标标识；接收来自复查服务器的复查结果消息，复查结果消息用于指示目标指标标识是否为违规指标标识；若复查结果消息指示目标指标标识为违规指标标识，则触发将第一医疗机构确定为违规医疗机构的步骤。
在一种实现方式中，多个指标标识中的每一个指标标识对应一个误判数值，处理器404还可以用于若复查结果消息指示目标指标标识不是违规指标标识，则更新目标指标标识对应的目标误判数值，更新后的目标误判数值为更新前的目标误判数值与1之和；判断更新后的目标误判数值是否大于第二预设阈值；若更新后的目标误判数值大于第二预设阈值，则修改目标指标标识对应的第二指标值，修改后的目标指标标识对应的第二指标值为修改前的目标指标标识对应的第二指标值与目标指标标识对应的第一指标值的平均值。
在一种实现方式中，处理器404还可以用于确定与第一医疗机构的机构标识对应的第二数据表，第二数据表包括多个违规指标标识数量和多个违规指标标识数量中每一个违规指标标识数量对应的金额；当指标个数为目标违规指标标识数量时，在第二数据表中获取该目标违规指标标识数量对应的目标金额；获取第一医疗机构在第一周期的医保总额；将第一医疗机构在第一周期的医保总额与目标金额之间的差值确定为第一医疗机构在第二周期的医保总额，第二周期为第一周期的下一个周期。
在一种实现方式中，处理器404还可以用于根据预存的违规指标个数与下调比值之间的对应关系，当指标个数为目标违规指标个数时，获取该目标违规指标个数对应的目标下调比值，目标下调比值小于1；获取第一医疗机构在第三周期的医保总额；将目标下调比值与第三周期的医保总额之间的乘积确定为第一医疗机构在第四周期的医保总额，第三周期为第四周期的下一个周期。
需要说明的是，图4对应的实施例中未提及的内容以及各个步骤的具体实现方式可参见图1-图3所示实施例以及前述内容，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时，使处理器执行如图1-图2所示方法实施例中所执行的步骤。
以上所揭露的仅为本发明的部分实施例而已，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违规医疗机构的检测方法，其特征在于，包括：
获取第一医疗机构的医疗数据，所述医疗数据包括多个指标标识和所述多个指标标识中的每一个指标标识对应的第一指标值，所述指标标识指示的指标包括所述第一医疗机构的就诊病人数、住院人数与就诊人数之间的比值、自费药费用、自费药费用与药品费用之间的比值、自费病人人数与就诊人数之间的比值、住院病人的日均费用和不同病种住院病人的日均费用中的任意一种；
在预设数据库中获取所述多个指标标识中的每一个指标标识对应的第二指标值；
将所述多个指标标识中每一个指标标识对应的第一指标值和第二指标值进行比较，得到第一指标值大于第二指标值的指标个数；
若所述指标个数大于第一预设阈值，则将所述第一医疗机构确定为违规医疗机构。
2.根据权利要求1所述的方法，其特征在于，所述医疗数据还包括所述第一医疗机构的机构标识，所述预设数据库包括多个数据表，所述在预设数据库中获取所述多个指标标识中的每一个指标标识对应的第二指标值，包括：
在所述预设数据库包括的多个数据表中确定所述第一医疗机构的机构标识对应的第一数据表；
在所述第一数据表中获取所述多个指标标识中的每一个指标标识对应的第二指标值。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
确定与所述第一医疗机构的机构类别相同的第二医疗机构；
获取所述第一医疗机构和所述第二医疗机构的历史医疗数据，所述第一医疗机构的历史医疗数据包括所述多个指标标识和所述多个指标标识中的每一个指标标识对应的第三指标值，所述第二医疗机构的历史医疗数据包括所述多个指标标识和所述多个指标标识中的每一个指标标识对应的第三指标值；
根据所述第一医疗机构的历史医疗数据包括的所述多个指标标识中的每一个指标标识对应的第三指标值，以及所述第二医疗机构的历史医疗数据包括的所述多个指标标识中的每一个指标标识对应的第三指标值，得到所述多个指标标识中的每一个指标标识对应的第二指标值；
将所述多个指标标识中的每一个指标标识对应的第二指标值存储于所述第一数据表。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述将所述第一医疗机构确定为违规医疗机构之前，所述方法还包括：
确定第一指标值大于第二指标值的目标指标标识；
向复查服务器发送复查请求，所述复查请求包括所述目标指标标识，以使所述复查服务器获取所述目标指标标识对应的明细医疗数据，并根据所述目标指标标识对应的明细医疗数据，判断所述目标指标标识是否为违规指标标识；
接收来自所述复查服务器的复查结果消息，所述复查结果消息用于指示所述目标指标标识是否为违规指标标识；
若所述复查结果消息指示所述目标指标标识为违规指标标识，则触发将所述第一医疗机构确定为违规医疗机构的步骤。
5.根据权利要求4所述的方法，其特征在于，所述多个指标标识中的每一个指标标识对应一个误判数值，所述接收来自所述复查服务器的复查结果消息之后，所述方法还包括：
若所述复查结果消息指示所述目标指标标识不是违规指标标识，则更新所述目标指标标识对应的目标误判数值，更新后的目标误判数值为更新前的目标误判数值与1之和；
判断所述更新后的目标误判数值是否大于第二预设阈值；
若所述更新后的目标误判数值大于所述第二预设阈值，则修改所述目标指标标识对应的第二指标值，修改后的所述目标指标标识对应的第二指标值为修改前的所述目标指标标识对应的第二指标值与所述目标指标标识对应的第一指标值的平均值。
6.根据权利要求2或3所述的方法，其特征在于，所述将所述第一医疗机构确定为违规医疗机构之后，所述方法还包括：
确定与所述第一医疗机构的机构标识对应的第二数据表，所述第二数据表包括多个违规指标标识数量和所述多个违规指标标识数量中每一个违规指标标识数量对应的金额；
当所述指标个数为目标违规指标标识数量时，在所述第二数据表中获取所述目标违规指标标识数量对应的目标金额；
获取所述第一医疗机构在第一周期的医保总额；
将所述第一医疗机构在第一周期的医保总额与所述目标金额之间的差值确定为所述第一医疗机构在第二周期的医保总额，所述第二周期为所述第一周期的下一个周期。
7.根据权利要求1～3任一项所述的方法，其特征在于，所述将所述第一医疗机构确定为违规医疗机构之后，所述方法还包括：
根据预存的违规指标个数与下调比值之间的对应关系，当所述指标个数为目标违规指标个数时，获取所述目标违规指标个数对应的目标下调比值，所述目标下调比值小于1；
获取所述第一医疗机构在第三周期的医保总额；
将所述目标下调比值与所述第三周期的医保总额之间的乘积确定为所述第一医疗机构在第四周期的医保总额，所述第三周期为所述第四周期的下一个周期。
8.一种基于数据分析的违规医疗机构的检测装置，其特征在于，所述装置包括用于执行如权利要求1～7任一项所述的方法的单元。
9.一种服务器，其特征在于，包括存储器和处理器，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。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811262480.3A CN109543956B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811262480.3A CN109543956B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109543956A true CN109543956A (zh) | 2019-03-29 |
| CN109543956B CN109543956B (zh) | 2024-07-12 |
Family
ID=65845345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811262480.3A Active CN109543956B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规医疗机构的检测方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543956B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
| CN110767318A (zh) * | 2019-10-11 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 医疗数据异常检测方法、装置、计算机设备和存储介质 |
| CN111180028A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像特异性规则筛选方法及装置 |
| CN111696650A (zh) * | 2020-06-10 | 2020-09-22 | 杭州联众医疗科技股份有限公司 | 一种基于历史影像数据比对的医保控费系统 |
| CN112885479A (zh) * | 2021-02-23 | 2021-06-01 | 武汉大学 | 一种对医疗数据中数据项对比验证的实现方法及装置 |
| CN113806356A (zh) * | 2020-06-16 | 2021-12-17 | 中国移动通信集团重庆有限公司 | 数据识别方法、装置及计算设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5933809A (en) * | 1996-02-29 | 1999-08-03 | Medcom Solutions, Inc. | Computer software for processing medical billing record information |
| JP2007058280A (ja) * | 2005-08-22 | 2007-03-08 | Nichii Gakkan Co | 院内費用分析システム |
| CN102013084A (zh) * | 2010-12-14 | 2011-04-13 | 江苏大学 | 用于检测医疗保险门诊欺诈性交易的系统和方法 |
| US20140081647A1 (en) * | 2006-11-21 | 2014-03-20 | Daniel Eugene Piro | System and method for benchmarking hospital supply expenses |
| CN106485403A (zh) * | 2016-09-27 | 2017-03-08 | 成都金盘电子科大多媒体技术有限公司 | 基于医疗大数据的医院评价系统及评价方法 |
| CN108460693A (zh) * | 2018-03-29 | 2018-08-28 | 平安健康保险股份有限公司 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
-
2018
- 2018-10-27 CN CN201811262480.3A patent/CN109543956B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5933809A (en) * | 1996-02-29 | 1999-08-03 | Medcom Solutions, Inc. | Computer software for processing medical billing record information |
| JP2007058280A (ja) * | 2005-08-22 | 2007-03-08 | Nichii Gakkan Co | 院内費用分析システム |
| US20140081647A1 (en) * | 2006-11-21 | 2014-03-20 | Daniel Eugene Piro | System and method for benchmarking hospital supply expenses |
| CN102013084A (zh) * | 2010-12-14 | 2011-04-13 | 江苏大学 | 用于检测医疗保险门诊欺诈性交易的系统和方法 |
| CN106485403A (zh) * | 2016-09-27 | 2017-03-08 | 成都金盘电子科大多媒体技术有限公司 | 基于医疗大数据的医院评价系统及评价方法 |
| CN108460693A (zh) * | 2018-03-29 | 2018-08-28 | 平安健康保险股份有限公司 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
Non-Patent Citations (1)
| Title |
|---|
| 樊荣;马谢民;: "主成分分析法评价医疗机构医保费用管理", 中国医院, vol. 21, no. 07, pages 53 - 55 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458713A (zh) * | 2019-07-05 | 2019-11-15 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
| CN110458713B (zh) * | 2019-07-05 | 2023-10-13 | 中国平安人寿保险股份有限公司 | 模型监控方法、装置、计算机设备及存储介质 |
| CN110767318A (zh) * | 2019-10-11 | 2020-02-07 | 平安医疗健康管理股份有限公司 | 医疗数据异常检测方法、装置、计算机设备和存储介质 |
| CN111180028A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像特异性规则筛选方法及装置 |
| CN111696650A (zh) * | 2020-06-10 | 2020-09-22 | 杭州联众医疗科技股份有限公司 | 一种基于历史影像数据比对的医保控费系统 |
| CN113806356A (zh) * | 2020-06-16 | 2021-12-17 | 中国移动通信集团重庆有限公司 | 数据识别方法、装置及计算设备 |
| CN113806356B (zh) * | 2020-06-16 | 2024-03-19 | 中国移动通信集团重庆有限公司 | 数据识别方法、装置及计算设备 |
| CN112885479A (zh) * | 2021-02-23 | 2021-06-01 | 武汉大学 | 一种对医疗数据中数据项对比验证的实现方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109543956B (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543956A (zh) | 基于数据分析的违规医疗机构的检测方法及相关设备 | |
| CN109544373B (zh) | 基于人工智能的医保违规行为检测方法及相关装置 | |
| CN104182824B (zh) | 一种识别医保报销违规行为的规则校验系统及校验方法 | |
| US20180121620A1 (en) | Detecting medical fraud and medical misuse using a shared virtual ledger | |
| CN102299918A (zh) | 一种网络交易安全系统及方法 | |
| WO2020082788A1 (zh) | 一种医疗数据处理方法、装置、设备及存储介质 | |
| CN108320154A (zh) | 一种数字钱包资产保护方法、装置、电子设备及存储介质 | |
| US20070233643A1 (en) | Apparatus and method for protecting access to phishing site | |
| CN109523403B (zh) | 基于异常操作识别的医疗监管方法、装置及终端 | |
| CN110310020B (zh) | 基于数据分析的项目方案管理方法、相关装置及存储介质 | |
| CN104133688A (zh) | 医疗服务巡查与调查系统及方法 | |
| CN110334107A (zh) | 基于数据分析的资格评审方法、装置及服务器 | |
| CN110222021A (zh) | 一种数据处理方法、设备、服务器及计算机可读存储介质 | |
| CN113657989A (zh) | 用于早期商户违约欺诈检测的系统、方法和计算机可访问介质 | |
| CN107705126B (zh) | 一种交易指令的处理方法及装置 | |
| CN108399710A (zh) | 一种指纹识别报警方法、系统及终端设备 | |
| CN109377059A (zh) | 一种基于风险管控的数据处理方法及设备 | |
| CN109509103A (zh) | 基于数据分析的违规医疗机构的检测方法及相关设备 | |
| US20130080181A1 (en) | Telehealth care verification and audit logging system | |
| Atim et al. | Post‐exposure prophylaxis in the era of pre‐exposure prophylaxis | |
| CN110489434A (zh) | 一种信息处理方法及相关设备 | |
| CN106408425A (zh) | 社交信息警示方法、装置及警示服务器 | |
| CN106992993B (zh) | 一种外包输单异常检测方法、系统及设备 | |
| Thompson et al. | Impact of amending the acetylcysteine marketing authorisation on treatment of paracetamol overdose | |
| CN109636647A (zh) | 异常购药的识别方法、装置、终端及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |