CN109544362A - 一种基于风险管控的数据处理方法及设备 - Google Patents
一种基于风险管控的数据处理方法及设备 Download PDFInfo
- Publication number
- CN109544362A CN109544362A CN201811264971.1A CN201811264971A CN109544362A CN 109544362 A CN109544362 A CN 109544362A CN 201811264971 A CN201811264971 A CN 201811264971A CN 109544362 A CN109544362 A CN 109544362A
- Authority
- CN
- China
- Prior art keywords
- party platform
- monitoring
- data
- medical
- index
- 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
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 37
- 239000003814 drug Substances 0.000 claims description 55
- 229940079593 drug Drugs 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 46
- 238000002558 medical inspection Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000001225 therapeutic effect Effects 0.000 claims description 3
- 210000004209 hair Anatomy 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 229940120638 avastin Drugs 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229940022353 herceptin Drugs 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000002075 main ingredient Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 229960000575 trastuzumab Drugs 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种基于风险管控的数据处理方法及终端,其中方法包括:获取第三方平台发送的目标周期内采集到的监测数据,所述监测数据包括用药数据和/或医疗检查数据;对所述监测数据进行计算,得到所述第三方平台的监测指标的值;获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标,所述第三方平台集群所包含的各个第三方平台的类型相同;对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。本申请实施例可以监测医疗数据的真实性,并提高监测的准确性。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种基于风险管控的数据处理方法及设备。
背景技术
医疗保险是社会保险的重要组成部分,在医疗保障社会体系中,医疗过程会使用大量的药物,同时伴随的医疗检查的数量也十分巨大,且种类繁多。因此可能存在捏造虚假的用药信息和医疗检查信息,以谋取不正当利益的情况,这些行为严重影响了医疗保险的收支平衡,侵害了参保人的利益。为了解决这一问题,现阶段的用药数据和医疗检查数据的处理方式需要人工整理和分析。采用这种方式,人工劳动强度很大,数据处理效率低,并且容易出现错误,影响数据处理的准确性。如何高效准确地对用药数据和医疗检查数据进行处理是本领域技术人员亟待解决的问题。
发明内容
本申请实施例提供一种基于风险管控的数据处理方法,可以监测医疗数据的真实性,并提高监测的准确性。
第一方面,本申请实施例提供了一种基于风险管控的数据处理方法,该方法包括:
获取第三方平台发送的目标周期内采集到的监测数据,所述监测数据包括用药数据和/或医疗检查数据;
对所述监测数据进行计算,得到所述第三方平台的监测指标的值,所述监测指标包括药品费用占比,高值药品费用占比,辅助药品费用占比,医疗检查费用占比,大型医疗检查费用占比,医疗检查项目使用率中的至少一项;
获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标,所述第三方平台集群所包含的各个第三方平台的类型相同;
对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;
当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。
第二方面,本申请实施例提供了一种数据处理种设备,该设备包括用于执行上述第一方面的方法的单元。
第三方面,本申请实施例提供了另一种数据处理设备,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支持终端执行上述方法的应用程序代码,所述处理器被配置用于执行上述第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,该计算机存储介质存储有程序指令,该程序指令当被处理器运行时,该处理器执行上述第一方面的方法。
第五方面,本申请实施例提供了一种计算机程序,该计算机程序在处理器上运行时,该处理器执行上述第一方面的方法。
在本申请实施例中,通过对接收到的第三方平台的监测数据进行计算,得到所述第三方平台的监测指标的值。然后对相同类型的第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。这种方式可以方便快捷地对监测数据的真实性进行判定,并且动态指标阈值的判定方式可以提升判定的准确性,避免人工对数据进行整理和分析所造成的数据处理效率低,且容易出现错误的问题。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的一种基于风险管控的数据处理系统的示意图;
图2是本申请实施例提供的一种基于风险管控的数据处理方法的流程图;
图3是本申请实施例提供的一种监测指标显示界面的示意图;
图4是本申请实施例提供的一种数据处理设备的示意图;
图5是本申请实施例提供的又一种数据处理设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更详细地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
参见图1,是本申请实施例提供的一种基于风险管控的数据处理系统的示意图,所述数据处理系统包括第三方平台和数据处理设备。该第三方平台和该数据处理设备可以通过有线或者无线网络进行通信。下面对这两种设备进行详细的介绍。
第三方平台,为医疗机构存储监测数据的平台,监测数据包括用药数据和/或医疗检查数据。该第三平台可以为一个数据库,其中,一个数据库存储有一个医疗机构的监测数据。在本申请的实施方式中,该第三方平台可以为一个或者多个,其中,第三方平台与医疗机构具有对应关系,一个第三方平台存储有自身对应的医疗机构的监测数据。可选的,该第三方平台可以为一个,第三方平台为多个数据库集成一个服务器,该一个第三方平台存储有一个或多个医疗机构的监测数据。
数据处理设备,可以从第三方平台获取监测数据,对获取的监测数据进行处理,以监测监测数据的真实性。可选的,在监测数据失真时,该数据处理设备可以输出提示信息(例如,显示提示信息,发出语音告警等),以提示出现了数据失真的情况。可选的,在监测数据失真时,该数据处理设备还可以向预先设定的即时通讯账户(例如,QQ,微信,邮箱等)发送提示信息,以便数据管理人员可以及时了解到数据的真实情况。
参见图2,是本申请实施例提供一种基于风险管控的数据处理方法的流程图,该方法可以基于图1所示的架构来实现,下面描述的数据处理设备可以是图1所示的系统架构中的数据处理设备。下面描述的第三方平台可以是图1所示的系统架构中的第三方平台。该方法可包括:
S201、获取第三方平台发送的目标周期内采集到的监测数据。
其中,所述监测数据包括用药数据和/或医疗检查数据。可选的,所述目标周期为预先设定的时间周期,例如,所述目标周期可以为三天,五天,一周,一个月,等等时间间隔。例如,所述目标周期为五天,所述监测数据为2018年8月10日至2018年8月14日采集到的监测数据。
可选的,在所述数据处理设备接收来自第三方平台的监测数据之前,还包括,所述数据处理设备向所述第三方平台发送身份信息,以使所述第三方平台基于所述身份信息进行鉴权。相应的,所述数据处理设备接收所述第三方平台发送的监测数据,所述监测数据是所述第三方平台鉴权通过后发送的。通过这种方式,可以加强医疗机构监测数据的信息安全性。
可选的,该数据处理设备获取数据的权限具体分为多个等级,该等级与所述监测数据的类型具有对应关系。举例而言,第一等级可以获取医疗机构的药物费用信息,第二等级可以获取医疗机构的药物使用明细,第三等级可以获取医疗机构的医疗检查明细等等。通过这种方式,可以进一步地加强医疗机构监测数据的信息安全性。
S202、对所述监测数据进行计算,得到所述第三方平台的监测指标的值。
具体的,所述监测指标包括药品费用占比,高值药品费用占比,辅助药品费用占比,医疗检查费用占比,大型医疗检查费用占比,医疗检查项目使用率中的至少一项。
下面对得到所述第三方平台的监测指标的具体方式进行介绍。
1)药品费用占比
从监测数据中选取第一医疗机构的监测数据中包含的多个医疗费用,对该多个医疗费用相加得到医疗费用总和;从监测数据中选取第一医疗机构的监测数据中包含的多个药品费用,对该多个药品费用相加得到药品费用总和。第一医疗机构的药品费用占比为所述药品费用总和除以所述医疗费用总和的商。需要说明的是,其他医疗机构的药品费用占比也可以用相同的方式计算得到。
2)高值药品费用占比
从监测数据中选取第一医疗机构的监测数据中包含的多个药品费用,对该多个药品费用相加得到药品费用总和;从监测数据中选取第一医疗机构的监测数据中包含的多个高值药品的费用,对该多个高值药品的费用相加得到高值药品费用总和。其中,该高值药品为价格较贵,并限定医保支付范围的药品种类,例如,曲妥珠单抗、贝伐珠单抗、尼妥珠单抗等药品。具体的,所述数据处理设备中预存有高值药品的种类。第一医疗机构的高值药品费用占比为所述高值药品费用总和除以所述药品费用总和的商。需要说明的是,其他医疗机构的高值药品费用占比也可以用相同的方式计算得到。
3)辅助药品费用占比
从监测数据中选取第一医疗机构的监测数据中包含的多个药品费用,对该多个药品费用相加得到药品费用总和;从监测数据中选取第一医疗机构的监测数据中包含的多个辅助药品的费用,对该多个辅助药品的费用相加得到辅助药品费用总和。其中,该辅助药品是患者在接受治疗手术、放射、化学治疗过程中,预防或治疗相关主药的毒副作用或有助于疾病或功能紊乱的预防和治疗的药品,例如增强组织代谢类药品,维生素类药品,电解质类药品等等。具体的,所述数据处理设备中预存有辅助药品的种类。第一医疗机构的辅助药品费用占比为所述辅助药品费用总和除以所述药品费用总和的商。需要说明的是,其他医疗机构的辅助药品费用占比也可以用相同的方式计算得到。
4)医疗检查费用占比
从监测数据中选取第一医疗机构的监测数据中包含的多个医疗费用,对该多个医疗费用相加得到医疗费用总和;从监测数据中选取第一医疗机构的监测数据中包含的多个医疗检查费用,对该多个药品费用相加得到医疗检查费用总和。第一医疗机构的医疗检查费用占比为所述医疗检查费用总和除以所述医疗费用总和的商。需要说明的是,其他医疗机构的医疗检查费用占比也可以用相同的方式计算得到。
5)大型医疗检查费用占比
从监测数据中选取第一医疗机构的监测数据中包含的多个医疗检查费用,对该多个医疗检查费用相加得到医疗检查费用总和;从监测数据中选取第一医疗机构的监测数据中包含的多个大型医疗检查费用,对该多个大型医疗检查费用相加得到大型医疗检查费用总和。其中,大型医疗检查包括电子计算机断层扫描(computed tomography,CT),磁共振成像(magnetic resonance imaging,MRI),正电子发射计算机断层显像(positron emissioncomputed tomography,PET)等需要借助大型医疗设备进行医疗检查的检查项目,所述数据处理设备中预存有大型医疗检查的种类。第一医疗机构的大型医疗检查费用占比为所述大型医疗检查费用总和除以所述医疗检查费用总和的商。需要说明的是,其他医疗机构的大型医疗检查费用占比也可以用相同的方式计算得到。
6)医疗检查项目使用率
从监测数据中累计第一医疗机构的监测数据中包含的多个医疗检查项目的使用次数,从监测数据中累计第一医疗机构的监测数据中包含的第一医疗检查项目的使用次数,其中,所述第一医疗检查项目为所述多个医疗检查项目中的一个医疗检查项目。第一医疗机构的第一医疗检查项目使用率为所述第一医疗检查项目的使用次数除以所述多个医疗检查项目的使用次数的商。需要说明的是,第一医疗机构的其他医疗检查项目使用率也可以用相同的方式计算得到,其他医疗机构的医疗检查项目使用率也可以用相同的方式计算得到。
可选的,在所述根据所述监测数据计算所述第三方平台的监测指标之后,还包括:显示不同指标类别对应的监测指标,所述指标类别包括结算日期,经办区,医疗机构等级,医疗机构类别,医疗类别,医疗保险险种中的至少一项。下面对上述这几种指标类别进行详细的介绍。
1)结算日期。该结算日期为监测数据中医疗费用进行结算的日期。可选的,可以根据不同的结算日期,对同一医疗机构的监测指标进行展示。通过这种方式,可以观测到不同时期该医疗机构的监测指标的变化趋势,若该医疗机构在短期内的监测指标发生了较大的变化,则说明该医疗机构的监测指标可能存在失真的情况。可选的,也可以根据相同的结算日期,对不同医疗机构的监测指标进行展示。通过这种方式,可以查看到同一时期各个医疗机构的监测指标的情况。若在一个结算日期中,大多数医疗机构的监测指标情况相似,而少数医疗机构的指标情况相差较大,则说明该少数的医疗机构监测数据可能存在失真的情况。上述两种可选方式可以同时应用,例如:所述数据处理设备展示不同医疗机构在同一结算日期的监测指标(可以为图表显示),接收用户对一个医疗机构的选中操作(可以为单击操作或者双击操作,等等),所述数据处理设备展示该一个医疗机构在不同结算日期的监测指标。
参见图3,是本申请实施例提供的一种监测指标显示界面的示意图。在图3中,以结算日期(以2018年8月1日为例)为指标类别对监测指标(以药品费用占比为例)进行了展示,分别展示了在2018年8月1日,第一医疗机构,第二医疗机构,第三医疗机构,第四医疗机构,第五医疗机构和第六医疗机构的药品费用占比的情况。
2)经办区。该经办区为医疗保险的办理地区。可选的,可以根据经办区的不同对监测指标进行展示,可以观测到不同经办区的监测指标的变化趋势,若一个经办区的监测指标在短期内发生了较大的变化,或者该经办区的监测指标变化趋势与大多数经办区监测指标的变化趋势不同,则说明该经办区可能存在监测数据失真的情况。
3)医疗机构等级。医疗机构的等级为按照《医院分级管理标准》,医疗机构经过评审之后确定的等级,例如,三级甲等,三级乙等,等等。通过这种方式,可以方便用户对同一等级的医疗机构的监测指标进行查看。而且不同等级的医疗机构的监测数据差异较大,通过医疗机构等级的分类查看方式可以根据医疗机构等级的不同对监测指标进行查看,可以查看到在同一等级的医疗机构的监测数据。可以规避将医疗机构等级不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
4)医疗机构类别。医疗机构的类别可以分为综合医院、中医医院、中西医结合医院、民族医医院、专科医院、康复医院;妇幼保健院;社区卫生服务中心、社区卫生服务站,等等。通过这种方式,可以方便用户对同一类别的医疗机构的监测指标进行查看。而且不同类别的医疗机构的监测数据差异较大,通过医疗机构类别的分类查看方式可以根据医疗机构类别的不同对监测指标进行查看,可以查看到在同一类别的医疗机构的监测数据。可以规避将医疗机构类别不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
5)医疗类别。医疗类别可以分为急诊科、内科、外科、妇产科、儿科,等等。通过这种方式,可以方便用户对同一类别的监测指标进行查看。而且不同类别的监测数据差异较大,通过医疗类别的分类查看方式可以根据医疗类别的不同对监测指标进行查看,可以查看到在同一类别的监测数据。可以规避将医疗类别不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
6)医疗保险险种。医疗保险险种可以分为社会医疗保险和商业医疗保险两大类,在这两大类中,可以划分为各个小类。通过这种方式,可以方便用户对同一种险种的监测指标进行查看。而且不同险种的监测数据差异较大,通过险种的分类查看方式可以根据险种的不同对监测指标进行查看,可以查看到在同一险种的监测数据。可以规避将险种不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
通过上述方式,能够以不同的指标类别对监测指标进行查看,可以查看到以不同指标类别分类下的不同结果,多维度地体现医疗指标的信息,使得判定结果更加准确。
S203、获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标。
其中,所述第三方平台集群所包含的各个第三方平台的类型相同。可选的,所述第三方平台的类型可以为医疗机构等级,医疗机构类别,所在地中的至少一项。
S204、对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值。
通过这种方式,可以根据同一类型的医疗机构的监测指标计算动态指标阈值,可以规避将医疗机构类型不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
可选的,所述对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值,包括:对所述各个第三方平台的监测指标进行平均运算,得到所述监测指标的平均值;将所述平均值与第一预设数值相乘,得到所述动态指标阈值。可选的,所述第一预设数值可以为1.5,2,2.5等等数值。需要说明的是,一个监测指标对应一个指标阈值。以计算三级甲等医疗机构的药品费用占比的动态指标阈值为例,若第一预设数值为1.5。则计算该指标阈值的方式为:首先需要获取多个三级甲等医院的药品费用占比,再计算该多个三级甲等医院的药品费用占比的平均值,则三级甲等医疗机构的药品费用占比的动态指标阈值为该平均值与1.5的乘积。
可选的。所述对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值,包括:获取所述各个第三方平台的监测指标的至少一个分位数;在所述至少一个分位数中确定位于预设分位点的目标分位数;将所述目标分位数与第二预设数值相乘,得到所述动态指标阈值。其中,分位数可以为四分位数,二十四分位数,九十分位数,百分位数,等等。下面以四分位数为例,介绍动态指标阈值的算法。
距离而言,共11项医疗机构的药品费用占比分别为:0.6,0.47,0.49,0.15,0.42,0.41,0.7,0.39,0.43,0.4,0.36。将上述数值由小到大排列,结果为:0.15,0.36,0.39,0.4,0.41,0.42,0.43,0.47,0.49,0.6,0.7。第一分位点的位置为(11+1)×0.25=3,第二分位点的位置为(11+1)×0.5=6,第三分位点的位置为(11+1)×0.75=9。若所述预设分位点为第三分位点,第二预设数值为1.2,则目标分位数为0.49,动态指标阈值为1.5×0.49=0.588。
S205、当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。
可选的,在当所述第三方平台的监测指标的值大于所述动态指标阈值时,确定所述监测数据失真之后,还包括:在联系人数据库中查找所述第三方平台对应的联系人信息;向所述联系人信息指示的联系人发送提醒消息,所述提醒消息用于提醒所述监测数据失真。具体的,所述预先设定的即时通讯账户可以为QQ,微信,邮箱,手机号码中的至少一项。可选的,可以实时向预先设定的即时通讯账户发送判定消息,还可以定期向预先设定的即时通讯账户发送判定消息。过这种方式,可以使得用户可以及时接受到对监测数据的判定结果。
在图2所示的方法中,通过对接收到的第三方平台的监测数据进行计算,得到所述第三方平台的监测指标。然后对相同类型的第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值的值;当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。这种方式可以方便快捷地对监测数据的真实性进行判定,并且动态指标阈值的判定方式可以提升判定的准确性,避免人工对数据进行整理和分析所造成的数据处理效率低,且容易出现错误的问题。
以上描述了本申请的方法实施例,下面对相应的装置实施例进行介绍。
参见图4,是本申请实施例提供的一种数据处理设备的示意图。该数据处理设备40包括,第一获取单元401,计算单元402,第二获取单元403,处理单元404和判定单元405,以下对上述单元进行详细的介绍。
第一获取单元401,用于获取第三方平台发送的目标周期内采集到的监测数据,所述监测数据包括用药数据和/或医疗检查数据。
计算单元402,用于对所述监测数据进行计算,得到所述第三方平台的监测指标的值,所述监测指标包括药品费用占比,高值药品费用占比,辅助药品费用占比,医疗检查费用占比,大型医疗检查费用占比,医疗检查项目使用率中的至少一项。
第二获取单元403,用于获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标,所述第三方平台集群所包含的各个第三方平台的类型相同。
处理单元404,用于对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值。
判定单元405,用于当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。
通过这种方式,可以根据同一类型的医疗机构的监测指标计算指标阈值,可以规避将医疗机构类型不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
在又一种可选的方案中,所述处理单元具体用于,对所述各个第三方平台的监测指标进行平均运算,得到所述监测指标的平均值;将所述平均值与第一预设数值相乘,得到所述动态指标阈值。
在又一种可选的方案中,所述处理单元具体用于,获取所述各个第三方平台的监测指标的至少一个分位数;在所述至少一个分位数中确定位于预设分位点的目标分位数;将所述目标分位数与第二预设数值相乘,得到所述动态指标阈值。
在又一种可选的方案中,所述数据处理设备还包括第一发送单元和第二接收单元,所述第一发送单元,用于向所述第三方平台发送身份信息,以使所述第三方平台基于所述身份信息进行鉴权;第二接收单元,用于接收所述第三方平台发送的监测数据,所述监测数据是所述第三方平台鉴权通过后发送的。通过这种方式,可以加强医疗机构监测数据的信息安全性。
在又一种可选的方案中,所述数据处理设备还包括查找单元和第二发送单元,所述查找单元,用于在联系人数据库中查找所述第三方平台对应的联系人信息;所述第二发送单元,用于向所述联系人信息指示的联系人发送提醒消息,所述提醒消息用于提醒所述监测数据失真。通过这种方式,可以使得用户可以及时接受到对监测数据的判定结果。
在又一种可选的方案中,该数据处理设备还包括显示单元,该显示单元具体用于显示不同指标类别对应的监测指标。所述指标类别包括结算日期,医疗保险经办区,医疗机构等级,医疗机构类别,医疗类别,医疗保险险种中的至少一项。通过上述方式,能够以不同的指标类别对监测指标进行查看,可以查看到以不同指标类别分类下的不同结果,多维度地体现医疗指标的信息,使得判定结果更加准确。
在又一种可选的方案中,所述第三方平台的类型为医疗机构等级,医疗机构类别,所在地中的至少一项。
需要说明的是,图4中的各个操作的实现还可以对应参照图2所示的方法实施例的相应描述。
在图4所示的数据处理设备中,通过对接收到的第三方平台的监测数据进行计算,得到所述第三方平台的监测指标的值。然后对相同类型的第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。这种设备可以方便快捷地对监测数据的真实性进行判定,并且动态指标阈值的判定方式可以提升判定的准确性,避免人工对数据进行整理和分析所造成的数据处理效率低,且容易出现错误的问题。
参见图5,是本申请实施例提供的又一种数据处理设备的示意图。该数据处理设备50包括:一个或多个处理器501;一个或多个输入设备502,一个或多个输出设备503和存储器504。上述处理器501、输入设备502、输出设备503和存储器504通过总线505连接。存储器502用于存储指令,处理器501用于执行存储器502存储的指令。其中,处理器501用于:
获取第三方平台发送的目标周期内采集到的监测数据,所述监测数据包括用药数据和/或医疗检查数据。
对所述监测数据进行计算,得到所述第三方平台的监测指标的值,所述监测指标包括药品费用占比,高值药品费用占比,辅助药品费用占比,医疗检查费用占比,大型医疗检查费用占比,医疗检查项目使用率中的至少一项。
获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标,所述第三方平台集群所包含的各个第三方平台的类型相同。
对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值。
当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。
通过这种方式,可以根据同一类型的医疗机构的监测指标计算指标阈值,可以规避将医疗机构类型不同而造成的指标差异较大的情况视为监测数据失真的问题,提升判定的准确性。
在又一种可选的方案中,该处理器501具体用于对所述各个第三方平台的监测指标进行平均运算,得到所述监测指标的平均值;将所述平均值与第一预设数值相乘,得到所述动态指标阈值。
在又一种可选的方案中,该处理器501具体用于获取所述各个第三方平台的监测指标的至少一个分位数;在所述至少一个分位数中确定位于预设分位点的目标分位数;将所述目标分位数与第二预设数值相乘,得到所述动态指标阈值。
在又一种可选的方案中,该处理器501还用于通过输出设备503(例如,通信接口)向所述第三方平台发送身份信息,以使所述第三方平台基于所述身份信息进行鉴权;通过输入设备502(例如,通信接口)接收所述第三方平台发送的监测数据,所述监测数据是所述第三方平台鉴权通过后发送的。通过这种方式,可以加强医疗机构监测数据的信息安全性。
在又一种可选的方案中,该处理器501还用于在联系人数据库中查找所述第三方平台对应的联系人信息;向所述联系人信息指示的联系人发送提醒消息,所述提醒消息用于提醒所述监测数据失真。通过这种方式,可以使得用户可以及时接受到对监测数据的判定结果。
在又一种可选的方案中,该处理器501还用于通过输出设备503显示不同指标类别对应的监测指标,所述指标类别包括结算日期,医疗保险经办区,医疗机构等级,医疗机构类别,医疗类别,医疗保险险种中的至少一项。此处的输出设备可以是显示屏。通过上述方式,能够以不同的指标类别对监测指标进行查看,可以查看到以不同指标类别分类下的不同结果,多维度地体现医疗指标的信息,使得判定结果更加准确。
在又一种可选的方案中,所述第三方平台的类型为医疗机构等级,医疗机构类别,所在地中的至少一项。
需要说明的是,图5中的各个操作的实现还可以对应参照图2所示的方法实施例的相应描述。
在图5所示的数据处理设备中,通过对接收到的第三方平台的监测数据进行计算,得到所述第三方平台的监测指标的值。然后对相同类型的第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。这种设备可以方便快捷地对监测数据的真实性进行判定,并且动态指标阈值的判定方式可以提升判定的准确性,避免人工对数据进行整理和分析所造成的数据处理效率低,且容易出现错误的问题。
应当理解,在本申请实施例中,所称处理器501可以是中央处理单元(centralprocessing unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal 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。
该存储器504可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如,存储器504还可以存储设备类型的信息。
具体实现中,本申请实施例中所描述的处理器501、输入设备502、输出设备503可执行本申请实施例提供的数据处理的方法的实施例所描述的实现方式,也可执行本申请实施例所描述的终端的实现方式,在此不再赘述。
在本发明实施例的另一实施例中提供一种计算机程序产品,当该计算机程序产品在处理器上运行时,图2所示实施例的方法得以实现。
在本发明的另一实施例中提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现图2所示实施例的方法。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(securedigital,SD)卡,闪存卡(flash card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的数据处理设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的数据处理设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本申请实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于风险管控的数据处理的方法,其特征在于,包括:
获取第三方平台发送的目标周期内采集到的监测数据,所述监测数据包括用药数据和/或医疗检查数据;
对所述监测数据进行计算,得到所述第三方平台的监测指标的值,所述监测指标包括药品费用占比,高值药品费用占比,辅助药品费用占比,医疗检查费用占比,大型医疗检查费用占比,医疗检查项目使用率中的至少一项;
获取所述第三方平台所属的第三方平台集群所包含的各个第三方平台的监测指标,所述第三方平台集群所包含的各个第三方平台的类型相同;
对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值;
当所述第三方平台的监测指标的值大于所述动态指标阈值时,判定所述监测数据失真。
2.根据权利要求1所述的方法,其特征在于,所述对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值,包括:
对所述各个第三方平台的监测指标进行平均运算,得到所述监测指标的平均值;
将所述平均值与第一预设数值相乘,得到所述动态指标阈值。
3.根据权利要求1所述的方法,其特征在于,所述对所述各个第三方平台的监测指标进行处理,得到所述监测指标的动态指标阈值,包括:
获取所述各个第三方平台的监测指标的至少一个分位数;
在所述至少一个分位数中确定位于预设分位点的目标分位数;
将所述目标分位数与第二预设数值相乘,得到所述动态指标阈值。
4.根据权利要求1-3任一项所述的方法,其特征在于,在所述接收来自第三方平台的监测数据之前,还包括:
向所述第三方平台发送身份信息,以使所述第三方平台基于所述身份信息进行鉴权;
接收所述第三方平台发送的监测数据,所述监测数据是所述第三方平台鉴权通过后发送的。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述当所述第三方平台的监测指标的值大于所述动态指标阈值时,确定所述监测数据失真之后,还包括:
在联系人数据库中查找所述第三方平台对应的联系人信息;
向所述联系人信息指示的联系人发送提醒消息,所述提醒消息用于提醒所述监测数据失真。
6.根据权利要求1-3任一项所述的方法,其特征在于,在所述对所述第一监测数据和所述第二监测数据进行计算,得到所述第三方平台的监测指标的值之后,还包括:
显示不同指标类别对应的监测指标,所述指标类别包括结算日期,医疗保险经办区,医疗机构等级,医疗机构类别,医疗类别,医疗保险险种中的至少一项。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述第三方平台的类型为医疗机构等级,医疗机构类别,所在地中的至少一项。
8.一种数据处理设备,其特征在于,包括用于执行如权利要求1-7中任一项所述的方法的单元。
9.一种数据处理设备,其特征在于,包括处理器和存储器,其中,所述存储器用于存储程序指令,所述处理器被配置用于调用所述程序指令来执行如权利要求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 |
---|---|---|---|
CN201811264971.1A CN109544362A (zh) | 2018-10-27 | 2018-10-27 | 一种基于风险管控的数据处理方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811264971.1A CN109544362A (zh) | 2018-10-27 | 2018-10-27 | 一种基于风险管控的数据处理方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109544362A true CN109544362A (zh) | 2019-03-29 |
Family
ID=65845627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811264971.1A Pending CN109544362A (zh) | 2018-10-27 | 2018-10-27 | 一种基于风险管控的数据处理方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544362A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070208594A1 (en) * | 2006-03-03 | 2007-09-06 | Health Insurance Review Agency | Method for electronic examination of medical fees |
US20100082363A1 (en) * | 2008-09-30 | 2010-04-01 | General Electric Company | System and method to manage a quality of delivery of healthcare |
CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
US20150235334A1 (en) * | 2014-02-20 | 2015-08-20 | Palantir Technologies Inc. | Healthcare fraud sharing system |
CN107038669A (zh) * | 2015-07-28 | 2017-08-11 | 平安科技(深圳)有限公司 | 异常结算数据预警提示系统及方法 |
CN107330258A (zh) * | 2017-06-22 | 2017-11-07 | 安徽山鼎信息科技有限公司 | 一种医疗服务监管平台 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
WO2018058545A1 (zh) * | 2016-09-30 | 2018-04-05 | 曹庆恒 | 基于业务单元数据特征的处方管控数据标准管理系统 |
-
2018
- 2018-10-27 CN CN201811264971.1A patent/CN109544362A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070208594A1 (en) * | 2006-03-03 | 2007-09-06 | Health Insurance Review Agency | Method for electronic examination of medical fees |
US20100082363A1 (en) * | 2008-09-30 | 2010-04-01 | General Electric Company | System and method to manage a quality of delivery of healthcare |
US20150235334A1 (en) * | 2014-02-20 | 2015-08-20 | Palantir Technologies Inc. | Healthcare fraud sharing system |
CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验系统及校验方法 |
CN107038669A (zh) * | 2015-07-28 | 2017-08-11 | 平安科技(深圳)有限公司 | 异常结算数据预警提示系统及方法 |
WO2018058545A1 (zh) * | 2016-09-30 | 2018-04-05 | 曹庆恒 | 基于业务单元数据特征的处方管控数据标准管理系统 |
CN107330258A (zh) * | 2017-06-22 | 2017-11-07 | 安徽山鼎信息科技有限公司 | 一种医疗服务监管平台 |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张剑 等: "《人民币价值悖论下的政策选择》", 电子科技大学出版社, pages: 98 - 44 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133438B (zh) | 医疗行为监控方法及装置 | |
CN107133437B (zh) | 监控药品使用的方法及装置 | |
CN103843030B (zh) | 用于从多个来源产生保健相关经验证预测模型的方法 | |
CN110504011B (zh) | 一种远程视屏诊疗系统 | |
NL2012435C2 (en) | Data processing techniques. | |
US10978198B1 (en) | Systems and methods for determining patient financial responsibility for multiple prescription products | |
US8725532B1 (en) | Systems and methods for monitoring controlled substance distribution | |
US20030229519A1 (en) | Systems and methods for identifying fraud and abuse in prescription claims | |
US10372879B2 (en) | Medical claims lead summary report generation | |
CA2895019A1 (en) | Systems and methods for determining patient adherence to a prescribed medication protocol | |
GB2514239A (en) | Data processing techniques | |
JP2022000820A (ja) | 臨床検査値を表示する表示装置、サーバ、表示方法及びプログラム | |
US20190074077A1 (en) | Prescription management system and method | |
US20220293256A1 (en) | Machine learning analysis of databases | |
US11361381B1 (en) | Data integration and prediction for fraud, waste and abuse | |
Ju et al. | Prevalence of systemic lupus erythematosus in South Korea: an administrative database study | |
CN109255721A (zh) | 基于费用预测的保险推荐方法、设备、服务器及可读介质 | |
Rinner et al. | Effects of shared electronic health record systems on drug‐drug interaction and duplication warning detection | |
CN109544364A (zh) | 基于数据分析的违规行为检测方法、装置及终端 | |
CN109377059A (zh) | 一种基于风险管控的数据处理方法及设备 | |
Zhen et al. | The impact of prescriptions audit and feedback for antibiotic use in rural clinics: interrupted time series with segmented regression analysis | |
CN110379523A (zh) | 基于云平台的红外远程看病方法及系统 | |
CN109545320A (zh) | 基于数据处理的取药异常确定方法和终端设备 | |
Winslade et al. | Determinants of community pharmacists’ quality of care: a population-based cohort study using pharmacy administrative claims data | |
Rho et al. | Common data model for decision support system of adverse drug reaction to extract knowledge from multi-center database |
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: 20220525 Address after: 518000 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, Block H, 666 Beijing East Road, Huangpu District, Shanghai 200000 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right |