CN109544364A - 基于数据分析的违规行为检测方法、装置及终端 - Google Patents
基于数据分析的违规行为检测方法、装置及终端 Download PDFInfo
- Publication number
- CN109544364A CN109544364A CN201811265546.4A CN201811265546A CN109544364A CN 109544364 A CN109544364 A CN 109544364A CN 201811265546 A CN201811265546 A CN 201811265546A CN 109544364 A CN109544364 A CN 109544364A
- Authority
- CN
- China
- Prior art keywords
- data
- medical
- insured people
- disease
- pending
- 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 78
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000012550 audit Methods 0.000 claims abstract description 73
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 29
- 239000003814 drug Substances 0.000 claims description 97
- 201000010099 disease Diseases 0.000 claims description 81
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 81
- 229940079593 drug Drugs 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000001225 therapeutic effect Effects 0.000 claims description 8
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 208000001130 gallstones Diseases 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241000736026 Sarcandra Species 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002270 dispersing agent Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种基于数据分析的违规行为检测方法、装置和终端，其中，该方法包括：端接收医疗审核请求指令，其中，医疗审核请求指令中包括待审核医疗数据，根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则输出审核通过的提示信息，通过执行上述方法，可以自动地检测出医疗数据中的异常数据，有效防止出现骗保行为，减少公众利益损失。
Description
技术领域
本发明涉及医疗保险技术领域，尤其涉及一种基于数据分析的违规行为检测方法、装置及终端。
背景技术
在医疗保障社会体系中，由于缺乏有效的监管措施，可能存在违规行为，如参保人在没有生病的情况下开药、医生将应当由参保个人自付、自费的医疗费用申报医疗保险基金支付、挂床住院或将可门诊治疗的参保个人收治住院等。
上述违规行为严重影响了医疗保险基金的收支平衡，侵害了其他参保人的利益。为了解决这一问题，现阶段主要依靠人工对医疗数据进行计算和分析，以检测其中的违规行为，这种方式效率低下，且容易出现计算错误。
发明内容
本申请实施例提供一种基于数据分析的违规行为检测方法、装置及终端，可以自动地检测出医疗数据中的异常数据，有效防止出现骗保行为，减少公众利益损失。
第一方面，本发明实施例提供了一种基于数据分析的违规行为检测方法，所述方法包括：
接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
第二方面，本发明实施例提供了一种基于数据分析的违规行为检测装置，所述装置包括：
接收模块，用于接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
确定模块，用于根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
检测模块，用于若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
输出模块，用于若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
第三方面，本发明实施例提供了一种终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行第一方面所述的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，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第一方面所述的方法。
本发明实施例中，终端接收医疗审核请求指令，其中，医疗审核请求指令中包括待审核医疗数据，根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则输出审核通过的提示信息，通过执行上述方法，可以自动地检测出医疗数据中的异常数据，有效防止出现骗保行为，减少公众利益损失。
附图说明
为了更清楚地说明本发明实施例技术方案，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行为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行为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行为检测装置的结构示意图；
图4是本发明实施例提供的一种终端的结构示意图。
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，都属于本发明保护的范围。
图1是本发明实施例中一种基于数据分析的违规行为检测方法的流程示意图。如图所示本实施例中的基于数据分析的违规行为检测方法的流程可以包括：
S101、终端接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据。
本发明实施例中，终端接收医疗审核指令，其中，医疗审核请求指令中包括待审核医疗数据，待审核医疗数据包括参保人的身份特征数据、参保人的第一医保卡标识、参保人所患的病种以及参保人的药品信息中的至少一种。
在具体实现场景中，医疗审核请求指令可以为医保卡付费审核请求指令。当参保人完成治疗后，将使用医保卡对医生开具的处方单上的治疗项目进行付费，终端接收到参保人输入的付费请求指令后，可以通过视频监控设备获取到参保人的人脸数据，或者，通过指纹检测器获取到参保人的指纹数据，或者通过虹膜检测器获取到参保人的虹膜数据。进一步的，终端还可以获取到参保人进行付费时采用的医保卡的信息，其中，医保卡的信息包括医保卡的标识，以及该医保卡标识对应的人脸数据、指纹数据、虹膜数据等。具体实现中，终端还可以从医生开具的处方单中获取到参保人所患病种以及医生针对该病种采用的治疗方案等。
S102、终端根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据。
本发明实施例中，终端获取到待检测医疗数据后，将根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，其中，违规检测数据包括至少一个医保卡标识、至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和至少一个病种中每个病种对应的药品集合中的至少一种。
在一种实现方式中，待审核医疗数据包括参保人的身份特征数据、参保人的第一医保卡标识，违规检测数据包括至少一个医保卡标识、至少一个医保卡标识中每个医保卡标识对应的身份特征数据；终端根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据的具体方式为，终端在接收到医疗审核请求指令后，获取到参保人的身份特征数据，以及参保人使用的第一医保卡的标识，终端从至少一个医保卡标识中每个医保卡标识对应的身份特征数据确定出第一医保卡标识对应的第一身份特征数据，其中，该第一身份数据可以为参保人在首次办理医保卡时输入的身份特征数据，或者，为历史记录中记录的使用该第一医保卡的参保人的身份特征数据。
终端判断参保人的身份特征数据是否与第一医保卡标识对应的第一身份特征数据相同，若参保人的身份特征数据与第一身份特征数据相同，则确定所述待审核医疗数据不为异常数据，若参保人的身份特征数据与第一身份特征数据不相同，则确定所述待审核医疗数据为异常数据，并输出审核未通过的提示信息。例如，医疗审核请求指令为医保卡付费审核请求指令，身份特征数据为参保人的人脸数据，终端在接收到医保卡付费审核请求指令后，将通过摄像头获取到输入医保卡付费审核请求指令的参保人的人脸数据，并检测该人脸数据是否与数据库中存储的参保人所使用的第一医保卡对应的人脸数据相同，若终端获取到的人脸数据与数据库中存储的第一医保卡对应的人脸数据不相同，则确定待审核医疗数据为异常数据，并输出审核未通过的提示信息。
进一步的，终端确定参保人的身份特征数据与第一身份特征数据相同之后，还将判断数据库中存储的违规检测数据中是否存在第二医保卡标识，其中，第二医保卡标识对应的第二身份特征数据与所述参保人的身份特征数据相同，第二医保卡为除第一医保卡之外的任意一张或多张医保卡。若不存在第二医保卡标识，则确定所述待审核医疗数据不为异常数据，若存在第二医保卡标识，则确定参保人的身份特征数据与多张医保卡相对应，该待审核医疗数据为异常数据，并输出审核未通过的提示信息。通过上述方式，可以防止患者盗刷其他参保人的医保卡，并检测出患者是否办理了多张医保卡。
在一种实现方式中，待审核医疗数据包括参保人所患的病种以及参保人的药品信息，违规检测数据包括至少一个病种和至少一个病种中每个病种对应的药品集合，其中，参保人的药品信息为医生针对参保人所患病种所开具的药品的信息，终端根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据的具体方式为，终端从至少一个病种和至少一个病种中每个病种对应的药品集合中确定参保人的病种对应的目标药品集合，检测所述参保人的药品信息是否与所述目标药品集合中的药品信息相匹配，若参保人的药品信息与目标药品集合中的药品信息相匹配，则确定待审核医疗数据不为异常数据，若参保人的药品信息与目标药品集合中的药品信息不相匹配，则确定待审核医疗数据为异常数据。需要说明的是，参保人的药品信息包括药品名称、药品单价和药品数量，参保人的药品信息为待审核数据中医生为参保人开具的药品的信息，目标药品集合中的药品信息包括至少一种药品名称，以及药品单价阈值和数量阈值。终端检测参保人的药品信息是否与目标药品集合中的药品信息相匹配的具体方式可以为，终端检测参保人的药品名称是否与目标药品集合中任意一种药品名称相同，若相同，则检测所述参保人的药品单价是否小于目标药品集合中存储针对该药品的单价阈值，若是，则检测参保人的药品数量是否小于目标药品集合中存储针对该药品的数量阈值，若是，则确定参保人的药品信息与目标药品集合中的药品信息相匹配。
举例说明，目标药品集合中存储的病种与药品的对应关系如表1所示：
表1:
参保人所患的病种为阑尾炎，若医生针对参保人所患病种开具的药品的信息为2盒单价为40元的肿节风分散片，则确定参保人的药品信息与目标药品集合中的药品信息相匹配，若医生针对参保人所患病种开具的药品的信息为20盒单价为200元的考来烯胺散，则确定参保人的药品信息与目标药品集合中的药品信息不匹配。
S103、若待审核医疗数据不为异常数据，则终端检测待审核医疗数据中的参保人的信用等级是否大于预设等级。
本发明实施例中，终端根据数据库中存储的违规检测数据确定待审核医疗数不为异常数据之后，将获取到参保人的信用等级，并检测参保人的信用等级是否大于预设的信用等级。其中，参保人的信用等级可以分为第一等级、第二的等级和第三等级，第一等级大于第二等级，第二等级大于第三等级。
具体实现中，参保人的信用等级的获取方式可以为，终端获取记录的参保人的医疗数据未审核通过的次数，具体的，终端可以根据参保人的信息查询到参保人的历史就诊记录，从历史就诊记录中查询到记录的医疗数据为异常数据的次数，其中，参保人每次提供医疗数据进行审核时，终端根据数据库中存储的违规检测数据检测参保人提供的医疗数据是否为异常数据，若确定为异常数据，则记录的医疗数据为异常数据的次数加1。
终端根据次数与信用等级的对应关系确定所述参保人的信用等级，其中，次数与信用等级的对应关系可以为，若次数小于第一预设阈值，则确定参保人的信用等级为第一等级，若次数介于第一预设阈值与第二预设阈值之间，则确定参保人的信用等级为第二等级，若次数大于第二预设阈值，则确定参保人的信用等级为第三等级。其中，第一预设阈值小于第二预设阈值，第一预设阈值和第二预设阈值的具体大小可以由研发人员预先设定。
终端获取到参保人的信用等级之后，将检测参保人的信用等级是否大于预设等级，其中，预设等级可以为第二等级、第三等级，具体可以由研发人员预先设定。
S104、若参保人的信用等级大于预设等级，则终端输出审核通过的提示信息。
本发明实施例中，终端若检测到参保人的信用等级大于预设等级，则终端确定该医疗审核请求指令满足审核条件，并输出审核通过的提示信息。
本发明实施例中，终端接收医疗审核请求指令，其中，医疗审核请求指令中包括待审核医疗数据，根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则输出审核通过的提示信息，通过执行上述方法，可以自动地检测出医疗数据中的异常数据，有效防止出现骗保行为，减少公众利益损失。
图2是本发明实施例中另一种基于数据分析的违规行为检测方法的流程示意图。如图所示本实施例中的基于数据分析的违规行为检测方法的流程可以包括：
S201、终端接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据。
本发明实施例中，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人的病种以及所述参保人的药品信息中的至少一种。
S202、终端根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据。
本发明实施例中，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种。
S203、若待审核医疗数据不为异常数据，则检测待审核医疗数据中的参保人的信用等级是否大于预设等级。
本发明实施例中，终端根据数据库中存储的违规检测数据确定待审核医疗数不为异常数据之后，将获取到参保人的信用等级，并检测参保人的信用等级是否大于预设的信用等级。其中，参保人的信用等级可以分为第一等级、第二的等级和第三等级，第一等级大于第二等级，第二等级大于第三等级。
具体实现中，参保人的信用等级的获取方式可以为，终端获取记录的参保人的医疗数据未审核通过的次数，具体的，终端可以根据参保人的信息查询到参保人的历史就诊记录，从历史就诊记录中查询到记录的医疗数据为异常数据的次数，其中，参保人每次提供医疗数据进行审核时，终端根据数据库中存储的违规检测数据检测参保人提供的医疗数据是否为异常数据，若确定为异常数据，则记录的医疗数据为异常数据的次数加1。
终端根据次数与信用等级的对应关系确定所述参保人的信用等级，其中，次数与信用等级的对应关系可以为，若次数小于第一预设阈值，则确定参保人的信用等级为第一等级，若次数介于第一预设阈值与第二预设阈值之间，则确定参保人的信用等级为第二等级，若次数大于第二预设阈值，则确定参保人的信用等级为第三等级。其中，第一预设阈值小于第二预设阈值，第一预设阈值和第二预设阈值的具体大小可以由研发人员预先设定。
终端获取到参保人的信用等级之后，将检测参保人的信用等级是否大于预设等级，其中，预设等级可以为第二等级、第三等级，具体可以由研发人员预先设定，若参保人的信用等级大于预设等级，则输出审核通过的提示信息。若参保人的信用等级小于或等于预设等级，则执行步骤S105。
S204、若参保人的信用等级小于或等于预设等级，则终端计算待审核医疗数据中的目标治疗方案与目标临床路径的相似度。
本发明实施例中，终端确定参保人的信用等级小于或等于预设等级之后，将计算目标治疗方案与目标临床路径的相似度，其中，目标治疗方案为待审核医疗数据中针对参保人所患的目标病种的治疗方案，目标临床路径为参保人所患的目标病种对应的临床路径。
具体实现中，目标治疗方案与目标临床路径的相似度的计算方式可以为，终端获取目标治疗方案与目标临床路径中相同的治疗项目的数量，并计算得到该相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值。例如，目标标准治疗方案包括治疗项目A、治疗项目B、治疗项目D、治疗项目E，目标临床路径包括治疗项目A、治疗项目B、治疗项目C、治疗项目D，则确定相同的治疗项目数量为3，计算得到相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值为75％。
终端获取到相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值之后，将计算目标治疗方案的治疗费用与目标临床路径的治疗费用之间的目标差值，并根据差值与加权系数的对应关系确定该目标差值对应目标加权系数。需要说明的是，针对不同的病种，差值与加权系数的对应关系可以不同。例如，针对阑尾炎和胆结石，差值与加权系数的对应关系如表2所示：
表2：
如表2所示，当目标病种为阑尾炎，且目标差值为2500元时，则确定目标差值对应的目标加权系数为0.8。
终端确定目标差值对应的目标加权系数之后，将采用该目标加权系数对比值进行加权处理，得到目标治疗方案与目标临床路径的相似度，其中，该比值为目标治疗方案与目标临床路径中相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值，例如，计算得到的比值为75％，目标加权系数为0.8，则确定目标治疗方案与目标临床路径之间的相似度为60％。
S205、终端检测目标治疗方案与目标临床路径的相似度是否大于预设相似度。
本发明实施例中，终端确定目标治疗方案与目标临床路径的相似度之后，将判断该相似度是否大于预设相似度。
在一种实现方式中，每一个信用等级对应一个预设相似度，其中，等级越低，对应的预设相似度越大，例如，第一等级对应的预设相似度为0，第二等级对应的预设相似度为50％，第三等级对应的预设相似度为70％。
进一步的，终端可以针对每一个病种设置不同的相似度与信用等级的对应关系，例如，若病种为阑尾炎，则第一等级对应的预设相似度为0，第二等级对应的预设相似度为50％，第三等级对应的预设相似度为70％。若病种为胆结石，则第一等级对应的预设相似度为0，第二等级对应的预设相似度为60％，第三等级对应的预设相似度为80％。
若目标治疗方案与目标临床路径的相似度小于或等于预设相似度，则输出审核未通过的提示信息。若目标治疗方案与目标临床路径的相似度大于预设相似度，则执行步骤S206。
206、若目标治疗方案与目标临床路径的相似度大于预设相似度，则输出审核通过的提示信息。
本发明实施例中，终端若检测到参保人的信用等级大于预设等级，则终端确定该医疗审核请求指令满足审核条件，并输出审核通过的提示信息。
本发明实施例中，终端接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则检测待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则输出审核通过的提示信息，若参保人的信用等级小于或等于预设等级，则终端计算目标治疗方案与目标临床路径的相似度，并判断该相似度是否大于预设相似度，若是，则输出审核通过的提示信息。通过上述方式，可以针对不同信用等级的参保人设置不同的异常数据检测方式，针对信用较差的参保人设置更严格的检测方式，能够有效防止出现骗保行为，减少公众利益损失。
下面将结合附图3对本发明实施例提供的基于数据分析的违规行为检测装置进行详细介绍。需要说明的是，附图3所示的基于数据分析的违规行为检测装置，用于执行本发明图1-图2所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，经参照本发明图1-图2所示的实施例。
请参见图3，为本发明提供的一种基于数据分析的违规行为检测装置的结构示意图，该基于数据分析的违规行为检测装置30可包括：接收模块301、确定模块302、检测模块303和输出模块304。
接收模块301，用于接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
确定模块302，用于根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
检测模块303，用于若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
输出模块304，用于若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
在一种实现方式中，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识，所述身份特征数据包括虹膜数据、人脸数据和指纹数据中的至少一种，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据，所述确定模块302具体用于：
判断所述参保人的身份特征数据是否与所述第一医保卡标识对应的第一身份特征数据相同，所述第一医保卡标识对应的第一身份特征数据存储于所述数据库的违规检测数据中；
若所述参保人的身份特征数据与所述第一身份特征数据不相同，则确定所述待审核医疗数据为异常数据；
若所述参保人的身份特征数据与所述第一身份特征数据相同，则判断所述违规检测数据中是否存在第二医保卡标识，所述第二医保卡标识对应的第二身份特征数据与所述参保人的身份特征数据相同；
若不存在所述第二医保卡标识，则确定所述待审核医疗数据不为异常数据。
在一种实现方式中，所述待审核医疗数据包括参保人所患的病种以及所述参保人的药品信息，所述违规检测数据包括至少一个病种和所述至少一个病种中每个病种对应的药品集合，所述确定模块302具体用于：
从所述至少一个病种和所述至少一个病种中每个病种对应的药品集合中确定所述参保人的病种对应的目标药品集合；
检测所述参保人的药品信息是否与所述目标药品集合中的药品信息相匹配；
若所述参保人的药品信息与所述目标药品集合中的药品信息相匹配，则确定所述待审核医疗数据不为异常数据。
在一种实现方式中，所述确定模块302具体用于：
获取记录的所述参保人的医疗数据为异常数据的次数；
根据次数与信用等级的对应关系确定所述参保人的信用等级。
在一种实现方式中，所述检测模块303还用于：
若所述参保人的信用等级小于或等于预设等级，则计算目标治疗方案与目标临床路径的相似度，所述目标治疗方案为所述针对参保人所患的目标病种的治疗方案，所述目标临床路径为所述参保人所患的目标病种对应的临床路径；
检测所述相似度是否大于预设相似度；
若所述相似度大于预设相似度，则执行所述输出审核通过的提示信息的操作。
在一种实现方式中，所述目标治疗方案中包括至少一个治疗项目，所述装置还包括，计算模块305，具体用于：
获取所述目标治疗方案与所述目标临床路径中相同的治疗项目的数量，并计算得到所述相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值；
计算所述目标治疗方案的治疗费用与所述目标临床路径的治疗费用之间的目标差值，并根据差值与加权系数的对应关系确定所述目标差值对应的目标加权系数；
采用所述目标加权系数对所述比值进行加权处理，得到所述目标治疗方案与所述目标临床路径的相似度。
在一种实现方式中，所述输出模块，还用于若所述待审核医疗数据为异常数据，则输出审核未通过的提示信息。
本发明实施例中，接收模块301接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，确定模块302根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则检测模块303检测待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则输出模块304输出审核通过的提示信息，若参保人的信用等级小于或等于预设等级，则计算模块305计算目标治疗方案与目标临床路径的相似度，检测模块303判断该相似度是否大于预设相似度，若是，则输出模块304输出审核通过的提示信息。通过上述方式，可以针对不同信用等级的参保人设置不同的异常数据检测方式，针对信用较差的参保人设置更严格的检测方式，能够有效防止出现骗保行为，减少公众利益损失。
请参见图4，为本发明实施例提供了一种终端的结构示意图。如图4所示，该终端包括：至少一个处理器401，输入设备403，输出设备404，存储器405，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，输入设备403可以是控制面板或者麦克风等，输出设备404可以是显示屏等。其中，存储器405可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器405可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以结合图3所描述的装置，存储器405中存储一组程序代码，且处理器401，输入设备403，输出设备404调用存储器405中存储的程序代码，用于执行以下操作：
输入设备403，用于接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
处理器401用于根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
处理器401用于若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
输出设备404用于若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
在一种实现方式中，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据，所述处理器401具体用于：
判断所述参保人的身份特征数据是否与所述第一医保卡标识对应的第一身份特征数据相同，所述第一医保卡标识对应的第一身份特征数据存储于所述数据库的违规检测数据中；
若所述参保人的身份特征数据与所述第一身份特征数据不相同，则确定所述待审核医疗数据为异常数据；
若所述参保人的身份特征数据与所述第一身份特征数据相同，则判断所述违规检测数据中是否存在第二医保卡标识，所述第二医保卡标识对应的第二身份特征数据与所述参保人的身份特征数据相同；
若不存在所述第二医保卡标识，则确定所述待审核医疗数据不为异常数据。
在一种实现方式中，所述待审核医疗数据包括参保人所患的病种以及所述参保人的药品信息，所述违规检测数据包括至少一个病种和所述至少一个病种中每个病种对应的药品集合，所述处理器401具体用于：
从所述至少一个病种和所述至少一个病种中每个病种对应的药品集合中确定所述参保人的病种对应的目标药品集合；
检测所述参保人的药品信息是否与所述目标药品集合中的药品信息相匹配；
若所述参保人的药品信息与所述目标药品集合中的药品信息相匹配，则确定所述待审核医疗数据不为异常数据。
在一种实现方式中，所述处理器401还用于：
获取记录的所述参保人的医疗数据为异常数据的次数；
根据次数与信用等级的对应关系确定所述参保人的信用等级。
在一种实现方式中，所述处理器401具体用于：
若所述参保人的信用等级小于或等于预设等级，则计算目标治疗方案与目标临床路径的相似度，所述目标治疗方案为所述针对参保人所患的目标病种的治疗方案，所述目标临床路径为所述参保人所患的目标病种对应的临床路径；
检测所述相似度是否大于预设相似度；
若所述相似度大于预设相似度，则执行所述输出审核通过的提示信息的操作。
在一种实现方式中，所述目标治疗方案中包括至少一个治疗项目，所述处理器401具体用于：
获取所述目标治疗方案与所述目标临床路径中相同的治疗项目的数量，并计算得到所述相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值；
计算所述目标治疗方案的治疗费用与所述目标临床路径的治疗费用之间的目标差值，并根据差值与加权系数的对应关系确定所述目标差值对应的目标加权系数；
采用所述目标加权系数对所述比值进行加权处理，得到所述目标治疗方案与所述目标临床路径的相似度。
在一种实现方式中，输出设备404还用于若所述待审核医疗数据为异常数据，则输出审核未通过的提示信息。
本发明实施例中，输入设备403接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，处理器401根据数据库中存储的违规检测数据确定待审核医疗数据是否为异常数据，若待审核医疗数据不为异常数据，则处理器401检测待审核医疗数据中的参保人的信用等级是否大于预设等级，若参保人的信用等级大于预设等级，则处理器401输出审核通过的提示信息，若参保人的信用等级小于或等于预设等级，则处理器401计算目标治疗方案与目标临床路径的相似度，处理器401判断该相似度是否大于预设相似度，若是，则输出设备404输出审核通过的提示信息。通过上述方式，可以针对不同信用等级的参保人设置不同的异常数据检测方式，针对信用较差的参保人设置更严格的检测方式，能够有效防止出现骗保行为，减少公众利益损失。
本发明实施例中所述模块，可以通过通用集成电路，例如CPU(CentralProcessing Unit，中央处理器)，或通过ASIC(Application Specific IntegratedCircuit，专用集成电路)来实现。
应当理解，在本发明实施例中，所称处理器401可以是中央处理模块(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。
总线402可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互联(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等，该总线402可以分为地址总线、数据总线、控制总线等，为便于表示，图4仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的计算机存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种基于数据分析的违规行为检测方法，其特征在于，包括：
接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
2.根据权利要求1所述的方法，其特征在于，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据；
所述根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，包括：
判断所述参保人的身份特征数据是否与所述第一医保卡标识对应的第一身份特征数据相同，所述第一医保卡标识对应的第一身份特征数据存储于所述数据库的违规检测数据中；
若所述参保人的身份特征数据与所述第一身份特征数据不相同，则确定所述待审核医疗数据为异常数据；
若所述参保人的身份特征数据与所述第一身份特征数据相同，则判断所述违规检测数据中是否存在第二医保卡标识，所述第二医保卡标识对应的第二身份特征数据与所述参保人的身份特征数据相同；
若不存在所述第二医保卡标识，则确定所述待审核医疗数据不为异常数据。
3.根据权利要求1所述的方法，其特征在于，所述待审核医疗数据包括参保人所患的病种以及所述参保人的药品信息，所述违规检测数据包括至少一个病种和所述至少一个病种中每个病种对应的药品集合；
所述根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，包括：
从所述至少一个病种和所述至少一个病种中每个病种对应的药品集合中确定所述参保人的病种对应的目标药品集合；
检测所述参保人的药品信息是否与所述目标药品集合中的药品信息相匹配；
若所述参保人的药品信息与所述目标药品集合中的药品信息相匹配，则确定所述待审核医疗数据不为异常数据。
4.根据权利要求1～3所述的方法，其特征在于，确定所述待审核医疗数据不为异常数据之后，所述检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级之前，所述方法还包括：
获取记录的所述参保人的医疗数据为异常数据的次数；
根据次数与信用等级的对应关系确定所述参保人的信用等级。
5.根据权利要求1～3所述的方法，其特征在于，所述待审核医疗数据包括针对参保人所患的目标病种的治疗方案，所述方法还包括：
若所述参保人的信用等级小于或等于预设等级，则计算目标治疗方案与目标临床路径的相似度，所述目标治疗方案为所述针对参保人所患的目标病种的治疗方案，所述目标临床路径为所述参保人所患的目标病种对应的临床路径；
检测所述相似度是否大于预设相似度；
若所述相似度大于预设相似度，则执行所述输出审核通过的提示信息的操作。
6.根据权利要求5所述的方法，其特征在于，所述目标治疗方案中包括至少一个治疗项目；
所述计算目标治疗方案与目标临床路径的相似度，包括：
获取所述目标治疗方案与所述目标临床路径中相同的治疗项目的数量，并计算得到所述相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值；
计算所述目标治疗方案的治疗费用与所述目标临床路径的治疗费用之间的目标差值，并根据差值与加权系数的对应关系确定所述目标差值对应的目标加权系数；
采用所述目标加权系数对所述比值进行加权处理，得到所述目标治疗方案与所述目标临床路径的相似度。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述待审核医疗数据为异常数据，则输出审核未通过的提示信息。
8.一种基于数据分析的违规行为检测装置，其特征在于，所述装置包括:
接收模块，用于接收医疗审核请求指令，所述医疗审核请求指令中包括待审核医疗数据，所述待审核医疗数据包括参保人的身份特征数据、所述参保人的第一医保卡标识、所述参保人所患的病种以及所述参保人的药品信息中的至少一种；
确定模块，用于根据数据库中存储的违规检测数据确定所述待审核医疗数据是否为异常数据，所述违规检测数据包括至少一个医保卡标识、所述至少一个医保卡标识中每个医保卡标识对应的身份特征数据、至少一个病种和所述至少一个病种中每个病种对应的药品集合中的至少一种；
检测模块，用于若所述待审核医疗数据不为异常数据，则检测所述待审核医疗数据中的参保人的信用等级是否大于预设等级；
输出模块，用于若所述参保人的信用等级大于预设等级，则输出审核通过的提示信息。
9.一种终端，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811265546.4A CN109544364B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811265546.4A CN109544364B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109544364A true CN109544364A (zh) | 2019-03-29 |
| CN109544364B CN109544364B (zh) | 2024-05-17 |
Family
ID=65845142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811265546.4A Active CN109544364B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544364B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110942396A (zh) * | 2019-11-28 | 2020-03-31 | 泰康保险集团股份有限公司 | 数据处理方法、装置及设备 |
| CN111798325A (zh) * | 2020-07-17 | 2020-10-20 | 杭州海康威视系统技术有限公司 | 一种医疗保障骗保行为监管系统及方法 |
| CN112579662A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 一种井下作业处理方法、系统及电子设备 |
| CN113159911A (zh) * | 2021-02-25 | 2021-07-23 | 华夏方圆信用评估有限公司 | 基于大数据平台的智能招投标主体履约监控及系统 |
| CN113435904A (zh) * | 2021-06-08 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的医保异常检测系统 |
| CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网（杭州）科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的系统和方法 |
| CN103824222A (zh) * | 2013-12-17 | 2014-05-28 | 武汉瑞普思信息技术有限公司 | 一种基于多媒体采集终端的骗保行为鉴别方法及系统 |
| 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 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
| CN107798621A (zh) * | 2017-08-30 | 2018-03-13 | 平安科技（深圳）有限公司 | 疾病诊断信息审核方法及装置 |
| CN107798514A (zh) * | 2017-11-22 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 基于信用实现理赔的方法和装置 |
-
2018
- 2018-10-27 CN CN201811265546.4A patent/CN109544364B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的系统和方法 |
| CN103824222A (zh) * | 2013-12-17 | 2014-05-28 | 武汉瑞普思信息技术有限公司 | 一种基于多媒体采集终端的骗保行为鉴别方法及系统 |
| 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 |
| CN107133438A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 医疗行为监控方法及装置 |
| CN107798621A (zh) * | 2017-08-30 | 2018-03-13 | 平安科技（深圳）有限公司 | 疾病诊断信息审核方法及装置 |
| CN107798514A (zh) * | 2017-11-22 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 基于信用实现理赔的方法和装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112579662A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 一种井下作业处理方法、系统及电子设备 |
| CN110942396A (zh) * | 2019-11-28 | 2020-03-31 | 泰康保险集团股份有限公司 | 数据处理方法、装置及设备 |
| CN111798325A (zh) * | 2020-07-17 | 2020-10-20 | 杭州海康威视系统技术有限公司 | 一种医疗保障骗保行为监管系统及方法 |
| CN113159911A (zh) * | 2021-02-25 | 2021-07-23 | 华夏方圆信用评估有限公司 | 基于大数据平台的智能招投标主体履约监控及系统 |
| CN113435904A (zh) * | 2021-06-08 | 2021-09-24 | 四川数字链享科技有限公司 | 一种基于大数据的医保异常检测系统 |
| CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网（杭州）科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109544364B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544364A (zh) | 基于数据分析的违规行为检测方法、装置及终端 | |
| US20220391858A1 (en) | System for processing retail clinic claims | |
| JP6637135B2 (ja) | 年配者コホートの慢性的重大疾患リスクについてリスク共有するための、患者データによりトリガされるプーリングシステム、及びその対応する方法 | |
| CN102013084A (zh) | 用于检测医疗保险门诊欺诈性交易的系统和方法 | |
| CN109523403B (zh) | 基于异常操作识别的医疗监管方法、装置及终端 | |
| CN109545387B (zh) | 一种基于神经网络的异常病例识别方法及计算设备 | |
| WO2020082788A1 (zh) | 一种医疗数据处理方法、装置、设备及存储介质 | |
| CN109509104B (zh) | 基于人脸识别的身份认证方法、装置、服务器及介质 | |
| JP2023014282A (ja) | 情報処理装置、サーバ、情報処理方法及びプログラム | |
| CN109934723B (zh) | 一种医保欺诈行为识别方法、装置及设备 | |
| CN109615547A (zh) | 异常购药的识别方法、装置、终端及计算机可读存储介质 | |
| CN109523404A (zh) | 基于数据分析的违规行为检测方法、装置及终端 | |
| Zhen et al. | The impact of prescriptions audit and feedback for antibiotic use in rural clinics: interrupted time series with segmented regression analysis | |
| CN109523395A (zh) | 基于异常操作识别的医疗监管方法、装置、终端及介质 | |
| CN109544363B (zh) | 基于数据可视化的医疗监管方法、装置、终端及介质 | |
| CN110334107A (zh) | 基于数据分析的资格评审方法、装置及服务器 | |
| CN109377059A (zh) | 一种基于风险管控的数据处理方法及设备 | |
| CN109559236B (zh) | 药品报销信息异常的方法和装置 | |
| CN109065118A (zh) | 一种医疗数据处理方法、装置、终端及可读存储介质 | |
| CN109615546A (zh) | 异常就诊的识别方法、装置、终端及计算机可读存储介质 | |
| JP6323925B1 (ja) | レセプトデータ解析装置、方法及びプログラム | |
| US20040122714A1 (en) | Method for conducting a clinical study | |
| CN109544382A (zh) | 一种基于数据处理的经办业务处理方法及相关设备 | |
| CN109545296A (zh) | 一种就诊数据处理方法、装置、设备及存储介质 | |
| CN101894419A (zh) | 后付费式售药系统 |
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 |