CN109544375A - 一种基于大数据的医院盈亏分析方法及计算设备 - Google Patents
一种基于大数据的医院盈亏分析方法及计算设备 Download PDFInfo
- Publication number
- CN109544375A CN109544375A CN201811282850.XA CN201811282850A CN109544375A CN 109544375 A CN109544375 A CN 109544375A CN 201811282850 A CN201811282850 A CN 201811282850A CN 109544375 A CN109544375 A CN 109544375A
- Authority
- CN
- China
- Prior art keywords
- case
- hospital
- medical insurance
- score value
- total
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 201000010099 disease Diseases 0.000 claims abstract description 252
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 252
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000012141 concentrate Substances 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 14
- 230000005055 memory storage Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 12
- 208000030990 Impulse-control disease Diseases 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000007619 statistical method Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 208000037921 secondary disease Diseases 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 125000004177 diethyl group Chemical group [H]C([H])([H])C([H])([H])* 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure 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
- 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)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (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)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种基于大数据的医院盈亏分析方法及计算设备，该方法包括：计算设备接收第一医院上报的病例集，病例集为第一医院在第一评估周期内产生的病例的集合，病例集中任意一个病例至少包括实际医保费用；针对病例集中每一个病例，根据病例所属的病种分类对应的基础病种分值计算病例的病种分值，并根据病例的病种分值计算病例的预测医保费用；进而，根据病例集内所有病例的预测医保费用计算第一医院的总预测医保费用，并根据病例集内所有病例的实际医保费用计算第一医院的总实际医保费用；根据总预测医保费用和总实际医保费用对第一医院的盈亏进行分析，以了解到各个医院的在医保费用上的盈利或亏损情况。
Description
技术领域
本发明涉及医疗管理技术领域，具体涉及一种基于大数据的医院盈亏分析方法及计算设备。
背景技术
随着国家公共医疗的布局和医疗改革的不断深入，支付制度改革是系统工程是医保管理理念和医保经办机构角色发生重大转变的体现。推行按照病种付费，充分体现了支付制度才是全面医改的关键所在。
所谓按病种付费，就是指通过统一的疾病诊断分类，科学地制定出每一种疾病的定额偿付标准，社保机构按照该标准与住院人次，向定点医疗机构支付住院费用，使得医疗资源利用标准化，即医疗机构资源消耗与所治疗的住院病人的数量、疾病复杂程度和服务强度成正比。简而言之，就是明确规定某一种疾病该花多少钱，从而既避免了医疗单位滥用医疗服务项目、重复项目和分解项目，防止医院小病大治，又保证了医疗服务质量。
标准化的医疗信息对于医疗信息大数据应用于按病种收费的支付方式非常重要，医疗信息的标准化是实现医疗大数据进行应用的前提。病种的分类目前通常采用国际疾病分类(international Classification of diseases,ICD)。ICD-10根据病因、部位、病理及临床表现等特征将疾病划分为21章节、26000多种病种，并对各个病种进行编码。然而，对于中国的医疗的整体环境来说，各个地区常见的病种远远少于26000，且医疗人员在记录病例时，由于现有技术中病种的多样性、复杂性，医务人员往往不按照国际的标准来等级，各个地区有地区化的语言描述，给按病种付费的实施带来一定困难。
按照规定，各地确定按病种付费支付标准时，应充分考虑医疗服务成本、既往实际发生费用、医保基金承受能力和参保人负担水平等因素，结合病种主要操作和治疗方式，通过与医疗机构协商谈判合理确定，如何根据各地的医疗情况确定支付标准，如何管理按病种付费的医疗费用，检测和分析病例、医疗付费标准等都是目前急需解决的技术问题。
发明内容
本发明实施例提供了一种基于大数据的医院盈亏分析方法及计算设备，根据第一医院的总预测医保费用和第一医院的总实际医保费用对第一医院的盈亏进行分析，以了解到第一医院的在医保费用上的盈利或亏损情况。
第一方面，本发明实施例提供一种基于大数据的医院盈亏分析方法，包括：
计算设备接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
所述计算设备根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
所述计算设备根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
在本申请的一种实现中，所述计算设备根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析包括：
所述计算设备在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
所述计算设备在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
在本申请的又一种实现中，所述方法还包括：
所述计算设备根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
在本申请的又一种实现中，所述计算设备在所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，包括：
在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，所述计算设备通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
在本申请的又一种实现中，所述针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用包括：
所述病例i的病种分值的计算公式为：Yi＝QA*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
第二方面，本申请实施例还提供了一种计算设备，包括：
接收单元，用于接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
第一计算单元，用于针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
第二计算单元，用于根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
分析单元，用于根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
在本申请的一种实现中，分析单元具体用于：
在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
在本申请的又一种实现中，所述计算设备还包括：
调整单元，用于根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
可选地，所述调整单元具体用于：在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
在本申请的又一种实现中，所述第一计算单元具体用于通过下述公式进行计算：
所述病例i的病种分值的计算公式为：Yi＝Ai*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
第三方面，本申请实施例还提供了一种计算设备，包括处理器、存储器以及通信模块，所述处理器耦合所述存储器、通信模块，所述处理器用于调用所述存储器存储的程序代码执行：
通过所述通信模块接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
在本申请的一种实现中，所述处理器执行所述根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析，具体包括执行：
在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
在本申请的又一种实现中，所述处理器还用于执行：
根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
可选地，所述处理器执行所述在所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，包括执行：
在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
在本申请的又一种实现中，所述处理器执行所述针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用，具体通过下述公式执行：
所述病例i的病种分值的计算公式为：Yi＝Ai*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
第四方面，本申请实施例还提供了一种计算机存储介质，所述计算机存储介质用于计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如第一方面所述任意一种基于大数据的医院盈亏分析方法。
第五方面，本申请实施例还提供了一种计算机程序，所述计算机程序包括计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如第一方面所述的任意一种基于大数据的医院盈亏分析方法。
综上，本发明实施例针对第一评估周期(比如当前评估周期的上一个评估周期)第一医院上报的病例集，通过病种分值计算的第一医院的总预测医保费用和通过病例中实际医保费用计算的第一医院的总实际医保费用，进而，根据该总预测医保费用和总实际医保费用对第一医院的盈亏进行分析，以了解到各个医院的在医保费用上的盈利或亏损情况。
而且，还可以对盈利的医院上报的病例的病种分值进行下调，对亏损医院上报的病例的病种分值进行上调，以尽量使医院在医保费用上收支平衡，使得医保费用可以针对同等级医院下的不同的医院适当的调整，提高病种分值的准确性。
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为本发明实施例提供的一种医保管理平台的功能架构图；
图2为本发明实施例提供的一种医院盈亏分析方法的流程图；
图3为本发明实施例提供的另一种医院盈亏分析方法的流程图；
图4为本发明实施例提供的一种计算设备的结构示意图；
图5为本发明实施例提供的又一种计算设备的结构示意图；
图6为本发明实施例提供的又一种计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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。
需要说明的是，在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
为了更好理解本发明实施例，下面先对本发明实施例适用的医保管理平台的各个功能进行描述，请参阅图1，图1为本发明实施例提供的一种医保管理平台的功能架构图，该医保管理平台可以运行在计算设备中，为医保管理平台的运行商提供的一系列和病例、医保、病种分值等相关的功能，该医保管理平台包括但不限于如下部分或全部功能的实现：
病种编码，医保管理平台可以根据输入病例的病例数据对该病例中主诊断得到的病种进行编码，该病种编码方法可以采用ICD-10编码(本申请中也称六位码编码)、也可以采用其他编码方法，例如四位码编码(即六位码的前4位)、三位码编码(即六位码的前3位)等。可以理解，可以通过某一地区发生病例集通过病种编码方法建立适用该地区的病种分类字典，病种分类字典包括M个病种分类的名称以及与该M个病种分类的名称一一对应的M个病种分类码，M为正整数。可选地，计算设备可以基于医保管理平台识别病例数据中有医务人员填写的诊断名称、病种编码等信息识别到该病例对应的病种分类，进而将该病种分类对应的病种分类码补充到病例数据中，以便于进一步地计算该病例的病种分值，进而实现按病种付费、基于病种分值进行病例数据真实性的检测等功能。
病种分值计算，医保管理平台可以存储病种与病种分值的对应关系表或者包含病种分值计算程序，可以通过病例中病种名称、病种编码等确定该病例中参保人(即病人)所患病种分类，进而根据病种分类与病种分值的对应关系或者病种分值计算程序等基于病种分类确定病种分值的实现过程确定该病例的病种分值。其中，病种分值为地区(比如，国家、省或市等)基于病例大数据确定的用于计算医疗费用(比如预测医保费用、预测总费用等)的标准分值。具体的，可以建立病种分值字典，该病种分值字典包括M个病种分类的标识与M个基础病种分值的一一对应关系，再根据病例的实际情况(比如参保人年龄、患病的严重程度、所在医院、所属科室等信息)在基础病种分值的基础上进行调整，以得到适合该病例的病种分值。病种分值与医疗费用呈正相关关系，即病种分值越高，该病种的医疗费用越高。
病例数据的统计分析，医保管理平台可以按照评估周期(比如，月度、季度、年度等)对该地区内各个医院上报的病例进行统计分析。上述对病例的统计分析可以支持按月度、季度、年度等进行统计分析，支持对不同医院、不同费用区间、不同病种等中的一种或多种的组合进行发生例数、总费用、实际医保费用、预测医保费用等的统计分析，以基于统计分析结果对下个评估周期所采用的各个病种的病种分值进行调整。应理解，基于统计分析结果还可以实现对其他功能，比如基于统计得到的各个医院的收入和支出对医院的医院级别系数进行调整等，对此，本申请实施例不作限定。
病例的真实性检测，医保管理平台可以基于病例中的病例数据对该病例的真实性进行检测，当检测到该病例包含虚假数据时，对该病例进行标记、输出该病例包含虚假数据的提示消息等，以便于医保管理平台的运行商及时识别到问题病例，并分析问题病例原因。
数据可视化，医保管理平台可以对病例数据的统计分析功能得到的统计分析结果进行可视化，也可以对问题病例进行统计分析的结果进行可视化，以便于医保管理平台的运行商统计分析结果。
本申请中，计算设备可以包括但不限于移动电话、移动电脑、平板电脑、媒体播放器、计算机、服务器等包含数据处理功能的设备。运行医保管理平台各个功能的计算设备可以接收到来自医院等机构或个体上报的病例。
不限于图1所示，本申请提供的医保管理平台还可以包括其他功能的实现，例如，病种分值的优化等，对此，本申请实施例不作限定。
本发明实施例提供一种基于大数据的医院盈亏分析方法及计算设备，针对第一评估周期(比如当前评估周期的上一个评估周期)产生的病种分类为第一病种分类的病例集，通过病种分值计算的第一病种分类的第一总医保费用和通过病例中实际医保费用计算的第一病种分类的第二总医保费用来调整第一病种分类的第一基础病种分值，其目的在于通过调整后的第一基础病种分值来计算第二评估周期(比如当前评估周期)产生的病例的病种分值，以实现对第二评估周期内产生的病例的病种分值的调整，使得病种分值可以根据当前实际医疗情况的变化进行调整，提高病种分值的准确性。
请参见图2，图2是本申请提供的一种基于大数据的医院盈亏分析方法的流程示意图。在图2实施例中，以医院盈亏分析方法的执行主体为计算设备(运行病例管理平台各个功能的设备)为例来描述，可以理解，该医院盈亏分析方法还可以由其他终端或服务器等具备数据处理功能的设备，对此，本申请实施例不作限定。如图2所示，该方法可以包括但不限于如下部分或全部步骤：
S2：接收第一医院上报的病例集，病例集为第一医院在第一评估周期内产生的病例的集合，病例集中任意一个病例至少包括实际医保费用。
病例集为第一地区内第一医院在第一评估周期发生的病例的集合，第一地区可以是北京市、深圳市、广东省等由医保管理平台的运营商确定的区域。评估周期可以是周、月、季度、或年等时间区间，第一评估周期可以是当前时间所在评估周期的上一个评估周期。
其中，病例为由医院针对病人记录的病人诊断治疗过程。病例数据可以包括但不限于病人的个人信息、诊断信息、治疗信息、费用信息、实际医保费用等中的一种或多种的组合。其中，诊断信息可以包括用于识别参保人发生病种分类的诊断标识。其中，诊断标识可以是诊断名称，比如主诊断名称；还可以是诊断编码，如ICD诊断编码等；还可以是手术标识可以是手术名称、手术编码等。应理解，个人信息可以包括但不限于参保人的年龄、性别、病史等信息。治疗信息为病例中记载参保人治疗的过程信息。费用信息包括但不限于参保人在本次疾病治疗过程中产生的手术费、住院费、检测费、挂号费、药品费、总费用等中的一种或多种的组合。
可选地，第二评估周期为所述第一评估周期，或第一评估周期的下一个评估周期。可以理解，计算设备可以通过第一评估周期(比如当前评估周期的上一个评估周期)产生的病例实现对第一评估周期或当前评估周期所使用的基础病种分值的调整。
本发明一实施例中，计算设备可以接收到第一地区在第一评估周期产生的所有病例，该所有病例都已经添加病种分类的标识，即已经识别各个病例的病种分类，病例数据包括病种分类的标识。在本申请的另一实施例中，病例集中病例可以不添加病种分类标识，计算设备可以根据病种分类字典和病例中的诊断标识识别到该病例的病种分类。
病种分类为病种分类字典中的项，该病种分类字典包括多个病种分类以及与所述多个病种分类一一对应的病种分类码，病种分类码为ICD编码或ICD编码的前N位码，所述N为小于6的正整数。
对于病种分类字典中病种分类码为ICD编码的前N位码来说，选择病种的ICD编码的前四位、前三位还是前二位，取决于样本病例集中病例的病种分类为ICD编码的前四位的例数，比如大于10例，选“四位码”作为病种分类码；若小于10例，选“三位码”作为病种分类码。该病种分类的编码方式可以减少病种分类，得到更加贴近当前医疗地区的医疗环境，使得病种分类的分类方式和按病种支付方式可以更好地应用于当地。
S4：针对病例集中每一个病例，根据病例所属的病种分类对应的基础病种分值计算该病例的病种分值，并根据该病例的病种分值计算该病例的预测医保费用。
具体的，计算设备可以预存病种分值字典，该病种分值字典包括多个病种分类以及与该多个病种分类一一对应的基础病种分值，计算设备可以根据病种分值字典查找到病例i所属病种分类所对应的基础病种分值。其中，i为病例集中病例的索引，i为正整数，病例集包括病例i。
其中，基础病种分值用于计算病例的病种分值，然而，同一病种分类的多个病例中参保人患病的严重程度可能不同、采用的治疗手段可能具有较大的差异，因此，针对同一病种分类的多个病例，其病种分值可以不同，即可能包含特殊情况，可以通过附加病种分值开体现同一病种分类的多个病例之间病种分值的差异。
例如，当病例i的病例数据中包含预设手术、预设并发症、预设继发症、预设住院信息等中的一项或多项，该病例i的病种分值需要增加病例i包括的项对应的附加病种分值。
可选地，病例i的病种分值的计算公式可表示为：Yi＝Ai*C+Ei。
可选地，病例i的预测医保费用为病例i的病种分值与分值单价之积，即病例i的预测医保费用的计算公式可表示为：Si＝Yi*D。
其中，i为病例集中病例的索引，i为正整数，Yi为病例i的病种分值，病例i为病例集内的病例，Ai为病例i的基础病种分值，C为第一医院的医院级别系数，Ei为病例i的附加病种分值，Si为病例i的预测医保费用，D为分值单价。
可选地，所述预设手术为手术列表中的手术标识所指定的手术(例如，难度较大的手术，手术费用大于预设金额(如3万元)的手术等)，所述手术列表包括一个或多个手术标识；所述预设并发症为并发症列表中的病种分类标识所指定的病种分类，所述并发症列表包括一个或多个病种分类标识；所述预设继发症为继发症列表中的病种分类标识所指定的病种分类，所述继发症列表包括一个或多个病种分类标识；所述预设住院信息包含的住院天数大于第一时长。其中，第一时长可以是7天、10天、22天、30天或其他天数等，对此，本申请不作限定。
需要说明的是，病例i的病种分值还可以包括其他计算方式，例如Yi＝A*C等，本申请实施例不作限定。
还需要说明的是，D可以是固定值，也可以随总分值的变化而变化。确定D的一种实现方式是：计算第一地区在第一评估周期发生病例的总病种分值Y总，再根据总控费用(即第一地区在第一评估周期可用于医保的总费用S总)计算分值单价D，即：
Y总＝∑iYi，
S6：根据病例集内所有病例的预测医保费用计算第一医院的总预测医保费用，并根据病例集内所有病例的实际医保费用计算第一医院的总实际医保费用。
其中，总预测医保费用为病例集内所有病例的预测医保费用之和，总实际医保费用为病例集内所有病例的实际医保费用之和。
可选地，总预测医保费用S总预测的计算方法为：S总预测＝∑iSi
可选地，总实际医保费用S总实际的计算方法为：S总实际＝∑iTi。
其中，Ti为病例i的实际医保费用。
S8：根据总预测医保费用和总实际医保费用对第一医院的盈亏进行分析。
可以理解，当总预测医保费用大于总实际医保费用时，说明该第一地区的总控费用中划分给第一医院的医保费用大于第一医院的病例实际报销的医保费用，该第一医院整体上盈利，此时可以降低第一医院的病例的病种分值。然而，当总预测医保费用小于总实际医保费用时，说明全市总控费用中划分给第一医院的医保费用小于第一医院的实际报销的医保费用，该第一医院整体上亏损，此时可以提高第一医院的病例的病种分值。而当总预测医保费用等于总实际医保费用或差别较小时，说明该第一地区的总控费用中划分给第一医院的费用等于或约等于第一医院的实际报销的医保费用，对应第一医院来说，病种分值设定价合理，此时第一医院的病种分值可以不变。
可选地，请一并参阅图3所示的另一种医院盈亏分析方法的流程示意图，S8的一种具体实施方式可以包括：
S81：判断总预测医保费用和总实际医保费用的比值是否大于第一阈值且小于第二阈值。
当判断结果为是时，结束流程，或执行S84。输出用于指示第一医院医保收入和支出平衡的提示信息。当判断结果为总预测医保费用和总实际医保费用的比值小于第一阈值时，执行步骤S82；当判断结果为总预测医保费用和总实际医保费用的比值大于第二阈值时，执行步骤S83。
其中，第一阈值小于第二阈值，第一阈值可以是0.1-0.99，例如0.4、0.5、0.7、0.8或其他数值，本申请实施例不作限定。第二阈值的取值范围可以是1.01-3，例如，1.1、1.3、1.5、2、2.4或其他数值，本申请实施例不作限定。
S82：输出用于指示所述第一医院医保费用亏损的指示信息。
S83：输出用于指示所述第一医院医保费用盈利的指示信息。
S84：输出用于指示第一医院医保收入和支出平衡的提示信息。
可选地，在S8的另一种实施方式中也可以通过判断总预测医保费用和总实际医保费用的差值来分析第一医院的盈亏。可以理解，当总预测医保费用和总实际医保费用的差值，即总预测医保费用减去总实际医保费用得到的值大于预设阈值(比如1万、2万、3.5万或其他数值)时，第一医院整体盈利；当总实际医保费用减去总预测医保费用得到的值小于预设阈值时，第一医院整体亏损。
可选地，预设阈值P可以根据总预测医保费用或总实际医保费用设定，例如，P＝S总预测*μ，其中，0＜μ＜1，例如，为0.1、0.2、0.25或其他数值等，本申请实施例不作限定。
本发明一实施例中，当步骤S8的判断结果为否时，即总预测医保费用和总实际医保费用的比值小于第一阈值或大于第二阈值时，该方法还可以包括：
S9：根据总预测医保费用和所述总实际医保费用调整第一医院的在第二评估周期内产生的病例的病种分值。
其中，第二评估周期为第一评估周期或第一评估周期的下一个评估周期。
其中，S9的一种实现方式可以包括如下部分步骤或全部步骤：
通过调整第一医院的医院级别系数调整第一医院的在第二评估周期内产生的病例的病种分值。其中，调整公式可以表示为：
C′＝C*ε
其中，C′为调整后的第一医院的医院级别系数，C为调整前第一医院的医院级别系数，ε为调整系数，0＜ε＜1。
可见，本发明实施例中医院的医院级别系数基于医院的基本级别系数确定，根据医院的盈亏可进行浮动调整。
计算设备可以存储医院和医院级别的对应关系、医院级别和基本级别系数的对应关系、医院和基本级别系数的对应关系等中的一种或多种。例如，计算设备可以根据医院和医院级别的对应关系，识别到第一医院的医院级别，在根据医院级别与基础级别系数的对应关系，得到第一医院的医院级别对应的基础级别系数。当第一评估周期得到的病例集进行病种分值计算所采用的医院级别系数未进行过调整时，该医院级别系数C为即为第一医院的医院级别对应的基础级别系数。
例如，三甲医院的基本级别系数为1.5，二乙医院的基本级别系数为1.2等。
可见，本发明实施例中医院的医院级别系数基于医院的级别确定，根据医院的盈亏可进行浮动调整。可选地，调整后的第一医院的医院级别系数可以满足下述两种条件中的任意一种：
第一条件，调整后的医院级别系数使得根据调整后的医院级别系数计算得到的总预测医保费用S总预测′和总实际医保费用S总实际的比值大于第一阈值且小于第二阈值。
可选地，调整后的医院级别系数使得根据调整后的医院级别系数计算得到的总预测医保费用S总预测′和总实际医保费用S总实际的比值为1。
第二条件，调整后的医院级别系数使得根据调整后的医院级别系数计算得到的病例集的总病种分值Y总′与第一分值Y总之差小于第三阈值，其中，第一分值Y总为计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。具体如下：
Yi′＝Ai*C′+Ei
可选地，第三阈值Q可以是100、500、1000或其他数值，第三阈值可以根据Y总或Y总′设定，比如，Q＝Y总*ω，其中，0＜ω＜1，ω可以是0.05、0.1、0.12或其他数值，本发明实施例不作限定。
可选地，调整后的医院级别系数使得根据调整后的医院级别系数计算得到的病例集的总病种分值Y总′等于第一分值Y总。
可选地，
可选地，S9还可以包括其他实现方式，比如，针对第一医院的病例设置一附加分值，该附加分值也可以满足上述第一条件或第二条件。
可见，本发明实施例针对第一评估周期(比如当前评估周期的上一个评估周期)第一医院上报的病例集，通过病种分值计算的第一医院的总预测医保费用和通过病例中实际医保费用计算的第一医院的总实际医保费用，进而，根据该总预测医保费用和总实际医保费用对第一医院的盈亏进行分析，以了解到各个医院的在医保费用上的盈利或亏损情况。
而且，还可以对盈利的医院上报的病例的病种分值进行下调，对亏损医院上报的病例的病种分值进行上调，以尽量使医院在医保费用上收支平衡，使得医保费用可以针对同等级医院下的不同的医院适当的调整，提高病种分值的准确性。
下面介绍发明实施例涉及的装置。
请参阅图4计算设备40，包括但不限于：接收单元41、第一计算单元42、第二计算单元43和分析单元44等。其中，
接收单元41，用于接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
第一计算单元42，用于针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
第二计算单元43，用于根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
分析单元44，用于根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
在本申请的一种实现中，分析单元44具体用于：
在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
请参阅图5，所示的计算设备，该计算设备50除包括图4中计算设备而40所示的各个单元外，还可以包括，调整单元45。其中，
调整单元45，用于根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
可选地，所述调整单元45具体用于：在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
在本申请的又一种实现中，所述第一计算单元42具体用于通过下述公式进行计算：
所述病例i的病种分值的计算公式为：Yi＝Ai*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
需要说明的是，上述计算设备的各个单元的具体实现可以参见上述方法实施例中相关描述，本申请不再赘述。
如图6所示的计算设备，该计算设备600可包括：基带芯片610、存储器615(一个或多个计算机可读存储介质)、通信模块616(例如，射频(RF)模块6161和/或通信接口6162)、外围系统617、通信接口623。这些部件可在一个或多个通信总线614上通信。
外围系统617主要用于实现计算设备610和用户/外部环境之间的交互功能，主要包括计算设备600的输入/输出装置。具体实现中，外围系统617可包括：触摸屏控制器618、摄像头控制器619、音频控制器620以及传感器管理模块621。其中，各个控制器可与各自对应的外围设备(如触摸屏623、摄像头624、音频电路625以及传感器626)耦合。需要说明的，外围系统617还可以包括其他I/O外设。
基带芯片610可集成包括：一个或多个处理器611、时钟模块622以及电源管理模块613。集成于基带芯片610中的时钟模块622主要用于为处理器611产生数据传输和时序控制所需要的时钟。集成于基带芯片610中的电源管理模块613主要用于为处理器611、射频模块6161以及外围系统提供稳定的、高精确度的电压。
射频(RF)模块6161用于接收和发送射频信号，主要集成了计算设备600的接收器和发射器。射频(RF)模块6161通过射频信号与通信网络和其他通信设备通信。具体实现中，射频(RF)模块6161可包括但不限于：天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC芯片、SIM卡和存储介质等。在一些实施例中，可在单独的芯片上实现射频(RF)模块6161。
通信模块616用于计算设备600与其他设备之间的数据交换。
存储器615与处理器611耦合，用于存储各种软件程序和/或多组指令。具体实现中，存储器615可包括高速随机存取的存储器，并且也可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器615可以存储操作系统(下述简称系统)，例如ANDROID，IOS，WINDOWS，或者LINUX等嵌入式操作系统。存储器615还可以存储网络通信程序，该网络通信程序可用于与一个或多个附加设备，一个或多个计算设备设备，一个或多个网络设备进行通信。存储器615还可以存储用户接口程序，该用户接口程序可以通过图形化的操作界面将应用程序的内容形象逼真的显示出来，并通过菜单、对话框以及按键等输入控件接收用户对应用程序的控制操作。
存储器615还可以存储一个或多个应用程序。如图6所示，这些应用程序可包括：社交应用程序(例如Facebook)，图像管理应用程序(例如相册)，地图类应用程序(例如谷歌地图)，浏览器(例如Safari，Google Chrome)等等。
本申请中，处理器611可用于读取和执行计算机可读指令。具体的，处理器611可用于调用存储于存储器615中的程序，例如本申请提供的病种分值计算方法的实现程序，并执行该程序包含的指令。
具体的，处理器611可用于调用存储于存储器615中的程序，如本申请提供的病种分值计算方法的实现程序，并执行下述流程：
通过所述通信模块616接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
在本申请的一种实现中，所述处理器611执行所述根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析，具体包括执行：
在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
在本申请的又一种实现中，所述处理器611还用于执行：
根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
可选地，所述处理器611执行所述在所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，包括执行：
在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
可选地，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
在本申请的又一种实现中，所述处理器611执行所述针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用，具体通过下述公式执行：
所述病例i的病种分值的计算公式为：Yi＝Ai*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
可以理解，上述各个流程和各个功能单元的具体实现可以参照上述方法实施例中相关描述，本申请实施例不再赘述。
应当理解，计算设备600仅为本发明实施例提供的一个例子，并且，计算设备600可具有比示出的部件更多或更少的部件，可以组合两个或更多个部件，或者可具有部件的不同配置实现。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
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一计算机可读取存储介质中，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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的医院盈亏分析方法，其特征在于，包括：
计算设备接收第一医院上报的病例集，所述病例集为所述第一医院在第一评估周期内产生的病例的集合，所述病例集中任意一个病例至少包括实际医保费用；
所述计算设备针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用；
所述计算设备根据所述病例集内所有病例的预测医保费用计算所述第一医院的总预测医保费用，并根据所述病例集内所有病例的实际医保费用计算所述第一医院的总实际医保费用；
所述计算设备根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析。
2.如权利要求1所述的方法，其特征在于，所述计算设备根据所述总预测医保费用和所述总实际医保费用对所述第一医院的盈亏进行分析包括：
所述计算设备在所述总预测医保费用和所述总实际医保费用的比值小于第一阈值时输出用于指示所述第一医院医保费用亏损的指示信息；或，
所述计算设备在所述总预测医保费用和所述总实际医保费用的比值大于第二阈值时输出用于指示所述第一医院医保费用盈利的指示信息。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
所述计算设备根据所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，其中，所述第二评估周期为所述第一评估周期或所述第一评估周期的下一个评估周期。
4.如权利要求3所述的方法，其特征在于，所述计算设备在所述总预测医保费用和所述总实际医保费用调整所述第一医院的在第二评估周期内产生的病例的病种分值，包括：
在所述总预测医保费用和所述总实际医保费用的比值小于所述第一阈值或大于所述第二阈值时，所述计算设备通过调整所述第一医院的医院级别系数调整所述第一医院的在第二评估周期内产生的病例的病种分值。
5.如权利要求4所述的方法，其特征在于，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的总预测医保费用和所述总实际医保费用的比值大于所述第一阈值且小于所述第二阈值。
6.如权利要求4所述的方法，其特征在于，所述调整后的医院级别系数使得根据所述调整后的医院级别系数计算得到的所述病例集的总病种分值与第一分值之差小于第三阈值，其中，所述第一分值为所述计算设备根据调整前的医院级别系数计算得到的所述病例集的总病种分值。
7.如权利要求1-6任一项所述的方法，其特征在于，所述针对所述病例集中每一个病例，根据所述病例所属的病种分类对应的基础病种分值计算所述病例的病种分值，并根据所述病例的病种分值计算所述病例的预测医保费用包括：
所述病例i的病种分值的计算公式为：Yi＝Ai*C+Ei；
所述病例i的预测医保费用的计算公式为：Si＝Yi*D；
其中，i为所述病例集中病例的索引，i为正整数，Yi为病例i的病种分值，所述病例i为所述病例集内的病例，Ai为所述病例i的基础病种分值，C为所述第一医院的医院级别系数，Ei为所述病例i的附加病种分值；Si为所述病例i的预测医保费用，D为分值单价。
8.一种计算设备，其特征在于，包括处理器、存储器以及通信模块，所述处理器耦合所述存储器、所述通信模块，所述处理器用于调用所述存储器存储的程序代码执行如权利要求1-7中任一项权利要求所述的基于大数据的医院盈亏分析方法。
9.一种计算设备，其特征在于，包括用于实现如权利要求1-7中任一项权利要求所述的基于大数据的医院盈亏分析方法的功能单元。
10.一种计算机存储介质，其特征在于，所述计算机存储介质用于计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如权利要求1-7中任一项权利要求所述的基于大数据的医院盈亏分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811282850.XA CN109544375A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的医院盈亏分析方法及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811282850.XA CN109544375A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的医院盈亏分析方法及计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109544375A true CN109544375A (zh) | 2019-03-29 |
Family
ID=65845637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811282850.XA Pending CN109544375A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的医院盈亏分析方法及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544375A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114334112A (zh) * | 2021-12-30 | 2022-04-12 | 上海柯林布瑞信息技术有限公司 | 基于医保的医院精细化资源管理方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327395A (zh) * | 2016-08-31 | 2017-01-11 | 杭州逸曜信息技术有限公司 | 医疗费用信息的处理方法 |
| CN106503418A (zh) * | 2016-09-23 | 2017-03-15 | 广州慧扬信息系统科技有限公司 | 一种以指数衰减为模型的科室限额分析系统及方法 |
| CN107423889A (zh) * | 2017-07-11 | 2017-12-01 | 武汉金豆医疗数据科技有限公司 | 一种基于自有算法模型分配医保额度的方法及系统 |
| US20180286519A1 (en) * | 2017-03-31 | 2018-10-04 | Boston Strategic Partners, Inc. | Methods and Systems for Extrapolating and Estimating Occurrences Based on Sample Data |
-
2018
- 2018-10-30 CN CN201811282850.XA patent/CN109544375A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327395A (zh) * | 2016-08-31 | 2017-01-11 | 杭州逸曜信息技术有限公司 | 医疗费用信息的处理方法 |
| CN106503418A (zh) * | 2016-09-23 | 2017-03-15 | 广州慧扬信息系统科技有限公司 | 一种以指数衰减为模型的科室限额分析系统及方法 |
| US20180286519A1 (en) * | 2017-03-31 | 2018-10-04 | Boston Strategic Partners, Inc. | Methods and Systems for Extrapolating and Estimating Occurrences Based on Sample Data |
| CN107423889A (zh) * | 2017-07-11 | 2017-12-01 | 武汉金豆医疗数据科技有限公司 | 一种基于自有算法模型分配医保额度的方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 刘涛: "宿迁城镇居民医保按病种分值结算初探", 《江苏卫生事业管理》, vol. 25, no. 2, pages 1 - 4 * |
| 李涛等: "宿迁市城镇医保按病种分值付费绩效分析", 《中国医疗保险》, pages 2 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114334112A (zh) * | 2021-12-30 | 2022-04-12 | 上海柯林布瑞信息技术有限公司 | 基于医保的医院精细化资源管理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Spitzer et al. | Costs and financial burden of initial hospitalizations for firearm injuries in the United States, 2006–2014 | |
| Surján | Questions on validity of International Classification of Diseases-coded diagnoses | |
| CN109544376A (zh) | 一种基于数据分析的异常病例识别方法及计算设备 | |
| CN107590654A (zh) | 一种在线支付的方法、终端及计算机可读介质 | |
| US20240127305A1 (en) | Pre-service client navigation | |
| CN109545387A (zh) | 一种基于神经网络的异常病例识别方法及计算设备 | |
| US11581073B2 (en) | Dynamic database updates using probabilistic determinations | |
| Connor et al. | The Gold Coast integrated care model | |
| CN108648091A (zh) | 保单风险评估方法、装置、设备和计算机存储介质 | |
| Gustavsson et al. | Challenges in demonstrating the value of disease-modifying therapies for Alzheimer’s disease | |
| CN109544375A (zh) | 一种基于大数据的医院盈亏分析方法及计算设备 | |
| CN109508874A (zh) | 系统质量分析方法、装置、服务器及存储介质 | |
| CN114117226A (zh) | 一种产品推荐方法、系统、设备及介质 | |
| CN109523406A (zh) | 一种基于数据分析的病种分值计算方法及计算设备 | |
| Dulin et al. | Geographic information systems (GIS) demonstrating primary care needs for a transitioning Hispanic community | |
| CN109493243A (zh) | 一种基于神经网络的病种分值校验方法及计算设备 | |
| CN109545297A (zh) | 一种基于大数据的病种编码方法及计算设备 | |
| CN109377059A (zh) | 一种基于风险管控的数据处理方法及设备 | |
| CN109544374A (zh) | 一种基于大数据的病种分值调整方法及计算设备 | |
| CN109545298A (zh) | 一种基于数据分析的病种分值计算方法及计算设备 | |
| CN109544377A (zh) | 一种基于大数据的病种分值计算方法及计算设备 | |
| Morbey et al. | Development and refinement of new statistical methods for enhanced syndromic surveillance during the 2012 Olympic and Paralympic Games | |
| US20190114719A1 (en) | Dynamic balance adjustment estimator engine | |
| CN109523407A (zh) | 一种基于大数据的病种分值调整方法及计算设备 | |
| US11113338B2 (en) | Concepts for iterative and collaborative generation of data reports via distinct computing entities |
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 |