CN109559806A - 异常住院行为的判定方法及相关产品 - Google Patents
异常住院行为的判定方法及相关产品 Download PDFInfo
- Publication number
- CN109559806A CN109559806A CN201811276263.XA CN201811276263A CN109559806A CN 109559806 A CN109559806 A CN 109559806A CN 201811276263 A CN201811276263 A CN 201811276263A CN 109559806 A CN109559806 A CN 109559806A
- Authority
- CN
- China
- Prior art keywords
- expenses
- hospitalization
- expense
- ratio
- insured people
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 206010000117 Abnormal behaviour Diseases 0.000 title description 8
- 230000002980 postoperative effect Effects 0.000 claims abstract description 77
- 238000001356 surgical procedure Methods 0.000 claims abstract description 56
- 230000006399 behavior Effects 0.000 claims description 65
- 201000010099 disease Diseases 0.000 claims description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 24
- 238000007689 inspection Methods 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 229910052701 rubidium Inorganic materials 0.000 claims description 4
- IGLNJRXAVVLDKE-UHFFFAOYSA-N rubidium atom Chemical compound [Rb] IGLNJRXAVVLDKE-UHFFFAOYSA-N 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000003814 drug Substances 0.000 description 12
- 241000208340 Araliaceae Species 0.000 description 8
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 8
- 235000003140 Panax quinquefolius Nutrition 0.000 description 8
- 235000008434 ginseng Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000011176 pooling Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012797 qualification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 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
- 239000010985 leather Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Epidemiology (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种异常住院行为的判定方法及相关产品,该方法应用于电子设备,该方法包括:从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。本申请实施例有利于减少套取医保基金的概率。
Description
技术领域
本申请涉及医疗技术领域,具体涉及一种异常住院行为的判定方法及相关产品。
背景技术
随着国家基本医保制度不断加强,越来越多的人加入医保行列,参保人就诊时,医保统筹基金会为参保人报销绝大部分的医疗费用,但是目前的医保制度仍然不够完善,导致报销过程中存在很多利益问题。在很多城市,对体检项目未纳入医保统筹基金的报销范畴,参保人的体检费用只能个人报销。但是对于参保人来说,住院费用只要符合起付线等条件,可使用医保统筹基金报销部分甚至全部住院费用。因此部分参保人可能与医生合谋,套取医保统筹基金为参保人报销检查费用,即在参保人无需住院的情况下,将参保人收入院,再额外增加一些无关的术前检查项目,从而增加术前检查费用,间接增加住院费用,将住院费用达到起付线,套取医保统筹基金支付检查费用。目前,参保人在做术前检查项目时,相关人员仅核对该术前检查项目是否为医生指定的术前检查项目,未考虑参保人是否具有资格以及该术前检查项目的合理性。
故确认参保人是否具有住院资格的方式单一、准确度低,存在套取统筹基金支付检查费用的行为。因此,亟需提供一种从术前检查项目角度判断参保人住院是否具有住院资格的方法。
发明内容
本申请实施例提供了一种异常住院行为的判定方法及相关产品,以期确定各项费用的比例,依据费用比例判别出参保人套取医保统筹基金支付检查费用的行为。
第一方面,本申请实施例提供一种异常住院行为的判定方法,所述方法应用于电子设备,所述方法包括:
从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
第二方面,本申请实施例提供一种异常住院行为的判定电子设备,所述电子设备包括:
获取单元,用于从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取单元,用于提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
计算单元,用于分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
确定单元,用于根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。第三方面,本申请实施例提供一种电子设备,包括一个或多个处理器、一个或多个存储器、一个或多个收发器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述一个或多个处理器执行,所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法
实施本申请实施例,具有如下有益效果:
可以看出在,在本申请实施例中,首先从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据,提取该历史住院数据中的各项费用,从而确定各项费用的比例,依据该比例确定参保人确定针对所述参保人住院行为的判定结果,依据该判定结果判断该参保人住院行为的合理性,可以准确的确定出医疗机构中住院的参保人中真正具有住院资格的参保人和通过住院套取医保基金的参保人,增加了检测住院合理性的方式,提高检测住院行为合理性的准确度,降低套取医保基金的概率,为医疗体制的改革提供数据参考。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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为本申请实施例提供的一种异常住院行为的判定方法的流程示意图;
图2为本申请实施例提供的另一种异常住院行为的判定方法的流程示意图;
图2A为本申请实施例提供的一种举例示出部分疾病与术后住院时长区间的映射关系的示意图;
图3为本申请实施例提供的另一种异常住院行为的判定方法的流程示意图;
图3A为本申请实施例提供的一种基于FP-Growth算法剔除事物集中元素过程的示意图;
图3B为本申请实施例提供的一种基于图3A中的对应关系表建立FP树的过程示意图;
图4为本申请实施例提供的一种异常住院行为的判定电子设备的结构示意图;
图5为本申请实施例提供的一种异常住院行为的判定电子设备的功能单元组成框图。
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清楚、完整地描述,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中的电子设备可以包括智能手机(如Android手机、iOS手机、WindowsPhone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile InternetDevices,简称:MID)或穿戴式设备等,上述电子设备仅是举例,而非穷举,包含但不限于上述电子设备,为了描述的方便,下面实施例中将上述电子设备称为用户设备UE(Userequipment,简称:UE)。当然在实际应用中,上述用户设备也不限于上述变现形式,例如还可以包括:智能车载终端、计算机设备等等。
参阅图1,图1为本申请实施例提供的一种异常住院行为的判定方法,该方法应用于电子设备,该方法包括步骤S101~S104中所示的内容:
步骤S101、从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据。
其中,该历史住院数据中包括:入院日期、出院日期、手术日期、医药名称明细、每一种医药的用量明细、主治医生的ID信息、费用明细、诊治明细、术前检查项目明细、术后恢复信息、手术成功程度、术后复查信息、是否参与医保报销以及医保报销比例,等等;其中,费用明细具体包括:手术费用、床位费用、各种医药费用、术前检查项目的费用、复查费用、术后复查费用、住院总费用,等等;其中,诊治明细具体包括:参保人所患疾病名称、疾病的严重程度(例如,轻度,中度和重度)、参保人的基本信息(例如,身高、体重、年龄和生理参数)、参保人的疾病史,等等。
可选的,在从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据之后,判断该参保人的历史住院数据是否存在医保报销记录,即该参保人此次住院过程中是否使用医保基金报销住院费用,如是,处理该参保人的历史住院数据,触发提取所述历史住院数据中的各项费用的操作,否则,忽略该参保人的历史住院数据。故本申请将使用医保基金报销的参保人作为研究对象。
步骤S102、提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用。
可选的,在提取所述住院数据中的各项费用信息之前,确定所述住院数据的数据缺失度,即将所述住院数据与标准的住院数据清单比对,查询所述住院数据中缺失的数据项数,以及所述标注数据清单的数据总项数,将所述缺失的数据项数与所述总项数的比值作为数据缺失度,如所述数据缺失度大于预设阈值时,忽略所述住院数据,所述预设阈值可以为0.3、0.4、0.5或者其他值。
可选的,本申请中将住院总费用具体划分到医药费用、术前检查费用、术后复查费用手术费用(其他的费用均包含在手术费用中,如床位费、挂号费、护理费、清理费用,等等)四个维度,基于该四个维度来确定住院数据中各项费用的分布比例,在提取医药费用、手术费用、术前检查费用、术后复查费用和住院总费用,如所述住院数据中至少缺失医药费用、手术费用、术前检查费用、术后复查费用中的任意一项费用时,忽略参保人的住院数据。
步骤S103、分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例。
可选的,基于各项费用计算各项费用的比例具体包括:确定所述医药费用与所述住院总费用的第一比例K1;确定所述手术费用与所述住院总费用的第二比例K2;确定所述术后复查费用与所述住院总费用的第三比例K3;确定所述术前检查费用与所述住院总费用的第四比例K4。由于本申请将住院总费用化分为该四个方维度,故K1+K2+K3+K4=1。
步骤S104、根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
可选的,根据所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例确定针对所述参保人住院行为的判定结果具体包括:确定所述第一比例K1、第二比例K2、第三比例K3和第四比例K4之间的大小关系,在所述第一比例K1、第二比例K2、第三比例K3均小于第四比例K4时,计算(K4-K1)、(K4-K2)和(K4-K3);如所述(K4-K1)、(K4-K2)和(K4-K3)均大于阈值K时,确定所述参保人的术前检查费用异常,得到针对所述参保人住院行为的判定结果为异常。因为,如(K4-K1)、(K4-K2)和(K4-K3)均大于阈值K,确定该参保人住院期间在术前检查项目的费用远高于医药费用、手术费用和术后复查费用,因此该参保人在住院期间实际上未进行手术项目,而是仅做了一些术前检查项目,故该参保人在此次住院中术前检查费用异常,确定该参保人的历史住院行为不合理。
其中,该阈值K可以0.2、0.3、0.4、0.5、0.6、0.7或者其他值。
举例来说,阈值K=0.6,如K1=0.08、K2=0.02、K3=0、K4=0.9,则(K4-K1)=0.82、(K4-K2)=0.88、(K4-K3)=0.9,因此,其他三项费用与术前检查项目费用相差甚远,可确定该参保人的总住院费用主要集中在术前检查项目上,几乎不存在手术费用(甚至手术费用为零时)且无术后复查费用,可判定该参保人住院期间实际上并未动手术,该参保人住院的目的仅仅为了套取医保基金支付术前检查费用。对于无手术费用、医药费用和术后复查(即K1=K2=K3=0)的情况,毫无意义的确定该参保人存在套取医保基金支付术前检查费用的行为。
可以看出,在本申请实施例中,从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据,提取该历史住院数据中的费用比例,依据费用比例判断该参保人的术前检查费用是否异常,在该术前检查费用远高于医药费用、手术费用和术后复查费用时,确定该参保人的术前检查费用异常,该参保人存在套取医保基金支付术前检查费用的行为,得到针对该参保人的评判结果为异常,确定参保人的住院行为不合理,增加了检测住院合理性的方式,依据费用比例判断住院行为的合理性,使其判断结果更具有说服力,为医疗体制改革提供数据参考。
在一可能的示例中,在第一比例K1、第二比例K2、第三比例K3均小于第四比例K4时,如(K4-K2)和(K4-K3)均大于阈值K,(K4-K1)小于或者阈值K,(例如,阈值K=0.5,如K1=0.2、K3=0.02、K3=0、K4=0.78),提取该历史住院数据中的疾病信息,判断该历史住院数据中的医药与该参保人所患疾病的关联性,如该历史住院数据中的医药与该参保人所患疾病关联,确定该参保人此次手术时,需要开取大量的医药来维持手术过程,故参保人此次住院行为合理,如该住院数据中的医药与该参保人所患疾病完全无关联或者该住院数据中的80%医药都与该参保人所患疾病无关,确定该参保人在住院期间开取额外的医药来提高医药费用与总住院费用的比例,从而掩盖套取医保基金支付检查费用的行为,此时确定该参保人的术前检查费用异常,针对该参保人的住院行为的评判结果为异常。故在本示例中,当参保人在医药上的费用与术前检查项目的费用相近时,依据开取的医药与该参保人所患疾病的关联性来判断该参保人是否通过开取额外的医药来提高医药费用的比例,从而掩盖套取医保基金支付检查费用的行为,可提高确定套取医保基金支付检查费用的准确度。
参阅图2,图2为本申请实施例提供的另一种异常住院行为的判定方法,该方法应用于电子设备,该方法包括步骤S201~S212中所示的内容:
步骤S201、从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据。
步骤S202、判断所述参保人的历史住院数据中是否存在医保报销记录;
若是,执行步骤S203;
若否,返回步骤S201。
可选的,对该参保人的历史住院数据执行关键词识别,确定该历史住院数据中是否包含“报销”、“医保”、“报销比例”,等等关键词,如包含,确定该历史住院数据中存在医保报销记录,如不包含,确定该参保人历史住院时未参与医保报销,或者,未达到医保报销标准。
步骤S203、提取所述历史住院数据中的手术日期和出院日期。
步骤S204、根据所述手术日期和出院日期确定所述参保人的术后住院时长。
步骤S205、提取所述历史住院数据中的疾病信息,确定所述疾病信息对应的术后住院时长区间。
其中,所述疾病信息与术后住院时长区间存在映射关系,图2A举例示出了部分疾病与术后住院时长区间的映射关系。
步骤S206、判断所述术后住院时长是否在所述术后住院时长区间内;
如是,执行步骤S207;
如否,执行步骤S212。
当然,可确定该术后住院时长与该预设区间的差值,如该差值大于阈值,确定该参保人提前出院,不符合术后所需的休息时长,确定该参保人实际很大程度上未参与手术项目,确定该参保人的住院行为不合理。
步骤S207、提取所述历史住院数据中的医药费用、手术费用、术前检查费用、术后复查费用和住院总费用。
步骤S208、分别确定医药费用、手术费用、术后复查费用、术前检查费用与住院总费用的第一比例K1、第二比例K2、第三比例K3和第四比例K4。
步骤S209、判断所述K1、K2、K3是否均小于K4。
如是,执行步骤S210;
如否,返回步骤S201。
步骤S210、计算(K4-K1)、(K4-K2)和(K4-K3)。
步骤S211、判断所述(K4-K1)、(K4-K2)和(K4-K3)是否均大于阈值。
如是,执行步骤S212;
如否,返回步骤S201。
步骤S212、确定所述参保人住院行为的判定结果为异常。
可以看出,在本申请实施例中,当从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据时,判断该参保人的历史住院数据中是否存在医保报销记录,如不存在忽略该参保人的历史住院数据,减少处理无效数据,避免为住院行为的判定结果带来误差,如存在,提取该参保人的手术日期和出院日期,从而获取该参保人的术后住院时长,如该术后住院时长不在预设的术后住院时长区间内,确定该参保人的术后住院时长不符合规则,确定所述参保人住院行为的判定结果为异常,预先从术后住院时长角度判定该参保人住院行为的合理性,提高了判别住院行为合理性的效率;在该术后住院时长在预设的术后住院时长区间内,确定该住院数据中的费用比例,依据费用比例判断该参保人的术前检查费用是否异常,在该术前检查费用远高于医药费用、手术费用和术后复查费用时,确定该参保人的术前检查费用异常,存在套取医保基金支付术前检查费用的行为,得到针对该参保人的评判结果为异常,确定参保人的住院行为不合理,增加了检测住院合理性的方式,依据费用比例判断住院行为的合理性,使其判断结果更具有说服力,为医疗体制改革提供数据参考。
在一可能的示例中,所述方法还包括:
在确定所述参保人的住院行为异常后,确定所述参保人术前检查费用的异常原因,其具体包括:获取所述参保人的历史住院数据中的术前检查项目集A;获取该医疗机构在手术时的常规术前检查项目集B;确定所述术前检查项目集A与所述常规检查项目集B的差集C,如所述差集C中元素数量小于第一数量阈值,确定该参保人术前检查费用的异常原因为该参保人本就无需住院,套取医保基金支付常规检查项目费用,如所述差集C中元素数量大于所述第一数量阈值,确定所述差集C中的术前检查项目与所述疾病信息的关联性,如所述差集C中80%的术前检查项目与所述疾病信息的无关联,确定所述参保人术前检查费用的异常原因为额外增加术前检查项目套取医保基金来支付术前检查项目的费用。
参阅图3,图3为本申请实施例提供的另一种异常住院行为的判定方法,该方法应用于电子设备,该方法包括步骤S301~S312中所示的内容:
步骤S301、从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据。
可选的,在执行步骤S301之前,需执行如上述步骤S201和步骤S202中的判别方法,在此不再赘述。
步骤S302、根据所述历史住院数据得到针对所述参保人住院行为的的判定结果。
参阅图1和图2所示的确定住院行为合理性的方法,不再赘述。
步骤S303、统计所述医疗机构在预设时间段内住院行为的的判定结果为异常的参保人。
其中,预设时间段可以为1星期、1个月、6个月、1年或者其他值。
步骤S304、如所述参保人的数量为单个时,获取所述参保人的术前检查项目,将所述参保人的术前检查项目标记为所述医疗机构的目标术前检查项目。
步骤S305、如所述参保人的数量为多个时,获取所述多个参保人中每一个参保人的术前检查项目,得到所述每一个参保人的术前检查项目集。
步骤S306、将所述每一个参保人的术前检查项目集标记为一个事物集,得到所述多个参保人的多个事物集,根据频繁模式增长FP-Growth算法确定所述多个事物集中的频繁项集,将所述频繁项集中的元素标记为所述医疗机构的目标术前检查项目。
可选的,将所述每一个参保人的术前检查项目集标记为一个事物集具体包括:每一个参保人对应一个术前检查项目集,且每一个参保人对应一个事物集,对事物集编号,将编号号码作为事物集的ID,将该术前检查项目集中的元素作为事物集中的元素。例如,对该多个参保人的将要生成的事物集分别编号为001、002、003、……,将该多个参保人的术前检查项目对应添加至以编号为001、002、003、……的集合中,得到每一个参保人的事物集。
可选的,根据FP-Growth算法确定所述多个事物集中的频繁项集具体包括:设置最小支持度P,基于该最小支持度P筛选该多个事物集中的多个频繁元素,利用该多个频繁元素构建所述多个事物集的FP树,设置频繁项集中所需的元素数量,从该FP树中读取符合该元素数量的多个频繁项集,获取该多个频繁项集中支持度最大的频繁项集,如该支持度最大的频繁项集的数量为多个时,获取该多个频繁项集的交集,将该交集中的元素作为该目标术前检查项目或者获取该多个频繁项集的并集,将该并集中的元素作为该目标术前检查项目。
下面举例说明确定频繁项集和目标术前检查项目的具体过程。
假定在预设时间段内检测到6个参保人的住院行为不合理,故获得6个术前检查项目集,将该6个术前检查项目集中的元素(即术前检查项目)分别以字母表示,在此不示出术前检查项目的具体名称。如图3A所示,将该6个参保人的事物集分别标号为001、002、003、004、005、006,其中,假定001={r,z,h,j,p},002={z,y,x,w,v,u,t,s},003={z},004={r,x,n,o,s},005={y,r,x,z,q,t,p},006={y,z,x,e,q,s,t,m};然后,开启第一轮扫描,设置第一最小支持度P1=3,将001、002、003、004、005、006中元素出现次数小于支持度P1剔除,即剔除h、j、p、w、v、u、n、o、q、e和m,如图3A所示,得到新的事物集{r,z},{z,y,x,t,s},{z},{r,x,s},{y,r,x,z,t},{y,z,x,s,t},如图3B所示,开启第二轮扫描依次扫描新的事物集,以空集null为根节点开始创建FP树,在扫描每一个新的事物集时依次往该FP树中添加元素,如扫描{r,z}时,可添加元素r、z,扫描{z,y,x,t,s}时,可在第一次添加元素r、z得到的FP树中添加元素z,y,x,t,s,全部扫描完后,可得到如图3B最右方示出的FP树,其中,该FP树的树节点上给出集合中的元素及其在该FP树中出现的总次数,路径的根节点的元素的出现次数示出该路径对应的序列的出现次数(即支持度)。可以看出,每个路径上的所有元素构成一个频繁项集,以及每个路径的根节点示出每个频繁项集的支持度;然后,设置频繁项集中所需的元素数量,从该FP树的树节点截取与该元素数量对应的根节点,将该树节点与该根节点之间的元素组成频繁项集,例如,设置频繁项集中的元素数量为4时,可获得频繁项集{z,x,y,s},{z,x,y,r},{x,y,s,t},{x,y,r,t},且各自的支持度分别为2、1、2和1,故支持度最大的频繁项集为{z,x,y,s}和{x,y,s,t},故可将该频繁项集{z,x,y,s}和{x,y,s,t}的并集{z,x,y,s,t}作为该多个事物集的频繁项集,即将z,x,y,s,t作为目标术前检查项目或者将该频繁项集{z,x,y,s}和{x,y,s,t}的交集{x,y,s}作为该多个事物集的频繁项集,即将x,y,s作为目标术前检查项目;或者设置第二支持度P2,以第二支持度P2为基础开启第三轮扫描,扫描该FP树中支持度大于或者等于P2的集合,将该集合作为频繁项集,例如P2=3时,可得集合{z},{z,x},{z,x,y}和{x,y}的支持度分别为5、3、3和3,故可得{z},{z,x},{z,x,y}和{x,y}的交集为此时不满足条件,舍弃,取{z},{z,x},{z,x,y}和{x,y}的并集{z,x,y}作为该多个事物集的频繁项集,即将z,x,y作为目标术前检查项目。
步骤S307、向所述医疗机构对应的终端设备发送所述目标术前检查项目,以调整所述医疗机构在所述目标术前检查项目方面的管理体制。
其中,所述目标术前检查项目为所述医疗机构在做术前检查时易发生异常的术前检查项目。
可以看出,在本申请实施例中,从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据,确定该住院数据中的费用比例,依据费用比例判断该参保人的术前检查费用是否异常,在该术前检查费用远高于医药费用、手术费用和术后复查费用时,确定该参保人的术前检查费用异常,存在套取医保基金支付术前检查费用的行为,得到针对该参保人住院行为的判定结果,增加了确定住院合理性的方式,依据费用比例判断住院行为的合理性,使其判断结果更具有说服力,为医疗体制改革提供数据参考,而且,获取预设时间段内术前费用异常的多个参保人的历史住院数据,获取每个参保人的术前检查项目集,依据术前检查项目集确定该医疗机构在做术前检查时易存在异常的目标术前检查项目,将该目标术前检查项目发送至网络侧设备,以针对性调整该医疗机构在该目标术前检查项目方面的管理体制,实现针对性改革医疗体制,提高医疗机构改革术前检查项目的准确度和效率,提高参保人的就医体验
可选的,在一可能的示例中,所述方法还包括:
确定该医疗机构中具有临床手术资格的各个科室,获取该各个科室在预设时间段内的住院数据,确定各个科室的住院数据中住院行为的判定结果为异常的多个参保人,计算各个科室在该预设时间段内住院行为的判定结果为异常的参保人的总数量与各个科室在该预设时间段内住院治疗的参保人的总数量的比例,依据该比例对各个科室进行排序,调整排序在前五的科室在术前检查项目方面的管理制度,加强对排序在前五的科室在术前检查项目方面的管理。
可以看出,本示例中分析各个科室在预设时间段内的住院数据,得到各个科室就诊的参保人住院行为的判定结果为异常的比例,根据该比例对各个科室进行排序,依据排序结果调整在术前检查项目方面的管理制度,针对性调整科室的住院制度,为医疗机构改革住院制度提供数据参考,有利于提高医疗机构的综合质量,减少各个科室套取医保基金支付术前检查费用的概率。
可选的,在一可能的示例中,所述方法还包括:
统计医疗机构在预设时间段内住院数据中住院行为的判定结果为异常的所有参保人,获取该术前检查费用异常的所有参保人对应的所有住院数据,提取该所有住院数据中的所有医生信息,获取每个医生信息的出现频率,根据该出现频率监管该所有医生信息对应的医生,其具体包括:对出现频率排名前五的医生信息对应的医生采取定期抽查其所开取的住院数据单,如该住院数据单中的术前检查费用异常次数大于各自的预设阈值时,将该医生信息上传至住院管理系统,以监管该医生开取的住院数据单的合理性,其中,该预设阈值与医生排名相关,排名越靠前预设阈值越小。
可以看出,本示例中分析住院行为的判定结果为异常的所有参保人的住院数据,获取该住院数据中各个医生信息的出现频率,依据该出现频率监管医生在临床手术时开取的住院数据单,减少医生通过降低标准将参保人收入院套取医保基金支付术前检查费用的概率。
与上述图1、图2、图3所示的实施例一致的,请参阅图4,图4为本申请实施例提供的一种于住院数据判定住院行为的电子设备400的结构示意图,如图4所示,该电子设备400包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序不同于上述一个或多个应用程序,且上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令;
从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
在一可能的示例中,在从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据之后,上述程序中的指令还用于执行以下操作:
判断所述参保人的历史住院数据是否存在医保报销记录;
如是,触发所述提取所述历史住院数据中的各项费用的操作。
在一可能的示例中,在触发所述提取所述历史住院数据中的各项费用的操作之前,上述程序中的指令还用于执行以下操作:
提取所述历史住院数据中的手术日期和出院日期;
根据所述手术日期和出院日期确定所述参保人的术后住院时长;
提取所述历史住院数据中的疾病信息,确定所述疾病信息对应的术后住院时长区间,所述疾病信息与术后住院时长区间存在映射关系;
确定所述术后住院时长在所述术后住院时长区间内。
在一可能的示例中,在分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例方面,上述程序中的指令具体用于执行以下操作:
确定所述医药费用与所述住院总费用的第一比例K1;
确定所述手术费用与所述住院总费用的第二比例K2;
确定所述术后复查费用与所述住院总费用的第三比例K3;
确定所述术前检查费用与所述住院总费用的第四比例K4;
其中,K1+K2+K3+K4=1。
在一可能的示例中,在根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果方面,上述程序中的指令具体还用于执行以下操作:
在K1、K2、K3均小于K4时,计算(K4-K1)、(K4-K2)和(K4-K3);
如所述(K4-K1)、(K4-K2)和(K4-K3)均大于阈值时,确定所述参保人的术前检查费用异常,得到针对所述参保人住院行为的判定结果为异常。
在一可能的示例中,上述程序中的指令还用于执行以下操作:
统计所述医疗机构在预设时间段内住院行为的判定结果为异常的参保人;
如所述参保人的数量为单个时,获取所述参保人的术前检查项目,将所述参保人的术前检查项目标记为所述医疗机构的目标术前检查项目;
如所述参保人的数量为多个时,获取所述多个参保人中每一个参保人的术前检查项目,得到所述每一个参保人的术前检查项目集,将所述每一个参保人的术前检查项目集标记为一个事物集,得到所述多个参保人的多个事物集,根据频繁模式增长FP-Growth算法确定所述多个事物集中的频繁项集,将所述频繁项集中的元素标记为所述医疗机构的目标术前检查项目;
其中,所述目标术前检查项目为所述医疗机构在术前检查时易发生异常的术前检查项目。
在一可能的示例中,上述程序中的指令还用于执行以下操作:
向所述医疗机构对应的终端设备发送所述目标术前检查项目,以调整所述医疗机构在所述目标术前检查项目方面的管理体制。
参阅图5,图5示出了上述实施例中所涉及的基于住院数据确定住院合理性的电子设备500的一种可能的功能单元组成框图,电子设备500包括获取单元510、提取单元520、计算单元530、确定单元540、其中;
获取单元510,用于从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取单元520,用于提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
计算单元530,用于分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
确定单元540,用于根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
在一可能的示例中,电子设备500还包括判断单元550;
其中,判断单元550,用于从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据之后,判断所述参保人的历史住院数据是否存在医保报销记录;以及用于如是,触发所述提取所述历史住院数据中的各项费用的操作。
在一可能的示例中,在触发所述提取所述历史住院数据中的各项费用的操作之前,提取单元520,还用于:提取所述历史住院数据中的手术日期和出院日期;以及用于根据所述手术日期和出院日期确定所述参保人的术后住院时长;以及用于提取所述历史住院数据中的疾病信息,确定所述疾病信息对应的术后住院时长区间,所述疾病信息与术后住院时长区间存在映射关系;以及用于确定所述术后住院时长在所述术后住院时长区间内。
在一可能的示例中,在分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例时,计算单元530,具体用于:确定所述医药费用与所述住院总费用的第一比例K1;以及用于确定所述手术费用与所述住院总费用的第二比例K2;以及用于确定所述术后复查费用与所述住院总费用的第三比例K3;以及用于确定所述术前检查费用与所述住院总费用的第四比例K4;其中,K1+K2+K3+K4=1;其中,K1+K2+K3+K4=1。
在一可能的示例中,在根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果时,确定单元540,具体用于:在K1、K2、K3均小于K4时,计算(K4-K1)、(K4-K2)和(K4-K3);如所述(K4-K1)、(K4-K2)和(K4-K3)均大于阈值时,确定所述参保人的术前检查费用异常,得到针对所述参保人住院行为的判定结果为异常。
在一可能的示例中,电子设备500还包括处理单元560;
其中,处理单元560,用于统计所述医疗机构在预设时间段内住院行为的判定结果为异常的参保人;以及用于如所述参保人的数量为单个时,获取所述参保人的术前检查项目,将所述参保人的术前检查项目标记为所述医疗机构的目标术前检查项目;以及用于如所述参保人的数量为多个时,获取所述多个参保人中每一个参保人的术前检查项目,得到所述每一个参保人的术前检查项目集,将所述每一个参保人的术前检查项目集标记为一个事物集,得到所述多个参保人的多个事物集,根据频繁模式增长FP-Growth算法确定所述多个事物集中的频繁项集,将所述频繁项集中的元素标记为所述医疗机构的目标术前检查项目;其中,所述目标术前检查项目为所述医疗机构在术前检查时易发生异常的术前检查项目。
在一可能的示例中,处理单元560,还用于向所述医疗机构对应的终端设备发送所述目标术前检查项目,以调整所述医疗机构在所述目标术前检查项目方面的管理体制。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种异常住院行为的判定方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种异常住院行为的判定方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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。另一点,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,可以是电性或其它的形式。
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,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种异常住院行为的判定方法,其特征在于,所述方法应用于电子设备,所述方法包括:
从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
2.根据权利要求1所述的方法,其特征在于,所述从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据之后,所述方法还包括:
判断所述参保人的历史住院数据是否存在医保报销记录;
如是,触发所述提取所述历史住院数据中的各项费用的操作。
3.根据权利要求2所述的方法,其特征在于,所述在触发所述提取所述历史住院数据中的各项费用的操作之前,所述方法还包括:
提取所述历史住院数据中的手术日期和出院日期;
根据所述手术日期和出院日期确定所述参保人的术后住院时长;
提取所述历史住院数据中的疾病信息,确定所述疾病信息对应的术后住院时长区间,所述疾病信息与术后住院时长区间存在映射关系;
确定所述术后住院时长在所述术后住院时长区间内。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例具体包括:
确定所述医药费用与所述住院总费用的第一比例K1;
确定所述手术费用与所述住院总费用的第二比例K2;
确定所述术后复查费用与所述住院总费用的第三比例K3;
确定所述术前检查费用与所述住院总费用的第四比例K4;
其中,K1+K2+K3+K4=1。
5.根据权利要求4所述的方法,其特征在于,所述根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例、以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果具体包括:
在K1、K2、K3均小于K4时,计算(K4-K1)、(K4-K2)和(K4-K3);
如所述(K4-K1)、(K4-K2)和(K4-K3)均大于阈值时,确定所述参保人的术前检查费用异常,得到针对所述参保人住院行为的判定结果为异常。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
统计所述医疗机构在预设时间段内住院行为的判定结果为异常的参保人;
如所述参保人的数量为单个时,获取所述参保人的术前检查项目,将所述参保人的术前检查项目标记为所述医疗机构的目标术前检查项目;
如所述参保人的数量为多个时,获取所述多个参保人中每一个参保人的术前检查项目,得到所述每一个参保人的术前检查项目集,将所述每一个参保人的术前检查项目集标记为一个事物集,得到所述多个参保人的多个事物集,根据频繁模式增长FP-Growth算法确定所述多个事物集中的频繁项集,将所述频繁项集中的元素标记为所述医疗机构的目标术前检查项目;
其中,所述目标术前检查项目为所述医疗机构在术前检查时易发生异常的术前检查项目。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
向所述医疗机构对应的终端设备发送所述目标术前检查项目,以调整所述医疗机构在所述目标术前检查项目方面的管理体制。
8.一种异常住院行为的判定电子设备,其特征在于,所述电子设备包括:
获取单元,用于从任意一个医疗机构的医疗数据库中获取参保人的历史住院数据;
提取单元,用于提取所述历史住院数据中的各项费用,所述各项费用包括医药费用、手术费用、术后复查费用、术前检查费用和住院总费用;
计算单元,用于分别计算所述医药费用、手术费用、术后复查费用、术前检查费用与所述住院总费用的比例;
确定单元,用于根据所述术前检查费用与所述住院总费用的比例和医药费用与所述住院总费用的比例、手术费用与所述住院总费用的比例以及术后复查费用与所述住院总费用的比例的关系确定针对所述参保人住院行为的判定结果。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,其用于存储计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276263.XA CN109559806B (zh) | 2018-10-30 | 异常住院行为的判定方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276263.XA CN109559806B (zh) | 2018-10-30 | 异常住院行为的判定方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559806A true CN109559806A (zh) | 2019-04-02 |
CN109559806B CN109559806B (zh) | 2024-07-09 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111430036A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常手术行为的医疗信息识别方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150046181A1 (en) * | 2014-02-14 | 2015-02-12 | Brighterion, Inc. | Healthcare fraud protection and management |
US20150081324A1 (en) * | 2014-08-08 | 2015-03-19 | Brighterion, Inc | Healthcare fraud preemption |
CN106408141A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技(深圳)有限公司 | 异常费用自动提取系统及方法 |
CN107194184A (zh) * | 2017-05-31 | 2017-09-22 | 成都数联易康科技有限公司 | 基于时间序列相似性分析的在院人次异常检测方法及系统 |
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 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
CN108511059A (zh) * | 2018-03-15 | 2018-09-07 | 平安医疗健康管理股份有限公司 | 慢病管理方法及系统 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150046181A1 (en) * | 2014-02-14 | 2015-02-12 | Brighterion, Inc. | Healthcare fraud protection and management |
US20150081324A1 (en) * | 2014-08-08 | 2015-03-19 | Brighterion, Inc | Healthcare fraud preemption |
CN106408141A (zh) * | 2015-07-28 | 2017-02-15 | 平安科技(深圳)有限公司 | 异常费用自动提取系统及方法 |
CN107194184A (zh) * | 2017-05-31 | 2017-09-22 | 成都数联易康科技有限公司 | 基于时间序列相似性分析的在院人次异常检测方法及系统 |
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 |
CN108492196A (zh) * | 2018-03-08 | 2018-09-04 | 平安医疗健康管理股份有限公司 | 通过数据分析推断医疗保险违规行为的风控方法 |
CN108511059A (zh) * | 2018-03-15 | 2018-09-07 | 平安医疗健康管理股份有限公司 | 慢病管理方法及系统 |
Non-Patent Citations (3)
Title |
---|
Y. L. CHEE等: "Guidelines on the assessment of bleeding risk prior to surgery or invasive procedures", 《JOURNAL COMPILATION》, 31 December 2008 (2008-12-31), pages 495 - 504 * |
李丽;: "如何加强医保费用审核, 确保医保基金安全", 金融经济, no. 12, pages 165 - 166 * |
陈亚琳;王旭明;: "基于数据挖掘的医保欺诈预警模型研究", 电脑知识与技术, no. 11, pages 1 - 4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111430036A (zh) * | 2020-03-23 | 2020-07-17 | 平安医疗健康管理股份有限公司 | 异常手术行为的医疗信息识别方法及装置 |
CN111430036B (zh) * | 2020-03-23 | 2023-02-03 | 平安医疗健康管理股份有限公司 | 异常手术行为的医疗信息识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7725330B2 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
Van Wijk et al. | Assessment of decision support for blood test ordering in primary care: a randomized trial | |
CN109636623A (zh) | 医疗数据异常检测方法、装置、设备及存储介质 | |
CN109377207A (zh) | 异常住院行为判定的方法及相关产品 | |
CN109544373A (zh) | 基于人工智能的医保违规行为检测方法及相关装置 | |
CN105212919A (zh) | 生理信号分析方法及其系统 | |
CN109299085A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN109524083A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
US20220293256A1 (en) | Machine learning analysis of databases | |
CN109522301A (zh) | 一种数据处理方法、电子设备及存储介质 | |
US20190051411A1 (en) | Decision making platform | |
CN113903423A (zh) | 用药方案推荐方法、装置、设备及介质 | |
CN113657550A (zh) | 基于分层计算的患者标记方法、装置、设备及存储介质 | |
JP6869406B2 (ja) | 診療報酬分析装置、診療報酬分析方法及び診療報酬分析プログラム | |
CN110265127B (zh) | 病种费用测算方法、装置及终端设备 | |
CN109559806A (zh) | 异常住院行为的判定方法及相关产品 | |
CN109615204B (zh) | 医疗数据的质量评估方法、装置、设备及可读存储介质 | |
CN109102845B (zh) | 医疗单据审核方法、装置、计算机设备和存储介质 | |
Bouamrane et al. | An overview of electronic health information management systems quality assessment | |
CN109785965A (zh) | 一种健康评估方法、健康评估装置及计算机可读存储介质 | |
CN110648734B (zh) | 一种基于均值的识别医疗中的异常案例的方法及装置 | |
CN109559806B (zh) | 异常住院行为的判定方法及相关产品 | |
CN109523394A (zh) | 一种基于数据处理的风险检测方法、装置及存储介质 | |
CN109584086A (zh) | 基于预测模型预测住院合理性的方法及相关产品 |
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 |