CN109598378A - 医保费用预测方法、装置、设备及计算机可读存储介质 - Google Patents
医保费用预测方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109598378A CN109598378A CN201811463572.8A CN201811463572A CN109598378A CN 109598378 A CN109598378 A CN 109598378A CN 201811463572 A CN201811463572 A CN 201811463572A CN 109598378 A CN109598378 A CN 109598378A
- Authority
- CN
- China
- Prior art keywords
- medical
- prediction
- patient
- information
- medical insurance
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种医保费用预测方法、装置、设备及计算机可读存储介质,所述方法包括:当检测到对就诊患者医保费用的预测请求时,读取预设请求中所携带的类型标识符,并根据类型标识符确定预测请求的预测类型;根据预测请求中的患者标识符,确定与就诊患者对应的患者信息,并从患者信息中抓取与预测类型对应的历史医疗信息;判断历史医疗信息是否和预测类型的预测条件匹配,若和预测类型的预测条件匹配,则根据历史医疗信息,对就诊患者的医保费用进行预测。因历史医疗信息体现了就诊患者以往就诊过程的医保费用情况,具有较高的准确性,使得基于对历史医疗信息的大数据分析所预测的医保费用具有较高的准确性。
Description
技术领域
本发明主要涉及数据处理技术领域,具体地说,涉及一种医保费用预测方法、装置、设备及计算机可读存储介质。
背景技术
随着社会保障制度的发展,具有医保并使用医保就诊的疾病患者越来越多,为了确保医保的正常使用,对医保费用具有管控资质的机构需要对患者后续医保费用的使用情况进行预测。目前对患有慢性病患者的医保费用的预测通常依据患者以往医保费用的增长率进行,假设每年度的增长率不变,由此预测下一年度的医保费用。但是每年度的社会发展情况以及政策法规均具有差异性,在差异性较大时,每年的增长率也会发生较大变化,使得对慢性病患者的医保费用的预测偏差较大。
发明内容
本发明的主要目的是提供一种医保费用预测方法、装置、设备及计算机可读存储介质,旨在解决现有技术中对慢性病患者的医保费用的预测偏差大的问题
为实现上述目的,本发明提供一种医保费用预测方法,所述医保费用预测方法包括以下步骤:
当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
优选地,所述预测类型包括额度预测和处方预测,所述从所述患者信息中抓取与所述预测类型对应的历史医疗信息的步骤包括:
当所述预测类型为额度预测时,从所述患者信息中抓取与所述额度预测对应的历史医疗信息,其中与所述额度预测对应的历史医疗信息包括预设年度内的历史使用额度和历史限额额度;
当所述预测类型为处方预测时,从所述患者信息中抓取与所述处方预测对应的历史医疗信息,其中与所述处方预测对应的历史医疗信息包括预设时段内的历史处方信息和历史就诊时间。
优选地,所述判断所述历史医疗信息是否和所述预测类型的预测条件匹配的步骤包括:
当所述预测类型为额度预测时,根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内,以判断与所述额度预测对应的历史医疗信息是否和所述额度预测的预测条件匹配;
当所述预测类型为处方预测时,将各所述历史处方信息做对比,生成差异数据,并检测各所述差异数据是否在预设差异范围内,以判断所述历史处方信息是否和所述处方预测的预测条件匹配。
优选地,所述根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内的步骤包括:
将归属于所述预设年度中同一年度内的所述历史使用额度和所述历史限额额度做比值,生成各比值结果;
根据各所述比值结果所对应预设年度内各年度的先后顺序,在各所述比值结果之间做差值,生成与所述预设年度对应的历史医保费用的变化数据;
将各所述变化数据和预设变化范围对比,检测各所述变化数据是否均在预设变化范围内。
优选地,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
若各所述变化数据均在预设变化范围内,则根据各所述变化数据,预测所述就诊患者在下一年度的目标比值结果;
根据各所述历史限额额度,预测所述就诊患者在下一年度的目标限额额度,并根据所述目标比值结果和所述目标限额额度,预测所述就诊患者在下一年度的医保费用。
优选地,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
若各所述差异数据在预设差异范围内,则读取各所述历史处方信息中的医保费用数据,并根据所述历史就诊时间生成历史就诊频率;
将各所述医保费用数据生成医保平均费用,并根据所述医保平均费用和所述历史就诊频率,对所述就诊患者在预设周期内的医保费用进行预测。
优选地,所述检测各所述差异数据是否在预设差异范围内的步骤之后包括:
若所述差异数据不在预设差异范围内,则将所述预测类型由处方预测转换为额度预测,并执行从所述患者信息中抓取与所述额度预测对应的历史医疗信息的步骤。
此外,为实现上述目的,本发明还提出一种医保费用预测装置,所述医保费用预测装置包括:
读取模块,用于当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
抓取模块,用于根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
预测模块,用于判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
此外,为实现上述目的,本发明还提出一种医保费用预测设备,所述医保费用预测设备包括:存储器、处理器、通信总线以及存储在所述存储器上的医保费用预测程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述医保费用预测程序,以实现以下步骤:
当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
本实施例的医保费用预测方法,通过读取预测请求中所携带的类型标识符,确定预测请求的预测类型;并根据预测请求中的患者标识符,确定对应的患者信息,再从患者信息中抓取与预测类型对应的历史医疗信息,并在历史医疗信息和预测类型的预测条件匹配时,根据历史医疗信息对就诊患者的医保费用进行预测。本方案通过就诊患者的历史医疗信息对患有慢性病就诊患者的医保费用进行预测,因历史医疗信息体现了就诊患者以往就诊过程的医保费用情况,具有较高的准确性;避免依据增长率进行预测,提高了所预测的医保费用的准确性。
附图说明
图1是本发明的医保费用预测方法第一实施例的流程示意图;
图2是本发明的医保费用预测装置第一实施例的功能模块示意图;
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种医保费用预测方法。
请参照图1,图1为本发明医保费用预测方法第一实施例的流程示意图。在本实施例中,所述医保费用预测方法包括:
步骤S10,当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
本发明的医保费用预测方法应用于服务器,适用于通过服务器依据患有慢性病患者的历史就诊信息,对未来一段时间内该患者就诊所可能需要花费的医保费用进行预测。将患有高血压、糖尿病等慢性病的患者作为就诊患者;就诊患者使用医保到医疗机构进行就诊所产生的就诊费用包括自付费用和医保费用两部分,其中自付费用为就诊患者本人所花费的费用,医保费用为医保基金所报销的费用;本实施例实现对其中医保费用的预测。服务器与信息录入设备通信连接,信息录入设备的显示界面上设置有用于触发预测请求的请求虚拟按键。当有对就诊患者的医保费用的预测需求时,点击该请求虚拟按键,将该点击操作作为预测请求发送到服务器。
考虑到所需要预测的就诊患者可能涉及到多个,如对医保基金进行管理的机构,通过预测其所管理的具有医保的人员在后续对医保费用的使用情况,来对医保基金做整体的规划;此时可将所需要进行预测的多个就诊患者以名单列表的形式通过信息录入设备上传到服务器。此外还依据就诊患者的医保额度和就诊处方设置不同类型的预测方式,以实现对不同时间间隔中的医保费用进行预测;在信息录入设备的显示界面中设置有类型虚拟按键,通过点击该类型虚拟按键来选择所需要的预测方式。对所需要进行医保费用预测的单个或多个就诊患者的身份信息进行上传操作,并在点击类型虚拟按键以选择所需求的预测方式后,点击请求虚拟按键以触发预测请求;将就诊患者的身份信息作为患者标识符,所选择的类型虚拟按键作为类型标识符添加到预测请求中。当服务器检测到该对就诊患者医保费用的预测请求时,读取其中所携带的类型标识符,并依据预先设定的类型标识符与预测类型之间的对应关系,确定与读取的类型标识符对应的预测类型,该预测类型为预测请求所表征的对就诊患者进行医保费用预测的类型。
步骤S20,根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
进一步地,读取预测请求中所携带的患者标识符,以由该患者标识符确定所需要进行医保费用预测的就诊患者;当预测请求中所携带的患者标识符包括多个时,即所需要进行医保费用预测的就诊患者存在多个时,则逐一读取患者标识符进行处理,即逐一对各个就诊患者的医保费用进行预测。因患者标识符为就诊患者的身份信息,可通过该身份信息查找到就诊患者在医疗机构进行就诊所对应的患者信息,该患者信息包括患者的年龄、性别、历史就诊时间、历史处方信息、各次就诊的医保花费、年度的医保使用额度等。因不同类型的医保费用预测,所依据的患者信息不相同,从而需要依据所确定的预测类型,从各患者信息中抓取与预测类型对应的历史医疗信息。具体地预测类型包括额度预测和处方预测,额度预测为依据医保费用的限额额度进行预测,而处方预测则为依据就诊患者的就诊处方进行预测。针对该两类预测方式的差异性,所抓取的历史医疗信息不同;其中从患者信息中抓取与预测类型对应的历史医疗信息的步骤包括:
步骤S21,当所述预测类型为额度预测时,从所述患者信息中抓取与所述额度预测对应的历史医疗信息,其中与所述额度预测对应的历史医疗信息包括预设年度内的历史使用额度和历史限额额度;
可理解地,不同人员之间依据工作性质的差异性,所具有的医保额度不同,使得就诊人员在就诊过程中所可以使用的限额额度不相同。当需要依据医保费用的限额额度对就诊患者的医保费用进行预测,即预测类型为额度预测时,从患者信息中抓取与额度预测对应的历史医疗信息,该类历史医疗信息包括历史使用额度和历史限额额度,其中历史使用额度为就诊患者在往年进行就诊所花费的医保额度,而历史限额额度为就诊患者往年所具有医保费用的最大值。为了使得额度预测更为准确,需要对以往多个年度内的历史使用额度和历史限额额度进行抓取;预先设置表征多个年度的预设年度,如预设年度为5年,则对以当前年度为起始点以往5个年度内的历史使用额度和历史限额额度进行抓取,以反映就诊患者以往各年中对医保费用的使用情况。
步骤S22,当所述预测类型为处方预测时,从所述患者信息中抓取与所述处方预测对应的历史医疗信息,其中与所述处方预测对应的历史医疗信息包括预设时段内的历史处方信息和历史就诊时间。
进一步地,当需要依据就诊患者的就诊处方对就诊患者在一段时间内的医保费用进行预测,即预测类型为处方预测时,从患者信息中抓取与处方预测对应的历史医疗信息,该类历史医疗信息包括历史处方信息和历史就诊时间。其中历史处方信息为就诊患者以往每次在就诊过程中由医疗人员所开具的医疗处方,包括用药类型、用药量等;而历史就诊时间为就诊患者以往每次去医疗机构进行就诊的时间。为了使得处方预测更为准确,需要对以往多次就诊的历史处方信息和历史就诊时间进行抓取;预先设置预设时段,如预设时段为半年,则对当前时间起点以往半年内各次就诊的历史处方信息和历史就诊时间进行抓取,以反映就诊患者在预设时段内以往的各次就诊中对医保费用的使用情况。
步骤S30,判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
可理解地,历史医疗信息反映了就诊患者在以往就诊过程中对医保费用的使用情况,在依据历史医疗信息对就诊患者的医保费用进行预测的过程中,若历史医疗信息体现出就诊患者的就诊越规律,对就诊患者的医保费用的预测越准确。为了确保所预测的医保费用的准确性,针对额度预测和处方预测的预测类型预先设置有不同的预测条件,只有在所抓取的历史医疗信息满足该预测条件,说明依据历史医疗信息所进行的医保费用预测具有较高的准确性时,才进行医保费用的预测。从而先读取与确定的预测类型所对应的预测条件,并将历史医疗信息和该预测条件对比,判断历史医疗信息和预设类型的预测条件是否匹配;如果判断出两者之间匹配成功,则依据该历史医疗信息对就诊患者的医保费用进行预测;而若判断出两者之间匹配失败,则输出提示信息,以提示依据历史医疗信息所预测的医保费用不准确,需要采用其他的方式对就诊患者的医保费用进行预测。
本实施例的医保费用预测方法,通过读取预测请求中所携带的类型标识符,确定预测请求的预测类型;并根据预测请求中的患者标识符,确定对应的患者信息,再从患者信息中抓取与预测类型对应的历史医疗信息,并在历史医疗信息和预测类型的预测条件匹配时,根据历史医疗信息对就诊患者的医保费用进行预测。本方案通过就诊患者的历史医疗信息对患有慢性病就诊患者的医保费用进行预测,因历史医疗信息体现了就诊患者以往就诊过程的医保费用情况,具有较高的准确性;避免依据增长率进行预测,提高了所预测的医保费用的准确性。
进一步地,在本发明医保费用预测方法另一实施例中,所述判断所述历史医疗信息是否和所述预测类型的预测条件匹配的步骤包括:
步骤S31,当所述预测类型为额度预测时,根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内,以判断与所述额度预测对应的历史医疗信息是否和所述额度预测的预测条件匹配;
可理解地,在额度预测过程中,预设年度内各年度的历史使用额度和历史限额额度,表征了就诊用户各年度对其所具有的医保费用的历史使用情况;若就诊患者各年度对其所具有的医保费用的使用情况变化不大,则可预测下一年度对其所具有的医保费用的使用和以往预设年度的使用情况类似。从而为了体现各年度的使用变化情况,依据历史使用额度和历史使用限额额度,生成就诊用户在预设年度内的历史医保费用的变化数据,该变化数据表征了各年度之间历史医保费用的使用变化情况。将该变化数据和预先设定的预设变化范围对比,判断差异数据是否在预设变化范围内,以确定各年度之间历史医保费用的使用变化大小。具体地,根据历史使用额度和历史限额额度,生成与预设年度对应的历史医保费用的变化数据,并检测各变化数据是否在预设变化范围内的步骤包括:
步骤S311,将归属于所述预设年度中同一年度内的所述历史使用额度和所述历史限额额度做比值,生成各比值结果;
将预设年度内各年度作为时间的划分界限,将归属于同一年度内的历史使用额度和历史限额额度做比值,生成各个比值结果。如对于预设年度3年,则将距离当前年度最近的年度作为第1年,而将距离当前年度最远的年度作为第3年,按照时间顺序进行年度排列;其中第1年中的历史使用额度为a1、历史限额额度为b1,第2年中的历史使用额度为a2、历史限额额度为b2,第3年中的历史使用额度为a3、历史限额额度为b3;则经比值计算所生成的各个比值结果分别为a1/b1、a2/b2、a3/b3。
步骤S312,根据各所述比值结果所对应预设年度内各年度的先后顺序,在各所述比值结果之间做差值,生成与所述预设年度对应的历史医保费用的变化数据;
进一步地,各比值结果依据年度生成,与不同的年度对应;而各年度之间具有时间的先后顺序,为了体现各年度之间医保费用的差异化情况,按照各比值结果所对应年度的先后顺序,将各比值结果做差值;且在按照先后顺序对各比值结果做差值计算的过程中,将在先进行差值计算的比值结果中的被减数作为在后进行差值计算的比值结果中的减数。如上述各比值结果a1/b1、a2/b2、a3/b3,按照各年度的先后顺序,在a1/b1和a2/b2之间做差值,并将被减数a2/b2作为减数和a3/b3做差值,即(a1/b1-a2/b2)、(a2/b2-a3/b3)。经过差值运算所得到的结果,即为预设年度内历史医保费用的变化数据,表征就诊患者在预设年度的各年度内,对其所具有医保费用的使用变化情况。
步骤S313,将各所述变化数据和预设变化范围对比,检测各所述变化数据是否均在预设变化范围内。
更进一步地,为了表征就诊患者各年度内对历史医保费用使用的变化情况大小,预先设置有作为额定预测的预测条件的预设变化范围,将经差值计算所得到的变化数据和该预设变化范围对比,判断各变化数据是否均在该预设变化范围内;若在该预设变化范围内,则说明就诊用户对历史医保费用的使用变化情况不大;若不在该预设变化范围内,则说明就诊用户对历史医保费用的使用变化情况较大,通过对比操作判断与额度预测对应的历史医疗信息和额度预测的预测条件是否匹配。如对于上述变化数据(a1/b1-a2/b2)和(a2/b2-a3/b3),若两者均在预设变化范围内,则说明说明与额度预测对应的历史医疗信息和额度预测的预测条件匹配,就诊用户在第1年和第2年中对医保费用的使用情况具有相似性,在第2年和第3年中对医保费用的使用情况也具有相似性,可推断就诊患者后续对医保费用的使用也和该预设年度中以往各年度的使用情况类似。
步骤S32,当所述预测类型为处方预测时,将各所述历史处方信息做对比,生成差异数据,并检测各所述差异数据是否在预设差异范围内,以判断所述历史处方信息是否和所述处方预测的预测条件匹配。
可理解地,在处方预测过程中,就诊患者在预设时段内的历史处方信息表征了就诊用户在预设时段内各次就诊所生成的用药及费用信息;若各次就诊所生成的用药及费用信息均具有相似性,则可推测就诊用户在后续时间内的用药及费用信息仍然相似,从而可依据此预测就诊用户在后续时间段内的医保费用。具体地,历史处方信息包括各次就诊的用药类型、用药量、就诊费用、医保费用等用药及费用信息,将此各次就诊之间的用药类型、用药量、就诊费用和医保费用进行对比,生成各次之间的差异数据。如用户在预设时段内进行了三个就诊,使得历史处方信息中包含三项用药及费用信息A、B、C,其中A包括用药类型a1、用药量a2、就诊费用a3和医保费用a4,B包括用药类型b1、用药量b2、就诊费用b3和医保费用b4,C包括用药类型c1、用药量c2、就诊费用c3和医保费用c4;将各个用药及费用信息基于所生成的时间顺序,即用户的就诊时间进行对比,若各用药及费用信息所生成的时间顺序排列为A、B、C,则分别将A和B、B和C进行对比,生成A与B、B与C之间的差异数据,以通过差异数据表征各次就诊在用药以及费用信息之间的差异性。
为了表征差异的大小,预先设置有作为处方预测的预测条件的预设差异范围,将对比所生成的差异数据和预设差异范围对比,判断各差异数据是否均在该预设差异范围内;若在该预设差异范围内,则说明就诊用户各次就诊的用药及费用信息之间的差异不大,就诊用户的就诊稳定;若不在该预设差异范围内,则说明就诊用户各次就诊的用药及费用信息具有较大的差异性,就诊用户的就诊不稳定,通过该对比操作判断历史处方信息和处方预测的预测条件是否匹配。如对于上述用药及费用信息A、B、C,若预设差异范围为用药类型在功效相同的W1、W2、W3的药品中变化,用药量的变化范围为加减10g,就诊费用的变化范围为加减10元,医保费用的变化范围为加减10元;从而判断a1、b1是否为W1、W2或W3中的任意一种,a2、b2之间的差值是否在正负10的范围内,a3、b3之间的差值是否在正负10的范围内,a4、b4之间的差值是否在正负10的范围内。若A与B、B与C之间的差异数据均在预设差异范围内,则说明历史处方信息和处方预测的预测条件匹配,就诊患者在预设时段内各次就诊的用药及费用信息具有相似性,可推断就诊患者后续的就诊仍然和该用药及费用信息类似。
进一步地,在本发明医保费用预测方法另一实施例中,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
步骤S33,若各所述变化数据均在预设变化范围内,则根据各所述变化数据,预测所述就诊患者在下一年度的目标比值结果;
更进一步地,对于预测类型为额度预测,需要依据就诊患者的医保额度对其医保费用进行预测时,若经对各变化数据和预设变化范围对比,确定各变化数据均在预设变化范围内时,因就诊用户在预设年度的各年度之间的变化数据均在预设变化范围内,具有稳定性;可推断就诊用户在下一年度和当前年度之间的变化数据也在预设变化范围内,由此可推断出生成该变化数据的下一年度的比值结果。如各变化数据在加减0.1的范围内变化,而由当前年度的历史使用额度和历史限额额度所确定的当前年度的比值结果为0.8,则可推测下一年度的比值结果为0.6~0.9之间,如此使得由下一年度和当前年度的比值结果之间的差值,即两者之间的变化数据在0.1的范围内变化。从而根据预设年度中各年度之间的变化数据,可推测出就诊患者在下一年度的比值结果,将该比值结果作为目标比值结果。
步骤S34,根据各所述历史限额额度,预测所述就诊患者在下一年度的目标限额额度,并根据所述目标比值结果和所述目标限额额度,预测所述就诊患者在下一年度的医保费用。
可理解地,就诊患者每年度所具有的医保费用最大值,即医保基金的限额额度会随着就诊患者工作性质或政策的变化而变化;就诊用户在预设年度内的各个历史限额额度体现了就诊用户医保费用最大值的变化情况,若历史限额额度稳定,则可预测就诊患者在下一年度医保费用的限额额度也和该历史限额额度基本一致。从而将各历史限额额度进行对比,判断各历史限额额度是否均以某一值进行波动,若以某一值进行波动,则说明历史限额额度稳定,可对下一年度的目标限额额度依据历史限额额度进行预测。因比值结果由使用额度和限额额度做比值生成,从而在预测出下一年度的目标限额额度以及目标比值结果之后,可依据该目标限额额度和目标比值结果,生成下一年度的使用额度,该使用额度即为就诊患者在下一年度所可能需要花费的医保费用。
进一步地,在本发明医保费用预测方法另一实施例中,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
步骤S35,若各所述差异数据在预设差异范围内,则读取各所述历史处方信息中的医保费用数据,并根据所述历史就诊时间生成历史就诊频率;
更进一步地,对于预测类型为处方预测,需要依据就诊患者的就诊处方对其医保费用进行预测时,若经差异数据和预设差异范围对比,确定各差异数据均在预设差异范围内;则读取历史处方信息中的医保费用数据,即就诊患者在预设时段内的各次就诊所花费的医保费用。同时将读取的历史就诊时间生成历史就诊频率,其中历史就诊频率依据各历史就诊时间所间隔的时间生成,如历史就诊时间分别涉及到一月一号、一月十六号、二月二号、二月二十九号,则将历史就诊频率确定而一个月两次;而当历史就诊时间为一月一号、二月二号、三月三号,则将历史就诊频率确定为一月一次。通过历史就诊频率来推测后续用户在一段时间内的就诊次数,进而由就诊次数以及医保费用数据预测就诊患者在后续一段时间内的医保费用。
步骤S36,将各所述医保费用数据生成医保平均费用,并根据所述医保平均费用和所述历史就诊频率,对所述就诊患者在预设周期内的医保费用进行预测。
可理解地,因就诊患者在各次历史处方信息之间的差异数据具有稳定性,可用从各次历史处方信息中所读取的医保费用数据来表征就诊患者后续就诊所需要花费的医保费用。具体地,对读取的医保费用数据进行平均值处理,将各个医保费用数据的数值进行相加,并用相加的结果除以医保费用数据的个数,生成各医保费用数据的医保平均费用。因历史就诊频率表征了就诊患者在一段时间内的就诊次数,从而设定所需要进行医保费用预测的预设周期,如预测未来半年内的医保费用,则将预设周期设定为半年。在设定预设周期后,由历史就诊频率确定该预设周期内的就诊次数,进而将就诊次数和医保平均费用相乘,相乘所得到的结果即为就诊患者在预设周期内的医保费用;实现依据医保平均费用和历史就诊频率,对就诊患者在预设周期内医保费用的预测,所预测的医保费用即为就诊患者在预设周期内所可能需要花费的医保费用。
进一步地,在将差异数据和预设差异范围对比,判断差异数据是否在预设差异范围内的过程中,可能出现某一差异数据不在预设差异范围内的情况,从而检测各所述差异数据是否在预设差异范围内的步骤之后包括:
步骤S37,若所述差异数据不在预设差异范围内,则将所述预测类型由处方预测转换为额度预测,并执行从所述患者信息中抓取与所述额度预测对应的历史医疗信息的步骤。
当判定出各差异数据中存在某一差异数据不在预设差异范围内,则说明历史医疗信息和处方类型的预测条件不匹配,就诊患者在预设时段内各次就诊的历史处方不稳定,不能体现就诊患者的就诊特性;依据历史处方所预测的医保费用不准确。针对此类情况,设置有将预测类型由处方预测转换为额度预测的机制,从患者信息中抓取与额度预测对应的历史医疗信息,即就诊患者在预设年度内的历史使用额度和历史限额额度;以依据预设年度的各年度中历史使用额度和历史限额额度,对就诊患者下一年度的医保费用进行预测。在预测过程中,同样的判断与额度预测对应的历史医疗信息是否和额度预测的预测条件匹配,只有在匹配的条件下,才对就诊患者下一年度的医保费用进行预测。
可理解地,对于对多个就诊患者进行医保费用预测的情况,需要在各个就诊患者的医保费用均预测完成后,对各个就诊患者的医保费用进行整合,形成各个就诊患者在下一年度或者下一预设周期内的整体医保费用。具体地,在对各就诊患者中任意一个就诊患者的医保费用预测完成后,针对该就诊患者添加完成标识符,并实时检测各就诊患者是否均携带有该完成标识符;若均携带有完成标识符,则说明各就诊患者均进行了医保费用的预测,而当存在没有携带完成标识符的就诊患者,则说明各就诊患者中存在尚未进行医保费用预测的就诊患者;继续对该尚未进行医保费用预测的就诊患者进行医保费用的预测,直到各就诊患者均进行了医保费用的预测。在各就诊人员均进行了医保费用的预测之后,则对预测的各医保费用进行累加,所生成的累加结果即为多个就诊患者在下一年度或预设周期内所可能需要花费的医保费用总和,便于依据该医保费用总和规划医保基金。
此外,请参照图2,本发明提供一种医保费用预测装置,在本发明医保费用预测装置第一实施例中,所述医保费用预测装置包括:
读取模块10,用于当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
抓取模块20,用于根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
预测模块30,用于判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
本实施例的医保费用预测装置,通过读取模块10读取预测请求中所携带的类型标识符,确定预测请求的预测类型;并由抓取模块20根据预测请求中的患者标识符,确定对应的患者信息,再从患者信息中抓取与预测类型对应的历史医疗信息,并在历史医疗信息和预测类型的预测条件匹配时,预测模块30根据历史医疗信息对就诊患者的医保费用进行预测。本方案通过就诊患者的历史医疗信息对患有慢性病就诊患者的医保费用进行预测,因历史医疗信息体现了就诊患者以往就诊过程的医保费用情况,具有较高的准确性;避免依据增长率进行预测,提高了所预测的医保费用的准确性。
进一步地,在本发明医保费用预测装置另一实施例中,所述抓取模块还用于:
当所述预测类型为额度预测时,从所述患者信息中抓取与所述额度预测对应的历史医疗信息,其中与所述额度预测对应的历史医疗信息包括预设年度内的历史使用额度和历史限额额度;
当所述预测类型为处方预测时,从所述患者信息中抓取与所述处方预测对应的历史医疗信息,其中与所述处方预测对应的历史医疗信息包括预设时段内的历史处方信息和历史就诊时间。
进一步地,在本发明医保费用预测装置另一实施例中,所述预测模块包括:
生成单元,用于当所述预测类型为额度预测时,根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内,以判断与所述额度预测对应的历史医疗信息是否和所述额度预测的预测条件匹配;
对比单元,用于当所述预测类型为处方预测时,将各所述历史处方信息做对比,生成差异数据,并检测各所述差异数据是否在预设差异范围内,以判断所述历史处方信息是否和所述处方预测的预测条件匹配。
进一步地,在本发明医保费用预测装置另一实施例中,所述生成单元还用于:
将归属于所述预设年度中同一年度内的所述历史使用额度和所述历史限额额度做比值,生成各比值结果;
根据各所述比值结果所对应预设年度内各年度的先后顺序,在各所述比值结果之间做差值,生成与所述预设年度对应的历史医保费用的变化数据;
将各所述变化数据和预设变化范围对比,检测各所述变化数据是否均在预设变化范围内。
进一步地,在本发明医保费用预测装置另一实施例中,所述预测模块还包括:
第一预测单元,用于若各所述变化数据均在预设变化范围内,则根据各所述变化数据,预测所述就诊患者在下一年度的目标比值结果;
第二预测单元,用于根据各所述历史限额额度,预测所述就诊患者在下一年度的目标限额额度,并根据所述目标比值结果和所述目标限额额度,预测所述就诊患者在下一年度的医保费用。
进一步地,在本发明医保费用预测装置另一实施例中,所述预测模块还包括:
读取单元,用于若各所述差异数据在预设差异范围内,则读取各所述历史处方信息中的医保费用数据,并根据所述历史就诊时间生成历史就诊频率;
第三预测单元,用于将各所述医保费用数据生成医保平均费用,并根据所述医保平均费用和所述历史就诊频率,对所述就诊患者在预设周期内的医保费用进行预测。
进一步地,在本发明医保费用预测装置另一实施例中,所述预测模块还包括:
转换单元,用于若所述差异数据不在预设差异范围内,则将所述预测类型由处方预测转换为额度预测,并执行从所述患者信息中抓取与所述额度预测对应的历史医疗信息的步骤。
其中,上述医保费用预测装置的各虚拟功能模块存储于图3所示医保费用预测设备的存储器1005中,处理器1001执行医保费用预测程序时,实现图2所示实施例中各个模块的功能。
参照图3,图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例医保费用预测设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图3所示,该医保费用预测设备可以包括:处理器1001,例如CPU(CentralProcessing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random accessmemory,随机存取存储器),也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该医保费用预测设备还可以包括用户接口、网络接口、摄像头、RF(RadioFrequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的医保费用预测设备结构并不构成对医保费用预测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块以及医保费用预测程序。操作系统是管理和控制医保费用预测设备硬件和软件资源的程序,支持医保费用预测程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与医保费用预测设备中其它硬件和软件之间通信。
在图3所示的医保费用预测设备中,处理器1001用于执行存储器1005中存储的医保费用预测程序,实现上述医保费用预测方法各实施例中的步骤。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述医保费用预测方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种医保费用预测方法,其特征在于,所述医保费用预测方法包括以下步骤:
当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
2.如权利要求1所述的医保费用预测方法,其特征在于,所述预测类型包括额度预测和处方预测,所述从所述患者信息中抓取与所述预测类型对应的历史医疗信息的步骤包括:
当所述预测类型为额度预测时,从所述患者信息中抓取与所述额度预测对应的历史医疗信息,其中与所述额度预测对应的历史医疗信息包括预设年度内的历史使用额度和历史限额额度;
当所述预测类型为处方预测时,从所述患者信息中抓取与所述处方预测对应的历史医疗信息,其中与所述处方预测对应的历史医疗信息包括预设时段内的历史处方信息和历史就诊时间。
3.如权利要求2所述的医保费用预测方法,其特征在于,所述判断所述历史医疗信息是否和所述预测类型的预测条件匹配的步骤包括:
当所述预测类型为额度预测时,根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内,以判断与所述额度预测对应的历史医疗信息是否和所述额度预测的预测条件匹配;
当所述预测类型为处方预测时,将各所述历史处方信息做对比,生成差异数据,并检测各所述差异数据是否在预设差异范围内,以判断所述历史处方信息是否和所述处方预测的预测条件匹配。
4.如权利要求3所述的医保费用预测方法,其特征在于,所述根据所述历史使用额度和所述历史限额额度,生成与所述预设年度对应的历史医保费用的变化数据,并检测各所述变化数据是否在预设变化范围内的步骤包括:
将归属于所述预设年度中同一年度内的所述历史使用额度和所述历史限额额度做比值,生成各比值结果;
根据各所述比值结果所对应预设年度内各年度的先后顺序,在各所述比值结果之间做差值,生成与所述预设年度对应的历史医保费用的变化数据;
将各所述变化数据和预设变化范围对比,检测各所述变化数据是否均在预设变化范围内。
5.如权利要求4所述的医保费用预测方法,其特征在于,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
若各所述变化数据均在预设变化范围内,则根据各所述变化数据,预测所述就诊患者在下一年度的目标比值结果;
根据各所述历史限额额度,预测所述就诊患者在下一年度的目标限额额度,并根据所述目标比值结果和所述目标限额额度,预测所述就诊患者在下一年度的医保费用。
6.如权利要求3所述的医保费用预测方法,其特征在于,所述若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测的步骤包括:
若各所述差异数据在预设差异范围内,则读取各所述历史处方信息中的医保费用数据,并根据所述历史就诊时间生成历史就诊频率;
将各所述医保费用数据生成医保平均费用,并根据所述医保平均费用和所述历史就诊频率,对所述就诊患者在预设周期内的医保费用进行预测。
7.如权利要求3所述医保费用预测方法,其特征在于,所述检测各所述差异数据是否在预设差异范围内的步骤之后包括:
若所述差异数据不在预设差异范围内,则将所述预测类型由处方预测转换为额度预测,并执行从所述患者信息中抓取与所述额度预测对应的历史医疗信息的步骤。
8.一种医保费用预测装置,其特征在于,所述医保费用预测装置包括:
读取模块,用于当检测到对就诊患者医保费用的预测请求时,读取所述预设请求中所携带的类型标识符,并根据所述类型标识符确定所述预测请求的预测类型;
抓取模块,用于根据所述预测请求中的患者标识符,确定与所述就诊患者对应的患者信息,并从所述患者信息中抓取与所述预测类型对应的历史医疗信息;
预测模块,用于判断所述历史医疗信息是否和所述预测类型的预测条件匹配,若和所述预测类型的预测条件匹配,则根据所述历史医疗信息,对所述就诊患者的医保费用进行预测。
9.一种医保费用预测设备,其特征在于,所述医保费用预测设备包括:存储器、处理器、通信总线以及存储在所述存储器上的医保费用预测程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述医保费用预测程序,以实现如权利要求1-7中任一项所述的医保费用预测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有医保费用预测程序,所述医保费用预测程序被处理器执行时实现如权利要求1-7中任一项所述的医保费用预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811463572.8A CN109598378A (zh) | 2018-11-30 | 2018-11-30 | 医保费用预测方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811463572.8A CN109598378A (zh) | 2018-11-30 | 2018-11-30 | 医保费用预测方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109598378A true CN109598378A (zh) | 2019-04-09 |
Family
ID=65959416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811463572.8A Pending CN109598378A (zh) | 2018-11-30 | 2018-11-30 | 医保费用预测方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598378A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111050008A (zh) * | 2019-12-12 | 2020-04-21 | 北京金山云网络技术有限公司 | 一种账户余额提醒方法、装置、电子设备及存储介质 |
CN113902577A (zh) * | 2021-10-29 | 2022-01-07 | 众安在线财产保险股份有限公司 | 保险业务数据的处理方法、装置、电子设备及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662313A (zh) * | 2012-05-09 | 2012-09-12 | 上海宏力半导体制造有限公司 | 光刻对准参数预测方法以及光刻方法 |
CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
CN106779245A (zh) * | 2017-01-04 | 2017-05-31 | 中国民航信息网络股份有限公司 | 基于事件的民航需求预测方法和装置 |
CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
CN108197737A (zh) * | 2017-12-29 | 2018-06-22 | 山大地纬软件股份有限公司 | 一种建立医保住院费用预测模型的方法及系统 |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理系统 |
CN108449286A (zh) * | 2018-03-01 | 2018-08-24 | 北京邮电大学 | 网络带宽资源分配方法及装置 |
CN108710516A (zh) * | 2018-05-29 | 2018-10-26 | Oppo广东移动通信有限公司 | 预测样本的采集方法、装置、存储介质及智能终端 |
-
2018
- 2018-11-30 CN CN201811463572.8A patent/CN109598378A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662313A (zh) * | 2012-05-09 | 2012-09-12 | 上海宏力半导体制造有限公司 | 光刻对准参数预测方法以及光刻方法 |
CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
CN106779245A (zh) * | 2017-01-04 | 2017-05-31 | 中国民航信息网络股份有限公司 | 基于事件的民航需求预测方法和装置 |
CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
CN108279383A (zh) * | 2017-11-30 | 2018-07-13 | 深圳市科列技术股份有限公司 | 电池寿命预测方法、电池数据服务器及电池数据处理系统 |
CN108197737A (zh) * | 2017-12-29 | 2018-06-22 | 山大地纬软件股份有限公司 | 一种建立医保住院费用预测模型的方法及系统 |
CN108449286A (zh) * | 2018-03-01 | 2018-08-24 | 北京邮电大学 | 网络带宽资源分配方法及装置 |
CN108710516A (zh) * | 2018-05-29 | 2018-10-26 | Oppo广东移动通信有限公司 | 预测样本的采集方法、装置、存储介质及智能终端 |
Non-Patent Citations (3)
Title |
---|
尚汉冀等: "《精算学 评估与研究风险的科学》", 复旦大学出版社, pages: 124 - 127 * |
张瑞华 等: ""四川省公立医院人均卫生费用的灰色关联分析及趋势预测"", 《现代医院管理》, no. 3, 18 June 2016 (2016-06-18), pages 29 - 32 * |
熊仿杰: "《上海少儿住院基金医院管理理论与实践》", 30 June 2007, 上海科学技术出版社, pages: 63 - 73 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111050008A (zh) * | 2019-12-12 | 2020-04-21 | 北京金山云网络技术有限公司 | 一种账户余额提醒方法、装置、电子设备及存储介质 |
CN113902577A (zh) * | 2021-10-29 | 2022-01-07 | 众安在线财产保险股份有限公司 | 保险业务数据的处理方法、装置、电子设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11587660B2 (en) | Methods and systems for managing patient treatment compliance | |
US10740845B2 (en) | System for mobile device enabled biometric monitoring | |
JP2019016388A (ja) | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 | |
US20190333158A1 (en) | Methods and systems for maintaining pharmacy provider networks | |
CN109616216A (zh) | 医疗费用预测方法、装置、设备及计算机可读存储介质 | |
CN109598302A (zh) | 就诊费用预测方法、装置、设备及计算机可读存储介质 | |
CN109377388A (zh) | 医保投保方法、装置、计算机设备和存储介质 | |
US20230116079A1 (en) | Population health platform | |
CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
CN109598378A (zh) | 医保费用预测方法、装置、设备及计算机可读存储介质 | |
US20220139550A1 (en) | Population health platform | |
US20130282396A1 (en) | System and method for deploying multiple clinical decision support models | |
KR20180052230A (ko) | 복약 관리 방법 및 그 장치 | |
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 | |
EP3882836A1 (en) | Method and system for tracking dispensed and returned narcotics | |
Singla et al. | Developing clinical decision support system using machine learning methods for type 2 diabetes drug management | |
CN110515946A (zh) | 数据提取方法、装置、设备及计算机可读存储介质 | |
US20130197934A1 (en) | System and method for integrating biomarker test results into point of dispensation decision making | |
WO2014179513A1 (en) | Systems and methods to classify and rank health information | |
US11657914B2 (en) | Systems, methods and devices for dynamic procedure management | |
US20230178202A1 (en) | Methods and Systems for Managed Authorization Routing | |
KR20160140046A (ko) | 질병의 발병 위험 인자에 대한 중요도 평가 방법 및 그 장치 | |
Jovanovic-Milenkovic et al. | Towards a Framework for Measuring E-Health Status across the World | |
CN110032889A (zh) | 病历查看方法、装置、电子设备及计算机可读存储介质 | |
CN109524097A (zh) | 基于人脸识别的挂床行为检测方法、装置、服务器及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |