CN109636641A - 基于大数据分析的医保异常检测方法、装置、设备和介质 - Google Patents
基于大数据分析的医保异常检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN109636641A CN109636641A CN201811529378.5A CN201811529378A CN109636641A CN 109636641 A CN109636641 A CN 109636641A CN 201811529378 A CN201811529378 A CN 201811529378A CN 109636641 A CN109636641 A CN 109636641A
- Authority
- CN
- China
- Prior art keywords
- medical insurance
- data
- drug
- target medicine
- dosage
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000007405 data analysis Methods 0.000 title claims abstract description 53
- 239000003814 drug Substances 0.000 claims abstract description 334
- 229940079593 drug Drugs 0.000 claims abstract description 200
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000006467 substitution reaction Methods 0.000 claims description 22
- 239000000463 material Substances 0.000 claims description 20
- 238000012550 audit Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 230000004907 flux Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 206010067484 Adverse reaction Diseases 0.000 description 2
- 230000006838 adverse reaction Effects 0.000 description 2
- 239000013583 drug formulation Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 229940127557 pharmaceutical product Drugs 0.000 description 1
- -1 phenol phenolic ester Chemical class 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 241000894007 species Species 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
Abstract
本发明公开了一种基于大数据分析的医保异常检测方法,包括以下步骤:接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;按预设数据透视规则处理所述药品消费信息,得到个人医保数据;根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;若所述个人医保数据存在异常,则输出医保异常提示信息。本发明还公开了一种基于大数据分析的医保异常检测装置、设备和介质。本发明基于大数据分析,有效地实现了医保异常的检测。
Description
技术领域
本发明涉及信息技术领域,尤其涉及基于大数据分析的医保异常检测方法、装置、设备和介质。
背景技术
随着社会医疗服务的普及,越来越多的人使用医保享受一系列相关的医疗服务。
虽然社会医保制度日渐完善,但是近年来却出现了许多医保诈骗事件,严重损害了公众利益。例如,医疗诈骗者为病患,病患在患病期间去不同的医疗机构进行重复看诊得到多于合理剂量的药品,并将多于的药品进行倒卖赚取差价,这样的异常行为破坏了医保使用规范,针对上述现象如何有效地进行医保异常检测成为了当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种基于大数据分析的医保异常检测方法、装置、设备和介质,旨在实现基于医保数据分析有效地医保异常检测。
为实现上述目的,本发明提供基于大数据分析的医保异常检测方法,所述基于大数据分析的医保异常检测方法包括以下步骤:
接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;
按预设数据透视规则处理所述药品消费信息,得到个人医保数据;
根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;
若所述个人医保数据存在异常,则输出医保异常提示信息。
可选地,所述接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息的步骤,包括:
接收医保异常检测请求,获取所述医保异常检测请求中的待检测药品,及所述待检测药品的适应症信息;
查询预设药品数据库,判断是否存在与所述适应症信息匹配的替代药品,其中,所述替代药品是指除所述待检测药品之外的药品;
若不存在与所述适应症信息匹配的替代药品,则将所述待检测药品作为目标药品,并获取所述目标药品的药品消费信息;
若存在与所述适应症信息匹配的替代药品,则将所述待检测药品和所述替代药品作为目标药品,并获取所述目标药品的药品消费信息。
可选地,所述按预设数据透视规则处理所述药品消费信息,得到个人医保数据的步骤,包括:
获取预设数据透视规则及所述预设数据透视规则中分类标签,其中,所述分类标签包括行标签和列标签,所述行标签为用户标识;
将所述药品消费信息按所述行标签和所述列标签进行分类汇总,得到各所述用户标识对应的个人医保数据。
可选地,所述按预设数据透视规则处理所述药品消费信息,得到个人医保数据的步骤之后,包括:
查询预设医保数据库,获取所述个人医保数据对应的病历;
将所述病历中的病症信息与所述目标药品的适应症信息进行比对,以判断所述病症信息与所述适应症信息是否匹配;
若所述病症信息与所述适应症信息不匹配,则输出用药异常提示信息;
若所述病症信息与所述适应症信息匹配,则执行根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤。
可选地,所述根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤,包括:
查询预设药品数据库,获取所述目标药品的药品使用说明;
将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
将所述个人医保数据中的用药剂量与所述目标药品的理论用药量进行比对;
若所述用药剂量与所述理论用药量匹配,则所述个人医保数据正常;
若所述用药剂量与所述理论用药量不匹配,则所述个人医保数据异常。
可选地,所述根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤之后,包括:
若所述个人医保数据正常,则将所述个人医保数据添加可报销标签;
在接收到医保报销请求时,获取所述医保报销请求中的用户标识;
查询预设医保数据库,获取所述用户标识对应的个人医保数据,并判断所述个人医保数据中是否存在可报销标签;
若所述个人医保数据中存在可报销标签,则将所述个人医保数据中的药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销;
若所述个人医保数据中不存在可报销标签,则获取所述用户标识对应的医保报销审核材料;
根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销。
可选地,所述根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销的步骤,包括:
获取所述医保报销审核材料中的病历信息,将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
获取所述理论用药量对应的药品费用,将所述药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销。
此外,为实现上述目的,本发明还提供一种基于大数据分析的医保异常检测装置,所述基于大数据分析的医保异常检测装置包括:
请求接收模块,用于接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;
数据处理模块,用于按预设数据透视规则处理所述药品消费信息,得到个人医保数据;
异常判断模块,用于根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;
输出提示模块,用于若所述个人医保数据存在异常,则输出医保异常提示信息。
此外,为实现上述目的,本发明还提供一种基于大数据分析的医保异常检测设备;
所述基于大数据分析的医保异常检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的基于大数据分析的医保异常检测方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的基于大数据分析的医保异常检测方法的步骤。
本发明实施例提出的一种基于大数据分析的医保异常检测方法、装置、设备和介质,服务器接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;按预设数据透视规则处理所述药品消费信息,得到个人医保数据;根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;若所述个人医保数据存在异常,则输出医保异常提示信息。本发明中服务器通过获取目标药品的消费数据,并将目标药品的药品消费数据以用户标识为维度进行数据透视,得到各用户标识对应的个人医保数据,然后服务器根据个人医保数据中目标药品的用药时间和用药剂量,进行医保异常的检测,实现了医保异常有效检测。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明基于大数据分析的医保异常检测方法第一实施例的流程示意图;
图3为本发明基于大数据分析的医保异常检测方法第三实施例的流程示意图
图4为本发明基于大数据分析的医保异常检测装置一实施例的功能模块示意图。
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。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫基于大数据分析的医保异常检测设备,其中,基于大数据分析的医保异常检测设备可以是由单独的基于大数据分析的医保异常检测装置构成,也可以是由其他装置与基于大数据分析的医保异常检测装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机,通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说,服务器在稳定性、安全性、性能等方面都要求较高;如图1所示,该服务器可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002、芯片组、磁盘系统、网络等硬件等。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),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,服务器还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等。本领域技术人员可以理解,图1中示出的服务器结构并不构成对服务器的限定,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1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,如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,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的服务器中,网络接口1004主要用于连接后台数据库,与后台数据库进行数据通信;用户接口1003主要用于连接客户端(客户端,又叫用户端或终端,本发明实施例终端可以固定终端也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC、智能手机、平板电脑、电子书阅读器、便携计算机等,终端中包含传感器比如光传感器、运动传感器以及其他传感器,在此不再赘述),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的基于大数据分析的医保异常检测方法中的步骤。
本发明实施例提供一种基于大数据分析的医保异常检测方法。
参照图2,本发明基于大数据分析的医保异常检测方法的第一实施例,所述基于大数据分析的医保异常检测方法应用于如图1所示的服务器,该方法包括:
步骤S10,接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息。
服务器接收医保异常检测请求,本实施例中的医保异常检测请求,可以通过不同的形式触发,例如,用户在终端显示屏上点击“医保异常检测”的按键,手动触发医保异常检测请求,然后,终端将医保异常检测请求发送至服务器;或者用户预设了医保异常检测请求的触发条件,在满足预设的触发条件时,服务器自动触发医保异常检测请求,在服务器接收到医保监测请求时,服务器获取医保异常检测关联的目标药品,及所述目标药品的药品消费信息,其中,药品消费信息包括:药品购买者标识(又叫患者标识或者用户标识,例如,用户的身份证号码、用户医保编号、用户姓名等)、药品的购买时间、药品标识(如,药品名称)、药品剂量、药品购买时间、药品用途、药品销售终端信息和药品厂家等。
即,本实施例中的医保异常检测是针对指定目标药品的使用检测,在服务器接收医保异常检测请求时,服务器从预设医保数据库(其中,预设医保数据库是指预先设置的用于存放医保数据的数据集合,预设医保数据库中包含有不同用户的医保信息,以用户A的医保数据为例,预设医保数据库中保存有用户A的看诊时间、病历信息、看诊机构、开具的处方信息(处方信息中包含有药品消费信息)等等)中获取目标药品相关的药品消费信息。
步骤S20,按预设数据透视规则处理所述药品消费信息,得到个人医保数据。
服务器将获取的药品消费信息进行数据透视分析,得到用户标识对应的个人医保数据,本实施例中给出了一种药品消费信息进行数据透视的实现方式,具体地包括:
步骤a,获取预设数据透视规则及所述预设数据透视规则中分类标签,其中,所述分类标签包括行标签和列标签,所述行标签为用户标识;
步骤b,将所述药品消费信息按所述行标签和所述列标签进行分类汇总,得到各所述用户标识对应的个人医保数据。
即,服务器获取预设的数据透视规则,其中,预设数据透视规则是指预先设置的分类标签(又叫透视维度)规则,数据透视规则中的分类标签可以根据具体的场景设置,本实施例预设数据透视规则中分类标签包括行标签和列标签,例如,本实施例中行标签为用户标识,列标签为时间和剂量,服务器将药品消费信息按分类标签进行分类汇总,得到各所述用户标识对应的个人医保数据,如下表1所示:
用户标识 | 入院时间 | 出院时间 | 用药时间 | 用药剂量 |
李xx | 1-Jan-16 | 12-Sep-16 | 255.00 | 1210.00 |
吴xx | 5-Jan-16 | 22-Sep-16 | 261.00 | 1170.00 |
高xx | 5-Jan-16 | 20-Sep-16 | 259.00 | 995.00 |
王x | 1-Jan-16 | 27-Sep-16 | 270.00 | 880.00 |
黄xx | 8-Jan-16 | 28-Sep-16 | 264.00 | 720.00 |
赵x | 19-Jan-16 | 29-Sep-16 | 254.00 | 590.00 |
钱xx | 5-Jan-16 | 20-Sep-16 | 259.00 | 423.00 |
孙x | 6-Jan-16 | 6-Sep-16 | 244.00 | 350.00 |
表1
步骤S30,根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常。
服务器获取个人医保数据中的用药时间和用药剂量,以根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常,具体地,包括:
步骤S31,查询预设药品数据库,获取所述目标药品的药品使用说明。
即,服务器查询预设药品数据库(预设药品数据库是指预设设置的用于保存各个药品信息(药品信息包括但不仅限于:药品适应症,药品使用说明、药品配方、药品期限、药品产地、通用名称、商品名称、用法用量、不良反应、禁忌症、注意事项等)的数据库,服务器获取所述目标药品的药品使用说明。
步骤S32,将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
服务器将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;例如,吗替麦考酚酚酯用量药品使用说明中的用法用量包括:每日最大合理用量2g/人,个人医保数据中的用药时间为255天,服务器根据用药时间和用法用量,计算得到目标药品的理论用药量为510g。
步骤S33,将所述个人医保数据中的用药剂量与所述目标药品的理论用药量进行比对;若所述用药剂量与所述理论用药量匹配,则所述个人医保数据正常;若所述用药剂量与所述理论用药量不匹配,则所述个人医保数据异常。
然后,服务器将所述个人医保数据中的用药剂量与所述目标药品的理论用药量进行比对,得到比对结果,服务器根据比对结果确定个人医保数据是否异常,若所述用药剂量与所述理论用药量匹配,即,服务器确定用药剂量与所述理论用药量的差值在误差允许的范围,则服务器判定所述个人医保数据正常;若所述用药剂量与所述理论用药量不匹配,即,服务器确定用药剂量与所述理论用药量的差值超出误差允许范围,则服务器判定所述个人医保数据异常。本实施例中通过计算机数据分析,判断个人医保数据是否存在异常,实现了医保数据自动分析检测。
步骤S40,若所述个人医保数据存在异常,则输出医保异常提示信息。
在服务器确定个人医保数据存在异常,则服务器输出医保异常提示信息,其中,医保异常提示信息的实现方式不作具体限定,例如,语音提示医保异常,以使用户了解个人数据异常的情况。在本实施例中服务器通过获取目标药品的消费数据,并将目标药品的药品消费数据以用户标识为维度进行数据透视,得到各用户标识对应的个人医保数据,然后服务器根据个人医保数据中目标药品的用药时间和用药剂量,进行医保异常的检测,实现了医保异常有效检测。
进一步的,在本发明第一实施例的基础上,提出了本发明基于大数据分析的医保异常检测方法的第二实施例。
本实施例是第一实施例中步骤S10的细化,本实施例与本发明第一实施例的区别在于,第一实施例中的目标药品是一种药品,本实施例中的目标药品是相同类型的多种药品。
即,本发明中医保异常判断是根据个人医保数据的使用剂量进行的,在使用剂量超过理论用药剂量时,服务器确定该个人医保数据异常,但是,如果疾病A既可以通过使用药品1治愈,又可以通过使用药品2治愈,即,药品1和药品2具有相同或者相近的功效(又叫适应症信息),药品2是药品1的可替代药品时,在出现这样的场景:患者去甲医院开具了合理剂量的药品1,以此同时,患者去乙医院开具了合理剂量的药品2,按照第一实施例中的方法,得到就会输出:个人医保数据正常的检测结果,然而事实并非如此,因此提出了本发明的第二实施例。
在本实施例中所述基于大数据分析的医保异常检测方法包括:
步骤S11,接收医保异常检测请求,获取所述医保异常检测请求中的待检测药品,及所述待检测药品的适应症信息。
用户输入药品标识并基于所述药品标识触发医保异常检测请求,服务器接收到用户基于所述药品标识触发的医保异常检测请求时,服务器获取所述医保异常检测请求中包含的药品标识,服务器将所述药品标识对应的药品作为待检测药品,服务器获取所述待监测药品的适应症信息(适应症信息是指药物适合运用的范围、标准),以时服务器根据所述适应症信息判定是否存在与所述适应症信息相同或者相近的可替代药品。
步骤S12,查询预设药品数据库,判断是否存在与所述适应症信息匹配的替代药品,其中,所述替代药品是指除所述待检测药品之外的药品。
服务器查询预设药品数据库,其中,预设药品数据库是指预先设置的包含有多种药品信息的数据库,药品信息包括但不仅限于:药品适应症,药品使用说明、药品配方、药品期限、药品产地、通用名称、商品名称、用法用量、不良反应、禁忌症、注意事项等,服务器将待监测药品的适应症信息与预设药品数据库中各个药品的适应症信息进行比对,服务器确定预设药品数据库中是否存在与待监测药品的适应症信息相同或者相近的其他药品,若预设药品数据库中存在与待监测药品的适应症信息相同或者相近的其他药品,服务器将该药品作为待监测药品的替代药品。
步骤S13,若不存在与所述适应症信息匹配的替代药品,则将所述待检测药品作为目标药品,并获取所述目标药品的药品消费信息。
若不存在所述适应症信息对应的替代药品,则服务器将所述待检测药品作为目标药品,并获取所述目标药品的药品消费信息,并执行第一实施例中步骤S20:按预设数据透视规则处理所述药品消费信息,得到个人医保数据。
步骤S14,若存在与所述适应症信息匹配的替代药品,则将所述待检测药品和所述替代药品作为目标药品,并获取所述目标药品的药品消费信息。
若预设药品数据库中存在所述适应症信息对应的替代药品,则将所述目标药品和所述替代药品作为目标药品,并获取所述目标药品的药品消费信息,需要补充说明的是,本实施例中的替代药品可以包含一个或者多个。即,本实施例中将适应症信息相同或者相近的药品作为目标药品进行综合考虑,有效地避免了相同适应症信息的不同药品重复检测导致检测结果不准确的问题,使得基于大数据分析的医保异常检测的数据更加全面,准确性更高。
进一步的,参照图3,在上述实施例的基础上提出了本发明基于大数据分析的医保异常检测方法的第三实施例,本实施例是第一实施例中步骤S20之后的步骤,所述基于大数据分析的医保异常检测方法包括:
步骤S50,查询预设医保数据库,获取所述个人医保数据对应的病历。
服务器查询预设医保数据库,其中,本实施例中的预设医保数据库第一实施例中的预设医保数据库相同,本实施例中不作赘述,服务器获取个人医保数据中的用户标识,并获取所述用户标识对应的病历(病历可以是电子病历),服务器将用户标识相同的个人医保数据与病历,作为个人医保数据对应的病历。
步骤S60,将所述病历中的病症信息与所述目标药品的适应症信息进行比对,以判断所述病症信息与所述适应症信息是否匹配;
服务器将所述病历中的病症信息与所述目标药品的适应症信息进行比对,即,服务器通过将病历中的病症数据与所述目标药品的适应症信息进行比对,得到比对结果并根据比对结果判断目标药品是否对症。
步骤S70,若所述病症信息与所述适应症信息不匹配,则输出用药异常提示信息;
若所述病症信息与所述适应症信息不匹配,服务器确定目标药品使用不对症,则服务器输出用药异常提示信息。
此外,需要补充说明的是,若所述病症信息与所述适应症信息匹配,服务器确定目标药品使用对症,服务器进一步地判断所述目标药品的使用剂量是否合理,具体地,服务器执行步骤S20:根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤。
在本实施例中在执行第一实施例中根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤之前,首先获取了个人医保数据对应的病历,并通过将所述病历中的病症信息与所述目标药品的适应症信息进行比对,判断目标药品使用是否对症,在服务器确定目标药品使用不对症之后,服务器可以直接输出用药异常提示信息,在服务器确定目标药品使用对症之后,服务器进行目标药品的用量的判断,使得医保数量的处理效率更高。
进一步的,在上述实施例的基础上提出了本发明基于大数据分析的医保异常检测方法的第四实施例。
步骤S80,若所述个人医保数据正常,则将所述个人医保数据添加可报销标签;
若所述个人医保数据正常,则服务器将所述个人医保数据添加可报销标签,即,本实施例中在确定个人医保数据正常之后,服务器将所述个人医保数据添加可报销标签,以对应的缩减报销流程。具体地:
步骤S90,在接收到医保报销请求时,获取所述医保报销请求中的用户标识;
服务器在接收到医保报销请求时,本实施例中的在接收到医保报销请求时,可以通过不同的形式触发,例如,用户在终端显示屏上点击“医保报销”的按键,手动触发医保报销请求,然后,终端将医保报销请求发送至服务器;或者通过其他形式触发,在服务器在接收到医保报销请求时之后,服务器获取所述医保报销请求中的用户标识。
步骤S100,查询预设医保数据库,获取所述用户标识对应的个人医保数据,并判断所述个人医保数据中是否存在可报销标签;
服务器查询预设医保数据库(其中,本实施例中的预设医保数据库与第一实施例中的预设医保数据库相同,本实施例中不作赘述),服务器获取所述用户标识对应的个人医保数据,并判断所述个人医保数据中是否存在可报销标签。
步骤S110,若所述个人医保数据中存在可报销标签,则将所述个人医保数据中的药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销。
若所述个人医保数据中存在可报销标签,即,服务器更改医保报销的审核流程,对该医保数据进行免审,服务器将所述个人医保数据中的药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销,其中,预设报销比例是指预先设置的各个种类药品对应的报销比例,例如,预设报销比例设置为80%。
步骤S120,若所述个人医保数据中不存在可报销标签,则获取所述用户标识对应的医保报销审核材料;根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销。
若所述个人医保数据中不存在可报销标签,则服务器需要进行正常的医保报销,服务器获取所述用户标识对应的医保报销审核材料,服务器判断所述医保报销审核材料是否符合预设审核标准(预设审核标准可以根据具体场景设置),若服务器确定医保报销审核材料不符合预设审核标准,则驳回医保报销请求,在服务器确定医保报销审核材料符合预设审核标准,即,由于个人医保数据中存在异常,服务器判定用户存在超额报销的情况,服务器需要确定合理报销额度,具体地:
在服务器确定医保报销审核材料符合预设审核标准之后,服务器获取所述医保报销审核材料中的病历信息,将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;其中,服务器确定目标药品的理论用药量可以结合第一实施例,本实施例中不作赘述,在得到目标药品的理论用药量之后,服务器将理论用药量作为目标药品的合理使用剂量,服务器获取所述理论用药量对应的药品费用,服务器将所述药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销。在本实施例中根据医保异常检测检测结果,确定医保报销流程,使得医保报销更加快速。
此外,参照图4,本发明实施例还提出一种基于大数据分析的医保异常检测装置,所述基于大数据分析的医保异常检测装置包括:
请求接收模块10,用于接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;
数据处理模块20,用于按预设数据透视规则处理所述药品消费信息,得到个人医保数据;
异常判断模块30,用于根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;
输出提示模块40,用于若所述个人医保数据存在异常,则输出医保异常提示信息。
可选地,所述请求接收模块10,包括:
请求接收单元,用于接收医保异常检测请求,获取所述医保异常检测请求中的待检测药品,及所述待检测药品的适应症信息;
查询单元,用于查询预设药品数据库,判断是否存在与所述适应症信息匹配的替代药品,其中,所述替代药品是指除所述待检测药品之外的药品;
第一获取单元,用于若不存在与所述适应症信息匹配的替代药品,则将所述待检测药品作为目标药品,并获取所述目标药品的药品消费信息;
第二获取单元,用于若存在与所述适应症信息匹配的替代药品,则将所述待检测药品和所述替代药品作为目标药品,并获取所述目标药品的药品消费信息。
可选地,所述数据处理模块20,包括:
获取单元,用于获取预设数据透视规则及所述预设数据透视规则中分类标签,其中,所述分类标签包括行标签和列标签,所述行标签为用户标识;
分类汇总单元,用于将所述药品消费信息按所述行标签和所述列标签进行分类汇总,得到各所述用户标识对应的个人医保数据。
可选地,所述基于大数据分析的医保异常检测装置,包括:
病历查询模块,用于查询预设医保数据库,获取所述个人医保数据对应的病历;
比对判断模块,用于将所述病历中的病症信息与所述目标药品的适应症信息进行比对,以判断所述病症信息与所述适应症信息是否匹配;
异常提示模块,用于若所述病症信息与所述适应症信息不匹配,则输出用药异常提示信息;
若所述病症信息与所述适应症信息匹配,则通过所述异常判断模块,执行根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤。
可选地,所述异常判断模块30,包括:
查询获取单元,用于查询预设药品数据库,获取所述目标药品的药品使用说明;
理论计算单元,用于将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
比对单元,用于将所述个人医保数据中的用药剂量与所述目标药品的理论用药量进行比对;
第一判定单元,用于若所述用药剂量与所述理论用药量匹配,则所述个人医保数据正常;
第二判定单元,用于若所述用药剂量与所述理论用药量不匹配,则所述个人医保数据异常。
可选地,所述基于大数据分析的医保异常检测装置,包括:
标签添加模块,用于若所述个人医保数据正常,则将所述个人医保数据添加可报销标签;
报销接收模块,用于在接收到医保报销请求时,获取所述医保报销请求中的用户标识;
标签判断模块,用于查询预设医保数据库,获取所述用户标识对应的个人医保数据,并判断所述个人医保数据中是否存在可报销标签;
第一报销模块,用于若所述个人医保数据中存在可报销标签,则将所述个人医保数据中的药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销;
材料获取模块,用于若所述个人医保数据中不存在可报销标签,则获取所述用户标识对应的医保报销审核材料;
第二报销模块,用于根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销。
可选地,所述第二报销模块,包括:
用药确定单元,用于获取所述医保报销审核材料中的病历信息,将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
额度确定单元,用于获取所述理论用药量对应的药品费用,将所述药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销。
其中,基于大数据分析的医保异常检测装置的各个功能模块实现的步骤可参照本发明基于大数据分析的医保异常检测方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的基于大数据分析的医保异常检测方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种个人的关系或者顺序;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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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。可以根据个人的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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,空调器,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,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据分析的医保异常检测方法,其特征在于,所述基于大数据分析的医保异常检测方法包括以下步骤:
接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;
按预设数据透视规则处理所述药品消费信息,得到个人医保数据;
根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;
若所述个人医保数据存在异常,则输出医保异常提示信息。
2.如权利要求1所述的基于大数据分析的医保异常检测方法,其特征在于,所述接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息的步骤,包括:
接收医保异常检测请求,获取所述医保异常检测请求中的待检测药品,及所述待检测药品的适应症信息;
查询预设药品数据库,判断是否存在与所述适应症信息匹配的替代药品,其中,所述替代药品是指除所述待检测药品之外的药品;
若不存在与所述适应症信息匹配的替代药品,则将所述待检测药品作为目标药品,并获取所述目标药品的药品消费信息;
若存在与所述适应症信息匹配的替代药品,则将所述待检测药品和所述替代药品作为目标药品,并获取所述目标药品的药品消费信息。
3.如权利要求1所述的基于大数据分析的医保异常检测方法,其特征在于,所述按预设数据透视规则处理所述药品消费信息,得到个人医保数据的步骤,包括:
获取预设数据透视规则及所述预设数据透视规则中分类标签,其中,所述分类标签包括行标签和列标签,所述行标签为用户标识;
将所述药品消费信息按所述行标签和所述列标签进行分类汇总,得到各所述用户标识对应的个人医保数据。
4.如权利要求1所述的基于大数据分析的医保异常检测方法,其特征在于,所述按预设数据透视规则处理所述药品消费信息,得到个人医保数据的步骤之后,包括:
查询预设医保数据库,获取所述个人医保数据对应的病历;
将所述病历中的病症信息与所述目标药品的适应症信息进行比对,以判断所述病症信息与所述适应症信息是否匹配;
若所述病症信息与所述适应症信息不匹配,则输出用药异常提示信息;
若所述病症信息与所述适应症信息匹配,则执行根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤。
5.如权利要求1所述的基于大数据分析的医保异常检测方法,其特征在于,所述根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤,包括:
查询预设药品数据库,获取所述目标药品的药品使用说明;
将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
将所述个人医保数据中的用药剂量与所述目标药品的理论用药量进行比对;
若所述用药剂量与所述理论用药量匹配,则所述个人医保数据正常;
若所述用药剂量与所述理论用药量不匹配,则所述个人医保数据异常。
6.如权利要求1所述的基于大数据分析的医保异常检测方法,其特征在于,所述根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常的步骤之后,包括:
若所述个人医保数据正常,则将所述个人医保数据添加可报销标签;
在接收到医保报销请求时,获取所述医保报销请求中的用户标识;
查询预设医保数据库,获取所述用户标识对应的个人医保数据,并判断所述个人医保数据中是否存在可报销标签;
若所述个人医保数据中存在可报销标签,则将所述个人医保数据中的药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销;
若所述个人医保数据中不存在可报销标签,则获取所述用户标识对应的医保报销审核材料;
根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销。
7.如权利要求6所述的基于大数据分析的医保异常检测方法,其特征在于,所述根据所述医保报销审核材料确定所述目标药品的合理报销额度,并按所述合理报销额度进行报销的步骤,包括:
获取所述医保报销审核材料中的病历信息,将所述药品使用说明中的用法用量与所述个人医保数据中的用药时间结合,计算得到所述目标药品的理论用药量;
获取所述理论用药量对应的药品费用,将所述药品费用与所述目标药品的预设报销比例进行乘积运算,得到所述目标药品的报销额度,并按所述报销额度进行报销。
8.一种基于大数据分析的医保异常检测装置,其特征在于,所述基于大数据分析的医保异常检测装置包括:
请求接收模块,用于接收医保异常检测请求,获取目标药品及所述目标药品的药品消费信息;
数据处理模块,用于按预设数据透视规则处理所述药品消费信息,得到个人医保数据;
异常判断模块,用于根据所述个人医保数据中的用药时间和用药剂量,判断所述个人医保数据是否存在异常;
输出提示模块,用于若所述个人医保数据存在异常,则输出医保异常提示信息。
9.一种基于大数据分析的医保异常检测设备,其特征在于,所述基于大数据分析的医保异常检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于大数据分析的医保异常检测方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于大数据分析的医保异常检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529378.5A CN109636641A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
PCT/CN2019/118831 WO2020119384A1 (zh) | 2018-12-13 | 2019-11-15 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529378.5A CN109636641A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636641A true CN109636641A (zh) | 2019-04-16 |
Family
ID=66073873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811529378.5A Pending CN109636641A (zh) | 2018-12-13 | 2018-12-13 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109636641A (zh) |
WO (1) | WO2020119384A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111192643A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 病历数据处理方法及相关设备 |
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111259089A (zh) * | 2020-01-14 | 2020-06-09 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
WO2020119384A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
CN111402070A (zh) * | 2020-03-23 | 2020-07-10 | 平安医疗健康管理股份有限公司 | 医疗信息识别方法、装置、计算机设备及存储介质 |
CN113284614A (zh) * | 2021-06-07 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 异常就诊的识别方法、装置、电子设备及存储介质 |
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 (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN104134157A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医疗保险报销过程中可疑行为审核系统及审核方法 |
CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控系统及监控方法 |
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
CN104933324A (zh) * | 2015-07-10 | 2015-09-23 | 庞健 | 处方用药识别方法及系统 |
CN106530166A (zh) * | 2016-08-31 | 2017-03-22 | 中国人民解放军总医院第附属医院 | 医院医保费用防拒付辅助管理信息系统及防拒付方法 |
CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
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 |
CN108921710A (zh) * | 2018-06-08 | 2018-11-30 | 东莞迪赛软件技术有限公司 | 医保异常检测的方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989218B (zh) * | 2015-01-28 | 2021-08-17 | 中兴通讯股份有限公司 | 一种信息化处理方法和装置 |
CN107133438B (zh) * | 2017-03-03 | 2018-07-13 | 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 |
CN108766509A (zh) * | 2018-05-16 | 2018-11-06 | 中国联合网络通信集团有限公司 | 基于区块链技术的鉴真方法、装置、终端及存储介质 |
CN109636641A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
-
2018
- 2018-12-13 CN CN201811529378.5A patent/CN109636641A/zh active Pending
-
2019
- 2019-11-15 WO PCT/CN2019/118831 patent/WO2020119384A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012974A (zh) * | 2010-12-15 | 2011-04-13 | 中国人民解放军第四军医大学 | 临床安全合理用药决策支持系统 |
CN104134157A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医疗保险报销过程中可疑行为审核系统及审核方法 |
CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控系统及监控方法 |
CN104537764A (zh) * | 2014-12-31 | 2015-04-22 | 浙江大学 | 一种医保卡异常使用的检测方法和检测系统 |
CN104933324A (zh) * | 2015-07-10 | 2015-09-23 | 庞健 | 处方用药识别方法及系统 |
CN106530166A (zh) * | 2016-08-31 | 2017-03-22 | 中国人民解放军总医院第附属医院 | 医院医保费用防拒付辅助管理信息系统及防拒付方法 |
CN107133437A (zh) * | 2017-03-03 | 2017-09-05 | 平安医疗健康管理股份有限公司 | 监控药品使用的方法及装置 |
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 |
CN108921710A (zh) * | 2018-06-08 | 2018-11-30 | 东莞迪赛软件技术有限公司 | 医保异常检测的方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020119384A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
CN111192643A (zh) * | 2019-12-02 | 2020-05-22 | 泰康保险集团股份有限公司 | 病历数据处理方法及相关设备 |
CN111259089A (zh) * | 2020-01-14 | 2020-06-09 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
CN111259089B (zh) * | 2020-01-14 | 2023-03-21 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111242793B (zh) * | 2020-01-16 | 2024-02-06 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
CN111402070A (zh) * | 2020-03-23 | 2020-07-10 | 平安医疗健康管理股份有限公司 | 医疗信息识别方法、装置、计算机设备及存储介质 |
CN113284614A (zh) * | 2021-06-07 | 2021-08-20 | 平安国际智慧城市科技股份有限公司 | 异常就诊的识别方法、装置、电子设备及存储介质 |
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 |
---|---|
WO2020119384A1 (zh) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636641A (zh) | 基于大数据分析的医保异常检测方法、装置、设备和介质 | |
CN109670788A (zh) | 基于数据分析的医保审核方法、装置、设备和存储介质 | |
CN108335214A (zh) | 自助理赔方法、服务器和计算机可读存储介质 | |
CN109636639B (zh) | 基于大数据分析的用药检测方法、装置、设备和存储介质 | |
CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
US9672242B2 (en) | System for automatically detecting abnormalities statistical data on usage, method therefor, and apparatus applied to same | |
CN109558416A (zh) | 一种异常交易的检测方法、装置及存储介质 | |
WO2020082788A1 (zh) | 一种医疗数据处理方法、装置、设备及存储介质 | |
CN109785162A (zh) | 医保异常检测方法、装置、设备和计算机存储介质 | |
CN109447689A (zh) | 用户风险画像生成方法、装置、设备及可读存储介质 | |
CN109285082A (zh) | 保险产品推荐方法、装置及计算机可读存储介质 | |
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 | |
CN113034274A (zh) | 一种基于区块链的供应链金融服务系统、方法及终端设备 | |
CN109255721A (zh) | 基于费用预测的保险推荐方法、设备、服务器及可读介质 | |
CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
CN109615540A (zh) | 违规购药的识别方法、装置、终端及计算机可读存储介质 | |
CN109816330A (zh) | 规则校验方法、装置、电子设备及计算机可读存储介质 | |
CN112598513A (zh) | 识别股东风险交易行为的方法及装置 | |
CN110718276A (zh) | 一种临床路径管理信息系统 | |
CN107274504B (zh) | 一种智能药师在岗管理方法和系统 | |
CN109377059A (zh) | 一种基于风险管控的数据处理方法及设备 | |
CN111179023B (zh) | 订单识别方法及装置 | |
CN106708869B (zh) | 一种群组数据处理的方法及装置 | |
CN111612616A (zh) | 区块链账户评估方法、装置、终端设备及计算机可读介质 | |
US20180285577A1 (en) | Computing device and method for input site qualification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220601 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Block H, 666 Beijing East Road, Huangpu District, Shanghai 200000 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
RJ01 | Rejection of invention patent application after publication |