CN109636646A - 异常就诊的识别方法、装置、终端及计算机可读存储介质 - Google Patents
异常就诊的识别方法、装置、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109636646A CN109636646A CN201811530815.5A CN201811530815A CN109636646A CN 109636646 A CN109636646 A CN 109636646A CN 201811530815 A CN201811530815 A CN 201811530815A CN 109636646 A CN109636646 A CN 109636646A
- Authority
- CN
- China
- Prior art keywords
- medical
- hospitalized
- bill
- extremely
- record
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 201000010099 disease Diseases 0.000 claims description 39
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 39
- 238000003745 diagnosis Methods 0.000 claims description 28
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241000255789 Bombyx mori Species 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种异常就诊的识别方法、装置、终端及计算机可读存储介质。异常就诊的识别方法,包括步骤:在接收到住院账单时,获取住院账单对应的医保账户,并判断预设时间内医保账户在其他医疗机构是否有住院账单支付记录;若是,则获取预设时间内医保账户对应的参保人在与住院账单支付记录对应的医疗机构的诊疗信息;根据诊疗信息判断参保人是否有与住院账单支付记录对应的出院记录;若没有,则将医保账户标记为异常就诊对象。这样基于神经网络获参保人的诊疗信息,在有住院账单支付记录且没有对应的出院记录时,将该医保账户标记为异常就诊对象以便于医保管理单位及时识别出虚假住院的异常就诊对象的异常就诊行为。
Description
技术领域
本发明涉及医疗保险技术领域,尤其涉及一种异常就诊的识别方法、装置、终端及计算机可读存储介质。
背景技术
在医疗保险领域中,存在许多欺诈行为,例如参保人在一个医疗机构住院时,为了骗取更多的医保报销费用,与医疗机构勾结,在多个不同的医疗机构有住院记录,而实际上只在一家医院住院,甚至有可能并没有在任何一家医院住院,与医院勾结,在医院虚增住院记录,骗取医保报销费用,这会导致社保门诊统筹基金的浪费。
发明内容
本发明的主要目的在于提供一种异常就诊的识别方法、装置、终端及计算机可读存储介质及计算机可读存储介质,旨在解决识别出参保人虚假住院的异常就诊行为。
为实现上述目的,本发明提供一种异常就诊的识别方法,包括步骤:
在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内所述医保账户在其他医疗机构是否有住院账单支付记录;
若所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录,则获取所述预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
若没有与所述住院账单支付记录对应的出院记录,则将所述医保账户标记为异常就诊对象。
优选地,所述获取预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息的步骤包括:
向与所述住院账单支付记录对应的医疗机构的管理系统发送信息获取请求,以获取所述医保账户对应的参保人在所述预设时间内的诊疗信息;
接收所述医疗结构的管理系统反馈的所述诊疗信息。
优选地,所述异常就诊的识别方法还包括步骤:
若有与所述住院账单支付记录对应的出院记录,则根据所述住院账单支付记录统计所述参保人在所述预设时间内的住院次数;
判断所述住院次数是否大于或等于预设次数;
若所述住院次数大于或等于所述预设次数,则将所述医保账户标记为异常就诊对象。
优选地,所述异常就诊的识别方法还包括步骤:
若有与所述住院账单支付记录对应的出院记录,则获取所述参保人与所述住院账单支付记录对应的医疗检查记录,并分析所述医疗检查记录得到所述参保人的实患病症;
获取与所述住院账单支付记录对应的历史住院账单,并判断所述历史住院账上的诊疗项目与所述实患病症是否相关;
若所述历史住院账单上的诊疗项目与所述实患病症不相关,则将所述医保账户标记为异常就诊对象。
优选地,所述异常就诊的识别方法还包括步骤:
若所述历史住院账单上的诊疗项目与所述实患病症相关,则计算与所述实患病症相关的诊疗项目的费用与住院账单的总费用的比值得到相关比值;
判断相关比值是否大于或等于预设比值;
若相关比值小于预设比值,则将所述医保账户标记为异常就诊对象。
优选地,在所述将所述医保账户标记为异常就诊对象的步骤之后,所述异常就诊的识别方法还包括步骤:
生成异常就诊报告,并按照第一预设方式发出警报提醒以通知医保工作人员。
优选地,在所述将所述医保账户标记为异常就诊对象的步骤之后,所述异常就诊的识别方法还包括步骤:
按照第二预设方式发送警示信息至医疗机构。
本发明还提供一种异常就诊的识别装置,包括:
第一判断模块,用于在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内所述医保账户在其他医疗机构是否有住院账单支付记录;
第一获取模块,用于在所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录时,获取预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
第二判断模块,用于根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
标记模块,用于在没有与所述住院账单支付记录对应的出院记录时,将所述医保账户标记为异常就诊对象。
本发明还提供一种终端,所述终端包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的异常就诊的识别程序,其中所述异常就诊的识别程序被所述处理器执行时,实现如上任一项所述的异常就诊的识别方法的步骤。
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上存储有异常就诊的识别程序,其中所述异常就诊的识别程序被处理器执行时,实现如上任一项所述的异常就诊的识别方法的步骤。
上述技术方案中,在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内参保人在其他医疗机构是否有住院账单支付记录;若预设时间内医保账户在其他医疗机构有住院账单支付记录,则根据诊疗信息判断医保账户对应的参保人是否有与住院账单支付记录对应的出院记录;若参保人没有与住院账单支付记录对应的出院记录,则将医保账户标记为异常就诊对象。通过在参保人在其他医疗机构有住院账单支付记录时,判断是否有对应的出院记录来判断参保人是否存在异常就诊行为,并在没有对应的出院记录时,将该参保人的医保账户标记为异常就诊对象,医保管理单位可通过本发明实施例的异常就诊的识别方法及时识别出虚假住院的异常就诊对象的异常就诊行为并采取对应的措施。
附图说明
图1为本发明实施例方案中涉及的终端的硬件结构示意图;
图2为本发明异常就诊的识别方法第一实施例的流程示意图;
图3为本发明异常就诊的识别方法第二实施例的流程示意图;
图4为本发明异常就诊的识别方法第三实施例的流程示意图;
图5为本发明异常就诊的识别方法第四实施例的流程示意图;
图6为本发明异常就诊的识别方法第五实施例的流程示意图;
图7为本发明异常就诊的识别方法第六实施例的流程示意图。
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。
本发明实施例涉及的异常就诊的识别方法主要应用于终端,该终端可以是PC、便携计算机、移动终端等具有显示和处理功能的终端。
参照图1,图1为本发明实施例方案中涉及的终端结构示意图。本发明实施例中,终端可以包括处理器1001(例如CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。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);网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口);存储器1005可以是高速RAM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。
本领域技术人员可以理解,图1中示出的硬件结构并不构成对终端的限定,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。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及异常就诊的识别程序。
在图1中,网络通信模块主要用于连接服务器,与服务器进行数据通信;而处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
在接收到住院账单时,获取住院账单对应的医保账户,并判断预设时间内医保账户在其他医疗机构是否有住院账单支付记录;
若所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录,则获取所述预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
若没有与所述住院账单支付记录对应的出院记录,则将所述医保账户标记为异常就诊对象。
进一步地,获取预设时间内医保账户对应的参保人在与住院账单支付记录对应的医疗机构的诊疗信息的步骤包括:
向与住院账单支付记录对应的医疗机构的管理系统发送信息获取请求以获取医保账户对应的参保人在预设时间内的诊疗信息;
接收医疗结构的管理系统反馈的诊疗信息。
进一步地,处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
若有与住院账单支付记录对应的出院记录,则根据住院账单支付记录统计参保人在预设时间内的住院次数;
判断住院次数是否大于或等于预设次数;
若住院次数大于或等于预设次数,则将医保账户标记为异常就诊对象。
进一步地,处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
若有与住院账单支付记录对应的出院记录,则获取参保人与住院账单支付记录对应的医疗检查记录,并分析医疗检查记录得到参保人的实患病症;
获取与住院账单支付记录对应的历史住院账单,并判断历史住院账上的诊疗项目与实患病症是否相关;
若历史住院账单上的诊疗项目与实患病症不相关,则将医保账户标记为异常就诊对象。
进一步地,处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
若历史住院账单上的诊疗项目与实患病症相关,则计算与实患病症相关的诊疗项目的费用与住院账单的总费用的比值得到相关比值;
判断相关比值是否大于或等于预设比值;
若相关比值小于预设比值,则将医保账户标记为异常就诊对象。
进一步地,处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
生成异常就诊报告,并按照第一预设方式发出警报提醒以通知医保工作人员。
进一步地,处理器1001可以调用存储器1005中存储的异常就诊的识别程序,并执行以下操作:
按照第二预设方式发送警示信息至医疗机构。
基于上述终端的硬件结构,提出本发明异常就诊的识别方法的各个实施例。
本发明提供一种异常就诊的识别方法。
请参阅图2,在本发明一实施例中,异常就诊的识别方法包括以下步骤:
S101:在接收到住院账单时,获取述住院账单对应的医保账户,并判断设时间内参保人在其他医疗机构是否有住院账单支付记录;
本发明实施例中的异常就诊的识别方法可以由终端执行,终端能够与服务器进行数据通信,服务器为医保管理机构的服务器,服务器与多个医疗机构的管理系统连接,服务器存储有所有医保账户的支付记录。当参保人使用医保账户支付住院账单时,终端接收到住院账单并获取用于支付该住院账单的医保账户,然后访问服务器,搜索该医保账户在预设时间内的住院账单支付记录,以判断预设时间内医保账户在其他医疗机构是否有住院账单支付记录。
S102:若预设时间内医保账户在其他医疗机构有住院账单支付记录,则获取预设时间内医保账户对应的参保人在与住院账单支付记录对应的医疗机构的诊疗信息;
服务器与多个医疗机构的管理系统连接,医疗机构的管理系统存储有历史病人的诊疗信息。终端可通过服务器向与住院账单支付记录对应的医疗机构的管理系统发送信息获取请求以获取该医保账户对应的参保人在预设时间内的诊疗信息,然后接收各个医疗结构的管理系统反馈的诊疗信息。
由于医务工作人员在录入历史诊疗信息时,文本内容较为复杂,需要对接收到的诊疗信息进行处理。在本发明提供的异常就诊的识别方法中,针对历史病历中不规范的字段,在考虑词本身、语义距离的要求下,利用递归神经网络(recurrentneuralnetwork,RNN)分析文本内容。将文本用一个向量的序列表示之后,使用双向RNN模型将向量编码为一个句子向量矩阵,例如住院病因、入院时间、出院时间等。从而将各个医疗机构反馈的诊疗信息匹配到相应的疾病信息标准化字段中,以得到标准化后的的诊疗信息。这样便于后续根据诊疗信息做出对应的判断。
S103:则根据诊疗信息判断参保人是否有与住院账单支付记录对应的出院记录;
诊疗信息包含参保人的住院账单支付记录、购药账单的支付记录、出院记录等。如果参保人在预设时间内,有住院账单支付记录,且没有与该住院账单支付记录对应的出院记录,则说明参保人在本次使用医保账户支付住院账单时,该参保人在其他医院仍然还处于住院状态,这属于同时在多个医疗机构住院的异常就诊行为。因此,可通过在参保人在其他医疗机构有住院账单支付记录时,判断是否有对应的出院记录来判断参保人是否存在异常就诊行为。预设时间可由医保管理单位的工作人员设定。例如可设置为5个月。这样设定时间范围可以减少获取诊疗信息时的数据量,提高识别效率。当然,在其他实施例中,预设时间不限于1个月,也可以设置为其他合适的时间。
S104:若参保人没有与住院账单支付记录对应的出院记录,则将医保账户标记为异常就诊对象。
若参保人没有与住院账单支付记录对应的出院记录,则说明参保人在本次使用医保账户支付住院账单时,该参保人在其他医院仍然还处于住院状态,这属于同时在多个医疗机构住院的异常就诊行为。将该蚕箔爱人呢标记为异常就诊对象以便医保工作人员及时发现该参保人的异常就诊行为。
需要说明的是,上述使用医保账户支付住院账单时,是指需要医保报销部分住院账单的情况,不包含参保人使用医保账户中的个人账户余额住院账单的情况。也即是说,若参保人使用医保账户中的个人账户余额结算住院账单,则不需要执行上述异常就诊的识别方法的步骤。
上述技术方案中,在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内参保人在其他医疗机构是否有住院账单支付记录;若预设时间内医保账户在其他医疗机构有住院账单支付记录,则根据诊疗信息判断医保账户对应的参保人是否有与住院账单支付记录对应的出院记录;若参保人没有与住院账单支付记录对应的出院记录,则将医保账户标记为异常就诊对象。通过在参保人在其他医疗机构有住院账单支付记录时,判断是否有对应的出院记录来判断参保人是否存在异常就诊行为,并在没有对应的出院记录时,将该参保人的医保账户标记为异常就诊对象,医保管理单位可通过本发明实施例的异常就诊的识别方法及时识别出虚假住院的异常就诊对象的异常就诊行为并采取对应的措施。
请参阅图3,基于上述实施例,异常就诊的识别方法还包括步骤:
S105:若有与住院账单支付记录对应的出院记录,则根据住院账单支付记录统计参保人在预设时间内的住院次数;
S106:判断住院次数或出院次数是否大于或等于预设次数;
参保人有与住院账单支付记录对应的出院记录,可能存在为了套取医保报销费用,又想避免因长时间住院引起医保管理机构怀疑,采用短时间内多次住院来套取医保报销费用,这也属于虚假住院的异常就诊行为。如果参保人每次住院账单支付记录均有对应的出院记录,可通过判断住院次数是否大于或等于预设次数来判断参保人是否存在异常就诊行为。预设次数可以由医保管理单位的工作人员设定,例如预设次数可根据预设时间设定,预设时间越长,预设次数可越大。例如预设时间为5个月时,可将预设次数设置为8次。当然,在其他实施例中,预设时间和预设次数也可设置为其他值,在此不作限制。
若住院次数大于或等于预设次数,说明该参保人有短时间内多次住院的行为。则执行步骤S104:将医保账户标记为异常就诊对象。
若住院次数小于预设次数,则该参保人没有异常就诊行为,该参保人的医保账户可正常支付医保账单。
如此,医保机构的管理的工作人员可在发现异常就诊对象后,确认该参保人是否存在违规使用医保账户的行为。有助于使得医保管理机构及时发现参保人违规使用医保账户的行为。
请参阅图4,基于上述实施例,异常就诊行为的识别方法还包括步骤:
S107:若有与住院账单支付记录对应的出院记录,则获取参保人与住院账单支付记录对应的医疗检查记录,并分析医疗检查记录得到参保人的实患病症;
终端可通过服务器向医疗机构的管理系统发送检查记录获取请求以获取该与住院账单支付记录对应的医疗检查记录,然后接收医疗机构的管理系统反馈的医疗检查记录,根据医疗检查记录确定实患病症。如果没有获取到参保人的医疗检查记录,则可直接将该参保人的医保账户标记为异常就诊对象。
S108:获取与住院账单支付记录对应的历史住院账单,并判断历史住院账上的诊疗项目与实患病症是否相关;
终端可从服务器获取与住院账单支付记录对应的历史住院账单。参保人有与住院账单支付记录对应的出院记录,仍然可能存为了套取医保报销费用,虚假住院的异常就诊行为,也即参保人并没有实际住院,但是却有住院账单支付记录。可通过判断实患病症与对应的历史住院账单上的诊疗项目是否相关来判断参保人是否存在虚假住院的异常就诊行为。若历史住院账单上的诊疗项目与实患病症不相关,则执行步骤S104:将医保账户标记为异常就诊对象。
如果历史住院账单上的诊疗项目与实患病症均不相关,则说明住院账单上的诊疗项目并不是用于参保人,这属于异常就诊行为,将参保人标记为异常就诊对象以便医保管单位及时地识别出该参保人的异常就诊行为。
需要说明的是,如果参保人在第一预设时间内在其他医疗机构有多个住院账单支付记录,且均有对应的出院记录时,可分别获取每次住院账单支付记录对应的医疗检查记录及历史住院账单,并判断实患病症是否与历史住院账单上的诊疗项目对应,若存在一个历史住院账单与实患病症不相关,则可将该参保人的医保账户标记为异常就诊对象。
请参阅图5,基于上述实施例,异常就诊的识别方法还包括步骤:
S109:若历史住院账单上的诊疗项目与实患病症相关,则计算与实患病症相关的诊疗项目的费用与住院账单的总费用的比值得到相关比值;
步骤S109在步骤S108之后执行。历史住院账单上的诊疗项目与实患病症相关,可能是历史住院账单上的诊疗项目与实患病症全部相关,也可能是部分相关。当历史住院账单上的诊疗项目与实患病症全部相关时,相关比值等于1。
S110:判断相关比值是否大于或等于预设比值;
若相关比值小于预设比值,则执行步骤S104:将医保账户标记为异常就诊对象。
相关比值可反映历史住院账单与实患病症相关的费用所以占的比例。预设比值可以由医保管理单位设定。参保人住院治疗时,可能需要一些与实患病症不相关的辅助治疗手段或辅助药品,这会使得相关比值小于1。然而,如果历史住院账单中与实患病症不相关的药品的费用占的比值过大、实患病症相关的药品的费用所占的比值较小时,历史住院账单中的诊疗项目可能并不是用于治疗参保人本人,这属于异常就诊行为。因此设定预设比值,相关比值小于预设比值时,将该参保人的医保账户标记为异常就诊对象,以便医保工作人员及时发现该参保人的异常就诊行为。若相关比值大于或等于预设比值,则属于正常就诊,参保人可利用该医保账户正常支付住院账单。
请参阅图6,基于上述实施例,在步骤S104之后,异常就诊的识别方法还包括步骤:
S111:生成异常就诊报告,并按照第一预设方式发出警报提醒以通知医保工作人员。
异常就诊报告包括参保人的住院账单支付记录、和与住院账单支付记录对应的诊疗信息和本次所要结算的医疗账单。如此,医保管理单位的医保工作人员通过警报提醒发现异常就诊对象之后,根据异常就诊报告确定参保人是否为违反医保规则的异常就诊行为。第一预设方式可以为弹窗、声音等提醒方式。例如,当发现异常就诊对象之后,发出语音提醒“发现异常就诊”或者发出“滴滴”的警报声。当然,第一预设方式不限于上述方式,在其他实施例中,也可以是其他便于提醒医保工作人员的方式,例如,可使终端与手机通讯,当发现异常急诊对象后,向医保工作人员的手机推送警报提醒。
请参阅图7,基于上述实施例,在步骤S104之后,异常就诊的识别方法还包括步骤:
S112:按照第二预设方式发送警示信息至医疗机构。
这样及时告知医疗机构,医保管理单位已经发现了异常就诊行为。如果医疗机构不知情,警示信息可以起到提醒的作用,如果医疗机构明知是异常就诊仍然允许该医保账户结算,警示信息可以起到警示作用。
第二预设方式可以为邮件、弹窗等方式。例如,警示信息可通过邮件的形式发送至医疗机构的相关部门,或者可通过弹窗的形式显示在医疗机构的管理系统的界面。当然,在其他实施方式中,第二预设方式不限于上述方式,也可以根据实际情况选择合适的警示方式。
此外,本发明还提供一种异常就诊的识别装置。上述任一实施例的异常就诊的识别方法可以由本实施例的异常就诊的识别装置实现,异常就诊的识别装置包括:
第一判断模块,在接收到住院账单时,获取住院账单对应的医保账户,并判断预设时间内医保账户在其他医疗机构是否有住院账单支付记录;
第一获取模块,用于在所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录时,获取预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
第二判断模块,用于根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
标记模块,用于在没有与所述住院账单支付记录对应的出院记录时,将所述医保账户标记为异常就诊对象。
进一步地,所述第一获取模块包括:
信息发送单元,用于向与所述住院账单支付记录对应的医疗机构的管理系统发送信息获取请求以获取所述医保账户对应的参保人在所述预设时间内的诊疗信息;
信息接收单元,用于接收所述医疗结构的管理系统反馈的所述诊疗信息。
进一步地,异常就诊的识别装置包括:
统计模块,用于在有与所述住院账单支付记录对应的出院记录时,根据所述住院账单支付记录统计所述参保人在所述预设时间内的住院次数;
第三判断模块,用于判断所述住院次数是否大于或等于预设次数;
标记模块还用于在所述住院次数大于或等于所述预设次数时,将所述医保账户标记为异常就诊对象。
进一步地,所述异常就诊的识别装置还包括:
第二获取模块,用于在有与所述住院账单支付记录对应的出院记录,获取所述参保人与所述住院账单支付记录对应的医疗检查记录,并分析所述医疗检查记录得到所述参保人的实患病症;
第四判断模块,用于获取与所述住院账单支付记录对应的历史住院账单,并判断所述历史住院账上的诊疗项目与所述实患病症是否相关;
标记模块还用于在所述历史住院账单上的诊疗项目与所述实患病症不相关时,将所述医保账户标记为异常就诊对象。
进一步地,异常就诊的识别装置还包括:
计算模块,用于在所述历史住院账单上的诊疗项目与所述实患病症相关时,计算与所述实患病症相关的诊疗项目的费用与住院账单的总费用的比值得到相关比值;
第五判断模块,用于判断相关比值是否大于或等于预设比值;
标记模块还用于在相关比值小于预设比值时,将所述医保账户标记为异常就诊对象。
进一步地,所述异常就诊的识别装置还包括:
提醒模块,用于生成异常就诊报告,并按照第一预设方式发出警报提醒以通知医保工作人员。
进一步地,所述异常就诊的识别装置还包括:
警示模块,用于按照第二预设方式发送警示信息至医疗机构。
其中,上述异常就诊的识别装置中各个模块的功能实现与上述异常就诊的识别方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有异常就诊的识别程序,计算机可读存储介质上存储有异常就诊的识别程序,其中异常就诊的识别程序被处理器执行时,实现如上述任一实施例的异常就诊的识别方法的步骤。
其中,异常就诊的识别程序被执行时所实现的方法可参照本发明异常就诊的识别方法的各个实施例,此处不再赘述。
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。
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)
1.一种异常就诊的识别方法,其特征在于,包括步骤:
在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内所述医保账户在其他医疗机构是否有住院账单支付记录;
若所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录,则获取所述预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
若没有与所述住院账单支付记录对应的出院记录,则将所述医保账户标记为异常就诊对象。
2.根据权利要求1所述的异常就诊的识别方法,其特征在于,所述获取预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息的步骤包括:
向与所述住院账单支付记录对应的医疗机构的管理系统发送信息获取请求,以获取所述医保账户对应的参保人在所述预设时间内的诊疗信息;
接收所述医疗结构的管理系统反馈的所述诊疗信息。
3.根据权利要求1所述的异常就诊的识别方法,其特征在于,所述异常就诊的识别方法还包括步骤:
若有与所述住院账单支付记录对应的出院记录,则根据所述住院账单支付记录统计所述参保人在所述预设时间内的住院次数;
判断所述住院次数是否大于或等于预设次数;
若所述住院次数大于或等于所述预设次数,则将所述医保账户标记为异常就诊对象。
4.根据权利要求1所述的异常就诊的识别方法,其特征在于,所述异常就诊的识别方法还包括步骤:
若有与所述住院账单支付记录对应的出院记录,则获取所述参保人与所述住院账单支付记录对应的医疗检查记录,并分析所述医疗检查记录得到所述参保人的实患病症;
获取与所述住院账单支付记录对应的历史住院账单,并判断所述历史住院账上的诊疗项目与所述实患病症是否相关;
若所述历史住院账单上的诊疗项目与所述实患病症不相关,则将所述医保账户标记为异常就诊对象。
5.根据权利要求4所述的异常就诊的识别方法,其特征在于,所述异常就诊的识别方法还包括步骤:
若所述历史住院账单上的诊疗项目与所述实患病症相关,则计算与所述实患病症相关的诊疗项目的费用与住院账单的总费用的比值得到相关比值;
判断相关比值是否大于或等于预设比值;
若相关比值小于预设比值,则将所述医保账户标记为异常就诊对象。
6.根据权利要求1-5任一项所述的异常就诊的识别方法,其特征在于,在所述将所述医保账户标记为异常就诊对象的步骤之后,所述异常就诊的识别方法还包括步骤:
生成异常就诊报告,并按照第一预设方式发出警报提醒以通知医保工作人员。
7.根据权利要求1-5任一项所述的异常就诊的识别方法,其特征在于,在所述将所述医保账户标记为异常就诊对象的步骤之后,所述异常就诊的识别方法还包括步骤:
按照第二预设方式发送警示信息至医疗机构。
8.一种异常就诊的识别装置,其特征在于,包括:
第一判断模块,用于在接收到住院账单时,获取所述住院账单对应的医保账户,并判断预设时间内所述医保账户在其他医疗机构是否有住院账单支付记录;
第一获取模块,用于在所述预设时间内所述医保账户在其他医疗机构有住院账单支付记录时,获取预设时间内所述医保账户对应的参保人在与所述住院账单支付记录对应的医疗机构的诊疗信息;
第二判断模块,用于根据所述诊疗信息判断所述参保人是否有与所述住院账单支付记录对应的出院记录;
标记模块,用于在没有与所述住院账单支付记录对应的出院记录时,将所述医保账户标记为异常就诊对象。
9.一种终端,其特征在于,所述终端包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的异常就诊的识别程序,其中所述异常就诊的识别程序被所述处理器执行时,实现如权利要求1至7中任一项所述的异常就诊的识别方法的步骤。
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异常就诊的识别程序,其中所述异常就诊的识别程序被处理器执行时,实现如权利要求1至7中任一项所述的异常就诊的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530815.5A CN109636646A (zh) | 2018-12-13 | 2018-12-13 | 异常就诊的识别方法、装置、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530815.5A CN109636646A (zh) | 2018-12-13 | 2018-12-13 | 异常就诊的识别方法、装置、终端及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636646A true CN109636646A (zh) | 2019-04-16 |
Family
ID=66073838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811530815.5A Pending CN109636646A (zh) | 2018-12-13 | 2018-12-13 | 异常就诊的识别方法、装置、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636646A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445343A (zh) * | 2020-03-23 | 2020-07-24 | 平安医疗健康管理股份有限公司 | 风险医疗数据的识别方法、装置、计算机设备和存储介质 |
CN111626884A (zh) * | 2020-06-01 | 2020-09-04 | 中国联合网络通信集团有限公司 | 一种防止保险欺诈方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
CN104008449A (zh) * | 2014-05-27 | 2014-08-27 | 乔岭梅 | 一种住院医保病人管理系统 |
CN104408547A (zh) * | 2014-10-30 | 2015-03-11 | 浙江网新恒天软件有限公司 | 一种基于数据挖掘的医保欺诈行为的检测方法 |
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 |
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 |
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 |
-
2018
- 2018-12-13 CN CN201811530815.5A patent/CN109636646A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514576A (zh) * | 2013-09-06 | 2014-01-15 | 深圳民太安信息技术有限公司 | 一种社保就诊违规套现的筛查方法 |
CN104008449A (zh) * | 2014-05-27 | 2014-08-27 | 乔岭梅 | 一种住院医保病人管理系统 |
CN104408547A (zh) * | 2014-10-30 | 2015-03-11 | 浙江网新恒天软件有限公司 | 一种基于数据挖掘的医保欺诈行为的检测方法 |
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 |
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 |
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 |
Non-Patent Citations (2)
Title |
---|
李晓亮: ""计算机审计数据分析之巧引辅助数据"", 《实物研究》 * |
褚福灵: ""北京市基本医疗保险智能监控研究"", 《北京劳动保障职业学院学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445343A (zh) * | 2020-03-23 | 2020-07-24 | 平安医疗健康管理股份有限公司 | 风险医疗数据的识别方法、装置、计算机设备和存储介质 |
CN111626884A (zh) * | 2020-06-01 | 2020-09-04 | 中国联合网络通信集团有限公司 | 一种防止保险欺诈方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021068601A1 (zh) | 病历检测方法、装置、设备及存储介质 | |
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 | |
NL2012435C2 (en) | Data processing techniques. | |
TWI744542B (zh) | 保險服務優化系統 | |
US9727919B2 (en) | Systems and methods for reducing medical claims fraud | |
US20070055552A1 (en) | System and method for health care data integration and management | |
US20120289787A1 (en) | System for clinical workflow enhancements using a business rules engine that collates heterogeneous healthcare data, and a method thereof | |
CN102013084A (zh) | 用于检测医疗保险门诊欺诈性交易的系统和方法 | |
Dell et al. | Field evaluation of a camera-based mobile health system in low-resource settings | |
Fedorowicz et al. | Reinvention of interorganizational systems: A case analysis of the diffusion of a bio-terror surveillance system | |
US8589186B1 (en) | Systems and methods for determining pharmaceutical consultation compliance | |
CN109671476A (zh) | 无关用药的识别方法、装置、终端及计算机可读存储介质 | |
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 | |
CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
CN109636646A (zh) | 异常就诊的识别方法、装置、终端及计算机可读存储介质 | |
CN109636650A (zh) | 用药方案异常的识别方法、装置、终端及可读存储介质 | |
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 | |
WO2015119990A1 (en) | Natural language processing for medical records | |
CN109685670A (zh) | 社保违规检测方法、装置、设备及计算机可读存储介质 | |
De Walque et al. | Improving effective coverage in health: do financial incentives work? | |
CN109636648A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
CN115239479A (zh) | 一种基于大数据的供应链金融风险控制系统及方法 | |
US20140067629A1 (en) | Spend monitor | |
CN109544363B (zh) | 基于数据可视化的医疗监管方法、装置、终端及介质 | |
Blagburn et al. | Person-centred pharmaceutical care reduces emergency readmissions |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
RJ01 | Rejection of invention patent application after publication |