CN109636649A - 医疗费用异常的监控方法、监控服务端及存储介质 - Google Patents
医疗费用异常的监控方法、监控服务端及存储介质 Download PDFInfo
- Publication number
- CN109636649A CN109636649A CN201811530956.7A CN201811530956A CN109636649A CN 109636649 A CN109636649 A CN 109636649A CN 201811530956 A CN201811530956 A CN 201811530956A CN 109636649 A CN109636649 A CN 109636649A
- Authority
- CN
- China
- Prior art keywords
- insured
- medical
- default
- disease
- time
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 162
- 201000010099 disease Diseases 0.000 claims description 161
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000036541 health Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 2
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 241000208340 Araliaceae Species 0.000 description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 description 5
- 235000008434 ginseng Nutrition 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010003445 Ascites Diseases 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 201000003068 rheumatic fever Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010016654 Fibrosis Diseases 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 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)
- Economics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Strategic Management (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)
Abstract
本发明公开了一种医疗费用异常的监控方法、服务端及存储介质，该方法包括：接收医疗机构服务器发送的医疗数据，所述医疗数据包括参保人标识，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；根据预存参保信息查找与所述参保人标识对应的参保时间；根据所述预设核算周期和所述参保时间计算得到实际核算时间；根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；根据所述实际核算时间和平均报销限额得到实际报销限额；判断所述医疗报销费用是否大于实际报销限额；若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。本发明基于神经网络能方便快速的识别医疗费用异常行为，对医疗费用进行监控。
Description
技术领域
本发明涉及保险监控技术领域，尤其涉及医疗费用异常的监控方法、监控服务端及计算机可读存储介质。
背景技术
居民参加社会医疗保险(下文称为医保)以保障基本生活。现有的社会医疗保险运行规则中，为避免参保人滥用医保资源，对每一参保人每次住院、每年住院均设置有报销限额，一部分参保人利用该报销限额以自然年为统计单位，即便参保人年中或年末获得医保报销资格，仍然可以按照全年的报销限额进行报销。恶意参保人采用故意多开药、过度安排治疗等手段，过度滥用医疗资源。工作人员进行核查时，需要对大量的报销数据进行排查，以分析识别各个参保人是否存在医疗费用异常，这样不仅需要消耗大量人力，而且准确性不高，容易导致恶意参保人或恶意医疗机构识别不全面。
发明内容
本发明的主要目的在于提供一种医疗费用异常的监控方法、监控服务端及计算机可读存储介质，旨在解决由于医保报销数据巨大，人工核查医疗费用异常的工作量大、准确性不高的技术问题。
为实现上述目的，本发明提供一种医疗费用异常的监控方法，包括步骤：
接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
根据预存参保信息查找与所述参保人标识对应的参保时间；
根据所述预设核算周期和所述参保时间计算得到实际核算时间；
根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；
根据所述实际核算时间和平均报销限额得到实际报销限额；
判断所述医疗报销费用是否大于实际报销限额；
若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
优选地，所述根据所述预设核算周期和所述参保时间计算得到实际核算时间的步骤，包括：
判断所述参保时间是否在所述预设核算周期的起始日之后；
若所述参保时间在所述预设核算周期的起始日之后，则以所述参保时间为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间；
若所述参保时间不在所述预设核算周期的起始日之后，则以所述核算周期的起始日为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间。
优选地，所述根据所述预设核算周期和所述参保时间计算得到实际核算时间的步骤，还包括：
判断是否设置有死亡时间与所述参保人标识相关联；
若设置有死亡时间与所述参保人标识相关联，则判断所述死亡时间是否在所述预设核算周期的截止日之前；
若所述死亡时间在所述预设核算周期的截止日之前，则以所述死亡时间为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间；
若所述死亡时间不在所述预设核算周期的截止日之前，则以所述核算周期的截止日为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间。
优选地，所述医疗数据还包括与所述参保人标识对应的疾病信息；所述根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额的步骤之前，包括：
根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值；
根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额。
优选地，所述医疗数据还包括与所述参保人标识对应的医保类型，所述根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值的步骤，包括：
根据预设报销限额阈值表确认至少一个与所述疾病信息、所述医保类型相对应的病种报销阈值。
优选地，所述根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值的步骤之前，包括：
根据所述参保人所在参保地区内所有参保人的医疗数据确定患有相同病种的同疾病参保人，以及所有所述同疾病参保人针对所述相同病种的总医疗报销费用；
根据所述总医疗报销费用和所述同疾病参保人的人数计算得到各病种的人均医疗报销费用，设置所述人均医疗报销费用为所述病种报销阈值。
优选地，所述根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额的步骤，包括：
根据所述参保地区内所有参保人的医疗数据确定各参保人治疗各病种的单病种报销费用；
根据各病种对应的所述人均医疗报销费用和所述病种报销阈值的标准差计算各病种对应的报销标准差；
确定与所述疾病信息对应的至少一个报销标准差，并根据所述疾病信息对应的各所述报销标准差之和得到调整基数；
根据所述疾病信息对应的各所述人均医疗报销费用之和，以及所述调整基数得到所述预设医疗报销限额。
此外，为实现上述目的，本发明还提供一种监控服务端，包括：
接收模块，所述接收模块用于接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识、参保时间，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
计算模块，所述计算模块用于根据所述预设核算周期和所述参保时间计算得到实际核算时间；所述计算模块还用于根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；所述计算模块还用于根据所述实际核算时间和平均报销限额得到实际报销限额；
判断模块，所述判断模块用于判断所述医疗报销费用是否大于实际报销限额；
标识模块，所述标识模块用于若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
此外，为实现上述目的，本发明还提供一种监控服务端，所述监控服务端包括：通信模块、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，所述计算机程序被所述处理器执行时实现如上所述的医疗费用异常的监控方法的步骤。
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所述的医疗费用异常的监控方法的步骤。
本发明提出的一种医疗费用异常的监控方法、监控服务端及计算机可读存储介质，通过所述预设核算周期和所述参保时间计算得到实际核算时间，再通过预设医疗报销限额和所述预设核算周期计算得到平均报销限额，从而可通过所述实际核算时间和平均报销限额得到实际报销限额，根据参保人在预设核算周期内的参保时间，动态调整实际报销限额；通过计算得到实际报销限额与医疗报销费用进行比较，使得进行核查的工作人员可快速排查恶意参保人利用报销限额以自然年为统计单位，故意多开药、过度安排治疗等手段导致的医疗报销费用异常的行为，维护了其他参保人利益。
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结构示意图；
图2为本发明医疗费用异常的监控方法第一实施例的流程示意图；
图3为本发明医疗费用异常的监控方法第二实施例的流程示意图；
图4为本发明医疗费用异常的监控方法第三实施例的流程示意图；
图5为本发明医疗费用异常的监控方法第四实施例的流程示意图；
图6为本发明医疗费用异常的监控方法第五实施例的流程示意图；
图7为本发明医疗费用异常的监控方法第六实施例的流程示意图；
图8为本发明医疗费用异常的监控方法第七实施例的流程示意图；
图9为本发明监控服务端的功能模块示意图。
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。
请参照图1，图1为本发明各个实施例中的监控服务端100的硬件结构示意图，所述监控服务端可以是与参保人或医疗机构办理医疗费用报销的终端通信连接的服务器，也可以是与服务器以及办理医疗费用报销的终端通信连接的专用于数据监控的监控服务平台。本发明所提供的监控服务端100包括通信模块10、存储器20及处理器30等部件。其中，所述处理器30分别与所述存储器20和所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行。
通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可广播事件、指令及信息至所述外部通讯设备。所述外部通讯设备可以是服务器、手机、电脑、医疗机构收费终端及医疗机构开具处方终端等。
存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如转化率计算程序)等；存储数据区可存储根据监控服务端100的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30，是监控服务端的控制中心，利用各种接口和线路连接整个监控服务端的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行监控服务端100的各种功能和处理数据，从而对监控服务端进行整体监控。处理器30可包括一个或多个处理单元；优选地，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。
尽管图1未示出，但上述监控服务端100还可以包括电路控制模块，用于与电源连接，保证其他部件的正常工作等。上述监控服务端100还可以包括显示模块，用于显示系统界面、医疗数据等，方便工作人员进行实时操作和控制。
本领域技术人员可以理解，图1中示出的监控服务端100结构并不构成对监控服务端100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。
基于上述硬件结构，提出本发明方法各个实施例。
参照图2，在本发明医疗费用异常的监控方法的第一实施例中，包括步骤：
步骤S100，接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
具体地，医疗机构可以是进行疾病诊断、治疗的医院、疗养院、门诊部、诊所、卫生所以及急救站，医疗机构还可以是合法出售药品的药房。医疗数据具体为针对就诊病患在医疗机构就诊或购药出具的医疗详单，具体包括就诊医疗机构的医疗机构标识、参保人所患疾病信息、医疗报销费用、参保人就诊时间等。参保人获取药品、疾病诊断、治疗等需向医疗机构支付应付医疗费用，根据参保地区预设医疗报销目录，计算应付医疗费用*报销比例后得到医疗报销费用，即保险机构为参保人报销的费用，在本发明中，保险机构为社会医疗保险的报销单位。
在医疗机构服务器上安装有应用软件，以使得医疗机构服务器定时或实时向监控服务端发送医疗数据。监控服务端可以直接从自身存储器中获取应用软件上报的医疗数据；当监控服务端是专用的监控服务平台时，可以向医疗机构服务器发送请求以获取医疗数据，或由医疗机构服务器主动发送医疗数据给所述监控服务平台。医疗机构服务器定时发送医疗数据，可以是间隔固定时间发送医疗数据，例如：每天、每小时等。也可以是医疗机构工作人员输入相关数据后，实时发送医疗数据到监控服务端。
步骤S200，根据预存参保信息查找与所述参保人标识对应的参保时间；
预存参保信息为根据参保人参保情况预先录入的数据，具体包括参保人标识、参保人参保时间等。在本发明中，参保时间为参保人具有报销资格的时间。
步骤S300，根据所述预设核算周期和所述参保时间计算得到实际核算时间；
一般情况下，根据参保时间到所述预设核算周期的截止日的时间长为实际核算时间。例如：参保人A于2018年7月1日获得医疗报销资格，预设核算周期2018年1月1日至2018年12月31日，那么实际核算时间为2018年7月1日到2018年12月31日的时间长。
步骤S400，根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；
将预设医疗报销限额除以所述预设核算周期计算得到平均报销限额，优选地，预设核算周期以天为计量单位，平均报销限额即代表平均到每天，参保人可报销的限额。
步骤S500，根据所述实际核算时间和平均报销限额得到实际报销限额；
将所述实际核算时间乘以平均报销限额得到实际报销限额，当然预设核算周期和实际核算时间的计量单位需保持一致。
步骤S600，判断所述医疗报销费用是否大于实际报销限额；
将所述医疗报销费用与计算得到的所述实际报销限额进行比较，判断所述医疗报销费用是否大于实际报销限额。
步骤S700，若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
在本实施例中，若所述医疗报销费用小于或者等于实际报销限额，则不做处理。异常标识具体可以体现为在监控服务端显示数据时，对所述参保人标识进行凸出颜色显示等，以使得监管工作人员能区别识别具有所述医疗报销费用大于实际报销限额的参保人。
例如：参保人A于2018年12月1日获得医疗报销资格，预设核算周期2018年1月1日至2018年12月31日，那么实际核算时间为2018年12月1日到2018年12月31日的时间长，即31天；若预设医疗报销限额为3650元，则平均报销限额为3650元/365天，即10元/天；实际报销限额为10元/天*31天为310元，当参保人A在预设核算周期内的医疗报销费用大于310元时，设置异常标识关联所述参保人标识，以待工作人员进一步核查。
本发明提供的医疗费用异常的监控方法，通过计算得到实际报销限额与医疗报销费用进行比较，使得进行核查的工作人员可快速排查恶意参保人利用报销限额以自然年为统计单位，故意多开药、过度安排治疗等手段导致的医疗报销费用异常的行为，维护了其他参保人利益。
参照图3，在本发明医疗费用异常的监控方法的第二实施例中，所述步骤S300，包括：
步骤S210，判断所述参保时间是否在所述预设核算周期的起始日之后；
步骤S220，若所述参保时间在所述预设核算周期的起始日之后，则以所述参保时间为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间；
预设核算周期包括起始日、截止日和起始日到截止日之间的时间。一般情况下，预设核算周期以自然年来计算，例如：预设核算周期2018年1月1日至2018年12月31日，起始日为2018年1月1日，截止日为2018年12月31日。起始计算日为实际核算时间的起始日，例如：以所述参保时间2018年12月1日为起始计算日计算所述实际核，根据所述起始计算日和所述截止计算日算时间，则实际核算时间为2018年12月1日到2018年12月31日，共计31日。
步骤S230，若所述参保时间不在所述预设核算周期的起始日之后，则以所述核算周期的起始日为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间。
若所述参保时间不在所述预设核算周期的起始日之后，即所述参保时间与所述预设核算周期的起始日相同，或所述参保时间在所述预设核算周期的起始日之前；所述参保时间与所述预设核算周期的起始日相同时，则所述核算周期的起始日或所述参保日为同一天，二者任意一个为起始计算日计算所述实际核算时间。若所述参保时间在所述预设核算周期的起始日之前，则以所述核算周期的起始日为起始计算日计算所述实际核算时间。
通过比较参保时间和所述预设核算周期的起始日的先后，从而针对不同情况计算实际核算周期。对于参保时间在所述预设核算周期的起始日之前的参保人，可省去实际核算周期的计算过程。
参照图4，在本发明医疗费用异常的监控方法的第三实施例中，所述步骤S210和所述步骤S300之间，包括：
步骤S240，判断是否设置有死亡时间与所述参保人标识相关联；
具体地，所述医疗数据包括死亡时间，若参保人死亡，则设置死亡时间并将死亡时间与参保人标识相关联；若参保人存活，则该参保人的医疗数据中不存在死亡时间，或者该参保人的医疗数据中死亡时间为空。
步骤S250，若设置有死亡时间与所述参保人标识相关联，则判断所述死亡时间是否在所述预设核算周期的截止日之前；
步骤S260，若所述死亡时间在所述预设核算周期的截止日之前，则以所述死亡时间为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间；
所述死亡时间在所述预设核算周期的截止日之前，即证明参保人在所述预设核算周期的截止日之前已死亡，所述死亡时间到所述预设核算周期的截止日之间参保人不会产生医疗费用。
截止计算日为实际核算时间的截止日，例如：以所述参保时间2018年1月1日为起始计算日，死亡时间为2018年1月31日计算所述实际核算时间，则实际核算时间为2018年1月1日到2018年1月31日，共计31日。
步骤S270，若所述死亡时间不在所述预设核算周期的截止日之前，则以所述核算周期的截止日为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间。
若所述死亡时间不在所述预设核算周期的截止日之前，即表示所述死亡时间在所述预设核算周期的截止日之后，或者所述死亡时间与所述预设核算周期的截止日为同一天。所述死亡时间在所述预设核算周期的截止日之后时，以所述核算周期的截止日为截止计算日计算所述实际核算时间。所述死亡时间与所述预设核算周期的截止日相同时，二者任一意一个为截止计算日计算所述实际核算时间。
通过判断是否关联有死亡时间，从而识别参保人已在所述预设核算周期的截止日之前死亡的情况。
参照图5，在本发明医疗费用异常的监控方法的第四实施例中，所述医疗数据还包括与所述参保人标识对应的疾病信息；所述步骤S400之前，包括：
步骤S310，根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值；
疾病信息包括疾病信息、病期信息等。预设报销限额阈值表中设置有与不同疾病信息的病种或病期对应的病种报销阈值。当疾病信息中仅包括一种病种时，根据该病种对应的病种报销阈值得到预设报销限额阈值；当疾病信息中包括多种病种时，根据多种病种分别对应的病种报销阈值得到预设医疗报销限额。
由于医疗数据具体可以是医疗详单、医疗病历等，医务工作人员在录入时，文本内容较为复杂。在本发明提供的监控方法中，针对医疗数据中不规范的字段，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，如疾病信息、疾病病种等。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，从而将医疗数据中的与疾病信息相关的字段匹配到相应的疾病信息标准化字段中，以有利于后续步骤中确认病种报销阈值、同疾病参保人等。
步骤S320，根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额。
具体地，疾病信息包含一个或多个病种。将不同病种对应的报销费用阈值相加后，再根据相加后的和计算所述预设医疗报销限额。优选地，还可以根据不同的病种设置不同的权重，以优化计算得到的预设医疗报销限额。例如：参保人同时患有高血压病(三期)和肝硬化腹水，则判断参保人患2种病种；当预设核算周期为年，对应高血压病(三期)的病种报销阈值为6万元，对应肝硬化的病种报销阈值为8万元时，那么对应高血压病(三期)和肝硬化腹水报销费用阈值分别为6万元和8万元；根据6万元和8万元的和计算预设医疗报销限额。参保人所患病种越多，相应的预设医疗报销限额越大。
通过疾病信息的病种确定不同的病种报销阈值，在通过各个病种报销阈值获得预设医疗报销限额，从而使得每个参保人根据病情不同可获得不同的预设医疗报销限额。
参照图6，在本发明医疗费用异常的监控方法的第五实施例中，所述医疗数据还包括与所述参保人标识对应的医保类型，所述步骤S310，包括：
步骤S311，根据预设报销限额阈值表确认至少一个与所述疾病信息、所述医保类型相对应的病种报销阈值。
由于现行医保规则，现有的医保类型分为城镇职工基本医疗保险、城镇居民基本医疗保险和新型农村合作医疗，针对不同参保类型设置不同的报销规则、报销限额；同时不同的参保类型所代表的参保人群不同，经济状况、医疗条件等均有不同，一般情况下，患有同一病种，参与城镇职工基本医疗保险的参保人计算得到的病种报销阈值大于参与城镇居民基本医疗保险的参保人计算得到病种报销阈值。
通过加入医保类型来对应病种报销阈值，从而使得得到的预设医疗报销限额更符合参保人的实际情况。
参照图7，在本发明医疗费用异常的监控方法的第六实施例中，所述步骤S310之前，包括：
步骤S330，根据所述参保人所在参保地区内所有参保人的医疗数据确定患有相同病种的同疾病参保人，以及所有所述同疾病参保人针对所述相同病种的总医疗报销费用；
步骤S340，根据所述总医疗报销费用和所述同疾病参保人的人数计算得到各病种的人均医疗报销费用，设置所述人均医疗报销费用为所述病种报销阈值。
将所述总医疗报销费用除以所述同疾病参保人的人数计算得到各病种的人均医疗报销费用。例如：A市患有风湿性关节炎的参保人的人数为5万，A市当年针对风湿性关节炎的总医疗报销费用为50000万元，则人均医疗报销费用为50000万元除以5万得到1万元，即风湿性关节炎对应的病种报销阈值为1万元。
参保地区为参保人参保地在社会医疗划分中对应的地区。由于不同地区的经济发展程度、医疗条件不同，导致疾病确诊率、用于医疗的开销不同，现有的社会医疗保险针对不同地区设有不同社会医疗保险报销规则，即可报销的医疗项目具有不同、相同医疗项目的报销比例不同等。采取与所述参保人同一参保地区的其他参保人医疗数据进行分析、计算，使得得到的总医疗报销费用准确性更高。
参照图8，在本发明医疗费用异常的监控方法的第七实施例中，所述步骤S320，包括：
步骤S321，根据所述参保地区内所有参保人的医疗数据确定各参保人治疗各病种的单病种报销费用；
步骤S322，根据各病种对应的所述人均医疗报销费用和所述单病种报销费用的标准差计算各病种对应的报销标准差；
通过标准差，可分析得到各个参保人针对不同病种的单病种报销费用偏离人均医疗报销费用的幅度。假设针对A病种和B病种的人均医疗报销费用均为5万，各个参保人针对A病种的单病种报销费用正态分布于4～6万，各个参保人针对B病种的单病种报销费用正态分布于1～9万，则A病种的报销标准差小于B病种的报销标准差。
若同疾病参保人针对某一病种的单病种报销费用为a1，a2，a3……an；同疾病参保人的人数为n；则人均医疗报销费用
报销标准差
步骤S323，确定与所述疾病信息对应的至少一个报销标准差，并根据所述疾病信息对应的各所述报销标准差之和得到调整基数；
调整基数Y＝σ1+σ2+σ3+。。。。。。σn；
步骤S324，根据所述疾病信息对应的各所述人均医疗报销费用之和，以及所述调整基数得到所述预设医疗报销限额。
具体地，将所述疾病信息对应的各所述人均医疗报销费用之和，以及所述调整基数相加得到预设医疗报销限额。
通过计算报销标准差，从而在预设医疗报销限额中可体现各个单病种报销费用偏离人均医疗报销费用的幅度。以使得不同参保人的单病种报销费用分布区间较大时，相应的预设医疗报销限额在病种报销阈值的基础上修整较大；不同参保人的单病种报销费用分布区间较小时，相应的预设医疗报销限额在病种报销阈值的基础上修整的较小。从而提高监控的准确性。
优选地，还可以设置调整系数为x，以调整调整基数。则 本领域技术人员也可以根据具体参保地区多年医疗数据进行分析，自行设置调整系数。
参见图9，本发明还提供一种监控服务端，包括：
接收模块10，所述接收模块10用于接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识、参保时间，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
计算模块20，所述计算模块20用于根据所述预设核算周期和所述参保时间计算得到实际核算时间；所述计算模块20还用于根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；所述计算模块20还用于根据所述实际核算时间和平均报销限额得到实际报销限额；
判断模块30，所述判断模块30用于判断所述医疗报销费用是否大于实际报销限额；
标识模块40，所述标识模块40用于若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
进一步地，在另一实施例中，所述判断模块30还用于判断所述参保时间是否在所述预设核算周期的起始日之后；
所述计算模块20还用于若所述参保时间在所述预设核算周期的起始日之后，则以所述参保时间为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间；
所述计算模块20还用于若所述参保时间不在所述预设核算周期的起始日之后，则以所述核算周期的起始日为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间。
进一步地，在又一实施例中，所述判断模块30还用于判断是否设置有死亡时间与所述参保人标识相关联；
所述判断模块30还用于若设置有死亡时间与所述参保人标识相关联，则判断所述死亡时间是否在所述预设核算周期的截止日之前；
所述计算模块20还用于若所述死亡时间在所述预设核算周期的截止日之前，则以所述死亡时间为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间；
所述计算模块20还用于若所述死亡时间不在所述预设核算周期的截止日之前，则以所述核算周期的截止日为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间。
进一步地，在又一实施例中，所述监控服务端还包括查询模块50，所述医疗数据还包括与所述参保人标识对应的疾病信息；所述查询模块50用于根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值；
所述计算模块20还用于根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额。
进一步地，在又一实施例中，所述医疗数据还包括与所述参保人标识对应的医保类型，所述计算模块20还用于根据预设报销限额阈值表确认至少一个与所述疾病信息、所述医保类型相对应的病种报销阈值。
进一步地，在又一实施例中，所述查询模块50还用于根据所述参保人所在参保地区内所有参保人的医疗数据确定患有相同病种的同疾病参保人，以及所有所述同疾病参保人针对所述相同病种的总医疗报销费用；
所述计算模块20还用于根据所述总医疗报销费用和所述同疾病参保人的人数计算得到各病种的人均医疗报销费用，设置所述人均医疗报销费用为所述病种报销阈值。
进一步地，在又一实施例中，所述查询模块50还用于根据所述参保地区内所有参保人的医疗数据确定各参保人治疗各病种的单病种报销费用；
所述计算模块20还用于根据各病种对应的所述人均医疗报销费用和所述病种报销阈值的标准差计算各病种对应的报销标准差；
所述计算模块20还用于确定与所述疾病信息对应的至少一个报销标准差，并根据所述疾病信息对应的各所述报销标准差之和得到调整基数；
所述计算模块20还用于根据所述疾病信息对应的各所述人均医疗报销费用之和，以及所述调整基数得到所述预设医疗报销限额。
请再次结合图1，在一实施例中，监控服务端100包括通信模块10、存储器20及处理器30，其中，所述处理器30分别与所述存储器20和通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序被所述处理器20执行时实现如上所述的医疗费用异常的监控方法的步骤。
本发明还提出一种计算机可读存储介质，其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医疗费用异常的监控方法的步骤。
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)
1.一种医疗费用异常的监控方法，其特征在于，包括步骤：
接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
根据预存参保信息查找与所述参保人标识对应的参保时间；
根据所述预设核算周期和所述参保时间计算得到实际核算时间；
根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；
根据所述实际核算时间和平均报销限额得到实际报销限额；
判断所述医疗报销费用是否大于实际报销限额；
若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
2.如权利要求1所述的医疗费用异常的监控方法，其特征在于，所述根据所述预设核算周期和所述参保时间计算得到实际核算时间的步骤，包括：
判断所述参保时间是否在所述预设核算周期的起始日之后；
若所述参保时间在所述预设核算周期的起始日之后，则以所述参保时间为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间；
若所述参保时间不在所述预设核算周期的起始日之后，则以所述核算周期的起始日为起始计算日，根据所述预设核算周期和所述参保时间计算所述实际核算时间。
3.如权利要求2所述的医疗费用异常的监控方法，其特征在于，所述根据所述预设核算周期和所述参保时间计算得到实际核算时间的步骤，还包括：
判断是否设置有死亡时间与所述参保人标识相关联；
若设置有死亡时间与所述参保人标识相关联，则判断所述死亡时间是否在所述预设核算周期的截止日之前；
若所述死亡时间在所述预设核算周期的截止日之前，则以所述死亡时间为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间；
若所述死亡时间不在所述预设核算周期的截止日之前，则以所述核算周期的截止日为截止计算日，根据所述起始计算日和所述截止计算日计算所述实际核算时间。
4.如权利要求1所述的医疗费用异常的监控方法，其特征在于，所述医疗数据还包括与所述参保人标识对应的疾病信息；所述根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额的步骤之前，包括：
根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值；
根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额。
5.如权利要求4所述的医疗费用异常的监控方法，其特征在于，所述医疗数据还包括与所述参保人标识对应的医保类型，所述根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值的步骤，包括：
根据预设报销限额阈值表确认至少一个与所述疾病信息、所述医保类型相对应的病种报销阈值。
6.如权利要求4所述的医疗费用异常的监控方法，其特征在于，所述根据预设报销限额阈值表确认至少一个与所述疾病信息相对应的病种报销阈值的步骤之前，包括：
根据所述参保人所在参保地区内所有参保人的医疗数据确定患有相同病种的同疾病参保人，以及所有所述同疾病参保人针对所述相同病种的总医疗报销费用；
根据所述总医疗报销费用和所述同疾病参保人的人数计算得到各病种的人均医疗报销费用，设置所述人均医疗报销费用为所述病种报销阈值。
7.如权利要求6所述的医疗费用异常的监控方法，其特征在于，所述根据所述疾病信息对应的各所述病种报销阈值之和计算得到所述预设医疗报销限额的步骤，包括：
根据所述参保地区内所有参保人的医疗数据确定各参保人治疗各病种的单病种报销费用；
根据各病种对应的所述人均医疗报销费用和所述病种报销阈值的标准差计算各病种对应的报销标准差；
确定与所述疾病信息对应的至少一个报销标准差，并根据所述疾病信息对应的各所述报销标准差之和得到调整基数；
根据所述疾病信息对应的各所述人均医疗报销费用之和，以及所述调整基数得到所述预设医疗报销限额。
8.一种监控服务端，其特征在于，包括：
接收模块，所述接收模块用于接收医疗机构服务器发送的医疗数据，其中，所述医疗数据包括参保人标识、参保时间，以及所述参保人标识对应参保人在预设核算周期内的医疗报销费用；
计算模块，所述计算模块用于根据所述预设核算周期和所述参保时间计算得到实际核算时间；所述计算模块还用于根据预设医疗报销限额和所述预设核算周期计算得到平均报销限额；所述计算模块还用于根据所述实际核算时间和平均报销限额得到实际报销限额；
判断模块，所述判断模块用于判断所述医疗报销费用是否大于实际报销限额；
标识模块，所述标识模块用于若所述医疗报销费用大于实际报销限额，则设置异常标识关联所述参保人标识。
9.一种监控服务端，其特征在于，所述监控服务端包括：通信模块、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，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中任一项所述的医疗费用异常的监控方法的步骤。
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中任一项所述的医疗费用异常的监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811530956.7A CN109636649A (zh) | 2018-12-13 | 2018-12-13 | 医疗费用异常的监控方法、监控服务端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811530956.7A CN109636649A (zh) | 2018-12-13 | 2018-12-13 | 医疗费用异常的监控方法、监控服务端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636649A true CN109636649A (zh) | 2019-04-16 |
Family
ID=66073871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811530956.7A Pending CN109636649A (zh) | 2018-12-13 | 2018-12-13 | 医疗费用异常的监控方法、监控服务端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636649A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112035618A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 医疗费用分析方法、装置、计算机设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| 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 |
| CN106650208A (zh) * | 2016-09-30 | 2017-05-10 | 广州慧扬信息系统科技有限公司 | 一种医疗保险病人的费用分析系统和方法 |
| CN107123072A (zh) * | 2017-05-11 | 2017-09-01 | 杭州逸曜信息技术有限公司 | 医疗费用限制规则生成方法 |
| 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 |
| CN108009932A (zh) * | 2018-01-05 | 2018-05-08 | 上海栈略数据技术有限公司 | 一种基于大数据分析的智能长期护理服务平台 |
| 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 CN201811530956.7A patent/CN109636649A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| 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 |
| CN106650208A (zh) * | 2016-09-30 | 2017-05-10 | 广州慧扬信息系统科技有限公司 | 一种医疗保险病人的费用分析系统和方法 |
| CN107123072A (zh) * | 2017-05-11 | 2017-09-01 | 杭州逸曜信息技术有限公司 | 医疗费用限制规则生成方法 |
| 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 |
| CN108009932A (zh) * | 2018-01-05 | 2018-05-08 | 上海栈略数据技术有限公司 | 一种基于大数据分析的智能长期护理服务平台 |
| 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 (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112035618A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 医疗费用分析方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nianogo et al. | Agent-based modeling of noncommunicable diseases: a systematic review | |
| CN109461070A (zh) | 一种风险审批方法、装置、存储介质和服务器 | |
| CN109636653A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
| Yu et al. | Transformation of potential medical demand in China: A system dynamics simulation model | |
| Huerta et al. | Testing the hospital value proposition: An empirical analysis of efficiency and quality | |
| CN109800363A (zh) | 构建资信关系网络的方法、装置、设备及存储介质 | |
| CN112116103A (zh) | 基于联邦学习的个人资质评估方法、装置及系统及存储介质 | |
| CN110502622A (zh) | 常见医疗问答数据生成方法、装置以及计算机设备 | |
| Zou et al. | Does artificial intelligence promote industrial upgrading? Evidence from China | |
| Essen et al. | The evolution of weak standards: the case of the Swedish rheumatology quality registry | |
| CN109636649A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| Zhang et al. | The influence mechanism of information interaction on value cocreation based on the smart healthcare context | |
| Zhao et al. | An Advanced Study of Urban Emergency Medical Equipment Logistics Distribution for Different Levels of Urgency Demand | |
| CN116994764A (zh) | 一种健康行为模型构建方法、装置及电子设备及存储介质 | |
| Yang et al. | Dynamic decision of health information exchange under different hospital relationships: A differential game approach. | |
| CN109658268A (zh) | 医疗就诊行为异常的监控方法、监控服务端及存储介质 | |
| Płonka et al. | Health security as a public good in the era of the fourth industrial revolution in Poland | |
| Holla | Indigenous Technology as a strategic moat for India | |
| Jiang-Ning et al. | Forecasting emergency medicine reserve demand with a novel decomposition-ensemble methodology | |
| Maheshwari | Big data applications and architectures for emerging countries | |
| Miller et al. | Intelligent wellness | |
| Chen | The Trailblazer in the Era of Longevity—Japan | |
| Yingfeng | " Internet Plus" Medical Services Based on Total Quality Management Theory-An Empirical Research in Public Hospital Outpatient Services in Guangzhou, China | |
| Gao et al. | Current Status of Healthcare and Available E-Health Solutions in China |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |