CN109636652A - 购药行为异常的监控方法、监控服务端及存储介质 - Google Patents
购药行为异常的监控方法、监控服务端及存储介质 Download PDFInfo
- Publication number
- CN109636652A CN109636652A CN201811531074.2A CN201811531074A CN109636652A CN 109636652 A CN109636652 A CN 109636652A CN 201811531074 A CN201811531074 A CN 201811531074A CN 109636652 A CN109636652 A CN 109636652A
- Authority
- CN
- China
- Prior art keywords
- medicine
- time
- disease
- insured people
- mark
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 291
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 50
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 201000010099 disease Diseases 0.000 claims description 169
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 169
- 229940079593 drug Drugs 0.000 claims description 61
- 230000006978 adaptation Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 241000208340 Araliaceae Species 0.000 description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 description 6
- 235000008434 ginseng Nutrition 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- LTMHDMANZUZIPE-AMTYYWEZSA-N Digoxin Natural products O([C@H]1[C@H](C)O[C@H](O[C@@H]2C[C@@H]3[C@@](C)([C@@H]4[C@H]([C@]5(O)[C@](C)([C@H](O)C4)[C@H](C4=CC(=O)OC4)CC5)CC3)CC2)C[C@@H]1O)[C@H]1O[C@H](C)[C@@H](O[C@H]2O[C@@H](C)[C@H](O)[C@@H](O)C2)[C@@H](O)C1 LTMHDMANZUZIPE-AMTYYWEZSA-N 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- LTMHDMANZUZIPE-PUGKRICDSA-N digoxin Chemical compound C1[C@H](O)[C@H](O)[C@@H](C)O[C@H]1O[C@@H]1[C@@H](C)O[C@@H](O[C@@H]2[C@H](O[C@@H](O[C@@H]3C[C@@H]4[C@]([C@@H]5[C@H]([C@]6(CC[C@@H]([C@@]6(C)[C@H](O)C5)C=5COC(=O)C=5)O)CC4)(C)CC3)C[C@@H]2O)C)C[C@@H]1O LTMHDMANZUZIPE-PUGKRICDSA-N 0.000 description 2
- 229960005156 digoxin Drugs 0.000 description 2
- LTMHDMANZUZIPE-UHFFFAOYSA-N digoxine Natural products C1C(O)C(O)C(C)OC1OC1C(C)OC(OC2C(OC(OC3CC4C(C5C(C6(CCC(C6(C)C(O)C5)C=5COC(=O)C=5)O)CC4)(C)CC3)CC2O)C)CC1O LTMHDMANZUZIPE-UHFFFAOYSA-N 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002552 dosage form Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002389 essential drug Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 208000024891 symptom Diseases 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (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
本发明公开了一种购药行为异常的监控方法、监控服务端及存储介质，该方法包括步骤：接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；判断所述间隔时间是否小于第一预设阈值；当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。本发明基于神经网络可方便快速识别参保人购药行为异常。
Description
技术领域
本发明涉及保险监控技术领域，尤其涉及购药行为异常的监控方法、监控服务端及存储介质。
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。在现有的社会医疗保险运行中，一部分参保人恶意频繁购药取药，再进行二次贩卖；或通过频繁购买得到超过本人合理服用剂量，再将药物给予其他非参保人使用，从而造成过度滥用医保资源，造成医保统筹基金的浪费。工作人员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购药行为异常，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识别不全面。
发明内容
本发明的主要目的在于提供一种购药行为异常的监控方法、监控服务端及存储介质，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，本发明提供一种购药行为异常的监控方法，包括步骤：
接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
判断所述间隔时间是否小于第一预设阈值；
当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
优选地，所述购药结算清单还包括各所述购药时间对应的购药金额，所述判断所述间隔时间是否小于第一预设阈值的步骤和所述获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值的步骤之间，还包括：
当所述间隔时间大于或等于所述第一预设阈值时，根据预设平均药品消费额与所述间隔时间的乘积计算获得第三预设阈值；
判断相邻两次购药中的前一次所述购药时间对应的购药金额是否大于所述第三预设阈值；
当所述前一次购药时间对应的购药金额大于所述第三预设阈值时，设置异常标识关联所述参保人标识。
优选地，所述根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间的步骤之后，还包括：
根据预存医疗信息查询所述第一预设时间内所述参保人标识对应的病种信息；
根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值；
当所述病种信息中仅一种病种时，将所述时间数值设置为所述第一预设阈值；
当所述病种信息中包括多种病种时，将多个所述时间数值中数值最小的时间数值设置为所述第一预设阈值。
优选地，所述根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值的步骤之前，还包括：
根据预存医疗信息确定与所述参保人患有相同病种的同疾病参保人；
通过所述购药结算清单确定所有所述同疾病参保人在所述第一预设时间内的所述购药时间；
根据所述同疾病参保人的购药时间计算得到所述同疾病参保人的平均购药间隔时间，将所述平均购药间隔时间设置为所述病种与时间数值映射表中的所述病种信息中病种对应的所述时间数值。
优选地，所述购药结算清单包括药品标识；所述判断所述间隔时间是否小于第一预设阈值的步骤之后，还包括：
当所述间隔时间大于或等于所述第一预设阈值时，根据预存药品信息数据库查询所述药品标识对应的规格、适应病种、对应所述适应病种的服用剂量；
根据预存医疗信息查询所述参保人标识对应的病种信息；
将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应；
当存在所述适应病种与所述病种信息的病种对应时，根据所述预存药品信息数据库内所述药品标识对应的规格、与所述病种信息对应的所述适应病种的服用剂量、以及所述购药结算清单内所述药品标识对应的数量，计算得到最长服用时间；
判断所述最长服用时间是否大于所述间隔时间与预设系数乘积；
当所述最长服用时间大于所述间隔时间与预设系数的乘积时，设置异常标记关联所述参保人标识。
优选地，所述将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应的步骤之后，包括：
当不存在所述适应病种与所述病种信息的病种对应时，设置待核查标记关联所述参保人标识。
优选地，所述获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值的步骤之前，还包括：
根据所述购药结算清单确定在第二预设时间内所述参保人标识对应的购药次数，所述第二预设时间小于或等于所述第一预设时间；
判断所述购药次数是否大于第四预设阈值；
当所述购药次数大于所述第四预设阈值时，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，包括：
接收模块，所述接收模块用于接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
计算模块，所述计算模块用于根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
判断模块，所述判断模块用于判断所述间隔时间是否小于第一预设阈值；
标识模块，所述标识模块用于当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
所述判断模块还用于获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
所述标识模块还用于当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
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购药行为异常的监控方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述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购药行为异常的监控方法的步骤。
本发明提出的一种购药行为异常的监控方法、监控服务端及存储介质，通过本发明中提供的购药行为异常的监控方法，可快速识别参保人故意分多次购药，以躲避监管，获取医疗报销费用，维护了其他参保人利益；通过设置间隔时间和第一预设阈值比较，同时设置异常次数和第二预设阈值比较，从而可提高识别购药行为异常的准确性。
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为本发明购药行为异常的监控方法第一实施例的流程示意图；
图3为本发明购药行为异常的监控方法第二实施例的流程示意图；
图4为本发明购药行为异常的监控方法第三实施例的流程示意图；
图5为本发明购药行为异常的监控方法第四实施例的流程示意图；
图6为本发明购药行为异常的监控方法第五实施例的流程示意图；
图7为本发明购药行为异常的监控方法第六实施例的流程示意图；
图8为本发明购药行为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100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、医疗机构收费录入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100的控制中心，利用各种接口和线路连接整个监控服务端100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100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、购药结算清单等，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，在本发明购药行为异常的监控方法的第一实施例中，包括步骤：
步骤S100，接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
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。在本发明中，医疗机构为具有社会医疗保险报销资格的单位。购药结算清单具体为针对参保人在医疗机构购药出具的药品详单，具体包括医疗机构的医疗机构标识、消费的药品名称、药品编码、药品单价、药品数量、购买时间等。
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购药结算清单。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购药结算清单；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购药结算清单，或由医疗机构服务器主动发送购药结算清单给所述监控服务平台。医疗机构服务器可以定时发送购药结算清单，可以是间隔固定时间发送购药结算清单，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，实时发送购药结算清单到监控服务端。
步骤S200，根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
具体地，确定参保人相邻两次购药的购药时间，再计算两次购药时间的间隔时间。例如：参保人A于2018年8月10日进行购药，在2018年8月11日又进行购药，则间隔时间为0天。
步骤S300，判断所述间隔时间是否小于第一预设阈值；
本领域技术人员可根据实际需要自行设置第一预设阈值，根据步骤S200计算获得同一所述参保人标识对应的参保人相邻两次购药的间隔时间后，将计算获得的间隔时间与第一预设阈值进行比较，从而判断计算获得的间隔时间是否小于第一预设阈值，若间隔时间小于所述第一预设阈值，则进入步骤S400。在本实施例中，若间隔时间大于或等于所述第一预设阈值，则不做处理。
步骤S400，当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
优选地，第一预设阈值为5天。即当参保人相邻两侧购药的间隔时间小于5天，设置异常标识关联所述参保人标识。
异常标识具体可以体现为在监控服务端的显示数据时，对所述医疗机构标识进行凸出颜色显示等，以使得监管工作人员能区别购药的间隔时间小于第一预设阈值的参保人标识。
步骤S500，获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
步骤S600，当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
优选地，第一预设时间为1自然年，第二预设阈值为3次。即当参保人在自然年内关联异常标识的次数大于3次，判定所述参保人存在购药行为异常，工作人员可采取冻结该参保人的购药账户、处以罚金等手段处罚该参保人。
通过本发明中提供的购药行为异常的监控方法，可快速识别参保人故意分多次购药，以躲避监管获取医疗报销费用，维护了其他参保人利益；通过设置间隔时间和第一预设阈值比较，同时设置异常次数和第二预设阈值比较，从而可提高识别购药行为异常的准确性。
参照图3，在本发明购药行为异常的监控方法的第二实施例中，所述购药结算清单还包括各所述购药时间对应的购药金额，所述步骤S300和步骤S500之间，还包括：
步骤S310，当所述间隔时间大于或等于所述第一预设阈值时，根据预设平均药品消费额与所述间隔时间的乘积计算获得第三预设阈值；
本领域技术人员可根据实际需要自行设置预设平均药品消费额。在本实施例中，预设平均药品消费额根据参保人所在参保地区当年或历年医疗报销数据分析得到，具体为参保地区内所有参保人人均每天购买药品的平均消费额与调整系数的乘积。
步骤S320，判断所述相邻两次购药中的前一次所述购药时间对应的购药金额是否大于所述第三预设阈值；
具体地，前一次所述购药时间为相邻两次购药对应的购药时间在先的时间。前一次所述购药时间对应的购药金额为两次相邻购药中在先的购药的开销。
步骤S330，当所述前一次购药时间对应的购药金额大于所述第三预设阈值时，设置异常标识关联所述参保人标识。
例如：参保人A于2018年8月10日购药500元，在2018年8月20日又进行购药400元，则间隔时间为9天，前一次购药时间对应的购药金额为500元。若第一预设阈值为5天，预设平均药品消费额100元，则间隔时间9天大于第一预设阈值5天，第三预设阈值等于50元*9天，购药金额的和500元大于第三预设阈值450元，设置异常标识关联所述参保人标识。
在另一实施例中，预设平均药品消费额还可以是与所述参保人患有相同病种的所有参保人在第一预设时间内药品消费额计算得到。具体为：
根据预存医疗信息查询所述参保人标识对应的病种信息，并确定与所述参保人患有相同病种的同疾病参保人；
通过所述购药结算清单确定所有所述同疾病参保人的在第一预设时间内平均分药品消费额；
根据所述病种信息对应的各所述平均分药品消费额的和计算得到预设平均药品消费额；
通过预设平均药品消费额*间隔时间计算得到第三预设阈值。
事实上，一部分参保人为避开监管，间隔固定时间进行大量购药。通过设置购药金额与第三预设阈值比较，从而可识别参保人间隔两次购药金额过大，超出合理自用的情况。
参照图4，在本发明购药行为异常的监控方法的第三实施例中，包括步骤S200之后，还包括：
步骤S210，根据预存医疗信息查询所述参保人在所述第一预设时间内就诊的的病种信息；
预存医疗信息可以通过参保人的病历资料、处方资料获得，还可以是参保人门诊慢性病购药资格资料获得。若预存医疗信息通过参保人的病历资料、获得，则病种信息包括参保人在第一预设时间内在门诊就诊和住院就诊的病种。
步骤S220，根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值；
具体地，病种信息包含一个或多个病种。不同病种由于发病机理不同、发病症状不同、用药不同，实际生活中，参保人针对不同病种进行购药的间隔时间具有差异。
病种与时间数值映射表为本领域技术人员根据参保人所在参保地区当年或历年医疗报销数据分析得到，每一病种对应设置有一个时间数值相对应。
步骤S230，当所述病种信息中仅一种病种时，将所述时间数值设置为所述第一预设阈值；
步骤S240，当所述病种信息中包括多种病种时，将多个所述时间数值中数值最小的时间数值设置为所述第一预设阈值。
由于参保人每次购药时，可能不仅仅针对某一病种进行购药，一般为多病种混合购药，药物对应的适应病种可以是多样的，所以当所述病种信息中包括多种病种时，采用多个所述时间数值中数值最小的时间数值为第一预设阈值最为适宜，以避免误判断。
参照图5，在本发明购药行为异常的监控方法的第四实施例中，所述步骤S220包括：
步骤S10，根据预存医疗信息确定与所述参保人患有相同病种的同疾病参保人；
优选地，采用参保人所在参保地区的同疾病参保人的数据进行分析、计算，结果更为准确。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，即可报销的药品不同、相同药品的报销比例不同等。由于不同病种对应可报销的药品不同、相同药品的报销比例不同，从而影响参保人购药频率，以及恶意参保人获利空间。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。
步骤S20，通过所述购药结算清单确定所有所述同疾病参保人的在所述第一预设时间内的所述购药时间；
步骤S30，根据所述同疾病参保人的购药时间计算得到所述同疾病参保人的平均购药间隔时间，将所述平均购药间隔时间设置为所述病种与时间数值映射表中的所述病种信息中病种对应的所述时间数值。
假设所述同疾病参保人的购药时间为a1，a2，a3……..an；b1，b2，b3……..bn；……..x1，x2，x3……..xn。
则平均购药间隔时间为[(a1+a2+a3……..+an)/n+(b1+b2+b3……..+bn)/n+……+(x1+x2+a3……..+xn)/n]/x。
参照图6，在本发明购药行为异常的监控方法的第五实施例中，所述购药结算清单包括药品标识；所述步骤S300之后，还包括：
步骤S340，当所述间隔时间大于或等于所述第一预设阈值时，根据预存药品信息数据库查询所述药品标识对应的规格、适应病种、对应所述适应病种的服用剂量；
药品标识具体可以是药品名称、药品编码等，优选地，药品标识为药品编码，由于各地区卫生管理部门针对不同药品、剂型、适应病种等制定了相应的药品编码与药品对应，以区分各个药品，使得药品编码具有唯一性，并且相较于药品名称识别准确率高。
具体地，预存药品信息数据库通过预设软件对现有的《药品目录》、《国家基本药物目录》、药品说明书等文献进行学习，以将药品标识对应的药品信息进行录入。
步骤S350，根据预存医疗信息查询所述参保人标识对应的病种信息；
预存医疗信息具体可以是预存于医疗机构服务器内的就诊患者的医疗数据，或是预存于医疗监管部门的存储器上的居民医疗数据，还可以是预存于监控服务端内的医疗数据，具体记载了参保人标识、与所述参保人标识对应的就诊记录、用药记录等诊疗信息。
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，在既表示词本身又可以考虑语义距离的要求下，利用递归神经网络(recurrentneuralnetwork，RNN)分析更长更复杂的文本内容，如就诊记录、用药记录等。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病种信息匹配到相应的标准化字段中。
步骤S360，将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应；
步骤S370，当存在所述适应病种与所述病种信息的病种对应时，根据所述预存药品信息数据库内所述药品标识对应的规格、与所述病种信息对应的所述适应病种的服用剂量、以及所述购药结算清单内所述药品标识对应的数量，计算得到最长服用时间；
例如：A患者一次购买A001的地高辛片6盒。通过预存药品信息数据库查询到A001的地高辛片规格为0.25mg*100片，适应症高血压的每日常用剂量为0.125～0.5mg，每日一次。则最长服用时间为[(100*0.25)/0.5]*6等于300天。
步骤S380，判断所述最长服用时间是否大于所述间隔时间与预设系数乘积；
预设系数为本领域技术人员根据参保地区的参保人购药行为进行设置。
步骤S390，当所述最长服用时间大于所述间隔时间与预设系数的乘积时，设置异常标记关联所述参保人标识。
假设预设系数为1.5，A患者两次间隔购药时间为21天，所购买的药物的最长服用时间为30天；则21天*1.5＞30天，设置异常标记关联所述参保人标识。
参照图7，在本发明购药行为异常的监控方法的第六实施例中，所述步骤S360之后，包括：
步骤S361，当不存在所述适应病种与所述病种信息的病种对应时，设置待核查标记关联所述参保人标识。
由于药品对应的适应病种可能不止一种，所以当所述病种信息与所述适应病种的任一项均不匹配时，设置异常标识关联所述参保人标识。通过本实施例提供的判断方法，可识别出参保人购买与自身疾病无关的药物，维护其他参保人利益，同时防止医师与患者合谋获取非必须药物的医保报销。
参照图8，在本发明购药行为异常的监控方法的第七实施例中，所述步骤S500之前，还包括：
步骤S410，根据所述购药结算清单确定在第二预设时间内所述参保人标识对应的购药次数，所述第二预设时间小于或等于所述第一预设时间；
第二预设时间可以等于所述第一预设时间，若第一预设时间为自然年时，则步骤S410为根据所述购药结算清单确定在自然年内所述参保人标识对应的购药次数。第二预设时间也可以小于所述第一预设时间，若第一预设时间为自然年时，第二预设时间可以为月。
步骤S420，判断所述购药次数是否大于第四预设阈值；
本领域技术人员根据实际情况进行设置第四预设阈值。优选地，第二预设时间为月时，第四预设阈值为6次。
步骤S430，当所述购药次数大于所述第四预设阈值时，设置异常标识关联所述参保人标识。
通过监控参保人在第四预设时间内的购药次数，从而可识别恶意参保人维持间隔第一预设阈值进行购药，以躲避监控的行为。
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用于接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
计算模块20，所述计算模块20用于根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
判断模块30，所述判断模块30用于判断所述间隔时间是否小于第一预设阈值；
标识模块50，所述标识模块50用于当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
所述判断模块30还用于获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
所述标识模块50还用于当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
进一步地，在另一实施例中，所述计算模块20还用于当所述间隔时间大于或等于所述第一预设阈值时，根据预设平均药品消费额与所述间隔时间的乘积计算获得第三预设阈值；
所述判断模块30还用于判断所述相邻两次购药中的前一次所述购药金额是否大于所述第三预设阈值；
所述标识模块50还用于当所述前一次购药时间对应的购药金额大于所述第三预设阈值时，设置异常标识关联所述参保人标识。
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40，所述查询模块40用于根据预存医疗信息查询所述参保人在所述第一预设时间内就诊对应的病种信息；
所述查询模块40还用于根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值；
所述计算模块20还用于当所述病种信息中仅一种病种时，将所述时间数值设置为所述第一预设阈值；
所述计算模块20还用于当所述病种信息中包括多种病种时，将多个所述时间数值中数值最小的时间数值设置为所述第一预设阈值。
进一步地，在又一实施例中，所述查询模块40还用于根据预存医疗信息确定与所述参保人患有相同病种的同疾病参保人；
所述查询模块40还用于通过所述购药结算清单确定所有所述同疾病参保人在所述第一预设时间内的所述购药时间；
所述计算模块20还用于根据所述同疾病参保人的购药时间计算得到所述同疾病参保人的平均购药间隔时间，将所述平均购药间隔时间设置为所述病种与时间数值映射表中的所述病种信息中病种对应的所述时间数值。
进一步地，在又一实施例中，所述监控服务端还包括匹配模块，所述购药结算清单包括药品标识；
所述查询模块40还用于当所述间隔时间大于或等于所述第一预设阈值时，根据预存药品信息数据库查询所述药品标识对应的规格、适应病种、对应所述适应病种的服用剂量；
所述查询模块40还用于根据预存医疗信息查询所述参保人标识对应的病种信息；
所述判断模块30用于将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应；
所述计算模块20还用于当存在所述适应病种与所述病种信息的病种对应时，根据所述预存药品信息数据库内所述药品标识对应的规格、与所述病种信息对应的所述适应病种的服用剂量、以及所述购药结算清单内所述药品标识对应的数量，计算得到最长服用时间；
所述判断模块30还用于判断所述最长服用时间是否大于所述间隔时间与预设系数乘积；
所述标识模块50还用于当所述最长服用时间大于所述间隔时间与预设系数的乘积时，设置异常标记关联所述参保人标识。
进一步地，在又一实施例中，所述标识模块50还用于当不存在所述适应病种与所述病种信息的病种对应时。
进一步地，在又一实施例中，所述计算模块20还用于根据所述购药结算清单确定在第二预设时间内所述参保人标识对应的购药次数，所述第二预设时间小于或等于所述第一预设时间；
所述判断模块30还用于判断所述购药次数是否大于第四预设阈值；
所述标识模块50还用于当所述购药次数大于所述第四预设阈值时，设置异常标识关联所述参保人标识。
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购药行为异常的监控方法的步骤。
本发明还提出一种存储介质，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购药行为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)
1.一种购药行为异常的监控方法，其特征在于，包括步骤：
接收各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
判断所述间隔时间是否小于第一预设阈值；
当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
2.如权利要求1所述的购药行为异常的监控方法，其特征在于，所述购药结算清单还包括各所述购药时间对应的购药金额，所述判断所述间隔时间是否小于第一预设阈值的步骤和所述获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值的步骤之间，还包括：
当所述间隔时间大于或等于所述第一预设阈值时，根据预设平均药品消费额与所述间隔时间的乘积计算获得第三预设阈值；
判断所述相邻两次购药中的前一次所述购药时间对应的购药金额是否大于所述第三预设阈值；
当所述前一次购药时间对应的购药金额大于所述第三预设阈值时，设置异常标识关联所述参保人标识。
3.如权利要求1所述的购药行为异常的监控方法，其特征在于，所述根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间的步骤之后，还包括：
根据预存医疗信息查询所述参保人在所述第一预设时间内就诊的病种信息；
根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值；
当所述病种信息中仅一种病种时，将所述时间数值设置为所述第一预设阈值；
当所述病种信息中包括多种病种时，将多个所述时间数值中数值最小的时间数值设置为所述第一预设阈值。
4.如权利要求3所述的购药行为异常的监控方法，其特征在于，所述根据病种与时间数值映射表查询所述病种信息中病种对应的时间数值的步骤之前，还包括：
根据预存医疗信息确定与所述参保人患有相同病种的同疾病参保人；
通过所述购药结算清单确定所有所述同疾病参保人在所述第一预设时间内的所述购药时间；
根据所述同疾病参保人的购药时间计算得到所述同疾病参保人的平均购药间隔时间，将所述平均购药间隔时间设置为所述病种与时间数值映射表中的所述病种信息中病种对应的所述时间数值。
5.如权利要求1所述的购药行为异常的监控方法，其特征在于，所述购药结算清单包括药品标识；所述判断所述间隔时间是否小于第一预设阈值的步骤之后，还包括：
当所述间隔时间大于或等于所述第一预设阈值时，根据预存药品信息数据库查询所述药品标识对应的规格、适应病种、对应所述适应病种的服用剂量；
根据预存医疗信息查询所述参保人标识对应的病种信息；
将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应；
当存在所述适应病种与所述病种信息的病种对应时，根据所述预存药品信息数据库内所述药品标识对应的规格、与所述病种信息对应的所述适应病种的服用剂量、以及所述购药结算清单内所述药品标识对应的数量，计算得到最长服用时间；
判断所述最长服用时间是否大于所述间隔时间与预设系数的乘积；
当所述最长服用时间大于所述间隔时间与预设系数的乘积时，设置异常标记关联所述参保人标识。
6.如权利要求5所述的购药行为异常的监控方法，其特征在于，所述将所述病种信息与所述药品标识对应的适应病种进行对比，判断是否存在所述适应病种和所述病种信息对应的步骤之后，包括：
当不存在所述适应病种与所述病种信息的病种对应时，设置待核查标记关联所述参保人标识。
7.如权利要求1所述的购药行为异常的监控方法，其特征在于，所述获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值的步骤之前，还包括：
根据所述购药结算清单确定在第二预设时间内所述参保人标识对应的购药次数，所述第二预设时间小于或等于所述第一预设时间；
判断所述购药次数是否大于第四预设阈值；
当所述购药次数大于所述第四预设阈值时，设置异常标识关联所述参保人标识。
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各医疗机构服务器发送的购药结算清单，所述购药结算清单包括参保人标识和购药时间；
计算模块，所述计算模块用于根据所述购药时间和参保人标识，计算同一所述参保人标识对应的参保人相邻两次购药的间隔时间；
判断模块，所述判断模块用于判断所述间隔时间是否小于第一预设阈值；
标识模块，所述标识模块用于当所述间隔时间小于所述第一预设阈值时，设置异常标识关联所述参保人标识；
所述判断模块还用于获取第一预设时间内所述参保人标识关联所述异常标识的异常次数，判断所述异常次数是否大于第二预设阈值；
所述标识模块还用于当所述异常次数大于所述第二预设阈值时，判定所述参保人存在购药行为异常。
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中任一项所述的购药行为异常的监控方法的步骤。
10.一种存储介质，其特征在于，所述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中任一项所述的购药行为异常的监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811531074.2A CN109636652A (zh) | 2018-12-13 | 2018-12-13 | 购药行为异常的监控方法、监控服务端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811531074.2A CN109636652A (zh) | 2018-12-13 | 2018-12-13 | 购药行为异常的监控方法、监控服务端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109636652A true CN109636652A (zh) | 2019-04-16 |
Family
ID=66073966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811531074.2A Pending CN109636652A (zh) | 2018-12-13 | 2018-12-13 | 购药行为异常的监控方法、监控服务端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109636652A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110942396A (zh) * | 2019-11-28 | 2020-03-31 | 泰康保险集团股份有限公司 | 数据处理方法、装置及设备 |
| CN111105317A (zh) * | 2019-12-28 | 2020-05-05 | 哈尔滨工业大学 | 一种基于购药记录的医疗保险欺诈检测方法 |
| CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
| CN112884593A (zh) * | 2021-02-01 | 2021-06-01 | 浙江大学山东工业技术研究院 | 一种基于图聚类分析的医保骗保行为检测方法及预警装置 |
| CN113643784A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 门慢的异常行为监控方法、装置、设备以及存储介质 |
| CN116110602A (zh) * | 2023-04-13 | 2023-05-12 | 云南医无界医疗网络科技有限公司 | 一种应用于医共体的信息处理方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20170076055A1 (en) * | 2015-04-16 | 2017-03-16 | Panasonic Healthcare Holdings Co., Ltd. | Medication history management method and medication history management apparatus |
| CN107024290A (zh) * | 2017-03-09 | 2017-08-08 | 广州中大百迅信息技术有限公司 | 报警系统及控制方法 |
| 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 |
-
2018
- 2018-12-13 CN CN201811531074.2A patent/CN109636652A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20170076055A1 (en) * | 2015-04-16 | 2017-03-16 | Panasonic Healthcare Holdings Co., Ltd. | Medication history management method and medication history management apparatus |
| 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 |
| CN107024290A (zh) * | 2017-03-09 | 2017-08-08 | 广州中大百迅信息技术有限公司 | 报警系统及控制方法 |
| 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 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110942396A (zh) * | 2019-11-28 | 2020-03-31 | 泰康保险集团股份有限公司 | 数据处理方法、装置及设备 |
| CN111105317A (zh) * | 2019-12-28 | 2020-05-05 | 哈尔滨工业大学 | 一种基于购药记录的医疗保险欺诈检测方法 |
| CN111105317B (zh) * | 2019-12-28 | 2023-05-12 | 哈尔滨工业大学 | 一种基于购药记录的医疗保险欺诈检测方法 |
| CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
| CN112884593A (zh) * | 2021-02-01 | 2021-06-01 | 浙江大学山东工业技术研究院 | 一种基于图聚类分析的医保骗保行为检测方法及预警装置 |
| CN113643784A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 门慢的异常行为监控方法、装置、设备以及存储介质 |
| CN116110602A (zh) * | 2023-04-13 | 2023-05-12 | 云南医无界医疗网络科技有限公司 | 一种应用于医共体的信息处理方法及系统 |
| CN116110602B (zh) * | 2023-04-13 | 2023-06-20 | 云南医无界医疗网络科技有限公司 | 一种应用于医共体的信息处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
| US20200242626A1 (en) | Fraud lead detection system for efficiently processing database-stored data and automatically generating natural language explanatory information of system results for display in interactive user interfaces | |
| US8768724B2 (en) | System and method for detecting drug fraud and abuse | |
| Iizuka | Physician agency and adoption of generic pharmaceuticals | |
| TWI744542B (zh) | 保險服務優化系統 | |
| CN112700838A (zh) | 基于大数据的用药方案推荐方法、装置及相关设备 | |
| US10157262B1 (en) | Systems and methods for determining patient financial responsibility for multiple prescription products | |
| US11030581B2 (en) | Medical claims lead summary report generation | |
| US8725532B1 (en) | Systems and methods for monitoring controlled substance distribution | |
| US10496793B1 (en) | Systems and methods for determining eligibility in a prescription safety network program | |
| CN109637620A (zh) | 基于数据分析的处方生成监测方法、装置、设备和介质 | |
| Brot-Goldberg et al. | Rationing medicine through bureaucracy: authorization restrictions in medicare | |
| Frakt et al. | Should Medicare adopt the Veterans health administration formulary? | |
| US10776890B1 (en) | Generation from data threats and predictive application of the data models | |
| US11361381B1 (en) | Data integration and prediction for fraud, waste and abuse | |
| Sorensen | An empirical model of heterogeneous consumer search for retail prescription drugs | |
| 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 | |
| CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
| US11763262B2 (en) | Identifying relationships between healthcare practitioners and healthcare facilities based on billed claims | |
| Zhen et al. | The impact of prescriptions audit and feedback for antibiotic use in rural clinics: interrupted time series with segmented regression analysis | |
| CN109636653A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| Kim et al. | Comprehensive and collaborative pharmacist transitions of care service for underserved patients with chronic obstructive pulmonary disease | |
| US20130117037A1 (en) | Goal Tracking and Segmented Marketing Systems and Methods with Network Analysis and Visualization | |
| US11887027B1 (en) | Value of future adherence | |
| CN109636649A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
| RJ01 | Rejection of invention patent application after publication |