CN109636653A - 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
- CN109636653A CN109636653A CN201811531075.7A CN201811531075A CN109636653A CN 109636653 A CN109636653 A CN 109636653A CN 201811531075 A CN201811531075 A CN 201811531075A CN 109636653 A CN109636653 A CN 109636653A
- Authority
- CN
- China
- Prior art keywords
- medical
- expense
- expense account
- disease
- threshold value
- 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 76
- 238000000034 method Methods 0.000 title claims abstract description 49
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 152
- 201000010099 disease Diseases 0.000 claims abstract description 150
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000036541 health Effects 0.000 claims description 21
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 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
- 238000012545 processing 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
- 230000008569 process Effects 0.000 description 3
- 206010003445 Ascites Diseases 0.000 description 2
- 229940079593 drug Drugs 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
- 206010003246 arthritis Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000306 recurrent 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
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
本发明公开了一种医疗费用异常的监控方法、服务端及存储介质，该方法包括步骤：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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值；判断所述医疗报销费用是否大于所述总报销费用阈值；当所述医疗报销费用大于所述总报销费用阈值，设置异常标记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，一部分参保人或医疗机构为最大程度利用报销限额，采用故意多开药、过度安排治疗等手段，以达到顶额报销，造成过度滥用医保资源。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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；
根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值；
判断所述医疗报销费用是否大于所述总报销费用阈值；
当所述医疗报销费用大于所述总报销费用阈值，设置异常标记关联所述参保人标识。
优选地，所述根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值的步骤，包括：
确认所述疾病信息中的病种，并根据所述预设报销费用阈值表，确认与所述疾病信息的每一个病种相对应的报销费用阈值；
根据所述疾病信息对应的各所述报销费用阈值的和计算所述总报销费用阈值。
优选地，所述根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值的步骤之前，包括：
根据所述医疗机构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，所述人均医疗报销费用为所述相同病种对应的所述报销费用阈值。
优选地，所述根据所述疾病信息对应的各所述报销费用阈值的和计算所述总报销费用阈值的步骤，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病种医疗报销费用；
根据各病种对应的所述人均医疗报销费用和所述病种医疗报销费用的标准差计算各病种的报销标准差；
确定与所述疾病信息对应的至少一个报销标准差，并计算所述疾病信息对应的报销标准差之和，得到调整基数；
根据所述疾病信息对应的各人均医疗报销费用之和，以及所述调整基数得到所述总报销费用阈值。
优选地，所述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的和得到调整基数的步骤，包括：
确定与所述疾病信息对应的至少一个报销标准差；
根据所述疾病信息对应的各所述报销标准差之和乘以预设调整系数，得到所述调整基数。
优选地，所述医疗数据包括医疗机构标识；所述当所述医疗费用信息大于所述总报销费用阈值，设置异常标记关联所述参保人标识的步骤之后，包括：
获取所述参保地区内所有关联有所述异常标记的参保人标识在所述核算周期内对应就诊的医疗机构标识，并统计所述医疗机构标识出现次数；
判断所述医疗机构标识出现次数是否大于预设次数阈值；
当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识。
优选地，所述当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识的步骤之后，还包括：
获取在关联有所述异常标识的医疗机构标识对应的医疗机构就诊，并且关联有所述异常标记的参保人标识对应的所有参保人在所述核算周期内的总医疗费用；
确定设置有所述异常标识的医疗机构标识对应的医疗机构在所述核算周期内的机构报销总额；
判断所述总医疗费用与所述机构报销总额的比值是否大于预设比率；
当所述总医疗费用与所述机构报销总额的比值大于预设比率，设置高危标识与该医疗机构标识相关联。
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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；
获取模块，所述获取模块用于获取与所述疾病信息对应的至少一个报销费用阈值；
计算模块，所述计算模块用于根据所述报销费用阈值计算所述参保人的总报销费用阈值；
判断模块，所述判断模块用于判断所述医疗费用是否大于所述总报销费用阈值；
标识模块，所述标识模块用于当所述医疗费用大于所述总报销费用阈值，设置异常标记关联所述标识。
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，通过本发明提供的医疗费用异常的监控方法，使得进行核查的工作人员可快速排查恶意参保人故意多开药、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；通过设置疾病信息对应不同的报销费用阈值，从而使得总报销阈值可根据不同参保人所患疾病做出调整，提高识别医疗报销费用异常的准确性。
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、参保人所患疾病信息，以及所述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、消费的医疗项目名称、医疗项目编码、医疗项目编码对应的实际单价、参保人所患疾病信息、医疗报销费用等。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。医疗机构服务器可以定时发送医疗数据，也可以是间隔固定时间发送医疗数据，例如：每天、每小时等，还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。
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报销费用阈值、同疾病参保人等。
步骤S200，根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值；
疾病信息包括病种、病期信息等。预设报销费用阈值表中设置有与不同疾病信息的病种或病期对应的报销费用阈值。当疾病信息中仅包括一种病种时，根据该病种对应的报销费用阈值得到总报销费用阈值；当疾病信息中包括多种病种时，根据多种病种分别对应的报销费用阈值得到总报销费用阈值。
步骤S300，判断所述医疗报销费用是否大于所述总报销费用阈值；
步骤S400，当所述医疗报销费用大于所述总报销费用阈值，设置异常标记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识别医疗报销费用异常的参保人，以待工作人员进行进一步核实。
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；假设根据6万元和8万元计算得到总报销费用阈值15万元，若参保人在当年内的医疗报销费用为16万元时，则医疗报销费用大于总报销费用阈值，设置异常标记关联该参保人。参保人所患病种越多，相应的总报销费用阈值越大。
通过本发明提供的医疗费用异常的监控方法，使得进行核查的工作人员可快速排查恶意参保人故意多开药、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；通过设置疾病信息对应不同的报销费用阈值，从而使得总报销阈值可根据不同参保人所患疾病做出调整，提高识别医疗报销费用异常的准确性。
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，步骤S200包括：
步骤S210，确认所述疾病信息中的病种，并根据所述预设报销费用阈值表，确认与所述疾病信息的每一个病种相对应的报销费用阈值；
步骤S220，根据所述疾病信息对应的各所述报销费用阈值的和计算所述总报销费用阈值。
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总报销费用阈值。优选地，还可以根据不同的病种设置不同的权重，以优化计算得到的总报销费用阈值。
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S100之前，包括：
步骤S10，根据所述医疗机构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；
参保地区为医疗机构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。采取与所述医疗机构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，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，所述人均医疗报销费用为所述相同病种对应的所述报销费用阈值。
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报销费用阈值为1万元。
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，所述步骤S220包括：
步骤S221，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病种医疗报销费用；
步骤S222，根据各病种对应的所述人均医疗报销费用和所述病种医疗报销费用的标准差计算各病种的报销标准差；
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病种医疗报销费用为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S223，确定与所述疾病信息对应的至少一个报销标准差，并计算所述疾病信息对应的报销标准差之和，得到调整基数；
调整基数Y＝σ1+σ2+σ3+。。。。。。σn；
步骤S224，根据所述疾病信息对应的各人均医疗报销费用之和，以及所述调整基数得到所述总报销费用阈值。
通过计算报销标准差，从而在总报销阈值中可体现各个病种医疗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病种医疗报销费用分布区间较大时，相应的总报销阈值在报销阈值的基础上修整较大；不同参保人的病种医疗报销费用分布区间较小时，相应的总报销阈值在报销阈值的基础上修整的较小，从而提高监控的准确性。
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，所述步骤S233包括：
步骤S2331，确定与所述疾病信息对应的至少一个报销标准差；
步骤S2332，根据所述疾病信息对应的各所述报销标准差之和乘以预设调整系数，得到所述调整基数。
调整系数为x，则调整基数Y＝(σ1+σ2+σ3+。。。。。。σn)*x；
在本实施例中，以年或月为预算计算周期时，调整系数为2。当然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，所述医疗数据还包括医疗机构标识，所述步骤S400之后，包括：
步骤S500，获取所述参保地区内所有关联有所述异常标记的参保人标识在所述核算周期内对应就诊的医疗机构标识，并统计所述医疗机构标识出现次数；
步骤S600，判断所述医疗机构标识出现次数是否大于预设次数阈值；
预设次数阈值为本领域技术人员自行设置的合理数值。
步骤S700，当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识。
通过监控关联有所述异常标记的参保人就诊的医疗机构，从而可对出现费用异常行为较多的医疗机构进行识别。
参照图8，在本发明医疗费用异常的监控方法的第五实施例中，所述步骤S700之后，还包括：
步骤S701，获取在关联有所述异常标识的医疗机构标识对应的医疗机构就诊且关联有所述异常标记的所有参保人标识对应的参保人在所述核算周期内的总医疗费用；
步骤S702，确定设置有所述异常标识的医疗机构标识对应的医疗机构在所述核算周期内的机构报销总额；
步骤S703，判断所述总医疗费用与所述机构报销总额的比值是否大于预设比率；
具体地，总医疗费用M，机构报销总额Q，则判断M/Q是否大于预设比率，该预设比率为本领域技术人员自行设置的合理数值。
步骤S704，当所述总医疗费用与所述机构报销总额的比值大于预设比率，设置高危标识与该医疗机构标识相关联。
通过总医疗费用和机构报销总额，从而避免由于就诊机构本身就诊人数基数较大，导致出现关联有异常标识的参保人标识数量较多，导致的误判现象。
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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；
确认模块20，所述确认模块20用于获取与所述疾病信息对应的至少一个报销费用阈值；
计算模块30，所述计算模块30用于根据所述报销费用阈值计算所述参保人的总报销费用阈值；
判断模块40，所述判断模块40用于判断所述医疗费用是否大于所述总报销费用阈值；
标识模块50，所述标识模块50用于当所述医疗费用大于所述总报销费用阈值，设置异常标记关联所述标识。
进一步地，在另一实施例中，所述确认模块20还用于确认所述疾病信息中的病种，并根据所述预设报销费用阈值表，确认与所述疾病信息的每一个病种相对应的报销费用阈值；
所述计算模块30还用于根据所述疾病信息对应的各所述报销费用阈值的和计算所述总报销费用阈值。
进一步地，在又一实施例中，所述确认模块20还用于根据所述医疗机构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30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，所述人均医疗报销费用为所述相同病种对应的所述报销费用阈值。
进一步地，在又一实施例中，所述确认模块20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病种医疗报销费用；
所述计算模块30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医疗报销费用的标准差计算各病种的报销标准差；
所述计算模块30还用于确定与所述疾病信息对应的至少一个报销标准差，并计算所述疾病信息对应的报销标准差之和，得到调整基数；
所述计算模块30还用于根据所述疾病信息对应的各人均医疗报销费用之和，以及所述调整基数得到所述总报销费用阈值。
进一步地，在又一实施例中，所述确认模块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；
所述计算模块30还用于根据所述疾病信息对应的各所述报销标准差之和乘以预设调整系数，得到所述调整基数。
进一步地，在又一实施例中，所述医疗数据包括医疗机构标识；
所述确认模块20还用于获取所述参保地区内所有关联有所述异常标记的参保人标识在所述核算周期内对应就诊的医疗机构标识，并统计所述医疗机构标识出现次数；
所述判断模块40还用于判断所述医疗机构标识出现次数是否大于预设次数阈值；
所述标识模块50还用于当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识。
进一步地，在又一实施例中，所述确认模块20还用于获取在关联有所述异常标识的医疗机构标识对应的医疗机构就诊，并且关联有所述异常标记的参保人标识对应的所有参保人在所述核算周期内的总医疗费用；
所述确认模块20还用于确定设置有所述异常标识的医疗机构标识对应的医疗机构在所述核算周期内的机构报销总额；
所述判断模块40还用于判断所述总医疗费用与所述机构报销总额的比值是否大于预设比率；
所述标识模块50还用于当所述总医疗费用与所述机构报销总额的比值大于预设比率，设置高危标识与该医疗机构标识相关联。
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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；
根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值；
判断所述医疗报销费用是否大于所述总报销费用阈值；
当所述医疗报销费用大于所述总报销费用阈值，设置异常标记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，所述根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值，根据所述报销费用阈值计算所述参保人的总报销费用阈值的步骤，包括：
确认所述疾病信息中的病种，并根据所述预设报销费用阈值表，确认与所述疾病信息的每一个病种相对应的报销费用阈值；
根据所述疾病信息对应的各所述报销费用阈值的和计算所述总报销费用阈值。
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，所述根据预设报销费用阈值表获取与所述疾病信息对应的至少一个报销费用阈值的步骤之前，包括：
根据所述医疗机构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，所述人均医疗报销费用为所述相同病种对应的所述报销费用阈值。
4.如权利要求3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报销费用阈值的和计算所述总报销费用阈值的步骤，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病种医疗报销费用；
根据各病种对应的所述人均医疗报销费用和所述病种医疗报销费用的标准差计算各病种的报销标准差；
确定与所述疾病信息对应的至少一个报销标准差，并计算所述疾病信息对应的报销标准差之和，得到调整基数；
根据所述疾病信息对应的各人均医疗报销费用之和，以及所述调整基数得到所述总报销费用阈值。
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的和得到调整基数的步骤，包括：
确定与所述疾病信息对应的至少一个报销标准差；
根据所述疾病信息对应的各所述报销标准差之和乘以预设调整系数，得到所述调整基数。
6.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，所述医疗数据包括医疗机构标识；所述当所述医疗费用信息大于所述总报销费用阈值，设置异常标记关联所述参保人标识的步骤之后，包括：
获取所述参保地区内所有关联有所述异常标记的参保人标识在所述核算周期内对应就诊的医疗机构标识，并统计所述医疗机构标识出现次数；
判断所述医疗机构标识出现次数是否大于预设次数阈值；
当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识。
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，所述当所述医疗机构标识出现次数大于预设次数阈值，设置所述异常标识关联该医疗机构标识的步骤之后，还包括：
获取在关联有所述异常标识的医疗机构标识对应的医疗机构就诊，并且关联有所述异常标记的参保人标识对应的所有参保人在所述核算周期内的总医疗费用；
确定设置有所述异常标识的医疗机构标识对应的医疗机构在所述核算周期内的机构报销总额；
判断所述总医疗费用与所述机构报销总额的比值是否大于预设比率；
当所述总医疗费用与所述机构报销总额的比值大于预设比率，设置高危标识与该医疗机构标识相关联。
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、参保人所患疾病信息，以及所述参保人在预设核算周期内的医疗报销费用；
获取模块，所述获取模块用于获取与所述疾病信息对应的至少一个报销费用阈值；
计算模块，所述计算模块用于根据所述报销费用阈值计算所述参保人的总报销费用阈值；
判断模块，所述判断模块用于判断所述医疗费用是否大于所述总报销费用阈值；
标识模块，所述标识模块用于当所述医疗费用大于所述总报销费用阈值，设置异常标记关联所述标识。
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 |
|---|---|---|---|
| CN201811531075.7A CN109636653A (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 |
|---|---|---|---|
| CN201811531075.7A CN109636653A (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 |
|---|---|
| CN109636653A true CN109636653A (zh) | 2019-04-16 |
Family
ID=66073928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811531075.7A Pending CN109636653A (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) | CN109636653A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598922A (zh) * | 2019-08-30 | 2019-12-20 | 深圳市新系区块链技术有限公司 | 车辆油费报销方法及装置、服务器和电子设备 |
| CN112835893A (zh) * | 2021-01-18 | 2021-05-25 | 浙江大学山东工业技术研究院 | 一种基于聚类的医保欺诈行为的检测方法及系统 |
| CN113689143A (zh) * | 2021-09-10 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
| CN113780855A (zh) * | 2021-09-17 | 2021-12-10 | 平安医疗健康管理股份有限公司 | 医疗机构监管方法、装置、计算机设备及存储介质 |
Citations (4)
| 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 |
| CN106934586A (zh) * | 2015-12-31 | 2017-07-07 | 远光软件股份有限公司 | 报销单据辅助审批的方法及装置 |
| 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 |
| CN108876634A (zh) * | 2018-06-14 | 2018-11-23 | 四川久远银海软件股份有限公司 | 一种费用信息筛选方法与装置 |
-
2018
- 2018-12-13 CN CN201811531075.7A patent/CN109636653A/zh active Pending
Patent Citations (4)
| 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 |
| CN106934586A (zh) * | 2015-12-31 | 2017-07-07 | 远光软件股份有限公司 | 报销单据辅助审批的方法及装置 |
| 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 |
| CN108876634A (zh) * | 2018-06-14 | 2018-11-23 | 四川久远银海软件股份有限公司 | 一种费用信息筛选方法与装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110598922A (zh) * | 2019-08-30 | 2019-12-20 | 深圳市新系区块链技术有限公司 | 车辆油费报销方法及装置、服务器和电子设备 |
| CN112835893A (zh) * | 2021-01-18 | 2021-05-25 | 浙江大学山东工业技术研究院 | 一种基于聚类的医保欺诈行为的检测方法及系统 |
| CN112835893B (zh) * | 2021-01-18 | 2023-03-21 | 浙江大学山东工业技术研究院 | 一种基于聚类的医保欺诈行为的检测方法及系统 |
| CN113689143A (zh) * | 2021-09-10 | 2021-11-23 | 平安医疗健康管理股份有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
| CN113689143B (zh) * | 2021-09-10 | 2024-04-05 | 深圳平安医疗健康科技服务有限公司 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
| CN113780855A (zh) * | 2021-09-17 | 2021-12-10 | 平安医疗健康管理股份有限公司 | 医疗机构监管方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636653A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| CN109461070A (zh) | 一种风险审批方法、装置、存储介质和服务器 | |
| CN108921710A (zh) | 医保异常检测的方法及系统 | |
| CN109670173A (zh) | 报销数据的排查方法、识别服务端及存储介质 | |
| US20020032584A1 (en) | Health care payment compliance management | |
| Cropley | The relationship-based care model: evaluation of the impact on patient satisfaction, length of stay, and readmission rates | |
| Gao et al. | Implementation of E-health record systems and E-medical record systems in China | |
| CN109524083A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
| Yu et al. | Transformation of potential medical demand in China: A system dynamics simulation model | |
| Yang et al. | Artificial intelligence healthcare service resources adoption by medical institutions based on TOE framework | |
| CN109616187A (zh) | 医师违规执业的监控方法、监控服务端及存储介质 | |
| CN109741808A (zh) | 一种医用信息管理应用平台系统 | |
| Carlin et al. | Bayesian complex innovative trial designs (CIDs) and their use in drug development for rare disease | |
| CN109616188A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| Stephen Leff et al. | The effects of capitation on service access, adequacy, and appropriateness | |
| Sluss | Reference laboratory utilization management | |
| Newby et al. | Effect of computerised prescribing on use of antibiotics | |
| CN109636649A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| CN110489394A (zh) | 中间数据处理方法及设备 | |
| 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 | |
| CN101453317A (zh) | 实现数据同步的双向处理方法及装置 | |
| Bugatti et al. | Therapist engagement in measurement‐based care: The association between client outcomes and therapist viewing frequency | |
| CN109493240A (zh) | 基于医疗大数据监测辅助用药合理性的方法及相关产品 | |
| Nappo et al. | Improved outpatient haemodialysis adequacy using queued schedules | |
| Jiang-Ning et al. | Forecasting emergency medicine reserve demand with a novel decomposition-ensemble methodology |
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 |