CN109658268A - 医疗就诊行为异常的监控方法、监控服务端及存储介质 - Google Patents
医疗就诊行为异常的监控方法、监控服务端及存储介质 Download PDFInfo
- Publication number
- CN109658268A CN109658268A CN201811531034.8A CN201811531034A CN109658268A CN 109658268 A CN109658268 A CN 109658268A CN 201811531034 A CN201811531034 A CN 201811531034A CN 109658268 A CN109658268 A CN 109658268A
- Authority
- CN
- China
- Prior art keywords
- disease
- medical
- threshold value
- insured people
- office visits
- 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 77
- 238000000034 method Methods 0.000 title claims abstract description 51
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 234
- 201000010099 disease Diseases 0.000 claims description 187
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 241000545442 Radix Species 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 241000208340 Araliaceae Species 0.000 description 9
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 9
- 235000003140 Panax quinquefolius Nutrition 0.000 description 9
- 235000008434 ginseng Nutrition 0.000 description 9
- 239000003814 drug Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 201000003068 rheumatic fever Diseases 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 201000009267 bronchiectasis Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010003445 Ascites Diseases 0.000 description 1
- 201000006306 Cor pulmonale Diseases 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
- 208000004186 Pulmonary Heart Disease Diseases 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (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就诊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和就诊时间；根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；判断所述就诊次数是否大于预设次数阈值；若所述就诊次数大于所述预设次数阈值，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识别参保人医疗就诊行为异常。
Description
技术领域
本发明涉及医疗监控技术领域，尤其涉及医疗就诊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。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，频繁就医，以躲避监控并达到顶额报销，造成过度滥用医保资源。工作人员需要对大量的医疗数据进行排查，以分析识别各个参保人是否存在医疗就诊行为异常，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就诊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，人工核查医疗就诊行为异常的工作量大、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就诊行为异常的监控方法，包括步骤：
接收医疗机构服务器发送的医疗数据，所述医疗数据包括参保人标识和就诊时间；
根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
判断所述就诊次数是否大于预设次数阈值；
若所述就诊次数大于所述预设次数阈值，则设置异常标识关联所述参保人标识。
优选地，所述医疗数据包括所患疾病信息，所述判断所述就诊次数是否大于预设次数阈值的步骤之前，还包括：
根据所述医疗数据确定所述参保人标识对应的所述疾病信息，所述疾病信息至少包括一种疾病病种；
根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值。
优选地，所述根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值的步骤，包括：
根据所述参保人标识对应的疾病信息，在所述预设次数阈值表中查询与所述疾病信息的每一个所述疾病病种相对应的病种次数阈值；
根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值。
优选地，所述预设次数阈值表的病种次数阈值的计算步骤包括：
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疾病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疾病病种的总就诊次数；
根据所述总就诊次数和所述同疾病参保人的人数计算得到所述同疾病参保人治疗所述相同疾病病种的第一平均就诊次数，设置所述第一平均就诊次数为所述病种次数阈值。
优选地，所述根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值的步骤，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在所述预设时间内治疗各疾病病种的单病种就诊次数；
根据各病种对应的所述第一平均就诊次数和所述单病种就诊次数的标准差计算各病种的次数标准差；
确定所述疾病信息对应的至少一个次数标准差，并计算所述疾病信息对应的次数标准差之和，得到第一调整基数；
根据所述疾病病种对应的各第一平均就诊次数之和，以及所述第一调整基数得到所述预设次数阈值。
优选地，所述根据所述参保人的疾病信息对应的各所述次数标准差的和得到第一调整基数的步骤，包括：
确定所述疾病信息对应的至少一个所述次数标准差，
根据所述疾病信息对应的各所述次数标准差的和乘以预设调整系数，得到所述第一调整基数。
优选地，所述判断所述就诊次数是否大于预设次数阈值的步骤之前，还包括：
根据所述参保人参保所在参保地区内所有参保人的医疗数据确定各参保人在所述预设时间内的就诊次数；
根据所述各参保人的就诊次数和所述参保地区内所有参保人的人数，计算得到第二平均就诊次数；
根据所述第二平均就诊次数和所述各个所述参保人的就诊次数的标准差计算得到第二调整基数；
根据所述第二平均就诊次数和所述第二调整基数的和得到所述预设次数阈值。
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，所述医疗数据包括参保人标识和就诊时间，
查询模块，所述查询模块用于根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
判断模块，所述判断模块用于判断所述就诊次数是否大于预设次数阈值；
标识模块，所述标识模块用于若所述就诊次数大于所述预设次数阈值，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就诊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医疗就诊行为异常的监控方法的步骤。
本发明提出的一种医疗就诊行为异常的监控方法、监控服务端及存储介质，通过本发明提供的医疗就诊行为异常的监控方法，判断所述参保人标识对应的参保人在预设时间内的就诊次数是否大于预设次数阈值，从而可识别参保人就诊次数超出合理范围的情形，使得进行核查的工作人员可快速识别恶意参保人故意频繁就诊获取更高报销限额的情况，以维护其他参保人利益。
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为本发明医疗就诊行为异常的监控方法第一实施例的流程示意图；
图3为本发明医疗就诊行为异常的监控方法第二实施例的流程示意图；
图4为本发明医疗就诊行为异常的监控方法第三实施例的流程示意图；
图5为本发明医疗就诊行为异常的监控方法第四实施例的流程示意图；
图6为本发明医疗就诊行为异常的监控方法第五实施例的流程示意图；
图7为本发明医疗就诊行为异常的监控方法第六实施例的流程示意图；
图8为本发明医疗就诊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录入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录入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，在本发明医疗就诊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和就诊时间；
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。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或医疗病历，具体包括就诊医疗机构的医疗机构标识、就诊时间、入院时间、出院时间、参保人标识、参保人所患疾病信息等。
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。
参保人标识具体可以为参保人身份证号码、参保编号、参保人生物信息等。就诊时间具体可以为参保人办理住院手续的时间、参保人门诊挂号的时间、门诊医师针对参保人开具处方的时间等。
步骤S200，根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
在本实施例中，就诊次数为参保人在预设时间的住院次数和门诊次数的和。当然，根据不同参保地区的医保报销规则，本领域技术人员也可以设置就诊次数仅包括住院次数，以监控参保人在通过频繁住院获得更高报销限额的行为。例如：A病患于08月09日办理入院手续，08月15日办理出院手续，由于08月19日办理入院手续，则8月的住院次数为2次。
步骤S300，判断所述就诊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根据参保地区历史或预设时间内所有参保人的平均就诊次数、政策影响因子、经济影响因子、气候影响因子等计算得到。由于不同的医保报销规则，会影响参保人的就诊次数，政策影响因子为由于报销规则改变导致预设次数阈值改变的调整系数。例如：A市原医保报销规则为支气管扩张病症不在门诊慢性病范围内，若当月新的医保报销规则规定支气管扩张病症属于门诊慢性病范围内，则部分患有支气管扩张病症的参保人会选择直接在指定药店凭相关证明文件进行购药，从而降低就诊次数。经济影响因子为当前经济情况对参保人就诊行为的影响系数。气候影响因子为当前气候情况对参保人就诊行为的影响系数。例如：冬季天气寒冷容易导致肺源性心脏病发病率提高，从而增加就诊次数。
步骤S400，若所述就诊次数大于所述预设次数阈值，则设置异常标识关联所述参保人标识。
在本实施例中，若所述就诊次数小于或等于所述预设次数阈值，则不做操作。
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具有就诊次数异常的参保人，以待工作人员进行进一步核实。
通过本发明提供的医疗就诊行为异常的监控方法，使得进行核查的工作人员可快速排查恶意参保人故意频繁就诊获取更高报销限额的情况，以维护其他参保人利益。
参照图3，在本发明医疗就诊行为异常的监控方法的第二实施例中，所述医疗数据包括所患疾病信息，步骤S300之前，包括：
步骤S500，根据所述医疗数据确定所述参保人标识对应的所述疾病信息，所述疾病信息至少包括一种疾病病种；
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，基于词本身含义和语义距离，利用递归神经网络(recurrent neural network，RNN)分析较长、较复杂的文本内容，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疾病信息、药品信息匹配到相应的标准化字段中，从而方便后续将参保人标识与病种次数阈值等数据进行对应。
步骤S600，根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值。
疾病信息包括病种信息、病期信息等。预设次数阈值表中设置有与不同疾病信息的疾病病种对应的病种次数阈值。当疾病信息中仅包括一种病种时，根据该病种对应的病种次数阈值得到预设次数阈值；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次数阈值得到预设次数阈值。
通过设置疾病信息对应不同的预设次数阈值，从而使得预设次数阈值可根据不同参保人所患疾病做出调整，提高识别医疗就诊行为异常的准确性。
参照图4，在本发明医疗就诊行为异常的监控方法的第三实施例中，所述步骤S600，包括：
步骤S610，根据所述参保人标识对应的疾病信息，在所述预设次数阈值表中查询与所述疾病信息的每一个所述疾病病种相对应的病种次数阈值；
所述预设次数阈值表中为本领域技术人员根据参保地区历史或预设时间内所有参保人针对相同疾病病种的平均就诊次数、政策影响因子、经济影响因子、气候影响因子等计算得到。
步骤S620，根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值。
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)的病种次数阈值为12次，对应肝硬化的病种次数阈值为6次时，那么所述疾病病种对应的各所述病种次数阈值的和为12+6次；假设根据所述疾病病种对应的各所述病种次数阈值的和计算预设次数阈值20万元，参保人在当年内的就诊次数为21次时，则就诊次数大于预设次数阈值，设置异常标记关联该参保人。参保人所患疾病病种越多，相应的预设次数阈值越大。
参照图5，在本发明医疗就诊行为异常的监控方法的第四实施例中，所述预设次数阈值表的病种次数阈值的计算步骤包括：
步骤10，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疾病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疾病病种的总就诊次数；
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，从而影响就诊人数。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，使得得到的病种次数阈值准确性更高。
步骤20，根据所述总就诊次数和所述同疾病参保人的人数计算得到所述同疾病参保人治疗所述相同疾病病种的第一平均就诊次数，设置所述第一平均就诊次数为所述病种次数阈值。
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就诊次数为25万次，则第一平均就诊次数为25万元除以5万得到5次，即风湿性关节炎对应的病种次数阈值为5次。
参照图6，在本发明医疗就诊行为异常的监控方法的第五实施例中，所述步骤S620包括：
步骤S621，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在所述预设时间内治疗各疾病病种的单病种就诊次数；
步骤S622，根据各疾病病种对应的所述第一平均就诊次数和所述单病种就诊次数的标准差计算各疾病病种的次数标准差；
通过标准差，可分析得到各个参保人针对不同疾病病种的单病种就诊次数偏离第一平均就诊次数的幅度。假设针对A病种和B病种的单病种就诊次数均为5次，各个参保人针对A病种的病种报销费用正态分布于4～6次，各个参保人针对B病种的病种报销费用正态分布于1～9次，则A病种的次数标准差小于B病种的次数标准差。
若同疾病参保人针对某一病种的单病种就诊次数为a1，a2，a3……an；同疾病参保人的人数为n。
则第一平均就诊次数
次数标准差
步骤S623，确定所述疾病信息对应的至少一个所述次数标准差，并计算所述疾病信息对应的各所述次数标准差的之和，得到第一调整基数；
调整基数Y＝σ1+σ2+σ3+……σn；
步骤S624，根据所述疾病病种对应的各第一平均就诊次数之和，以及所述第一调整基数得到所述预设次数阈值。
通过得到次数标准差，从而在预设次数阈值中可体现各个单病种就诊次数偏离第一平均就诊次数的幅度。以使得不同参保人的单病种就诊次数分布区间较大时，相应的预设次数阈值在第一平均就诊次数的基础上修整较大；不同参保人的单病种就诊次数分布区间较小时，相应的预设次数阈值在第一平均就诊次数的基础上修整的较小。从而提高监控的准确性。
参照图7，在本发明医疗就诊行为异常的监控方法的第六实施例中，所述步骤623，包括：
步骤6231，确定所述疾病信息对应的至少一个所述次数标准差；
步骤6232，根据所述疾病信息对应的各所述次数标准差之和乘以预设调整系数，得到所述第一调整基数。
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8，在本发明医疗就诊行为异常的监控方法的第七实施例中，所述步骤S300之前，还包括：
步骤S710，根据所述参保人参保所在参保地区内所有参保人的医疗数据确定各参保人在所述预设时间内的就诊次数；
步骤S720，根据所述各参保人的就诊次数和所述参保地区内所有参保人的人数，计算得到第二平均就诊次数；
若各个参保人在预设时间内的就诊次数为a1，a2，a3……an；同疾病参保人的人数为n。
则第二平均就诊次数
步骤S730，根据所述第二平均就诊次数和所述各个所述参保人的就诊次数的标准差计算得到第二调整基数；
第二调整基数
步骤S740，根据所述第二平均就诊次数和所述第二调整基数的和得到所述预设次数阈值。
优选地，当预设时间为月时，预设次数阈值为其中，3为调整系数。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，所述医疗数据包括参保人标识和就诊时间，
查询模块20，所述查询模块20用于根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
判断模块30，所述判断模块30用于判断所述就诊次数是否大于预设次数阈值；
标识模块40，所述标识模块40用于若所述就诊次数大于所述预设次数阈值，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，所述监控服务端还包括计算模块50，所述医疗数据包括所患疾病信息，
所述查询模块20还用于根据所述医疗数据确定所述参保人标识对应的所述疾病信息，所述疾病信息至少包括一种疾病病种；
所述计算模块50用于根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值。
进一步地，在又一实施例中，所述查询模块20还用于根据所述参保人标识对应的疾病信息，在所述预设次数阈值表中查询与所述疾病信息的每一个所述疾病病种相对应的病种次数阈值；
所述计算模块50还用于根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值。
进一步地，在又一实施例中，所述查询模块20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疾病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疾病病种的总就诊次数；
所述计算模块50还用于根据所述总就诊次数和所述同疾病参保人的人数计算得到所述同疾病参保人治疗所述相同疾病病种的第一平均就诊次数，设置所述第一平均就诊次数为所述病种次数阈值。
进一步地，在又一实施例中，所述查询模块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在所述预设时间内治疗各疾病病种的单病种就诊次数；
所述计算模块50还用于根据各疾病病种对应的所述第一平均就诊次数和所述单病种就诊次数的标准差计算各疾病病种的次数标准差；
所述计算模块50还用于确定所述疾病信息对应的至少一个所述次数标准差，并计算所述疾病信息对应的次数标准差之和，得到第一调整基数；
所述计算模块50还用于根据所述疾病病种对应的各第一平均就诊次数之和，以及所述第一调整基数得到所述预设次数阈值。
进一步地，在又一实施例中，所述查询模块20还用于确定所述疾病信息对应的至少一个所述次数标准差；
所述计算模块50还用于根据所述疾病信息对应的各所述次数标准差之和乘以预设调整系数，得到所述第一调整基数。
进一步地，在又一实施例中，所述查询模块20用于根据所述参保人参保所在参保地区内所有参保人的医疗数据确定各参保人在所述预设时间内的就诊次数；
所述计算模块50还用于根据所述各参保人的就诊次数和所述参保地区内所有参保人的人数，计算得到第二平均就诊次数；
所述计算模块50还用于根据所述第二平均就诊次数和所述各个所述参保人的就诊次数的标准差计算得到第二调整基数；
所述计算模块50还用于根据所述第二平均就诊次数和所述第二调整基数的和得到所述预设次数阈值。
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就诊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医疗就诊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)
1.一种医疗就诊行为异常的监控方法，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，所述医疗数据包括参保人标识和就诊时间；
根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
判断所述就诊次数是否大于预设次数阈值；
若所述就诊次数大于所述预设次数阈值，则设置异常标识关联所述参保人标识。
2.如权利要求1所述的医疗就诊行为异常的监控方法，其特征在于，所述医疗数据包括所患疾病信息，所述判断所述就诊次数是否大于预设次数阈值的步骤之前，还包括：
根据所述医疗数据确定所述参保人标识对应的所述疾病信息，所述疾病信息至少包括一种疾病病种；
根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值。
3.如权利要求2所述的医疗就诊行为异常的监控方法，其特征在于，所述根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值的步骤，包括：
根据所述参保人标识对应的疾病信息，在所述预设次数阈值表中查询与所述疾病信息的每一个所述疾病病种相对应的病种次数阈值；
根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值。
4.如权利要求3所述的医疗就诊行为异常的监控方法，其特征在于，所述根据预设次数阈值表获取与所述疾病信息对应的至少一个病种次数阈值，根据所述病种次数阈值计算所述参保人的预设次数阈值的步骤之前，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疾病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疾病病种的总就诊次数；
根据所述总就诊次数和所述同疾病参保人的人数计算得到所述同疾病参保人治疗所述相同疾病病种的第一平均就诊次数，设置所述第一平均就诊次数为所述病种次数阈值。
5.如权利要求4所述的医疗就诊行为异常的监控方法，其特征在于，所述根据所述疾病病种对应的各所述病种次数阈值的和计算所述预设次数阈值的步骤，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在所述预设时间内治疗各疾病病种的单病种就诊次数；
根据各疾病病种对应的所述第一平均就诊次数和所述单病种就诊次数的标准差计算各疾病病种的次数标准差；
确定所述疾病信息对应的至少一个所述次数标准差，并计算所述疾病信息对应的次数标准差之和，得到第一调整基数；
根据所述疾病病种对应的各第一平均就诊次数之和，以及所述第一调整基数得到所述预设次数阈值。
6.如权利要求5所述的医疗就诊行为异常的监控方法，其特征在于，所述根据所述参保人的疾病信息对应的各所述次数标准差的和得到第一调整基数的步骤，包括：
确定所述疾病信息对应的至少一个所述次数标准差；
根据所述疾病信息对应的各所述次数标准差之和乘以预设调整系数，得到所述第一调整基数。
7.如权利要求1所述的医疗就诊行为异常的监控方法，其特征在于，所述判断所述就诊次数是否大于预设次数阈值的步骤之前，还包括：
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各参保人在所述预设时间内的就诊次数；
根据所述各参保人的就诊次数和所述参保地区内所有参保人的人数，计算得到第二平均就诊次数；
根据所述第二平均就诊次数和所述各个所述参保人的就诊次数的标准差计算得到第二调整基数；
根据所述第二平均就诊次数和所述第二调整基数的和得到所述预设次数阈值。
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，所述医疗数据包括参保人标识和就诊时间，
查询模块，所述查询模块用于根据所述医疗数据确定所述参保人标识对应的参保人在预设时间内的就诊次数；
判断模块，所述判断模块用于判断所述就诊次数是否大于预设次数阈值；
标识模块，所述标识模块用于若所述就诊次数大于所述预设次数阈值，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就诊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中任一项所述的医疗就诊行为异常的监控方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811531034.8A CN109658268A (zh) | 2018-12-13 | 2018-12-13 | 医疗就诊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 |
|---|---|---|---|
| CN201811531034.8A CN109658268A (zh) | 2018-12-13 | 2018-12-13 | 医疗就诊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 |
|---|---|
| CN109658268A true CN109658268A (zh) | 2019-04-19 |
Family
ID=66114117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811531034.8A Pending CN109658268A (zh) | 2018-12-13 | 2018-12-13 | 医疗就诊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) | CN109658268A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111259089A (zh) * | 2020-01-14 | 2020-06-09 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090118629A1 (en) * | 2007-11-02 | 2009-05-07 | National Taiwan University | Rapid method for analyzing bio-signal instantaneously by phase space difference and its device |
| CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
| CN108663995A (zh) * | 2017-03-30 | 2018-10-16 | 郑州大学 | 一种工业过程变量趋势异常检测方法及装置 |
| CN108710680A (zh) * | 2018-05-18 | 2018-10-26 | 哈尔滨理工大学 | 一种利用深度学习进行基于情感分析的电影推荐方法 |
| CN108876636A (zh) * | 2018-06-19 | 2018-11-23 | 平安健康保险股份有限公司 | 理赔智能风控方法、系统、计算机设备及存储介质 |
-
2018
- 2018-12-13 CN CN201811531034.8A patent/CN109658268A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090118629A1 (en) * | 2007-11-02 | 2009-05-07 | National Taiwan University | Rapid method for analyzing bio-signal instantaneously by phase space difference and its device |
| CN104133688A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 医疗服务巡查与调查系统及方法 |
| CN108663995A (zh) * | 2017-03-30 | 2018-10-16 | 郑州大学 | 一种工业过程变量趋势异常检测方法及装置 |
| CN108710680A (zh) * | 2018-05-18 | 2018-10-26 | 哈尔滨理工大学 | 一种利用深度学习进行基于情感分析的电影推荐方法 |
| CN108876636A (zh) * | 2018-06-19 | 2018-11-23 | 平安健康保险股份有限公司 | 理赔智能风控方法、系统、计算机设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111259089A (zh) * | 2020-01-14 | 2020-06-09 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
| CN111259089B (zh) * | 2020-01-14 | 2023-03-21 | 平安医疗健康管理股份有限公司 | 医保数据处理方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bodenheime | Disease management in the American market | |
| Martin et al. | Trends in health care expenditures, utilization, and health status among US adults with spine problems, 1997–2006 | |
| McTavish et al. | How patients recovering from alcoholism use a smartphone intervention | |
| Paddison et al. | Should measures of patient experience in primary care be adjusted for case mix? Evidence from the English General Practice Patient Survey | |
| Ruger et al. | Out-of-pocket healthcare spending by the poor and chronically ill in the Republic of Korea | |
| Bennett et al. | Health care competition and antibiotic use in t aiwan | |
| Shah et al. | Evaluation of care management for the uninsured | |
| Qian et al. | Tax/subsidy and capacity decisions in a two-tier health system with welfare redistributive objective | |
| Kozma et al. | Economic benefit of a 1-day reduction in hospital stay for community-acquired pneumonia (CAP) | |
| Huerta et al. | Testing the hospital value proposition: An empirical analysis of efficiency and quality | |
| Lewis et al. | Do ‘virtual wards’ reduce rates of unplanned hospital admissions, and at what cost? A research protocol using propensity matched controls | |
| CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
| CN109636653A (zh) | 医疗费用异常的监控方法、监控服务端及存储介质 | |
| Chan et al. | The impact of a team-based intervention on the lifestyle risk factor management practices of community nurses: outcomes of the community nursing SNAP trial | |
| Cheung et al. | Patient perceptions of treatment delivery platforms for cognitive behavioral therapy for insomnia | |
| Boult et al. | Managed care of chronically ill older people: the US experience | |
| Herian et al. | Trust in government and support for governmental regulation: the case of electronic health records | |
| Madison | Regulating health care quality in an information age | |
| Liu et al. | Microrandomized trials: developing just-in-time adaptive interventions for better public health | |
| Vongxaiburana et al. | The social worker in interdisciplinary care planning | |
| 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 | |
| US20100161348A1 (en) | Clinical Management System | |
| Newby et al. | Effect of computerised prescribing on use of antibiotics | |
| Bucklen et al. | Guidelines for post-sentencing risk assessment | |
| Jutkowitz et al. | For what illnesses is a disease management program most effective? |
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: 20190419 |