CN109785154A - 一种基于智能决策的风险预测方法和装置 - Google Patents

Abstract

本发明实施例公开了一种基于智能决策的风险预测方法和装置，其中方法包括：获取医保基金的驱动因素，并对驱动因素进行量化处理，获得驱动因素量化值；根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；当预期支出金额和预期收入金额的差值超过第一预设阈值时，判定医保基金存在风险，对医保基金进行风险管控。采用本发明，通过确定医保基金的驱动因素，并对驱动因素进行量化处理，进而通过驱动因素的量化值预测医保基金收支差值，确定医保基金是否存在透支风险，提高对医保基金收支平衡的管理效率和有效性，使得医保基金能够提前进行风险管控，保证医保基金的收支平衡。

Description

一种基于智能决策的风险预测方法和装置

技术领域

本发明涉及数据处理领域，具体涉及一种基于智能决策的风险预测方法和装置。

背景技术

医疗保险是社会保险的重要组成部分，对医疗保险基金收支情况进行预测能够及时进行医疗保险基金管控或政策调整，以避免出现医保基金亏空风险，保证医保基金收支平衡。

传统的医保基金风险管控将影响医保基金的所有因素融合分析，导致对医保基金的分析结果不准确，而基于这些分析结果进行的医保基金管理非常粗糙，难以从驱动因素中获得有用的信息，进而使得对医保基金的管控精确到医疗保险的整个流程中的各个环节。这样导致对医保基金的风险管理针对性低且效率低下，无法满足医保基金管理的需求。

发明内容

本发明实施例提供一种基于智能决策的风险预测方法和装置，能够通过确定医保基金的驱动因素，并对驱动因素进行量化处理，进而通过驱动因素的量化值预测医保基金收支差值，确定医保基金是否存在透支风险，提高对医保基金收支平衡的管理效率和有效性，使得医保基金能够提前进行风险管控，保证医保基金的收支平衡。

本发明实施例的第一方面提供了一种基于智能决策的风险预测方法，所述基于智能决策的风险预测方法包括：

获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

在可选的情况下，所述获取医保基金的驱动因素包括：

根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段。

在可选的情况下，所述对所述驱动因素进行量化处理，获得驱动因素量化值，包括：

根据所述人口信息测算每个月对应的月初人口；

将所述月初人口识别为所述人口信息的量化值。

在可选的情况下所述人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；所述根据所述人口信息测算每个月对应的月初人口，包括：

通过公式测算每个月对应的月初人口，所述公式如下：

其中，M0表示前置月份的月末人口，M1表示目标月份的月初人口，其中目标月份为与前置月份相邻的下一个月，M1’表示前置月份的已知月初人口，Ms表示前置月份的死亡人口，Mr表示前置月份的迁入人口，Mc表示前置月份的迁出人口，Mn表示前置月份的新生儿人口，Mb表示前置月份的身份转变转出人口。

在可选情况下，在根据所述驱动因素量化值和医保基金收支模型之前，所述方法还包括建立医保基金收支模型，具体包括：

获取目标地域在目标时间段的医保政策和人口结构；

根据所述医保政策和所述人口结构，确定所述目标地域在目标时间段的医保缴费情况，形成所述医保基金收入模型；

获取所述目标地域在目标时间段内的医疗数据，包括就诊医疗机构、医保报销目录和疾病发病率；

根据所述医保政策和所述医疗数据确定所述目标地域在所述目标时间段内的医保基金赔付情况，形成所述医保基金支出模型；

根据所述医保基金收入模型和所述医保基金支出模型，获取所述医保基金收支模型。

在可选的情况下，所述根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额，包括：

将所述驱动因素对应的所述第一地域和所述第一预设时间段与所述医保基金收支模型对应的所述目标地域和所述目标时间段进行匹配；

确定所述第一低于与所述目标地域完全匹配，所述第一预设时间段与所述目标时间段为周期相同但对应时间不同的时间段，且所述第一预设时间段在所述目标时间段之后；

将所述驱动因素量化值导入所述医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；

获取所述医保基金收支模型预测出的所述收入金额作为预期收入金额，获取预测出的所述支出金额作为预期支出金额。

在可选的情况下，所述对所述医保基金进行风险管控包括：

对所述医疗数据中的医保对象报销过程进行规范化核查，以确定所述医疗对象分类是否正确，以及所述医疗对象分类是否按照其对应的医保政策进行报销；

当确定所述医疗数据中的医保对象报销过程不规范时，对所述医保对象报销过程按照所述对应的医保政策进行调整。

本发明实施例的第二方面提供了一种风险预测装置，所述风险预测装置包括：

获取单元，用于获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

预测单元，用于根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

风险管控单元，用于当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

本发明实施例第三方面提供了一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。

本发明实施例第四方面提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。

可见，本发明实施例所描述的基于智能决策的风险预测方法中，首先获取医保基金的驱动因素，并对驱动因素进行量化处理，获得驱动因素量化值；然后根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；最后当预期支出金额和预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对医保基金进行风险管控。在这个过程中，通过确定医保基金的驱动因素，并对驱动因素进行量化处理，进而通过驱动因素的量化值预测医保基金收支差值，能够提升对医保基金的管理效率，量化地分析各类驱动因素对医保基金收支的影响力，而根据医保基金收支差值对医保基金进行提前管控，能够提高对医保基金收支平衡的管理效率和有效性，保证医保基金的收支平衡。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于智能决策的风险预测方法流程示意图；

图2是本发明实施例提供的另一种基于智能决策的风险预测方法的流程示意图；

图3是本发明实施例提供的另一种基于智能决策的风险预测方法的流程示意图；

图4是本发明实施例提供的另一种基于智能决策的风险预测方法的流程示意图；

图5是本发明实施例提供的一种电子装置的结构示意图；

图6是本发明实施例提供的一种风险预测装置的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

下面对本发明实施例进行详细介绍。

请参阅图1，图1为本发明实施例中一种基于智能决策的风险预测方法流程示意图，如图1所示，所述基于智能决策的风险预测方法包括：

101、获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值。

医保基金是指医疗保险基金，医疗保险基金由用人单位和个人进行共同缴纳，缴纳的基金被分为社会统筹基金和个人帐户两部分，统筹基金用于为患者的医疗消费按照医保政策进行报销，个人账户部分用于患者进行医疗消费。

医保基金的收入和支出受到很多因素的驱动影响，包括人口、疾病、医保目录、医保政策和医疗机构等。这些驱动因素如果不进行拆分和量化，很难确定每个因素具体对医保基金收支的影响程度。因此，分别获得单个的驱动因素，然后对单个的驱动因素进行量化处理，并获得驱动因素量化值。

可选的，获取医保基金的驱动因素包括：根据第一预设条件获取人口信息作为医保基金相关的驱动因素，第一预设条件包括第一地域和第一预设时间段。

具体地，在医保基金收入和支出过程中，人口是一个确定的驱动因素，一个地区的医保基金收入与当地人口数量密切相关，医保基金支出与缴纳医保的人口数量成正比。不同的地域在不同的时间段，其对应的人口信息是不同的，因此，在对人口信息进行量化分析时，首先要确定第一地域和第一预设时间段，然后获取对应的人口信息。例如第一地域为重庆市，第一时间段为2017年等。

可选的，对驱动因素进行量化处理，获得驱动因素量化值，包括：根据人口信息测算每个月对应的月初人口；将月初人口识别为所述人口信息的量化值。

具体地，人口统计时的最小计量单位为自然月，并且每个月的月末人口与相邻下一个月的月初人口相同。因此，根据人口信息进行公式计算，获得每个月的月初人口，即可确定人口信息的量化值。

可选的，人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；根据所述人口信息测算每个月对应的月初人口，包括：通过公式测算每个月对应的月初人口，所述公式如下：其中，M0表示前置月份的月末人口，M1表示目标月份的月初人口，其中目标月份为与前置月份相邻的下一个月，M1目表示目标月份的月初人口，Ms表示目标月份的死亡人口，Mr表示目标月份的迁入人口，Mc表示目标月份的迁出人口，Mn表示目标月份的新生儿人口，Mb表示目标月份的身份转变转出人口。

具体地，由于是对医保基金收支进行预测，那么获得的驱动因素量化值应该是具有前瞻性的值，例如获取的驱动因素为2017年的人口信息，2017年的人口信息是未发生的信息，但是可以根据2016年12月的月末人口，带入公式M1＝M0，确定2017年1月的月初人口为2016年12月的月末人口，而2017年1月的月末人口，即2月的月初人口，根据公式M1’＝M1-Ms+Mr-Mc+Mn-Mb确定，其中的Ms、Mr、Mc、Mn和Mb可以根据2016年的死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口，结合2017年之前重庆市人口变迁规律，确定死亡率增减值，迁入人口和迁出人口随着季节变换的增减量，新生儿在不同月份的增减量，以及身份转变转出人口的增减量，最终可确定2017年1～12月每个月的死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口，最终确定出2017年1～12月的月初人口。

102、根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额。

在获得驱动因素量化值后，结合医保基金收支模型，即可对医保基金的收入金额和支出金额进行预测。在此之前，需要建立医保基金收支模型。

可选的，在根据驱动因素量化值和医保基金收支模型之前，该方法还包括建立医保基金收支模型，具体包括：获取目标地域在目标时间段的医保政策和人口结构；根据医保政策和人口结构，确定目标地域在目标时间段的医保缴费情况，形成医保基金收入模型；获取目标地域在目标时间段内的医疗数据，包括就诊医疗机构、医保报销目录和疾病发病率；根据医保政策和医疗数据确定目标地域在目标时间段内的医保基金赔付情况，形成医保基金支出模型；根据医保基金收入模型和医保基金支出模型，获取医保基金收支模型。

建立医保基金收支模型，即确立医保基金收入和支出与各种驱动因素之间的关联关系。因为不同地区在不同时间段，人口、疾病、医保目录、医保政策和医疗机构等驱动因素差异较大，为了获得更准确的医保基金收支模型，将根据目标地域和目标时间段建立医保基金收支模型。

其中，医保基金收入模型与当地的医保政策和人口结构有关，医保政策中包括不同的医保缴费档次，以及每个档次对应的缴费金额，人口结构中包括城乡居民和职工，对于城乡居民来说，缴费频率为每年一缴，缴费时间在医保年度的首月月末，因此城乡居民医保基金收入公式如下：

其中，S11表示统筹账户中的个人缴费部分，S12表示统筹账户中的财政补贴部分，R1表示个人年缴费额，R2表示年财政补贴额，M2表示自然月2月的月初人口，即自然月1月的月末人口，N表示目标时间段包括的月份数，p1表示城乡居民所占的人口比率，T1表示目标地域的城乡居民在目标时间段的医保基金收入，个人年缴费额与年财政补贴额根据各地区医保政策中的缴费政策和补贴政策确定。

对于职工来说，缴费频率为每月一缴。缴费金额为缴费基数乘以相应缴费方的缴费比例，再按划入个账比例分配到统筹账户和个人账户中，医保基金收入公式如下：

其中S21表示统筹账户中的个人缴费部分，S22表示统筹账户中的单位缴费部分，G1表示个人缴费基数，P1表示个人缴费比例，P0表示划入个账比例，M1表示月初人口，P2表示单位缴费比例，MN表示第N个月的月初人口，p2表示职工所占的人口比率。T2表示职工医保基金收入，对于医保基金管理来说，只针对统筹账户，不针对个人账户，因此只获取统筹账户基金即可。个人缴费基数根据个人工资水平和当地医疗保险制度确定，个人缴费比例、划转个账比例、单位缴费比例根据当地医疗保险制度确定。

由此可知可以该地域的医保基金收入模型为：

Ts＝T1+T2 (3)

其中Ts表示医保基金收入。

对于医保基金支出模型与医疗数据有关，医疗数据包括就诊人数和医保报销金额。可以确定目标地域在目标时间段内的基金支出模型：

其中，Tm表示年度人均报销金额，Tb表示医保报销总金额，Mj表示就诊人数，Tz表示基金支出金额，P3表示就诊倾向，MN表示在目标时间段内的第N个月的月初人口，C1表示月度波动因子。其中月度波动因子、就诊倾向可以通过历史医保数据拟合得到的。

通过公式(1)-(3)和公式(4)可分别得到以月初人口为自变量的医保基金收入模型和支出模型，组合确定医保基金收支模型。

在假设其他驱动因素不变的情况下，可以根据医保本基金收支模型和月初人口对医保基金收入金额和支出金额进行预测。

可选的，根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额，包括：将驱动因素对应的第一地域和第一预设时间段与医保基金收支模型对应的目标地域和目标时间段进行匹配；确定第一地域与目标地域完全匹配，第一预设时间段与目标时间段为周期相同但对应时间不同的时间段，且第一预设时间段在目标时间段之后；将驱动因素量化值导入医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；获取医保基金收支模型预测出的收入金额作为预期收入金额，获取预测出的支出金额作为预期支出金额。

驱动因素的量化信息是按照第一预设条件，包括第一地域和第一预设时间段，获取的，医保基金收支模型是按照目标地域和目标时间段建立的，因此需要将第一地域和目标地域进行匹配，将第一预设时间段和目标时间段进行匹配。对于地域匹配，因为不同地域的各种数据都会存在较大差异，因此医保目录信息量化值对应的第一地域和医保基金收支模型对应的目标地域必须完全匹配，可以通过关键字匹配，而每一个地区的关键字，包括省级全称和省级简称。例如广东省的关键字包括：广东、广东省、粤。

对于时间匹配，由于获得驱动因素的量化值时为了预测医保基金的收入金额和支出金额，因此，驱动因素对应的第一预设时间段与医保基金收支模型对应的目标时间段为周期相同但对应时间不同的时间段，且第一预设时间段在目标时间段之后。如表1所示：

表1第一预设时间段与目标时间段

根据表1所示的实例可知，第一预设时间段与目标时间段的周期都为1～12月，而第一预设时间段为2017年，目标时间段为2016年或2015年，在2017年之前，因为目标时间段与第一预设时间段越接近，医保基金收支模型中的参数变化越小，预测结果也会越准确，因此，确定第一预设时间段与目标时间段的最大差值为2个目标时间段周期。另外，第一预设时间段与目标时间段的匹配精确度可以是月份，也可以是天数，也可以是小时。

匹配成功后，将根据步骤101获取的月初人口导入公式(1)～(4)确定的医保基金收支模型中，即可获得预期收入金额和预期支出金额。

103、当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

根据步骤102确定预期收入金额Ts和预期支出金额Tz后，获得其差值为：差值＝Tz-Ts，第一预设阈值是一个金额值，例如10万元等，当差值大于第一预设阈值时，说明医保基金存在透支的可能性，判定医保基金存在风险，对医保基金进行风险管控。

可选的，对医保基金进行风险管控包括：对医疗数据中的医保对象报销过程进行规范化核查，以确定医疗对象分类是否正确，以及医疗对象分类是否按照其对应的医保政策进行报销；当确定医疗数据中的医保对象报销过程不规范时，对医保对象报销过程按照对应的医保政策进行调整。

在整个医保基金收支预测过程中，是在其他驱动因素保持不变，根据月初人口进行预测的，那么，如果确定医保基金存在风险，应该针对性地对报销人口进行管控。在整个报销过程中，基于报销人口的错误包括：医保对象缴费档次错误或医保对象报销档次错误，例如参保人员A进行了城乡居民档次的医保缴费，但是在医保报销时，享受了职工报销，或者五保户报销等其他高于其缴费档次的报销，这样会造成医保基金透支增大。因此，需要对医疗数据中的医保对象报销过程进行规范化核查，包括核查医疗对象分类是否正确，以及医疗对象分类是否按照其对应的医保政策进行报销等。

可见，在本发明实施例中，首先获取医保基金的驱动因素，并对驱动因素进行量化处理，获得驱动因素量化值；然后根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；最后当预期支出金额和预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对医保基金进行风险管控。在这个过程中，通过驱动因素的量化值预测医保基金收支差值，能够提升对医保基金的管理效率，量化地分析各类驱动因素对医保基金收支的影响力，而根据医保基金收支差值对医保基金进行提前管控，能够提高对医保基金收支平衡的管理效率和有效性，保证医保基金的收支平衡。

请参阅图2，图2是本发明实施例提供的另一种风险预测方法的流程示意图，如图所示，本实施例中的风险预测方法包括：

201、根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段；

202、获取所述人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；

203、通过公式测算每个月对应的月初人口，所述公式如下：

204、将所述月初人口识别为所述人口信息的量化值；

205、根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

206、当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

在本发明实施例中，通过将人口信息作为医保基金相关的驱动因素，然后对人口信息进行量化处理，获取月初人口作为驱动因素量化值，结合驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，最后根据预测结果对医保基金进行风险管控。在这个过程中，将人口信息作为医保基金的驱动因素，量化地分析驱动因素对医保基金收入支出的影响，提升了医保基金预测的针对性和准确性，进而提升了医保基金的管理效率。

请参阅图3，图3是本发明实施例提供的另一种风险预测方法的流程示意图，如图所示，本实施例中的风险预测方法包括：

301、根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段，并对所述驱动因素进行量化处理，获得驱动因素量化值；

302、获取目标地域在目标时间段的医保政策和人口结构；

303、根据所述医保政策和所述人口结构，确定所述目标地域在目标时间段的医保缴费情况，形成所述医保基金收入模型；

304、获取所述目标地域在目标时间段内的医疗数据，包括就诊人数和医保报销总金额；

305、根据所述医保政策和所述医疗数据确定所述目标地域在所述目标时间段内的医保基金赔付情况，形成所述医保基金支出模型；

306、根据所述医保基金收入模型和所述医保基金支出模型，获取所述医保基金收支模型；

307、将所述驱动因素对应的所述第一地域和所述第一预设时间段与所述医保基金收支模型对应的所述目标地域和所述目标时间段进行匹配；

308、确定所述第一地域与所述目标地域完全匹配，所述第一预设时间段与所述目标时间段为周期相同但对应时间不同的时间段，且所述第一预设时间段在所述目标时间段之后；

309、将所述驱动因素量化值导入所述医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；

310、获取所述医保基金收支模型预测出的所述收入金额作为预期收入金额，获取预测出的所述支出金额作为预期支出金额；

311、当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

在本发明实施例中，通过获取目标地区在目标时间段的医保政策和人口结构，建立医保基金收入模型，通过获取目标地域在目标时间段内的医疗数据，建立医保基金支出模型，然后将驱动因素的第一预设条件与医保基金支出模型进行匹配，获取与驱动因素对应的医保基金支出模型，对医保基金的收入金额和支出金额进行预测，，最后根据预测结果对医保基金进行风险管控。这个过程中，通过对医保基金收支模型的建立，使得医保基金收入金额和支出金额的预测能够更加准确和高效地进行，进而提升了医保基金的管理效率。

请参阅图4，图4是本发明实施例提供的另一种风险预测方法的流程示意图，如图所示，本实施例中的风险预测方法包括：

401、获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

402、根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

403、当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险；

404、对所述医疗数据中的医保对象报销过程进行规范化核查，以确定所述医疗对象分类是否正确，以及所述医疗对象分类是否按照其对应的医保政策进行报销；

405、当确定所述医疗数据中的医保对象报销过程不规范时，对所述医保对象报销过程按照所述对应的医保政策进行调整。

在本发明实施例中，在获得预期收入金额和预期支出金额，并确定预期支出金额和预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，并通过对医保对象报销过程进行规范化核查来管理医保基金，提升了医保基金管理的针对性和有效率。

图5是本发明实施例提供的一种电子装置的结构示意图，如图5所示，该电子装置包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：

获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

可见，电子装置首先获取医保基金的驱动因素，并对驱动因素进行量化处理，获得驱动因素量化值；然后根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；最后当预期支出金额和预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对医保基金进行风险管控。在这个过程中，通过驱动因素的量化值预测医保基金收支差值，能够提升对医保基金的管理效率，量化地分析各类驱动因素对医保基金收支的影响力，而根据医保基金收支差值对医保基金进行提前管控，能够提高对医保基金收支平衡的管理效率和有效性，保证医保基金的收支平衡。

在一个可能的示例中，所述获取医保基金的驱动因素包括：

根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段。

在一个可能的示例中，所述对所述驱动因素进行量化处理，获得驱动因素量化值，包括：

根据所述人口信息测算每个月对应的月初人口；

将所述月初人口识别为所述人口信息的量化值。

在一个可能的示例中，所述人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；所述根据所述人口信息测算每个月对应的月初人口，包括：

通过公式测算每个月对应的月初人口，所述公式如下：

其中，M0表示前置月份的月末人口，M1表示目标月份的月初人口，其中目标月份为与前置月份相邻的下一个月，M1’表示目标月份的月初人口，Ms表示目标月份的死亡人口，Mr表示目标月份的迁入人口，Mc表示目标月份的迁出人口，Mn表示目标月份的新生儿人口，Mb表示目标月份的身份转变转出人口。

在一个可能的示例中，在根据所述驱动因素量化值和医保基金收支模型之前，所述方法还包括建立医保基金收支模型，具体包括：

获取目标地域在目标时间段的医保政策和人口结构；

根据所述医保政策和所述人口结构，确定所述目标地域在目标时间段的医保缴费情况，形成所述医保基金收入模型；

获取所述目标地域在目标时间段内的医疗数据，包括就诊人数和医保报销总金额；

根据所述医保政策和所述医疗数据确定所述目标地域在所述目标时间段内的医保基金赔付情况，形成所述医保基金支出模型；

根据所述医保基金收入模型和所述医保基金支出模型，获取所述医保基金收支模型。

在一个可能的示例中，所述根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额，包括：

将所述驱动因素对应的所述第一地域和所述第一预设时间段与所述医保基金收支模型对应的所述目标地域和所述目标时间段进行匹配；

确定所述第一地域与所述目标地域完全匹配，所述第一预设时间段与所述目标时间段为周期相同但对应时间不同的时间段，且所述第一预设时间段在所述目标时间段之后；

将所述驱动因素量化值导入所述医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；

获取所述医保基金收支模型预测出的所述收入金额作为预期收入金额，获取预测出的所述支出金额作为预期支出金额。

在一个可能的示例中，所述对所述医保基金进行风险管控包括：

对所述医疗数据中的医保对象报销过程进行规范化核查，以确定所述医疗对象分类是否正确，以及所述医疗对象分类是否按照其对应的医保政策进行报销；

当确定所述医疗数据中的医保对象报销过程不规范时，对所述医保对象报销过程按照所述对应的医保政策进行调整。

图6是本发明实施例中所涉及的风险预测装置600的功能单元组成框图。该风险预测装置600应用于电子装置，所述风险预测装置包括：

获取单元601，用于获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

预测单元602，用于根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

风险管控单元603，用于当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

在此，需要说明的是，上述获取单元601、预测单元602和风险管控单元603的具体工作过程参见上述步骤101-103的相关描述。在此不再赘述。

可以看出，在本发明实施例中，风险预测装置首先获取医保基金的驱动因素，并对驱动因素进行量化处理，获得驱动因素量化值；然后根据驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；最后当预期支出金额和预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对医保基金进行风险管控。在这个过程中，通过驱动因素的量化值预测医保基金收支差值，能够提升对医保基金的管理效率，量化地分析各类驱动因素对医保基金收支的影响力，而根据医保基金收支差值对医保基金进行提前管控，能够提高对医保基金收支平衡的管理效率和有效性，保证医保基金的收支平衡。

在可选情况下，在获取医保基金的驱动因素方面，所述获取单元601具体用于：

根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段。

在可选情况下，在对所述驱动因素进行量化处理，获得驱动因素量化值方面，所述获取单元601具体用于：

根据所述人口信息测算每个月对应的月初人口；

将所述月初人口识别为所述人口信息的量化值。

在可选情况下，所述人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；在根据所述人口信息测算每个月对应的月初人口方面，所述获取单元601具体用于：

通过公式测算每个月对应的月初人口，所述公式如下：

其中，M0表示前置月份的月末人口，M1表示目标月份的月初人口，其中目标月份为与前置月份相邻的下一个月，M1’表示目标月份的月初人口，Ms表示目标月份的死亡人口，Mr表示目标月份的迁入人口，Mc表示目标月份的迁出人口，Mn表示目标月份的新生儿人口，Mb表示目标月份的身份转变转出人口。

在可选情况下，所述风险预测装置600还包括模型建立单元604，在根据所述驱动因素量化值和医保基金收支模型之前，在建立医保基金收支模型方面，所述模型建立单元604具体用于：

获取目标地域在目标时间段的医保政策和人口结构；

根据所述医保政策和所述人口结构，确定所述目标地域在目标时间段的医保缴费情况，形成所述医保基金收入模型；

获取所述目标地域在目标时间段内的医疗数据，包括就诊人数和医保报销总金额；

根据所述医保政策和所述医疗数据确定所述目标地域在所述目标时间段内的医保基金赔付情况，形成所述医保基金支出模型；

根据所述医保基金收入模型和所述医保基金支出模型，获取所述医保基金收支模型。

在可选情况下，在根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额方面，所述预测单元602具体用于：

将所述驱动因素对应的所述第一地域和所述第一预设时间段与所述医保基金收支模型对应的所述目标地域和所述目标时间段进行匹配；

确定所述第一地域与所述目标地域完全匹配，所述第一预设时间段与所述目标时间段为周期相同但对应时间不同的时间段，且所述第一预设时间段在所述目标时间段之后；

将所述驱动因素量化值导入所述医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；

获取所述医保基金收支模型预测出的所述收入金额作为预期收入金额，获取预测出的所述支出金额作为预期支出金额。

在可选情况下，在对所述医保基金进行风险管控方面，所述风险管控单元603具体用于：

对所述医疗数据中的医保对象报销过程进行规范化核查，以确定所述医疗对象分类是否正确，以及所述医疗对象分类是否按照其对应的医保政策进行报销；

当确定所述医疗数据中的医保对象报销过程不规范时，对所述医保对象报销过程按照所述对应的医保政策进行调整。

本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括移动终端。

本发明实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。

上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、ROM、RAM、磁盘或光盘等。

以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种基于智能决策的风险预测方法，其特征在于，所述方法包括：

获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

2.根据权利要求1所述的方法，其特征在于，所述获取医保基金的驱动因素包括：

根据第一预设条件获取人口信息作为所述医保基金相关的驱动因素，所述第一预设条件包括第一地域和第一预设时间段。

3.根据权利要求2所述的方法，其特征在于，所述对所述驱动因素进行量化处理，获得驱动因素量化值，包括：

根据所述人口信息测算每个月对应的月初人口；

将所述月初人口识别为所述人口信息的量化值。

4.根据权利要求3所述的方法，其特征在于，所述人口信息，包括死亡人口、迁入人口、迁出人口、新生儿人口以及身份转变转出人口；所述根据所述人口信息测算每个月对应的月初人口，包括：

通过公式测算每个月对应的月初人口，所述公式如下：

其中，M0表示前置月份的月末人口，M1表示目标月份的月初人口，其中目标月份为与前置月份相邻的下一个月，M1’表示目标月份的月初人口，Ms表示目标月份的死亡人口，Mr表示目标月份的迁入人口，Mc表示目标月份的迁出人口，Mn表示目标月份的新生儿人口，Mb表示目标月份的身份转变转出人口。

5.根据权利要求4所述的方法，其特征在于，在根据所述驱动因素量化值和医保基金收支模型之前，所述方法还包括建立医保基金收支模型，具体包括：

获取目标地域在目标时间段的医保政策和人口结构；

根据所述医保政策和所述人口结构，确定所述目标地域在目标时间段的医保缴费情况，形成所述医保基金收入模型；

获取所述目标地域在目标时间段内的医疗数据，包括就诊人数和医保报销总金额；

根据所述医保政策和所述医疗数据确定所述目标地域在所述目标时间段内的医保基金赔付情况，形成所述医保基金支出模型；

根据所述医保基金收入模型和所述医保基金支出模型，获取所述医保基金收支模型。

6.根据权利要求1-5所述的方法，其特征在于，所述根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额，包括：

将所述驱动因素对应的所述第一地域和所述第一预设时间段与所述医保基金收支模型对应的所述目标地域和所述目标时间段进行匹配；

确定所述第一地域与所述目标地域完全匹配，所述第一预设时间段与所述目标时间段为周期相同但对应时间不同的时间段，且所述第一预设时间段在所述目标时间段之后；

将所述驱动因素量化值导入所述医保基金收支模型中，对医保基金的收入金额和支出金额进行预测；

获取所述医保基金收支模型预测出的所述收入金额作为预期收入金额，获取预测出的所述支出金额作为预期支出金额。

7.根据权利要求6所述的方法，其特征在于，所述对所述医保基金进行风险管控包括：

对所述医疗数据中的医保对象报销过程进行规范化核查，以确定所述医疗对象分类是否正确，以及所述医疗对象分类是否按照其对应的医保政策进行报销；

当确定所述医疗数据中的医保对象报销过程不规范时，对所述医保对象报销过程按照所述对应的医保政策进行调整。

8.一种风险预测装置，其特征在于，所述风险预测装置包括：

获取单元，用于获取医保基金的驱动因素，并对所述驱动因素进行量化处理，获得驱动因素量化值；

预测单元，用于根据所述驱动因素量化值和医保基金收支模型对医保基金的收入金额和支出金额进行预测，获得预期收入金额和预期支出金额；

风险管控单元，用于当所述预期支出金额和所述预期收入金额的差值超过第一预设阈值时，判定所述医保基金存在风险，对所述医保基金进行风险管控。

9.一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-7任意方法中的步骤的指令。

10.一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行权利要求1-7中任一方法所述的步骤的指令。