CN110210984A - 大病医保政策调整对基金支出影响的量化方法及系统 - Google Patents
大病医保政策调整对基金支出影响的量化方法及系统 Download PDFInfo
- Publication number
- CN110210984A CN110210984A CN201910471434.2A CN201910471434A CN110210984A CN 110210984 A CN110210984 A CN 110210984A CN 201910471434 A CN201910471434 A CN 201910471434A CN 110210984 A CN110210984 A CN 110210984A
- Authority
- CN
- China
- Prior art keywords
- medical insurance
- serious disease
- medical
- policy
- under
- 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
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
本发明公开了一种大病医保政策调整对基金支出影响的量化方法及系统,采集样本:采集最近一个医保年度的全部参保人的基本医疗保险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政策包括该医保年度对应的原有大病医保政策和新大病医保政策;统计数据:统计出该医保年度的全部参保人基于原有大病医保政策下的累加的原有政策下大病医保应报销金额;建模预测:计算该医保年度的全部参保人基于新大病医保政策下的累加的新政策下大病医保应报销金额和政策影响因子,从而预测出未来新政策下大病医保应报销金额。
Description
技术领域
本发明涉及大病医保政策调整技术领域,特别是涉及一种大病医保政策 调整对基金支出影响的量化方法及系统。
背景技术
医保局的成立和医改的持续进行,新的医保政策频繁出台,新政策对医 疗费用的影响巨大。同时,人口老龄化和人均可支配收入持续增长,使医疗 费用逐年增加,因此对医保基金可持续运行的压力非常大。通过模拟各种不 同情景下的医保政策对统筹基金和大病赔付金额的影响,将医保政策调整进 行量化,测算政策调整影响因子,能在未来在医保政策变化时对统筹基金有 更精准的预估,以实现医保基金可持续平稳运行的目标。作为商业保险公司, 通过对医疗支出水平的精准把控,合理调节大病/补充保险业务的筹资水平,以保证大病/补充保险业务的可持续发展。
由于医保政策复杂,普通的测算方法只能在总体程度上进行估算,很难 准确计算出医保政策调整对医保基金的影响。
发明内容
本发明针对现有技术存在的问题和不足,提供一种大病医保政策调整对 基金支出影响的量化方法及系统。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种大病医保政策调整对基金支出影响的量化方法,其特点 在于,其包括以下步骤:
步骤1、采集样本:采集最近一个医保年度的全部参保人的基本医疗保 险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政 策包括该医保年度对应的原有大病医保政策和新大病医保政策;
步骤2、统计数据:统计出该医保年度的全部参保人基于原有大病医保 政策下的累加的原有政策下大病医保应报销金额;
步骤3、建模预测:
计算该医保年度的全部参保人基于新大病医保政策下的累加的新政策 下大病医保应报销金额和政策影响因子,从而预测出未来新政策下大病医保 应报销金额;
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子
+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为 -1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的 按照就诊顺序排序的第j个就诊结算单。
较佳地,基本医疗保险报销明细数据包括该医保年度的全部参保人的就 诊结算单,就诊结算单包括结算流水号,参保人ID,身份类型,就诊类别, 医疗机构等级,医保年度,入院/出院/结算时间,疾病诊断名称,疾病诊断 代码,医疗总金额,符合医保金额,医保报销金额,起付线,自费金额。
较佳地,新大病医保政策包括大病累计起付线规则,累计大病封顶线规 则,大病报销比例规则,符合大病医保范围。
本发明还提供一种大病医保政策调整对基金支出影响的量化系统,其特 点在于,其包括采集模块、统计模块和计算模块;
所述采集模块用于采集最近一个医保年度的全部参保人的基本医疗保 险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政 策包括该医保年度对应的原有大病医保政策和新大病医保政策;
所述统计模块用于统计出该医保年度的全部参保人基于原有大病医保 政策下的累加的原有政策下大病医保应报销金额;
所述计算模块用于计算该医保年度的全部参保人基于新大病医保政策 下的累加的新政策下大病医保应报销金额和政策影响因子,从而预测出未来 新政策下大病医保应报销金额;
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子
+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为 -1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的 按照就诊顺序排序的第j个就诊结算单。
较佳地,基本医疗保险报销明细数据包括该医保年度的全部参保人的就 诊结算单,就诊结算单包括结算流水号,参保人ID,身份类型,就诊类别, 医疗机构等级,医保年度,入院/出院/结算时间,疾病诊断名称,疾病诊断 代码,医疗总金额,符合医保金额,医保报销金额,起付线,自费金额。
较佳地,新大病医保政策包括大病累计起付线规则,累计大病封顶线规 则,大病报销比例规则,符合大病医保范围。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发 明各较佳实例。
本发明的积极进步效果在于:
本方法基于不同地市的大病医保政策,将历史赔付数据根据不同群体、 不同诊疗方式、不同病种等多个维度进行拆分,并将适合该分组的医保政策 进行嵌套。本方法维度多,层次深,对政策调整敏感度更高,测算结果更精 准。
附图说明
图1为本发明较佳实施例的大病医保政策调整对基金支出影响的量化方 法的流程图。
图2为本发明较佳实施例的大病医保政策调整对基金支出影响的量化系 统的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的前提下所 获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本实施例提供一种大病医保政策调整对基金支出影响的量 化方法,其包括以下步骤:
步骤101、采集样本:采集最近一个医保年度的全部参保人的基本医疗 保险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保 政策包括该医保年度对应的原有大病医保政策和新大病医保政策。
例如:需要预测2019年新政策下大病医保应报销金额,则需要采集18 年这一个医保年度的全部参保人的基本医疗保险报销明细数据或者大病报 销明细数据,还要采集18年的原有的大病医保政策和19年的新的大病医保 政策。
其中,基本医疗保险报销明细数据包括该医保年度的全部参保人的就诊 结算单,就诊结算单包括结算流水号,参保人ID,身份类型,就诊类别, 医疗机构等级,医保年度,入院/出院/结算时间,疾病诊断名称,疾病诊断 代码,医疗总金额,符合医保金额,医保报销金额,起付线,自费金额。
新大病医保政策包括大病累计起付线规则,累计大病封顶线规则,大病 报销比例规则,符合大病医保范围。
步骤102、统计数据:统计出该医保年度的全部参保人基于原有大病医 保政策下的累加的原有政策下大病医保应报销金额=该医保年度的全部参保 人在这医保年度内所有的大病医保报销金额。
步骤103、建模预测:
计算该医保年度的全部参保人基于新大病医保政策下的累加的新政策 下大病医保应报销金额和政策影响因子,从而预测出未来新政策下大病医保 应报销金额。
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子
+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为 -1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的 按照就诊顺序排序的第j个就诊结算单。
如图2所示,本实施例还提供一种大病医保政策调整对基金支出影响的 量化系统,其包括采集模块1、统计模块2和计算模块3。
所述采集模块1用于采集最近一个医保年度的全部参保人的基本医疗保 险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政 策包括该医保年度对应的原有大病医保政策和新大病医保政策。
所述统计模块2用于统计出该医保年度的全部参保人基于原有大病医保 政策下的累加的原有政策下大病医保应报销金额。
所述计算模块3用于计算该医保年度的全部参保人基于新大病医保政策 下的累加的新政策下大病医保应报销金额和政策影响因子,从而预测出未来 新政策下大病医保应报销金额。
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子
+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为 -1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的 按照就诊顺序排序的第j个就诊结算单。
该专利方法基于历史医疗保险报销数据的分析,依照当地医保政策对数 据逐人逐条进行政策调整的模拟测算,最终汇总得出新政策下的医保基金支 出,并提供可任意调整的医疗费用增长因子、人口变化因子和就医行为变化 因子。该专利方法将每一条就诊记录按照就诊时间、身份类型、就诊类型、 病种等信息与相应的医保政策匹配,然后再调整政策参数测算不同情境下的 统筹基金支出。该专利方法大大提高了来年的医保基金筹资水平预测的精确 性。
该专利方法的优点在于模型对医保政策的高度识别程度、以及对政策调 整的敏感程度。通过对医保就诊明细记录的逐条分析和政策匹配,以及可以 对政策规则和参数因子的定制化调整,大大提高了新政策下的医保基金和大 病基金支出模拟测算的精确性和适用性。
由于医保局的成立和医改的持续进行,通过本模型对不同情景下的医保 政策的模拟和量化,提前预测新政策对医保统筹基金和大病基金的影响,为 医保基金的可持续性发展提供有力保障。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理 解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本 领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方 式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (6)
1.一种大病医保政策调整对基金支出影响的量化方法,其特征在于,其包括以下步骤:
步骤1、采集样本:采集最近一个医保年度的全部参保人的基本医疗保险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政策包括该医保年度对应的原有大病医保政策和新大病医保政策;
步骤2、统计数据:统计出该医保年度的全部参保人基于原有大病医保政策下的累加的原有政策下大病医保应报销金额;
步骤3、建模预测:
计算该医保年度的全部参保人基于新大病医保政策下的累加的新政策下大病医保应报销金额和政策影响因子,从而预测出未来新政策下大病医保应报销金额;
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为-1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的按照就诊顺序排序的第j个就诊结算单。
2.如权利要求1所述的大病医保政策调整对基金支出影响的量化方法,其特征在于,基本医疗保险报销明细数据包括该医保年度的全部参保人的就诊结算单,就诊结算单包括结算流水号,参保人ID,身份类型,就诊类别,医疗机构等级,医保年度,入院/出院/结算时间,疾病诊断名称,疾病诊断代码,医疗总金额,符合医保金额,医保报销金额,起付线,自费金额。
3.如权利要求1所述的大病医保政策调整对基金支出影响的量化方法,其特征在于,新大病医保政策包括大病累计起付线规则,累计大病封顶线规则,大病报销比例规则,符合大病医保范围。
4.一种大病医保政策调整对基金支出影响的量化系统,其特征在于,其包括采集模块、统计模块和计算模块;
所述采集模块用于采集最近一个医保年度的全部参保人的基本医疗保险报销明细数据或大病报销明细数据、以及大病医保政策,所述大病医保政策包括该医保年度对应的原有大病医保政策和新大病医保政策;
所述统计模块用于统计出该医保年度的全部参保人基于原有大病医保政策下的累加的原有政策下大病医保应报销金额;
所述计算模块用于计算该医保年度的全部参保人基于新大病医保政策下的累加的新政策下大病医保应报销金额和政策影响因子,从而预测出未来新政策下大病医保应报销金额;
预测未来新政策下大病医保应报销金额
=原有政策下大病医保应报销金额*(1+政策影响因子+费用增长因子+人口变化因子+就医行为变化因子)
其中,费用增长因子、人口变化因子和就医行为变化因子的取值范围为-1~1,i表示该医保年度的第i个参保人,j表示该医保年度的某一参保人的按照就诊顺序排序的第j个就诊结算单。
5.如权利要求4所述的大病医保政策调整对基金支出影响的量化系统,其特征在于,基本医疗保险报销明细数据包括该医保年度的全部参保人的就诊结算单,就诊结算单包括结算流水号,参保人ID,身份类型,就诊类别,医疗机构等级,医保年度,入院/出院/结算时间,疾病诊断名称,疾病诊断代码,医疗总金额,符合医保金额,医保报销金额,起付线,自费金额。
6.如权利要求4所述的大病医保政策调整对基金支出影响的量化系统,其特征在于,新大病医保政策包括大病累计起付线规则,累计大病封顶线规则,大病报销比例规则,符合大病医保范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471434.2A CN110210984A (zh) | 2019-05-31 | 2019-05-31 | 大病医保政策调整对基金支出影响的量化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910471434.2A CN110210984A (zh) | 2019-05-31 | 2019-05-31 | 大病医保政策调整对基金支出影响的量化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210984A true CN110210984A (zh) | 2019-09-06 |
Family
ID=67790230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910471434.2A Pending CN110210984A (zh) | 2019-05-31 | 2019-05-31 | 大病医保政策调整对基金支出影响的量化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210984A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161084A (zh) * | 2019-11-27 | 2020-05-15 | 陕西医链区块链集团有限公司 | 一种基于医疗大数据建模分析的医疗保险动态筹资系统 |
-
2019
- 2019-05-31 CN CN201910471434.2A patent/CN110210984A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161084A (zh) * | 2019-11-27 | 2020-05-15 | 陕西医链区块链集团有限公司 | 一种基于医疗大数据建模分析的医疗保险动态筹资系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cummins et al. | Risk classification in life insurance | |
Lynch et al. | Hospital closure: an efficiency analysis | |
US9734290B2 (en) | System and method for evidence based differential analysis and incentives based healthcare policy | |
Gruber | The effect of competitive pressure on charity: Hospital responses to price shopping in California | |
Varkevisser et al. | Assessing hospital competition when prices don’t matter to patients: the use of time-elasticities | |
Simpson et al. | Do nonprofit hospitals exercise market power? | |
US20110060603A1 (en) | Population Adjusted Indexes | |
EP1561178A2 (en) | Fraud and abuse detection and entity profiling in hierarchical coded payment systems | |
US20130318007A1 (en) | Lifetime income analysis tool | |
WO2019089990A1 (en) | Entity segmentation for analysis of sensitivities to potential disruptions | |
US20140180714A1 (en) | Health quant data modeler with health care real options analytics, rapid economic justification, and affordable care act enabled options | |
Schreuders et al. | The relationship between nurse staffing and inpatient complications | |
CN109559810A (zh) | 一种医院科室定岗定编数量的优化配置系统 | |
CN109935330A (zh) | 个人健康风险评分预测方法及系统 | |
Parente et al. | Microsimulation of Private Health Insurance and Medicaid Take‐Up Following the US Supreme Court Decision Upholding the Affordable Care Act | |
CN112418699A (zh) | 资源分配方法、装置、设备及存储介质 | |
Kim et al. | Weekly ILI patient ratio change prediction using news articles with support vector machine | |
Shi | The costs and benefits of monitoring providers: Evidence from medicare audits | |
CN109949167A (zh) | 基于大数据建模分析的医疗保险动态筹资方法和系统 | |
CN110210984A (zh) | 大病医保政策调整对基金支出影响的量化方法及系统 | |
CN110210985A (zh) | 基本医保政策调整对基金支出影响的量化方法及系统 | |
Prager et al. | Regulating Out-of-Network Hospital Payments: Disagreement Payoffs, Negotiated Prices, and Access | |
US20210279812A1 (en) | Identifying healthcare insurance payment arbitrage opportunities using a machine learning network | |
Pickard et al. | United States valuation of EQ-5D-5L health States: An initial model using a standardized protocol | |
Muhammad et al. | Factors Predicting Zakāh Compliance Behaviour in Indonesia |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190906 |
|
WD01 | Invention patent application deemed withdrawn after publication |