CN110277171A - 失能人群测算方法及系统 - Google Patents
失能人群测算方法及系统 Download PDFInfo
- Publication number
- CN110277171A CN110277171A CN201910583210.0A CN201910583210A CN110277171A CN 110277171 A CN110277171 A CN 110277171A CN 201910583210 A CN201910583210 A CN 201910583210A CN 110277171 A CN110277171 A CN 110277171A
- Authority
- CN
- China
- Prior art keywords
- disability
- disease type
- age bracket
- suffer
- insured people
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Technology Law (AREA)
- Economics (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种失能人群测算方法及系统,包括:获取某区域的至少一个医疗年度的全部参保人的医保数据;统计出年龄段在60‑80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数;利用公式计算出患有该疾病类型且对应年龄段在60‑80岁或80岁以上的患有失能的相对风险系数Pr。本方法基于参保人的医保数据中的参保人疾病状态及医疗行为数据提供了不同年龄段的失能系统测算。
Description
技术领域
本发明涉及失能人群测算技术领域,特别是涉及一种失能人群测算方法及系统。
背景技术
随着人口老龄化加剧和医养事业的专业化发展,失能人口越来越受到社会关注。国内许多城市都已开始进行长期护理保险的试点,而在试水的初期,准确匡算城市失能人口规模,并根据不同失能类型匹配资源与服务,成为了一个不可规避的难题。利用医保数据开发基于疾病和年龄分组的失能率表,有助于帮助地方政府高效获取城市当下失能人口规模。
现在长护险在国内仍处于试行阶段,对于城市长护险的定价理赔等重要环节,失能人口数量的估算是非常重要的。随着人口老龄化的加剧,失能人口的比例也有一个动态调整的过程,而老年人的失能状态与他们所承受的疾病及医疗行为有很大的相关性。目前中国还没有一种参考参保人疾病状态及医疗行为的失能人口测算工具。
发明内容
本发明针对现有技术存在的问题和不足,提供一种失能人群测算方法及系统。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种失能人群测算方法,其特点在于,其包括以下步骤:
S1、获取某区域的至少一个医疗年度的全部参保人的医保数据;
S2、统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数;
S3、利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
较佳地,在步骤S1中,对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人分别划分入对应的疾病类型中。
较佳地,在步骤S3之后包括:通过计算出的患有失能的相对风险系数Pr,各类疾病按照相对风险系数由高至低排序依次为:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
较佳地,对除划入痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎的疾病类型之外的参保人按照慢病人群、亚健康人群、基本健康人群和健康人群进行划分。
本发明还提供一种失能人群测算系统,其特点在于,其包括获取模块、统计模块和计算模块;
所述获取模块用于获取某区域的至少一个医疗年度的全部参保人的医保数据;
所述统计模块用于统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数;
所述计算模块用于利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
较佳地,所述获取模块用于对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人分别划分入对应的疾病类型中。
较佳地,通过计算出的患有失能的相对风险系数Pr,各类疾病按照相对风险系数由高至低排序依次为:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
较佳地,对除划入痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎的疾病类型之外的参保人按照慢病人群、亚健康人群、基本健康人群和健康人群进行划分。
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:
本方法基于参保人的医保数据中的参保人疾病状态及医疗行为数据提供了不同年龄段的失能系统测算。
附图说明
图1为本发明较佳实施例的失能人群测算方法的流程图。
图2为本发明较佳实施例的失能人群测算系统的结构框图。
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,本实施例提供一种失能人群测算方法,其包括以下步骤:
步骤101、获取某区域的至少一个医疗年度的全部参保人的医保数据,对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人分别划分入对应的疾病类型中。
步骤102、统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数。
步骤103、利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
通过计算出的患有失能的相对风险系数Pr,各类疾病按照相对风险系数由高至低排序依次为:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
得到不同疾病对失能的相对风险以后,按照相对风险高低将人群划分类型。除了以上疾病(痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎)外,另外添加了4组人群(无以上疾病),分别是慢病人群、亚健康人群、基本健康人群和健康人群,构成共计10个分组。
慢病人群:有其他慢性病记录的人群;
亚健康人群:平均每年有六次以上就诊记录或住院天数大于一天的人群;
基本健康人群:三年内有就诊记录;
健康人群:三年内无就诊记录;
保证每个人都会且只会被分到某一组。
如图2所示,本实施例还提供一种失能人群测算系统,其包括获取模块1、统计模块2和计算模块3。
所述获取模块1用于获取某区域的至少一个医疗年度的全部参保人的医保数据,对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人划分入对应的疾病类型中优先级最高的疾病类型中。疾病类型按照以下优先级由高到低顺序进行排序:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
所述统计模块2用于统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数。
所述计算模块3用于利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
例如,若“暴露在某疾病风险因素下且处于某年龄段”=“患有骨折且年龄段在60-80岁”,对“患有失能”的相对风险系数计算为例,将人群分为如下4类,见表1:
表1
那么“患有骨折且年龄段在60-80岁”对“患有失能”的相对风险系数为:
再举一例,若“暴露在某风险因素下且处于某年龄段”=“亚健康且年龄段在80岁以上”,对“患有失能”的相对风险系数计算为例,将人群分为如下4类,见表2:
表2
那么“亚健康且年龄段在80岁以上”对“患有失能”的相对风险系数为:
可以选取某地过去三年医疗数据中重病(如恶性肿瘤)、慢病(如糖尿病、高血压)、意外(如骨折)和轻病(如胃炎、感冒)等发病情况,以及过去三年的就诊次数,综合参保人的年龄,计算各种风险因素下的“患有失能”的相对风险。
本发明是以参保人患病情况及医疗行为为重要依据的失能人口测算工具,以往对失能人口的测算都是主要以年龄作为依据,比较粗放。而很多疾病与老年人口的失能情况有很高的关联性,本发明弥补了这一方面算法的空白,且只需要提供地方医保数据即可进行测算,意义重大。
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 (8)
1.一种失能人群测算方法,其特征在于,其包括以下步骤:
S1、获取某区域的至少一个医疗年度的全部参保人的医保数据;
S2、统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数;
S3、利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
2.如权利要求1所述的失能人群测算方法,其特征在于,在步骤S1中,对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人分别划分入对应的疾病类型中。
3.如权利要求2所述的失能人群测算方法,其特征在于,在步骤S3之后包括:通过计算出的患有失能的相对风险系数Pr,各类疾病按照相对风险系数由高至低排序依次为:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
4.如权利要求3所述的失能人群测算方法,其特征在于,对除划入痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎的疾病类型之外的参保人按照慢病人群、亚健康人群、基本健康人群和健康人群进行划分。
5.一种失能人群测算系统,其特征在于,其包括获取模块、统计模块和计算模块;
所述获取模块用于获取某区域的至少一个医疗年度的全部参保人的医保数据;
所述统计模块用于统计出年龄段在60-80岁的参保人中患有某一疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数,统计出年龄段在80岁以上的参保人中患有该疾病类型的人数及其中的失能人数、以及未患有该疾病类型的人数及其中的失能人数;
所述计算模块用于利用公式计算出患有该疾病类型且对应年龄段在60-80岁或80岁以上的患有失能的相对风险系数Pr,所述公式如下:
其中,a表示对应年龄段中患有该疾病类型的人数中的患有失能人数,b表示对应年龄段中患有该疾病类型的人数中的未患有失能人数,c表示对应年龄段中未患有该疾病类型的人数中的患有失能人数,d表示对应年龄段中未患有该疾病类型的人数中的未患有失能人数。
6.如权利要求5所述的失能人群测算系统,其特征在于,所述获取模块用于对医保数据按照疾病类型进行分类,当某一参保人对应两种以上疾病类型时,该参保人分别划分入对应的疾病类型中。
7.如权利要求6所述的失能人群测算系统,其特征在于,通过计算出的患有失能的相对风险系数Pr,各类疾病按照相对风险系数由高至低排序依次为:痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎。
8.如权利要求7所述的失能人群测算系统,其特征在于,对除划入痴呆、中风、骨折住院、癌症以外其他重症、恶性肿瘤、肺炎的疾病类型之外的参保人按照慢病人群、亚健康人群、基本健康人群和健康人群进行划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910583210.0A CN110277171A (zh) | 2019-07-01 | 2019-07-01 | 失能人群测算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910583210.0A CN110277171A (zh) | 2019-07-01 | 2019-07-01 | 失能人群测算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110277171A true CN110277171A (zh) | 2019-09-24 |
Family
ID=67963806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910583210.0A Pending CN110277171A (zh) | 2019-07-01 | 2019-07-01 | 失能人群测算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110277171A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340636A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 数据有效性检测方法、装置、计算机设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108206058A (zh) * | 2016-12-19 | 2018-06-26 | 平安科技(深圳)有限公司 | 人体综合健康风险预测方法及系统 |
CN108630320A (zh) * | 2018-05-10 | 2018-10-09 | 北京大学 | 一种基于医保大数据测算疾病患病率的方法 |
-
2019
- 2019-07-01 CN CN201910583210.0A patent/CN110277171A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108206058A (zh) * | 2016-12-19 | 2018-06-26 | 平安科技(深圳)有限公司 | 人体综合健康风险预测方法及系统 |
CN108630320A (zh) * | 2018-05-10 | 2018-10-09 | 北京大学 | 一种基于医保大数据测算疾病患病率的方法 |
Non-Patent Citations (2)
Title |
---|
景小凡等: "中国五城市老年人日常生活能力-失能危险因素分析", 《中华老年多器官疾病杂志》 * |
钱聪: "《医学科研方法 第2版》", 31 January 2017, 上海科学技术出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340636A (zh) * | 2020-02-27 | 2020-06-26 | 平安医疗健康管理股份有限公司 | 数据有效性检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Staszkiewicz et al. | Dynamics of the COVID-19 contagion and mortality: Country factors, social media, and market response evidence from a global panel analysis | |
Tjepkema | Health care use among gay, lesbian and bisexual Canadians. | |
Lanzkron et al. | The burden of emergency department use for sickle cell disease: An analysis of the national emergency department sample database | |
Rammelsberg et al. | Longitudinal outcome of temporomandibular disorders: a 5-year epidemiologic study of muscle disorders defined by research diagnostic criteria for temporomandibular disorders. | |
CN107016438B (zh) | 一种基于中医辨证人工神经网络算法模型的系统 | |
Martin et al. | Preterm births—United States, 2006 and 2010 | |
Makuc et al. | The use of health service areas for measuring provider availability | |
Frisbie et al. | Prenatal care utilization among non-Hispanic whites, African Americans, and Mexican Americans | |
Rosenthal | Confusion of identity and the frequency of schizophrenia in twins | |
Wandera et al. | Factors associated with self-reported ill health among older Ugandans: a cross sectional study | |
Zheng et al. | Potential for early warning of viral influenza activity in the community by monitoring clinical diagnoses of influenza in hospital emergency departments | |
Kishi et al. | Oral health-related quality of life and related factors among residents in a disaster area of the Great East Japan Earthquake and giant tsunami | |
Deitelzweig et al. | Health care utilization, costs, and readmission rates associated with hyponatremia | |
Warrens | Cohen’s linearly weighted kappa is a weighted average of 2× 2 kappas | |
Jones | Infectious-like spread of an agent leading to increased medical admissions and deaths in Wigan (England), during 2011 and 2012 | |
Derrington et al. | Racial/ethnic differences in hospital use and cost among a statewide population of children with Down syndrome | |
Baldwin | Linked record medical information systems | |
CN110277171A (zh) | 失能人群测算方法及系统 | |
Bae et al. | A comparative study of the disease codes between Korean national health insurance claims and Korean national hospital discharge in-depth injury survey | |
Jaiswal et al. | Study on patient’s awareness towards role of artificial intelligence in dentistry | |
Dahlmanns et al. | Classification of chronic venous diseases based on skin temperature patterns | |
Burman et al. | Rural dwellers' cancer fears and perceptions of cancer treatment | |
Pokutnaya et al. | The impact of clinical risk conditions on influenza and pneumonia diagnoses in England: a nationally representative retrospective cohort study, 2010–2019 | |
Sudheesh et al. | Early prediction of COVID-19 samples from chest X-ray images using deep learning approach | |
Ladusingh et al. | The high cost of dying |
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: 20190924 |
|
WD01 | Invention patent application deemed withdrawn after publication |