CN110491487A - 基于大数据挖掘的医院绩效管理方法及系统 - Google Patents
基于大数据挖掘的医院绩效管理方法及系统 Download PDFInfo
- Publication number
- CN110491487A CN110491487A CN201910533292.8A CN201910533292A CN110491487A CN 110491487 A CN110491487 A CN 110491487A CN 201910533292 A CN201910533292 A CN 201910533292A CN 110491487 A CN110491487 A CN 110491487A
- Authority
- CN
- China
- Prior art keywords
- hospital
- resolution
- mark
- disease
- surgical procedure
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
基于大数据挖掘的医院绩效管理方法及系统包括：建立六种对标维度；建立对标簇群：将住院理赔含手术过程、门诊理赔含手术过程和门慢门特理赔含手术过程对标维度对应的理赔数据分别按手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程、门诊理赔不含手术过程、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据；针对每一对标簇群理赔数据计算标杆值；控费空间数据对比汇总；优先级靠前的医院及病种进行具体花费项目对比。
Description
技术领域
本发明涉及医院绩效管理技术领域，特别是涉及一种基于大数据挖掘的医院绩效管理方法及系统。
背景技术
医保基金运行颇具压力，医疗费用的控制一直是医保聚焦的关键问题。医院作为医疗行为的主体，更是控制医疗费用的主体，但因医院等级不同、接收病情难度不同、诊疗方式不同，难以直接对不同医院间的医疗成本和医疗质量进行比较。进一步，也无法锁定是什么项目、什么疾病、什么费用引起该医院的医疗费用过高。
基于为统筹区域承办或经办政策性医疗保险中积累的大量医保赔付数据及就诊信息，结合夯实的健康险领域分析能力和大数据挖掘建模能力，建立了一套医院绩效分析工具，以协助政府及医保工作人员有效开展医院医疗成本和医疗质量管控。
发明内容
本发明针对现有技术存在的问题和不足，提供一种基于大数据挖掘的医院绩效管理方法及系统。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供一种基于大数据挖掘的医院绩效管理方法，其特点在于，其包括以下步骤：
S1、建立对标维度：将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度；
S2、建立对标簇群：将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据；
S3、针对每一对标簇群理赔数据计算标杆值：该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值；
S4、控费空间数据对比汇总：根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据；S5、优先级靠前的医院及病种进行具体花费项目对比：将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院及病种作为目标医院和目标病种，根据目标医院和目标病种的理赔数据筛查出异常费用项目类别。
较佳地，在步骤S5中，根据目标医院和目标病种的理赔数据计算出目标医院理赔的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院相同病种的费用结构进行比较，筛查出异常费用项目类别。
较佳地，步骤S5之后包括：优先级靠前的医院及病种花费细项对比：在对目标医院和同等级医院进行了各花费类别中的平均支出的对比后，对目标医院目标病种花费显著高于同等级医院相同病种的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理-等问题。
本发明提供一种基于大数据挖掘的医院绩效管理系统，其特点在于，其包括：
一对标维度建立模块：用于将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度；
一对标簇群建立模块：将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据；
一标杆值计算模块：用于针对每一对标簇群理赔数据计算标杆值，该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值；
一控费空间对比汇总模块：用于根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据；
一具体花费对比模块：用于将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院及病种作为目标医院和目标病种，根据目标医院的理赔数据筛查出异常费用项目类别。
较佳地，所述具体花费对比模块用于根据目标医院目标病种的理赔数据计算出目标医院理赔的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院目标病种的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院相同病种的费用结构进行比较，筛查出异常费用项目类别。
较佳地，所述系统还包括细项花费对比模块，所述细项花费对比模块用于在对目标医院和同等级医院目标病种进行了各花费类别中的平均支出的对比后，对目标医院花费显著高于同等级医院的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理等问题。
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：
本发明基于大数据挖掘的医院绩效管理方法，可量化医院控费空间并以可视化的方式呈现，提供对比分析目标医院与同等级其他医院的花费和花费细项，绘制整体医院红绿灯。该地区的医保前线人员利用此工具从潜在控费空间大的医院选择优先约谈对象，且准确地锁定约谈医院要点。
附图说明
图1为本发明较佳实施例的基于大数据挖掘的医院绩效管理方法的流程图。
图2为本发明较佳实施例的基于大数据挖掘的医院绩效管理系统的结构框图。
图3为本发明较佳实施例的医院具体花费项目对比示意图。
图4为本发明较佳实施例的医院花费细项对比示意图。
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，本实施例提供一种基于大数据挖掘的医院绩效管理方法，其包括以下步骤：
步骤101、建立对标维度：将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度。
步骤102、建立对标簇群：将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据。
步骤103、针对每一对标簇群理赔数据计算标杆值：该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值。
如对标维度为住院理赔含手术过程对标维度医院级别对标簇群为三级医院，具体手术是阑尾炎切除术，且病人身份类别为职工，那么其可对标理赔簇群包含了所有在该城市三级医院、主要手术为阑尾炎切除术、身份为职工的手术型住院理赔；在该簇群中，将花费排名前5％与后5％的理赔作为异常值去除后，按照需求计算对标标杆(定义为平均值)，该标杆与各类别理赔下的对标维度直接关联。
步骤104、控费空间数据对比汇总：根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据；。
临床可控空间模型的目标是使用医保理赔数据，对存在浪费行为的医院-科室进行系统性的识别，并总结花费超出的具体领域。具体来说，模型在理赔层面，找到在各维度上可进行对标的理赔簇群，将某个簇群中的每一条理赔记录的花费及成分与该簇群的平均值进行对比，得出其与该簇群平均值的差异。进一步将各医院-疾病组合的所有理赔记录进行汇总，计算出每条理赔花费与其簇群平均值差异之和，作为该医院-疾病组合的总控费空间。将这样计算所得的总控费空间作为约谈医院优先级排序的依据。
步骤105、优先级靠前的医院及病种进行具体花费项目对比：将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院和病种作为目标医院和目标病种，根据目标医院和目标病种的理赔数据筛查出异常费用项目类别。
具体地，在步骤105中，根据目标医院目标病种的理赔数据计算出目标医院理赔目标病种的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院相同病种的费用结构进行比较，筛查出异常费用项目类别，见图3。
步骤106、优先级靠前的医院及病种花费细项对比：在对目标医院和同等级医院相同病种进行了各花费类别中的平均支出的对比后，对目标医院花费显著高于同等级医院相同病种的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理等问题。通过与同等级的医院进行进一步对比，锁定花费不合理的具体药品名称、检查项目名称、使用材料等等，见图4。
医院总体可控费用空间占其所有理赔花费的百分比作为衡量该控费空间指标；30天内再入院的理赔数量占总体理赔数量的百分比作为衡量医疗质量指标；每家医院住院人群的平均风险评分值近似为衡量医院综合工作难度的指标。依据各指标特征划分不同等级的预警值，形成医疗成本和医疗质量的医院红绿灯。
如图2所示，本实施例提供一种基于大数据挖掘的医院绩效管理系统，其包括：一对标维度建立模块1、一对标簇群建立模块2、一标杆值计算模块、一控费空间对比汇总模块4、具体花费对比模块5和细项花费对比模块6。
所述对标维度建立模块1用于将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度。
所述对标簇群建立模块2用于将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据。
所述标杆值计算模块3用于针对每一对标簇群理赔数据计算标杆值，该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值。
所述控费空间对比汇总模块4用于根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据。
所述具体花费对比模块5用于将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院和病种作为目标医院和目标病种，根据目标医院目标病种的理赔数据筛查出异常费用项目类别。
具体地，所述具体花费对比模块5用于根据目标医院目标病种的理赔数据计算出目标医院目标病种理赔的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院相同病种的费用结构进行比较，筛查出异常费用项目类别。
所述细项花费对比模块6用于在对目标医院和同等级医院进行了各花费类别中的平均支出的对比后，针对相同病种对目标医院花费显著高于同等级医院的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理等问题。
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)
1.一种基于大数据挖掘的医院绩效管理方法，其特征在于，其包括以下步骤：
S1、建立对标维度：将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度；
S2、建立对标簇群：将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据；
S3、针对每一对标簇群理赔数据计算标杆值：该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值；
S4、控费空间数据对比汇总：根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据；
S5、优先级靠前的医院及病种进行具体花费项目对比：将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院及病种作为目标医院和目标病种，根据目标医院目标病种的理赔数据筛查出异常费用项目类别。
2.如权利要求1所述的基于大数据挖掘的医院绩效管理方法，其特征在于，在步骤S5中，根据目标医院目标病种的理赔数据计算出目标医院目标病种理赔的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院的费用结构进行比较，筛查出异常费用项目类别。
3.如权利要求2所述的基于大数据挖掘的医院绩效管理方法，其特征在于，步骤S5之后包括：优先级靠前的医院及病种花费细项对比：在对目标医院和同等级医院进行了各花费类别中的平均支出的对比后，对目标医院及病种花费显著高于同等级医院的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理等问题。
4.一种基于大数据挖掘的医院绩效管理系统，其特征在于，其包括：
一对标维度建立模块：用于将理赔数据按照理赔类型住院、门诊、门慢门特和是否包含手术过程划分为六种对标维度对应的对标维度理赔数据，六种对标维度分别为：住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度、门慢门特理赔含手术过程对标维度、住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度；
一对标簇群建立模块：用于将住院理赔含手术过程对标维度、门诊理赔含手术过程对标维度和门慢门特理赔含手术过程对标维度对应的对标维度理赔数据分别按照手术名称、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据，将住院理赔不含手术过程对标维度、门诊理赔不含手术过程对标维度、门慢门特理赔不含手术过程对标维度对应的理赔数据分别按照选择疾病分组、保险类型、医院级别、医疗机构类型及参保人的风险评分区间进行细项分组以分别获得对应的对标簇群的理赔数据；
一标杆值计算模块：用于针对每一对标簇群理赔数据计算标杆值，该对标簇群理赔数据按照理赔金额由大到小的顺序进行排序，将理赔金额排名前5％与后5％的理赔数据作为异常值筛除，计算剩余理赔金额的平均值作为该对标簇群的标杆值；
一控费空间对比汇总模块：根据各医院各病种的理赔数据选出该医院该病种所属的所有的对标簇群，计算每家医院每一病种所属的每一对标簇群对应的理赔数据的平均值与该对标簇群对应的标杆值之间的差值，该医院该病种所属的所有的对标簇群对应的差值的累加和作为该医院该病种的总体可控费用空间数据；
一具体花费对比模块：用于将各医院各病种的总体可控费用空间数据按照由大到小的顺序进行排序，选出优先级靠前的医院及病种作为目标医院和目标病种，根据目标医院和目标病种的理赔数据筛查出异常费用项目类别。
5.如权利要求4所述的基于大数据挖掘的医院绩效管理系统，其特征在于，所述具体花费对比模块用于根据目标医院目标病种的理赔数据计算出目标医院理赔的平均年龄、平均花费、平均医保支出、平均住院时长以及平均风险评分，并对目标医院同一等级的其他同城市医院相同病种求出相同的指标进行比较，并按药品、材料、诊断、治疗四大类别细分目标医院的花费，在各花费类型下，分别比较每条理赔在该类别上的平均花费、以及该类别出现的频率，与同等级医院相同病种的费用结构进行比较，筛查出异常费用项目类别。
6.如权利要求4所述的基于大数据挖掘的医院绩效管理方法，其特征在于，所述系统还包括细项花费对比模块，所述细项花费对比模块用于针对同一病种在对目标医院和同等级医院进行了各花费类别中的平均支出的对比后，对目标医院花费显著高于同等级医院的领域进行进一步分析具体项目的平均花费，以判断该目标医院是否存在使用项目不合理等问题。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910533292.8A CN110491487A (zh) | 2019-06-19 | 2019-06-19 | 基于大数据挖掘的医院绩效管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910533292.8A CN110491487A (zh) | 2019-06-19 | 2019-06-19 | 基于大数据挖掘的医院绩效管理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110491487A true CN110491487A (zh) | 2019-11-22 |
Family
ID=68546238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910533292.8A Pending CN110491487A (zh) | 2019-06-19 | 2019-06-19 | 基于大数据挖掘的医院绩效管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110491487A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986790A (zh) * | 2020-08-27 | 2020-11-24 | 卫宁健康科技集团股份有限公司 | 一种入院预约方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909487A (zh) * | 2017-11-10 | 2018-04-13 | 平安科技（深圳）有限公司 | 基于医疗保险的理赔方法、装置及系统 |
| CN109118376A (zh) * | 2018-08-14 | 2019-01-01 | 平安医疗健康管理股份有限公司 | 医疗保险保费定价方法、装置、计算机设备和存储介质 |
| CN109377207A (zh) * | 2018-10-30 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 异常住院行为判定的方法及相关产品 |
| CN109377387A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技（深圳）有限公司 | 医保理赔费用检测方法、装置、计算机设备和存储介质 |
| CN109615533A (zh) * | 2018-10-24 | 2019-04-12 | 平安健康保险股份有限公司 | 医院效率分析方法及系统 |
-
2019
- 2019-06-19 CN CN201910533292.8A patent/CN110491487A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107909487A (zh) * | 2017-11-10 | 2018-04-13 | 平安科技（深圳）有限公司 | 基于医疗保险的理赔方法、装置及系统 |
| CN109118376A (zh) * | 2018-08-14 | 2019-01-01 | 平安医疗健康管理股份有限公司 | 医疗保险保费定价方法、装置、计算机设备和存储介质 |
| CN109377387A (zh) * | 2018-09-10 | 2019-02-22 | 平安科技（深圳）有限公司 | 医保理赔费用检测方法、装置、计算机设备和存储介质 |
| CN109615533A (zh) * | 2018-10-24 | 2019-04-12 | 平安健康保险股份有限公司 | 医院效率分析方法及系统 |
| CN109377207A (zh) * | 2018-10-30 | 2019-02-22 | 平安医疗健康管理股份有限公司 | 异常住院行为判定的方法及相关产品 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111986790A (zh) * | 2020-08-27 | 2020-11-24 | 卫宁健康科技集团股份有限公司 | 一种入院预约方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Staplin et al. | MaryPODS revisited: Updated crash analysis and implications for screening program implementation | |
| Stange et al. | Sustainability of a practice-individualized preventive service delivery intervention | |
| Fetter et al. | Ambulatory visit groups: a framework for measuring productivity in ambulatory care. | |
| CN105893765B (zh) | 一种基于Echarts的分级诊疗分析及数据可视化系统 | |
| CN101421734A (zh) | 用于识别和分析医疗赔付中的模式或者异常的系统和方法 | |
| CN111210355A (zh) | 医疗数据对照系统及方法 | |
| CN103299339A (zh) | 诊疗支援系统 | |
| CN107239647A (zh) | 一种基于贝叶斯算法的疾病分析系统 | |
| JP2020520024A (ja) | 臨床試験施設の実績を視覚化するためのシステム及び方法 | |
| Collie et al. | Patterns of healthcare service utilisation following severe traumatic brain injury: an idiographic analysis of injury compensation claims data | |
| CN110765116A (zh) | 基于商业智能系统开发的医院廉政风险防控系统 | |
| Nabukeera et al. | An evaluation of health centers and hospital efficiency in Kampala capital city authority Uganda; using Pabon Lasso technique | |
| Popesko et al. | Application of ABC method in hospital management | |
| CN110491487A (zh) | 基于大数据挖掘的医院绩效管理方法及系统 | |
| Eriksen et al. | The digital transformation of patient-reported outcomes’(PROS) functionality within healthcare | |
| CN115409380A (zh) | 医院医保绩效评价方法、装置、电子设备及其存储介质 | |
| Sintiya et al. | SARIMA and Holt-Winters Seasonal Methods for Time Series Forecasting in Tuberculosis Case | |
| CN107491662A (zh) | 一种基于元数据的智能化区域移动医疗集成数据中心系统架构 | |
| Flores et al. | Clinical decision support systems: a step forward in establishing the clinical laboratory as a decision maker hub | |
| Liu et al. | Research on application of data mining in hospital management | |
| Heslop et al. | An analysis of high-cost users at an Australian public health service organization | |
| Xia et al. | Gathering real world evidence with cluster analysis for clinical decision support | |
| Liu et al. | Application of the clinical decision support systems in the management of chronic diseases | |
| Kelman et al. | It's time: Record linkage—The vision and the reality | |
| CN109994171A (zh) | 一种用于临床路径对比的流形可视化方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191122 |