CN111105316B - 长期护理保险的数据处理方法、装置、介质与电子设备 - Google Patents

Abstract

本公开提供一种长期护理保险的数据处理方法、长期护理保险的数据处理装置、存储介质与电子设备，涉及数据处理技术领域。该方法包括：从多个数据源获取多个长期护理保险对象的健康数据和业务数据；根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息；将所述业务参考信息反馈至所述多个数据源。本公开可以降低长期护理保险业务受到的主观性影响，提高处理效率，并对各机构提供业务指导，有利于促进长期护理保险的发展与普及。

Description

长期护理保险的数据处理方法、装置、介质与电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及一种长期护理保险的数据处理方法、长期护理保险的数据处理装置、计算机可读存储介质与电子设备。

背景技术

长期护理保险是一种新型的保险险种，主要在投保人丧失日常生活能力、生病住院时为其提供长期护理的服务。随着老龄化问题的日益严重，长期护理保险受到了越来越多的关注。

目前，长期护理保险仍处于起步阶段，存在以下问题：

(1)虽然已经在多个试点地区进行长期护理保险的推广，但是投保、评级等业务过程仍然较多地采用人工办理的方式，容易产生受到人的主观性影响，导致业务办理偏离科学与客观规律；

(2)由于长期护理保险的特殊性，其他险种所能提供的可借鉴的经验十分有限，这导致长期护理保险的业务开展缺乏有效的指导信息，从而制约其发展与普及。

鉴于此，有必要提出一种应用于长期护理保险的技术方案，以解决上述问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供了一种长期护理保险的数据处理方法、长期护理保险的数据处理装置、计算机可读存储介质与电子设备，进而至少在一定程度上改善现有的长期护理保险业务主观性较强以及缺乏指导信息的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种长期护理保险的数据处理方法，包括：从多个数据源获取多个长期护理保险对象的健康数据和业务数据；根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息；将所述业务参考信息反馈至所述多个数据源。

可选的，所述健康数据包括生命体征数据、量表评估数据和睡眠数据；所述根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级，包括：分别对每个所述长期护理保险对象的生命体征数据、量表评估数据和睡眠数据进行加权，得到每个所述长期护理保险对象的综合分值；根据每个所述长期护理保险对象的综合分值将其划分至对应的健康等级。

可选的，所述分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息，包括：根据所述业务数据中的费用数据，统计每个所述健康等级中所述长期护理保险对象的平均费用，以作为每个所述健康等级的参考费用。

可选的，在统计每个所述健康等级中所述长期护理保险对象的平均费用之前，所述方法还包括：对所述业务数据中的费用数据进行噪点数据去除。

可选的，所述健康数据包括第一类健康数据，所述第一类健康数据为护理时期的健康数据；所述根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级，包括：根据所述第一类健康数据将所述多个长期护理保险对象分别划分至对应的健康等级。

可选的，所述健康数据还包括第二类健康数据，所述第二类健康数据为投保时期的健康数据；所述方法还包括：基于所述长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

可选的，所述多个数据源位于同一地区。

根据本公开的第二方面，提供一种长期护理保险的数据处理装置，包括：数据获取模块，用于从多个数据源获取多个长期护理保险对象的健康数据和业务数据；健康等级划分模块，用于根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；业务数据统计模块，用于分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息；信息反馈模块，用于将所述业务参考信息反馈至所述多个数据源。

可选的，所述健康数据包括生命体征数据、量表评估数据和睡眠数据；所述健康等级划分模块，用于分别对每个所述长期护理保险对象的生命体征数据、量表评估数据和睡眠数据进行加权，得到每个所述长期护理保险对象的综合分值，根据每个所述长期护理保险对象的综合分值将其划分至对应的健康等级。

可选的，所述业务数据统计模块，用于根据所述业务数据中的费用数据，统计每个所述健康等级中所述长期护理保险对象的平均费用，以作为每个所述健康等级的参考费用。

可选的，所述业务数据统计模块，还用于在统计每个所述健康等级中所述长期护理保险对象的平均费用之前，对所述业务数据中的费用数据进行噪点数据去除。

可选的，所述健康数据包括第一类健康数据，所述第一类健康数据为护理时期的健康数据；所述健康等级划分模块，用于根据所述第一类健康数据将所述多个长期护理保险对象分别划分至对应的健康等级。

可选的，所述健康数据还包括第二类健康数据，所述第二类健康数据为投保时期的健康数据；所述健康等级划分模块，还用于基于所述长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

可选的，所述多个数据源位于同一地区。

根据本公开的第三方面，提供一种计算机可读存储介质，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上述任意一种长期护理保险的数据处理方法。

根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一种长期护理保险的数据处理方法。

本公开的技术方案具有以下有益效果：

根据上述长期护理保险的数据处理方法、长期护理保险的数据处理装置、计算机可读存储介质与电子设备，从多个数据源获取多个长期护理保险对象的健康数据和业务数据，根据健康数据将长期护理保险对象进行健康等级的划分，并统计各健康等级中的业务数据，以生成业务参考信息，反馈至上述数据源。一方面，本公开的技术方案形成了长期护理保险数据的自动处理流程，健康等级的划分、业务数据的统计等无需人工的过多介入，从而降低了主观性的影响，保证数据处理的科学性与客观性，且处理效率较高。另一方面，通过从多个数据源收集数据，进行统计后生成业务参考信息，再反馈回数据源的方式，实质上得到了协作化的长期护理保险系统，解决了各机构之间信息孤岛的问题，业务参考信息可以对各机构的长期护理保险业务形成指导，有利于形成标准化的业务规范，促进长期护理保险的发展与普及。再一方面，本公开的技术方案对长期护理保险数据实现了充分且有效的利用，挖掘了数据价值，所得到的业务参考信息也是基于各机构在实践中产生与记录的信息，贴近于实际情况，具有较高的参考与指导意义。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施方式，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施方式，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示出本示例性实施方式中一种长期护理保险系统的架构示意图；

图2示出本示例性实施方式中一种长期护理保险的数据处理方法的流程图；

图3示出本示例性实施方式中另一种长期护理保险的数据处理方法的子流程图；

图4示出本示例性实施方式中费用数据统计的示意图；

图5示出本示例性实施方式中参考费用应用的示意图；

图6示出本示例性实施方式中一种长期护理保险的数据处理装置的结构框图；

图7示出本示例性实施方式中一种用于实现上述方法的计算机可读存储介质；

图8示出本示例性实施方式中一种用于实现上述方法的电子设备。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

鉴于现有的长期护理保险业务中存在的上述一个或多个问题，本公开的示例性实施方式提供一种长期护理保险系统。图1示出了该系统的一种示例性架构。如图所示，该长期护理保险系统100可以包括业务机构110、网络120和服务平台130。其中，业务机构110可以是和长期护理保险相关的保险机构、护理机构、医疗机构、政府相关部门(如社保部门、保险政策制定的部门)等，图中的业务机构110表示各机构接入长期护理保险系统100的计算机、服务器、数据库等。网络120可以是有线或无线的通讯链路，在业务机构110和服务平台130之间提供数据交互。服务平台130是向上述业务机构110提供长期护理保险业务指导的平台，图中的服务平台130表示和业务机构110连接的服务器，此外还可以包括计算机、数据库等其他平台组件，本公开对此不做限定。

基于上述长期护理保险系统100，本公开的示例性实施方式还提供一种长期护理保险的数据处理方法，可以由上述服务平台130执行，更具体的，可以由服务平台130中特定的服务器或计算机执行。

图2示出了该长期护理保险的数据处理方法的一种流程，可以包括以下步骤S210至S240：

步骤S210，从多个数据源获取多个长期护理保险对象的健康数据和业务数据。

其中，数据源指上述业务机构110，长期护理保险对象(下文简称为护理对象)指接受护理服务的人，即投保对象。通常业务机构110在进行护理的过程中，会定期监测护理对象的健康状况，例如可以收集护理对象的医院诊疗数据、体检报告，或者定期监测护理对象的生命体征数据等，得到护理对象的健康数据；业务机构110在开展业务过程中所产生或记录的各项数据为业务数据，例如可以包括费用数据(如投保费用、保额、护理支出等)、护理明细数据(如每天护理的流程、各项护理服务的时间、所使用的仪器、药物、保健品等)。业务机构110和服务平台130可以建立相应的数据接口，服务平台130通过数据接口从各业务机构110获取健康数据和业务数据，可以采用数据抽取或数据推送等方式，例如采用Kafka系统(一种分布式发布订阅消息系统)，使服务平台130通过订阅业务机构110消息的方式获取健康数据和业务数据。

在一种可选的实施方式中，考虑到从不同数据源所获取的数据格式可能不同，服务平台130可以设置数据预处理组件，连接各数据源的数据接口。当从数据接口获取健康数据与业务数据时，可以先进入数据预处理组件，以对数据进行格式标准化转换、数据清洗、规则化处理等。

在一种可选的实施方式中，当数据源数量较多时，可能同时向服务平台130发送数据，因而产生大量并发请求。可以在服务平台130中设置消息队列，当服务平台130接收数据时，可以使数据先进入消息队列中，服务平台130从消息队列中逐个抽取数据并进行处理。

需要说明的是，为了便于后续统计，服务平台130可以从多个数据源获取大量护理对象的数据，以形成一定规模的数据集。或者服务平台130定期获取数据，当数据达到一定规模时，执行以下步骤S220至S240。

在一种可选的实施方式中，上述多个数据源可以位于同一地区。即长期护理保险业务可以以地区为单位进行管理，这是由于不同地区的物价水平、生活方式、人力成本、气候环境等不同，导致护理对象的健康状况、康复效果、护理成本等存在地区性差异。因此不同地区可能存在不同的业务标准，分地区管理更加合理。举例来说，服务平台130可以按照不同城市设置为分布式结构，每个城市对应于服务平台130中不同的服务器，每个服务器仅从该城市的数据源收集上述数据；或者，服务平台130可以从不同城市收集上述数据，然后按照城市进行分类，后续对每个城市的数据单独处理。

步骤S220，根据上述健康数据将上述多个长期护理保险对象分别划分至对应的健康等级。

其中，健康等级是对健康状况的离散化定量表示，例如可以预先确定5个健康等级，从1级到5级健康状况逐级递增，5级的健康状况最好。健康数据通常包含了多个维度或指标，可以对这些指标进行综合考量，反映出护理对象的综合健康状况，以进行分级。

在一种实施方式中，上述健康数据可以包括三方面的数据，分别为：生命体征数据、量表评估数据和睡眠数据。基于此，参考图3所示，步骤S220可以具体包括以下步骤S310和S320：

步骤S310，分别对每个长期护理保险对象的生命体征数据、量表评估数据和睡眠数据进行加权，得到每个长期护理保险对象的综合分值；

步骤S320，根据每个长期护理保险对象的综合分值将其划分至对应的健康等级。

其中，生命体征数据可以包含：呼吸、血压、体温和脉搏数据等，护理机构可以对护理对象进行定期监测以得到这些指标数据；在护理过程中，机构工作人员可以采用评估量表(如巴氏量表)对护理对象日常的健康表现进行评估，得到量表评估数据；此外，睡眠状况也能一定程度上反映护理对象的健康状况，特别睡眠状况对于所需护理的程度有很大影响，因此可以通过智能床垫、手环等设备采集护理对象的睡眠数据。

基于上述三方面数据，进行加权后，可以得到护理对象的综合分值，该分值较为全面地反映了护理对象的健康状况。然后根据该综合分值所处的分数段，确定护理对象所在的健康等级。

对图3的处理过程举例说明：采集某护理对象的生命体征数据，对其中不同指标进行综合计算，得到第一分值x；获取该护理对象的量表评估数据，对其中的不同维度进行综合计算，得到第二分值y；监测该护理对象的睡眠数据，如有多项指标，则综合计算得到第三分值z；通过预先设置的权重值w1、w2、w3进行加权计算(w1、w2、w3可以根据经验确定，满足w1+w2+w3＝1)，有P＝x*w1+y*w2+z*w3，P即为该护理对象的综合分值；预先确定5个健康等级，0～20分为P1级，20～40分为P2级，40～60分为P3级，60～80分为P4级，80～100分为P5级，由此可以确定该护理对象所在的健康等级。

在另一种实施方式中，可以预先训练用于健康等级划分的机器学习模型。例如预先确定5个健康等级的情况下，可以设置机器学习模型的输出为5个维度的向量，根据健康数据的维度设置机器学习模型的输入，例如健康数据包括n个维度，则设置机器学习模型为n个通道的输入。然后可以采用历史护理对象(已经人为划分过健康等级)的数据进行训练，以调整模型参数，得到准确率合格的模型。在实际应用中，将护理对象健康数据输入该机器学习模型，可以输出对应的健康等级。

步骤S230，分别对各健康等级中长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个健康等级的业务参考信息。

由于每个健康等级中，护理对象的健康状况是相近的，由此产生的相关业务、费用等情况也是相近的，因此以健康等级为单位，进行业务数据的统计。可以对业务数据中的每个维度分别统计平均值、方差(标准差)、最大值、最小值、数值范围、分布特征等，然后形成一系列的业务参考信息。例如，可以统计每个健康等级的护理时间，得到上述统计指标，以此确定合适的数值范围(如可以采用平均值±4*标准差的方式)，作为参考，在各机构不清楚采用怎样的护理标准时提供指导。

在一种可选的实施方式中，当业务数据中包括费用数据时，步骤S230可以具体包括：根据业务数据中的费用数据，统计每个健康等级中长期护理保险对象的平均费用，以作为每个健康等级的参考费用。例如。从不同数据源收集到P1级的护理对象的费用数据，按照总费用/护理对象总人数计算出平均费用，将该费用作为P1级的参考费用。

进一步的，在统计每个健康等级中长期护理保险对象的平均费用之前，还可以对业务数据中的费用数据进行噪点数据去除。例如某些机构可能存在费用定价过高或过低的情况，或者数据传输过程中的异常导致产生异常数据，将这些数据称为噪点数据，在统计时可以进行去除。具体而言，可以设置特定的判断条件用于甄别噪点数据，例如：对费用数据进行聚类，处于类外的数据为噪点数据；绘制出费用数据的分布，如果边缘数据点偏离中心较多，且所占比例较低，则为噪点数据。去除噪点数据后再统计平均值等各项指标，可以提高准确度。

由于保险费用由统筹费用和自费费用两部分组成，还可以分别进行统计。图4示出了A地区对于P1～P5健康等级的总费用、统筹费用、自费费用的统计情况，得到每个健康等级下的3种平均费用，由此可以形成更加丰富的业务参考信息。

步骤S240，将上述业务参考信息反馈至上述多个数据源。

业务参考信息用于对各机构提供业务指导，例如设置费用价格的范围、提供护理服务的标准等。本示例性实施方式中，服务平台130可以将业务参考信息整理为报告、图线、表格等各种可视化形式，反馈至业务机构110。参考图5举例说明，服务平台130从多个业务机构110获取费用数据，分别统计6个时间段内P1健康等级的平均费用，形成平均费用的趋势曲线，反馈给业务机构110；a机构可以比较其对于P1健康等级护理对象的收费情况，形成另一曲线，将其与平均费用的趋势曲线进行比较，从而了解到本机构和平均水平相比的情况，后续可以进行调整，促进合规经营，减少成本开销。服务平台130也可以将业务参考信息反馈至相关的政府部门，使其根据业务参考信息制定相应的政策规范，以指导和管理各保险机构的经营活动。

在一种可选的实施方式中，服务平台130向各业务机构110反馈业务参考信息也可以采用消息推送的方式，例如采用Kafka系统，使业务机构110订阅服务平台130的消息，当服务平台130生成业务参考信息后，进入推送的消息队列，以推送到指定的业务机构110的地址。

本示例性实施方式中，可以对图1的方法过程循环执行，例如：每个固定周期，服务平台130从各业务机构110获取数据，进行健康等级的划分以及业务数据的统计，形成当前的业务参考信息，反馈回各业务机构110，使各业务机构110根据该业务参考信息调整下一周期的业务规范，包括费用、护理强度等方面的优化；然后在下一周期，服务平台130从各业务机构110获取新的数据，经过统计后形成新的业务参考信息，使各业务机构110依据新的业务参考信息进行新一轮的业务优化调整。由此，通过业务参考信息和业务数据的不断迭代，无需外部数据或政策规范的介入，即可在长期护理保险行业内部形成越来越有效的业务指导与标准，各业务机构110的业务运行也将不断地趋于科学化、合理化。

在长期护理保险业务中，主要将健康状况的评估分为两个阶段：其一是投保时期，此时还未实际产生护理需求，投保对象(被保险人)未来是否需要长期护理是不确定的，保险机构通常需要根据投保对象当前的健康状况进行评估，预测其未来需要长期护理的概率，概率越高，相应的保险费用越高；其二是护理时期，即投保对象由于丧失生活自理能力、患病住院等需要接受长期护理，此时将投保对象称为护理对象，需要根据其健康状况确定需要投入的护理资源，以及对其康复时间等进行预测，以合理安排业务。

本示例性实施方式中，由于上述两个阶段的健康状况具有不同的意义，可以对健康数据进行分类，将护理时期的健康数据记为第一类健康数据，将投保时期的健康数据记为第二类健康数据。

在一种可选的实施方式中，步骤S210中从数据源获取的健康数据可以包括第一类健康数据，即护理时期的健康数据。相应的，在步骤S220中，可以根据所获取的第一类健康数据将每个长期护理保险对象分别划分至对应的健康等级。

换而言之，在步骤S220中，是在护理对象已接受护理服务的情况下，对其当前的健康状况进行评估和分级。

进一步的，在步骤S210中，还可以从数据源获取护理对象的第二类健康数据，即投保时期的健康数据，该类数据通常是在投保期间收集的，例如可以包括投保对象的身高、体重、年龄、血糖、高血压、既往投保次数、既往理赔次数、既往吸烟史、既往家族病史、既往个人病史等等。在护理对象已接受护理服务的情况下，第二类健康数据为历史数据。相应的，服务平台130可以基于长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

其中，健康等级预测模型可以是机器学习模型，用于在投保时，根据投保对象的健康数据预测其未来的健康等级，以评估其需要长期护理的概率，从而确定保险费用。在根据护理对象的第一类健康数据确定其健康等级后，可以将护理对象的健康等级作为标签，将护理对象的第二类健康数据作为训练数据，两者之间具有预测的映射关系。利用训练数据和标签训练机器学习模型，可以得到上述健康等级预测模型。

在建立健康等级预测模型后，可以将该模型分享至业务机构110，使各业务机构110在后续开展长期护理保险的核保业务时，可以根据投保对象的当前健康数据预测其未来的健康等级，从而进行风险评估与定价；或者，服务平台130也可以设置统一的健康分级服务，各业务机构110可以将投保对象的(第二类)健康数据发送至服务平台130，服务平台130经过健康等级预测模型的处理后，得到相应的健康等级预测结果，反馈至业务机构110，为其提供业务参考。

综上，本示例性实施方式中，从多个数据源获取多个长期护理保险对象的健康数据和业务数据，根据健康数据将长期护理保险对象进行健康等级的划分，并统计各健康等级中的业务数据，以生成业务参考信息，反馈至上述数据源。一方面，本示例性实施方式形成了长期护理保险数据的自动处理流程，健康等级的划分、业务数据的统计等无需人工的过多介入，从而降低了主观性的影响，保证数据处理的科学性与客观性，且处理效率较高。另一方面，通过从多个数据源收集数据，进行统计后生成业务参考信息，再反馈回数据源的方式，实质上得到了协作化的长期护理保险系统，解决了各机构之间信息孤岛的问题，业务参考信息可以对各机构的长期护理保险业务形成指导，有利于形成标准化的业务规范，促进长期护理保险的发展与普及。再一方面，本示例性实施方式对长期护理保险数据实现了充分且有效的利用，挖掘了数据价值，所得到的业务参考信息也是基于各机构在实践中产生与记录的信息，贴近于实际情况，具有较高的参考与指导意义。

本公开的示例性实施方式还提供一种长期护理保险的数据处理装置。如图6所示，该数据处理装置600可以包括：

数据获取模块610，用于从多个数据源获取多个长期护理保险对象的健康数据和业务数据；

健康等级划分模块620，用于根据上述健康数据将上述多个长期护理保险对象分别划分至对应的健康等级；

业务数据统计模块630，用于分别对各健康等级中长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个健康等级的业务参考信息；

信息反馈模块640，用于将上述业务参考信息反馈至上述多个数据源。

在一种可选的实施方式中，上述健康数据可以包括生命体征数据、量表评估数据和睡眠数据；健康等级划分模块620，可以用于分别对每个长期护理保险对象的生命体征数据、量表评估数据和睡眠数据进行加权，得到每个长期护理保险对象的综合分值，根据每个长期护理保险对象的综合分值将其划分至对应的健康等级。

在一种可选的实施方式中，业务数据统计模块630，可以用于根据业务数据中的费用数据，统计每个健康等级中长期护理保险对象的平均费用，以作为每个健康等级的参考费用。

在一种可选的实施方式中，业务数据统计模块630，还可以用于在统计每个健康等级中长期护理保险对象的平均费用之前，对业务数据中的费用数据进行噪点数据去除。

在一种可选的实施方式中，上述健康数据可以包括第一类健康数据，第一类健康数据为护理时期的健康数据；健康等级划分模块620，可以用于根据第一类健康数据将多个长期护理保险对象分别划分至对应的健康等级。

在一种可选的实施方式中，上述健康数据还可以包括第二类健康数据，第二类健康数据为投保时期的健康数据；健康等级划分模块620，还可以用于基于长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

在一种可选的实施方式中，上述多个数据源可以位于同一地区。

上述装置中各模块的具体细节在方法部分实施方式中已经详细说明，未披露的细节内容可以参见方法部分的实施方式内容，因而不再赘述。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

本公开的示例性实施方式还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在电子设备上运行时，程序代码用于使电子设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

参考图7所示，描述了根据本公开的示例性实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本公开的示例性实施方式还提供了一种能够实现上述方法的电子设备。下面参照图8来描述根据本公开的这种示例性实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施方式的功能和使用范围带来任何限制。

如图8所示，电子设备800可以以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：至少一个处理单元810、至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830和显示单元840。

存储单元820存储有程序代码，程序代码可以被处理单元810执行，使得处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，处理单元810可以执行图2或图3中任意一个或多个方法步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)821和/或高速缓存存储单元822，还可以进一步包括只读存储单元(ROM)823。

存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开示例性实施方式的方法。

此外，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的示例性实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施方式。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施方式仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种长期护理保险的数据处理方法，其特征在于，包括：

从多个数据源获取多个长期护理保险对象的健康数据和业务数据；

根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；

分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息；

将所述业务参考信息反馈至所述多个数据源；

其中，所述健康数据包括第一类健康数据，所述第一类健康数据为护理时期的健康数据；所述根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级，包括：

根据所述第一类健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；

所述健康数据还包括第二类健康数据，所述第二类健康数据为投保时期的健康数据；所述方法还包括：

基于所述长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

2.根据权利要求1所述的方法，其特征在于，所述健康数据包括生命体征数据、量表评估数据和睡眠数据；

所述根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级，包括：

分别对每个所述长期护理保险对象的生命体征数据、量表评估数据和睡眠数据进行加权，得到每个所述长期护理保险对象的综合分值；

根据每个所述长期护理保险对象的综合分值将其划分至对应的健康等级。

3.根据权利要求1所述的方法，其特征在于，所述分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息，包括：

根据所述业务数据中的费用数据，统计每个所述健康等级中所述长期护理保险对象的平均费用，以作为每个所述健康等级的参考费用。

4.根据权利要求3所述的方法，其特征在于，在统计每个所述健康等级中所述长期护理保险对象的平均费用之前，所述方法还包括：

对所述业务数据中的费用数据进行噪点数据去除。

5.根据权利要求4所述的方法，其特征在于，所述对所述业务数据中的费用数据进行噪点数据去除，包括：

对所述费用数据进行聚类，将处于类外的数据作为噪点数据予以去除。

6.根据权利要求1所述的方法，所述数据源为长期护理保险的业务机构。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述多个数据源位于同一地区。

8.一种长期护理保险的数据处理装置，其特征在于，包括：

数据获取模块，用于从多个数据源获取多个长期护理保险对象的健康数据和业务数据；

健康等级划分模块，用于根据所述健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；

业务数据统计模块，用于分别对各所述健康等级中所述长期护理保险对象的业务数据进行统计，根据统计结果生成一个或多个所述健康等级的业务参考信息；

信息反馈模块，用于将所述业务参考信息反馈至所述多个数据源；

其中，所述健康数据包括第一类健康数据，所述健康等级划分模块用于根据所述第一类健康数据将所述多个长期护理保险对象分别划分至对应的健康等级；

所述健康数据还包括第二类健康数据，所述健康等级划分模块还用于基于所述长期护理保险对象的第二类健康数据和健康等级，建立健康等级预测模型，用于在投保时根据投保对象的第二类健康数据预测其对应的健康等级。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。

Images