CN111210881B - 一种基于医疗大数据的保险疾病谱检测动态生成方法 - Google Patents
一种基于医疗大数据的保险疾病谱检测动态生成方法 Download PDFInfo
- Publication number
- CN111210881B CN111210881B CN202010014312.3A CN202010014312A CN111210881B CN 111210881 B CN111210881 B CN 111210881B CN 202010014312 A CN202010014312 A CN 202010014312A CN 111210881 B CN111210881 B CN 111210881B
- Authority
- CN
- China
- Prior art keywords
- insurance
- medical
- disease
- data
- clinical
- 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.)
- Active
Links
Classifications
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Finance (AREA)
- Epidemiology (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于医疗大数据的保险疾病谱检测动态生成方法,包括以下步骤:对两个时期的统计指标进行异常值检测,异常值检测主要用于排除符合理赔标准但对当前研究维度产生误导影响的极端案例,以此使统计指标更具业务指导性。根据不同的业务场景,制定相关的异常值指标;将异常值过滤后的统计指标形成保险疾病谱,并对两个时期的保险疾病谱进行显示。本发明决保险医学与临床医学之间的定义壁垒,充分利用现有临床医疗数据,客观反映保险疾病谱的变化;根据业务属性和产品属性,构建了保险疾病目录库,能够提供不同时期多维度多层级的保险疾病谱。
Description
技术领域
本发明涉及医疗数据处理技术领域,具体为一种基于医疗大数据的保险疾病谱检测动态生成方法。
背景技术
目前,医疗数据是商业保险公司对相关健康险产品的重要定价依据和风控手段,但受制于公立医院垄断医疗数据而产生的医疗数据“信息孤岛”的现状,商业健康险机构只能利用有限且可信度不高的医疗数据对自身产品的架构和定价进行调整,而这一做法无疑导致产品定价不足,产品同质化严重,逆选择风险过高等一系列的问题。这样的恶性循环不断地反馈回三方市场,保险机构为了规避风险,只能提高保费和理赔标准,减少新产品的推出。而患者理赔难,保障疾病少的困境仍得不到解决,而提供医疗服务方也无法借助健康险作为医疗保障“第三支柱”的作用,合理调配医疗资源。因此,打通信息孤岛现状,实现医疗数据互联互通,利用医疗数据形成保险医学疾病谱,为保险产品精细化定价提供决策支持,显得尤为重要。
发明内容
本发明所解决的技术问题在于提供一种基于医疗大数据的保险疾病谱检测动态生成方法,以解决上述背景技术中提出的问题。
本发明所解决的技术问题采用以下技术方案来实现:基于医疗大数据的保险疾病谱检测动态生成方法,包括以下步骤:
步骤(1).对应临床医疗大数据首先在数据库进行分库分表存放,形成临床医疗数据源;
步骤(2).对临床-保险医学疾病映射表进行配置,同时,对保险医学目录库进行配置;
步骤(3).在临床-保险医学疾病映射表和保险医学目录库都配置完毕后,对临床医学数据源中的每一例病例数据,根据映射表提及的六大调控维度,筛选出该病例相关的特征数据,然后利用映射表进行编译,形成对应的保险疾病编码,将该保险疾病编码存放在保险医学目录库对应的各个层级中;
步骤(4).对于每天新增的医疗数据,重复步骤1-3,形成保险医学大数据数据源;
步骤(5).根据业务需求,配置数据过滤规则,主要根据保险产品属性、业务场景、统计周期、地区、年龄、性别、资源消耗等维度对数据进行过滤,筛选出当期相关保险疾病理赔频次,核赔频次,赔付金额等统计指标以及去年同期的相关保险疾病统计指标;
步骤(6).对两个时期的统计指标进行异常值检测,异常值检测主要用于排除符合理赔标准但对当前研究维度产生误导影响的极端案例,以此使统计指标更具业务指导性。根据不同的业务场景,制定相关的异常值指标;将异常值过滤后的统计指标形成保险疾病谱,并对两个时期的保险疾病谱进行显示。
所述对临床-保险医学疾病映射表进行配置包括病因学关联配置、术式关联配置、临床指征关联配置、治疗手段关联配置、时空维度关联配置。
所述配置险医学目录库包括以保险产品为单位,根据产品属性结构聚类形成三级层级结构,然后形成保险医学主目录库。
所述配置险医学目录库包括对保险业务维度进行拆分,形成三级层级结构,然后形成保险医学子目录库。
所述保险医学大数据数据源的生成步骤包括对数据源进行分类匹配后,然后添加匹配数据过滤规则,若去年同期相关保险疾病的统计指标数据,形成去年同期保险疾病谱;当前某一统计区间内,相关保险疾病的统计指标数据,形成当前保险疾病谱,最后根据个性化数据大盘显示当期与去年同期保险疾病谱的数据。
与现有技术相比,本发明的有益效果是:本发明决保险医学与临床医学之间的定义壁垒,充分利用现有临床医疗数据,客观反映保险疾病谱的变化;根据业务属性和产品属性,构建了保险疾病目录库,能够提供不同时期多维度多层级的保险疾病谱。
附图说明
图1为本发明的流程示意图。
图2为本发明的临床-保险医学疾病映射表示意图。
图3为本发明的医学目录库示意图。
图4为本发明的保险医学大数据数据源的生成示意图。
具体实施方式
为了使本发明的实现技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明,在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以两个元件内部的连通。
如图1~4所示,基于医疗大数据的保险疾病谱检测动态生成方法,包括以下步骤:
步骤(1).对应临床医疗大数据首先在数据库进行分库分表存放,形成临床医疗数据源;
步骤(2).对临床-保险医学疾病映射表进行配置,同时,对保险医学目录库进行配置;所述对临床-保险医学疾病映射表进行配置包括病因学关联配置、术式关联配置、临床指征关联配置、治疗手段关联配置、时空维度关联配置。所述配置险医学目录库包括以保险产品为单位,根据产品属性结构聚类形成三级层级结构,然后形成保险医学主目录库。所述配置险医学目录库包括对保险业务维度进行拆分,形成三级层级结构,然后形成保险医学子目录库。
步骤(3).在临床-保险医学疾病映射表和保险医学目录库都配置完毕后,对临床医学数据源中的每一例病例数据,根据映射表提及的六大调控维度,筛选出该病例相关的特征数据,然后利用映射表进行编译,形成对应的保险疾病编码,将该保险疾病编码存放在保险医学目录库对应的各个层级中;
步骤(4).对于每天新增的医疗数据,重复步骤1-3,形成保险医学大数据数据源;
步骤(5).根据业务需求,配置数据过滤规则,主要根据保险产品属性、业务场景、统计周期、地区、年龄、性别、资源消耗等维度对数据进行过滤,筛选出当期相关保险疾病理赔频次,核赔频次,赔付金额等统计指标以及去年同期的相关保险疾病统计指标;
步骤(6).对两个时期的统计指标进行异常值检测,异常值检测主要用于排除符合理赔标准但对当前研究维度产生误导影响的极端案例,以此使统计指标更具业务指导性。根据不同的业务场景,制定相关的异常值指标;将异常值过滤后的统计指标形成保险疾病谱,并对两个时期的保险疾病谱进行显示。
所述保险医学大数据数据源的生成步骤包括对数据源进行分类匹配后,然后添加匹配数据过滤规则,若去年同期相关保险疾病的统计指标数据,形成去年同期保险疾病谱;当前某一统计区间内,相关保险疾病的统计指标数据,形成当前保险疾病谱,最后根据个性化数据大盘显示当期与去年同期保险疾病谱的数据。
本发明中由于临床医学和保险医学在定义上存在差别与歧义,一般来说,保险医学是在临床诊断代码+术式代码的基础上,加以各种附加项限制形成的,两者关注点不尽相同,保险医学更多是站在未来风险的角度对一种疾病的定义予以制定,而临床医学则是用于反映当下客观事实,因此需要制定两者的映射表来规范和明确彼此之间的联系,才能将利用临床医学数据形成保险疾病数据的产生可比。映射表主要通过病因学、术式、临床指征、治疗手段以及时空六大维度调控来使这种关系得以明确。配置完毕后,会形成一个多对多的映射表 (即一个临床疾病对应多个保险疾病,一个保险疾病包含多个临床疾病),每一个保险疾病拥有唯一编码,以便后续应用;保险医学目录库的意义在于对通过临床-保险医学疾病映射表编译后的临床医学数据形成规范化管理,方便后期快速检索和比较。因此目录库的构建主要是从两个维度来考虑:一是根据保险产品的属性特征形成主目录库,另一是从业务属性维度划分为核保,理赔与风控子目录库,主、子目录库呈树状结构。具体方案如下:
健康保险经营主目录库结合实际用途,将主目录库从宏观到微观划分为三级目录,分别应对中台管理,机构经营,产品评价等不同层级的管理,具体包括总目录——保险机构:总目录基于保险机构建立目录索引,用以支撑中台数据管理,实现中台数据资源总体调控。
一级目录:险种分类,一级目录是在保险机构分类的基础上根据保险险种属性划分形成目录索引,健康险属性包括:疾病保险、医疗保险、收入障碍险、长期护理险、寿险。一级目录的引入可将不同保险机构的健康险产品按照属性定义进行分类,增加健康险产品的可比性,在中观层面上促进保险机构对目前的产品机构进行调节和平衡。
二级目录:保险产品,二级目录是在一级目录的基础上以具体保险产品的叠加组合。健康保险经营子目录库主目录库仅仅反映的是产品数据的属性结构,不能有效地应对保险机构对于不同类型业务的数据支撑要求,因此对于主目录库的各个层级,可以叠加子目录库,从业务属性维度来规范数据指标的适用范围。目前保险机构的业务主要分为三大类:核保、理赔以及风控。对于每一大类业务,数据指标主要从三大维度来提供业务数据支撑,分别为效率、效益以及风险。保险业务子目录保险业务主要分为核保、理赔、风控。业务类型子目录业务子类型属性目录主要是对业务属性目录的进一步属性细分,对于业务属性目录,其业务子类型属性目录不相同,具体如下:核保业务子目录:承保业务、续保业务、核保复核理赔业务子目录:直付业务、快赔业务、标准业务、高额赔付运营业务子目录:病种赔付风控、个案赔付风控、医疗机构风控医疗机构风控子目录:医疗机构类别、医疗机构级别、科室类别个案赔付风控子目录:年龄段、性别、地域(根据理赔高发疾病与年龄之间的关系建立年龄特征病种库,重点针对30-50岁高发病组进行筛查;根据性别与理赔高发疾病的关系建立性别高发病种库,对性别特有高发病组进行筛查,根据理赔高发疾病与地域之间的关系,建立地方性特征疾种库,对各地潜在高发疾病进行筛查)病种赔付风控子目录:保险医学病种、临床医学病种(基于保险医学与临床医学映射表,对于每一个保险医学疾病都可以下钻到临床医学上的相关病种目录;根据临床医学病种指数单价与保险赔付金额价格分段,可探究各个病种理论临床资源消耗与实际保险赔付之间的差异,利用病种赔付风控,可以了解保险疾病谱的变化,为后续产品设计及核保理赔筛查,提供决策支持)业务产出标签子目录业务产出标签子目录为保险业务子目录中相关的业务处理的标签化输出结果,对于不同的保险业务子目录,其产出标签定义不相同,具体如下:承保业务子目录:标准体、非标体、拒保、未查得续保业务子目录:无条件续保、标准体、非标体、拒保、未查得核保复核子目录:标准体、拒保体、未查得理赔业务子目录:正常件、疑问件、拒赔件。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明的要求保护范围由所附的权利要求书及其等效物界。
Claims (4)
1.基于医疗大数据的保险疾病谱检测动态生成方法,其特征在于:包括以下步骤:
步骤(1).对应临床医疗大数据首先在数据库进行分库分表存放,形成临床医疗数据源;
步骤(2).对临床-保险医学疾病映射表进行配置,同时,对保险医学目录库进行配置;
步骤(3).在临床-保险医学疾病映射表和保险医学目录库都配置完毕后,对临床医学数据源中的每一例病例数据,根据映射表提及的六大调控维度,筛选出该病例相关的特征数据,然后利用映射表进行编译,形成对应的保险疾病编码,将该保险疾病编码存放在保险医学目录库对应的各个层级中;
步骤(4).对于每天新增的医疗数据,重复步骤1-3,形成保险医学大数据数据源;
步骤(5).根据业务需求,配置数据过滤规则,根据保险产品属性、业务场景、统计周期、地区、年龄、性别、资源消耗维度对数据进行过滤,筛选出当期相关保险疾病理赔频次,核赔频次,赔付金额统计指标以及去年同期的相关保险疾病统计指标;
步骤(6).对两个时期的统计指标进行异常值检测,异常值检测用于排除符合理赔标准但对当前研究维度产生误导影响的极端案例,以此使统计指标更具业务指导性;根据不同的业务场景,制定相关的异常值指标;将异常值过滤后的统计指标形成保险疾病谱,并对两个时期的保险疾病谱进行显示;
所述对临床-保险医学疾病映射表进行配置包括病因学关联配置、术式关联配置、临床指征关联配置、治疗手段关联配置、时空维度关联配置。
2.根据权利要求1所述的基于医疗大数据的保险疾病谱检测动态生成方法,其特征在于:所述配置保险医学目录库包括以保险产品为单位,根据产品属性结构聚类形成三级层级结构,然后形成保险医学主目录库。
3.根据权利要求1所述的基于医疗大数据的保险疾病谱检测动态生成方法,其特征在于:所述配置保险医学目录库包括对保险业务维度进行拆分,形成三级层级结构,然后形成保险医学子目录库。
4.根据权利要求1所述的基于医疗大数据的保险疾病谱检测动态生成方法,其特征在于:所述保险医学大数据数据源的生成步骤包括对数据源进行分类匹配后,然后添加匹配数据过滤规则,使用去年同期相关保险疾病的统计指标数据,则形成去年同期保险疾病谱;当前某一统计区间内,相关保险疾病的统计指标数据,形成当期保险疾病谱,最后根据个性化数据大盘显示当期与去年同期保险疾病谱的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014312.3A CN111210881B (zh) | 2020-01-07 | 2020-01-07 | 一种基于医疗大数据的保险疾病谱检测动态生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010014312.3A CN111210881B (zh) | 2020-01-07 | 2020-01-07 | 一种基于医疗大数据的保险疾病谱检测动态生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111210881A CN111210881A (zh) | 2020-05-29 |
CN111210881B true CN111210881B (zh) | 2023-09-01 |
Family
ID=70788773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010014312.3A Active CN111210881B (zh) | 2020-01-07 | 2020-01-07 | 一种基于医疗大数据的保险疾病谱检测动态生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210881B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116561183B (zh) * | 2023-07-10 | 2023-09-19 | 北京环球医疗救援有限责任公司 | 一种海量医疗保险数据智能信息检索系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868555A (zh) * | 2016-03-29 | 2016-08-17 | 陈杰 | 一种基于商业医疗保险理赔案件的相似度计算方法 |
JP2019012493A (ja) * | 2017-07-03 | 2019-01-24 | 株式会社日立製作所 | 保険設計支援システム及び保険設計支援方法 |
CN109658273A (zh) * | 2019-01-24 | 2019-04-19 | 易保互联医疗信息科技(北京)有限公司 | 基于区块链的商业保险快速理赔方法、存储介质和设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8473311B2 (en) * | 2003-10-22 | 2013-06-25 | Medco Health Solutions, Inc. | Computer system and method for generating healthcare risk indices using medical claims information |
-
2020
- 2020-01-07 CN CN202010014312.3A patent/CN111210881B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868555A (zh) * | 2016-03-29 | 2016-08-17 | 陈杰 | 一种基于商业医疗保险理赔案件的相似度计算方法 |
JP2019012493A (ja) * | 2017-07-03 | 2019-01-24 | 株式会社日立製作所 | 保険設計支援システム及び保険設計支援方法 |
CN109658273A (zh) * | 2019-01-24 | 2019-04-19 | 易保互联医疗信息科技(北京)有限公司 | 基于区块链的商业保险快速理赔方法、存储介质和设备 |
Non-Patent Citations (1)
Title |
---|
商业健康保险与医疗大数据对接交互系统研究;徐昆;;金融理论与实践(第07期);107-112 * |
Also Published As
Publication number | Publication date |
---|---|
CN111210881A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Phillips et al. | Understanding the context of healthcare utilization: assessing environmental and provider-related variables in the behavioral model of utilization. | |
Ham | Management and Competition in the NHS | |
Sloan et al. | Effects of teaching on hospital costs | |
Revere et al. | Integrating Six Sigma and CQI for improving patient care | |
Cowper et al. | Using administrative databases for outcomes research: select examples from VA Health Services Research and Development | |
US20170185718A1 (en) | System and Method for Problem List Reconciliation with Care Plan Generation in an Electronic Medical Record | |
US20080081955A1 (en) | Medical diagnosis derived from patient drug history data | |
Dunn et al. | Medical care price indexes for patients with employer‐provided insurance: nationally representative estimates from MarketScan data | |
US7987102B2 (en) | Healthcare provider performance and utilization analytics | |
Talbot-Smith et al. | Questioning the claims from Kaiser | |
Cohen et al. | Financial burden of medical care: early release of estimates from the National Health Interview Survey, January-June 2011 | |
Edwardson et al. | Measuring the impact of electronic health record adoption on charge capture | |
Mabli et al. | Evaluation of the effect of the Older Americans Act Title III-C Nutrition Services Program on participants’ health care utilization | |
CN111210881B (zh) | 一种基于医疗大数据的保险疾病谱检测动态生成方法 | |
CN111444333A (zh) | 一种保险医学与临床医学编码映射方法 | |
Fernandez-Fernandez et al. | Quantity is not enough: completeness of suspected adverse drug reaction reports in Spain—differences between regional pharmacovigilance centres and pharmaceutical industry | |
Botega et al. | Profile of general hospitals in the Unified Health System | |
Broomhead et al. | From micro to macro: structural determinants and oral health | |
Haeder et al. | Mixed signals: The inadequacy of provider‐per‐enrollee ratios for assessing network adequacy in California (and elsewhere) | |
Brody | Strategic planning: The catastrophic approach | |
Hay et al. | Home health care cost-function analysis | |
Hossain | Levels of health care and health outcomes in Northeast India | |
Chondrogiannis et al. | A novel approach for clinical data harmonization | |
Farley et al. | Trends in special medicare payments and service utilization for rural areas in the 1990s | |
Rosenau et al. | The comparative performance of for-profit and nonprofit home health care services in the US |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |