CN111986037A - 医保审核数据的监控方法、装置、设备及存储介质 - Google Patents
医保审核数据的监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111986037A CN111986037A CN202010894647.9A CN202010894647A CN111986037A CN 111986037 A CN111986037 A CN 111986037A CN 202010894647 A CN202010894647 A CN 202010894647A CN 111986037 A CN111986037 A CN 111986037A
- Authority
- CN
- China
- Prior art keywords
- medical
- data
- monitoring
- medical insurance
- rule
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 139
- 238000012550 audit Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003745 diagnosis Methods 0.000 claims abstract description 110
- 239000003814 drug Substances 0.000 claims abstract description 105
- 229940079593 drug Drugs 0.000 claims abstract description 84
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 54
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 41
- 201000010099 disease Diseases 0.000 claims description 40
- 238000012806 monitoring device Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000012552 review Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- 208000026935 allergic disease Diseases 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010019233 Headaches Diseases 0.000 description 2
- 206010028748 Nasal obstruction Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 231100000869 headache Toxicity 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010013700 Drug hypersensitivity Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 201000005311 drug allergy Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Economics (AREA)
- Technology Law (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Medicinal Chemistry (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及数据处理领域，尤其是基架运维领域，公开了一种医保审核数据的监控方法、装置、设备及存储介质，应用于智慧医疗领域。该方法通过判断采集到的多个医疗机构中的医保项目数据对应的消费金额存在异常后，根据异常确定对应的医疗机构，并基于医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，利用监控规则对医保消费数据进行审核，以实现对多个医疗机构中存在医保违规的医疗机构进行监控。通过上述方式的实现，不仅可以实时对各个医疗机构的医疗数据的监控，还实现了实时审核，从而提高医疗智能审核监控的效果，遏制过度诊疗、乱用药、乱收费现象。此外，本发明还涉及区块链技术，医疗项目数据可存储于区块链中。
Description
技术领域
本申请涉及数据处理领域，具体涉及一种医保审核数据的监控方法、装置、设备及存储介质。
背景技术
随着医疗智能科技的不断发展，各大医疗机构都逐渐通过智能审核流程对医师的各种行为进行监控和处罚，但是其只能局限于各自机构的自主监控和审核，而对于医疗协会对各个机构进行整体监控，则需要各个机构定时上报医疗事件的汇总报表，对此通过报表的方式进行审核，则无法实时进行监控，并且还缺乏相关的多维度，多视角，多样式的综合分析功能。比如：针对各实施地，需要关心哪些规则触发次数多，哪些规则触发金额大，哪些医院的违规金额高等。缺乏区域对比，排名，以及汇总分析等，无法有效分辨医保政策是否在各地区或两定机构有效执行情况，而导致机构内部可以进行违规操作，医疗资源的严重浪费。
发明内容
本发明的主要目的是为了解决现有的医疗机构的医疗数据的审核方式，无法实现实时监控审核，而导致无法及时处理违规事件的技术问题。
本发明第一方面提供了一种医保审核数据的监控方法，所述医保审核数据的监控方法包括：
通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
若存在异常，则根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
可选地，在本发明第一方面的第一种实现方式中，所述通过用户接口采集多个医疗机构的医保消费数据包括：
通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
基于所述通信连接从各服务器中读取医保消费数据。
可选地，在本发明第一方面的第二种实现方式中，所述基于所述通信连接从各服务器中读取医保消费数据包括：
获取前一次监控结果，提取所述监控结果中被审核的医疗机构信息，以及监控的医保项目类型；
根据所述医疗机构信息调用对应的监控接口，结合所述爬虫程序抓取与所述医保项目类型对应的医疗数据，得到所述医保消费数据。
可选地，在本发明第一方面的第三种实现方式中，所述利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果包括：
提取所述诊断单中的诊断数据和药方信息；
利用医疗知识图谱，识别所述诊断数据中的诊断特征，并基于所述诊断特征确定所述诊断单中描述的疾病；
根据所述疾病与就诊科室之间的对应关系，确定所述诊断单中的疾病的就诊类型；
利用所述诊断行为规则对所述疾病与所述就诊类型的匹配度进行审核，得到第一审核结果；
利用所述用药规则对所述药方信息进行审核，得到第二审核结果；
根据所述第一审核结果和第二审核结果生成审核结果。
可选地，在本发明第一方面的第四种实现方式中，所述利用所述用药规则对所述药方信息进行审核，得到第二审核结果包括：
获取根据所述药方信息形成的医疗就诊结算数据，以及药品和药品使用量；
根据所述药品提取所述用药规则中的用药标准信息和结算标准信息；
根据所述用药标准信息计算出所述疾病的最大用药量，将所述最大用药量与所述药品使用量进行比对，判断所述药品使用量是否错误；
利用所述结算标准信息审核所述医疗就诊结算数据中是否存在错误。
可选地，在本发明第一方面的第五种实现方式中，所述根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告包括：
根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数；
基于所述行为分数，对所述多个医疗机构进行排序，得到控费排名；
基于所述控费排名生成监控页面，并进行显示。
可选地，在本发明第一方面的第六种实现方式中，所述根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数包括：
分析所述审核结构中存在的医保违规的类型，其中所述类型包括医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次和金额违规率；
确定所述医保违规的类型的管控等级，基于所述管控等级计算出打分权重比；
调用违规打分模型按照所述权重比，计算出各医疗机构的医疗操作行为分数。
本发明第二方面提供了一种医保审核数据的监控装置，所述医保审核数据的监控装置包括：
采集模块，用于通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
比较模块，用于对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
查询模块，用于在所述消费金额存在异常时，根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
审核模块，用于利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
分析模块，用于根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
可选地，在本发明第二方面的第一种实现方式中，所述采集模块包括：
通信单元，用于通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
读取单元，用于基于所述通信连接从各服务器中读取医保消费数据。
可选地，在本发明第二方面的第二种实现方式中，所述读取单元具体用于：
获取前一次监控结果，提取所述监控结果中被审核的医疗机构信息，以及监控的医保项目类型；
根据所述医疗机构信息调用对应的监控接口，结合所述爬虫程序抓取与所述医保项目类型对应的医疗数据，得到所述医保消费数据。
可选地，在本发明第二方面的第三种实现方式中，所述审核模块包括：
提取单元，用于提取所述诊断单中的诊断数据和药方信息；
识别单元，用于利用医疗知识图谱，识别所述诊断数据中的诊断特征，并基于所述诊断特征确定所述诊断单中描述的疾病；
确定单元，用于根据所述疾病与就诊科室之间的对应关系，确定所述诊断单中的疾病的就诊类型；
第一审核单元，用于利用所述诊断行为规则对所述疾病与所述就诊类型的匹配度进行审核，得到第一审核结果；
第二审核单元，用于利用所述用药规则对所述药方信息进行审核，得到第二审核结果；
生成单元，用于根据所述第一审核结果和第二审核结果生成审核结果。
可选地，在本发明第二方面的第四种实现方式中，所述第二审核单元具体用于：
获取根据所述药方信息形成的医疗就诊结算数据，以及药品和药品使用量；
根据所述药品提取所述用药规则中的用药标准信息和结算标准信息；
根据所述用药标准信息计算出所述疾病的最大用药量，将所述最大用药量与所述药品使用量进行比对，判断所述药品使用量是否错误；
利用所述结算标准信息审核所述医疗就诊结算数据中是否存在错误。
可选地，在本发明第二方面的第五种实现方式中，所述分析模块包括：
打分单元，用于根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数；
排序单元，用于基于所述行为分数，对所述多个医疗机构进行排序，得到控费排名；
显示单元，用于基于所述控费排名生成监控页面，并进行显示。
可选地，在本发明第二方面的第六种实现方式中，所述打分单元具体用于：
分析所述审核结构中存在的医保违规的类型，其中所述类型包括医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次和金额违规率；
确定所述医保违规的类型的管控等级，基于所述管控等级计算出打分权重比；
调用违规打分模型按照所述权重比，计算出各医疗机构的医疗操作行为分数。
本发明第三方面提供了一种医保审核数据的监控设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述医保审核数据的监控设备执行上述的医保审核数据的监控方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述的医保审核数据的监控方法。
本发明提供的技术方案中，基于提供的统一监控平台来实现通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；若存在异常，则根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则、用药规则和医保金额规则；利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。通过上述方式的实现，不仅可以实现实时对各个医疗机构的医疗数据的监控，还实现了基于监控规则对医疗数据的复核，根据复核结果可及时进行报警，从而提高医疗智能审核监控的效果，遏制过度诊疗、乱用药、乱收费等现象，提高医院服务质量、构建和谐医患关系，实现医院经济效益和社会效益双赢局面。
附图说明
图1为本发明实施例中医保审核数据的监控方法的第一个实施例示意图；
图2为本发明实施例中医保审核数据的监控方法的第二个实施例示意图；
图3为本发明实施例中医保审核数据的监控方法的第三个实施例示意图；
图4为本发明实施例中医保审核数据的监控方法的第四个实施例示意图；
图5为本发明实施例中医保审核数据的监控装置的一个实施例示意图；
图6为本发明实施例中医保审核数据的监控装置的另一个实施例示意图；
图7为本发明实施例中医保审核数据的监控设备的一个实施例示意图。
具体实施方式
针对于现有的医保审核存在监控不到位，导致机构内部可以进行违规操作，医疗资源的严重浪费的问题，提出了一种通过后台数据自动定时任务，按固定周期汇总各定点机构的门诊、住院对应的城镇职工和城乡居民的智能审核、人工审核对应的各维度医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次、金额违规率的方案。同时提供项目大类(药品、诊疗、检验检查、耗材、设施及服务)等的医疗费用统计。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中医保审核数据的监控方法的第一个实施例包括：
101、通过用户接口采集多个医疗机构的医保消费数据，该医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
该步骤中，所述用户接口是由医疗协会统一提供的监控平台提取，该监控平台为一站式服务系统，用于医保经办部门日常稽核两定机构结算费用的有效辅助系统。通过实实时监控医院数据和审核医院上传结算单据，运用规则模型，筛选出疑点单据，经过经办人员人工审核，剔除不合理费用，最终汇总扣款金额，作为处罚和监管医院的有效手段。
该用户接口是基于移动互联网通信协议提供的安全传输接口，用户可以通过账号登录该安全传输接口直接访问各个医疗机构的医疗数据库，并通过数据采集程序读取其中的医保消费数据。
其中，所述医保消费数据包括诊断单、医保项目数据和每个医保项目对应的消费金额，所述诊断单包括患者数据信息、诊断信息和医治信息，其诊断信息包括诊断结果，医治信息包括医疗项目和每个项目的用药信息。
102、对多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断消费金额是否异常；
该步骤中，具体实现包括：预设的指定具有医保消费资格的机构名单中查询当前被监控的医疗机构的医保使用权限，并根据所述使用权限获取对应的医保消费金额额度，在实际应用中，该医保消费金额额度为特定时间段内的且该医疗机构可申请医保经费的最大审核额度，基于该医保消费金额额度对对应的医疗机构在该时间段内的消费金额进行比对。
具体的，该比对包括以下几种方式，第一种是判断消费金额是否大于医保消费金额额度，若是，则确定该医疗机构的医保消费存在异常，反之则不异常；
第二种是，在第一种的基础上，进一步计算消费金额与医保消费金额额度的差值，基于差值计算其超出百分比，若百分比大于预设的浮动百分值时，则确定该医疗机构的医保消费存在异常，反之则不异常；
第三种是，将所述医保消费金额额度划分为N个等级，并且N个等级为逐级递升，判断消费金额位于N个等级中的哪一个等级，若位于最高等级时，则确定该医疗机构的医保消费存在异常；反之则不异常，对于不异常的情况，则结束监控操作，并返回步骤101继续获取另一个医保消费数据进行分析监控。
在本实施例中的，在获取医保消费数据之前，还包括根据医保审核人设置的监控要求，确定待监控的医保数据的类型，根据类型从各医疗机构中获取对应的医保消费数据，然后对该类型的数据进行分析，当分析不存在异常时，则继续获取监控请求，得到其他的医疗数据继续监控。
进一步的，获取的监控请求中可以包括多个医保数据的类型信息，对类型信息进行排序，得到序列，基于序列依次从各医疗机构中获取对应的数据，并进行后续的监控分析。
103、若存在异常，则根据异常确定对应的医疗机构，并基于医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，该监控规则包括诊断行为规则和用药规则；
该步骤中，若存在异常，则基于所述异常返回确定对应的医疗机构的代码信息，基于所述代码信息从违规判断数据库中，查询该医疗机构的诊断行为规则、用药规则和医保金额规则。
在该步骤之前，还包括对医疗机构的医保规则进行设置，具体的其设置方式为：
根据医疗行为准则创建至少一条违规判断规则，所述至少一条违规判断规则中每条违规判断规则均包括药品、诊疗项目和/或医用耗材的标准信息；
根据所述至少一条违规判断规则创建规则库。
104、利用行为规则和用药规则对诊断单进行审核，得到审核结果；
本实施例中，所述行为规则指的是医师对患者的诊断行为和医治行为的操作规范，而所述用药规则指的是医师在确定患者的病案后，对药品的使用规范。
在实际应用中，利用所述行为规则对诊断单中医师填写的诊断数据的适配审核，而采用用药规则对医师开具的处方内容进行审核，综合两个审核结果得到最终的审核结论。
进一步的，在审核过程中，还包括对诊断单的填写规范进行审核，具体包括问诊语料、诊断特征和诊断结果的语料的填写形文进行审核。其中，所述审核结果包括诊断行为的规范匹配度和用户规范匹配度的分数。
105、根据审核结果，确定对多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
该步骤中，具体实现是根据所述审核结果中的诊断行为的规范匹配度和用户规范匹配度的分数计算出对应医疗机构的整体违规率，基于该整体违规率与规则库中给定的医疗机构整体的违规率进行对比，得到违规的结果，根据该违规结果对医疗机构进行排名，生成排序的视图进行显示。
在实际应用中，在生成排名视图的步骤，还包括根据审核结果提取每个医疗机构的违规项目进行汇总，并计算违规项目出现的概率，将其添加到监控报告中，并以二级视图的方式内嵌至所述排序的视图中进行显示。
进一步的，在生成视图之后还包括将所有的医疗机构的违规监控报告结合到地图中，以显示动态展示视图以公示与网页上，因此，通过地图+图表等展现方式，动态展现当地各地区不同时间不同医疗机构以及地区的费用违规情况。同时、针对不同参保身份人群和就诊类型，都有相关控费指标数据统计，可让医保全面掌控了解不同人群，不同就诊类型和总体的审核情况。同时，提供医疗机构以及规则排名，可通过排名有效掌控重点关注规则及医疗机构。为医保线下稽核人员抽查稽核提供一些有效数据支撑和线索，为打击欺诈骗保行动做好辅助。同时，医保将相关审核结果反馈到医院，也有利于医院自纠自查，做好自我监督。
基于上述的实施，不仅实现实时对各个医疗机构的医疗数据的监控，还实现了基于监控规则对医疗数据的复核，根据复核结果可及时进行报警，从而提高医疗智能审核监控的效果，遏制过度诊疗、乱用药、乱收费等现象，进而保障医保基金安全。
请参阅图2，本发明实施例中医保审核数据的监控方法的第二个实施例包括：
201、通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
202、基于通信连接从各服务器中读取医保消费数据；
在实际应用中，通过在监控平台上设置监控任务，具体的是数据汇总任务，将其设置为定时任务，设定每个T时间段对各个医疗机构中的医保结算数据采集，具体的可以每天按照相关口径(就诊类别，参保身份)等把相关医院涉及的医疗金额，可疑金额，违规金额等做好统计，页面只是一个展示(数据不会涉及过计算)。
具体实现过程如下：
1)针对现有智能审核系统的结算单据、明细、以及违规数据，按单据级别做汇总分析，计算医疗金额、疑点金额，违规金额等(按周期固定汇总，比如早上6点自动汇总前一天审核数据)。
2)根据单据对应的医疗机构、就诊类型、以及参保身份信息，然后对上面的单据费用，以医疗机构为单位，按就诊类型、参保身份做二次汇总。
3)页面根据时间，按照实际业务，指定条件即可获取相关医疗机构的数据信息。
203、对多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断消费金额是否异常；
该步骤中，对于消费金额的判断，具体可以通过设定规则的方式来进行判断，而这里设定的规则应当是根据违规结论的角度进行设置，具体的设置方式为：
根据医疗行为准则创建至少一条违规判断规则，所述至少一条违规判断规则中每条违规判断规则均包括药品、诊疗项目和/或医用耗材的标准信息；
根据所述至少一条违规判断规则创建规则库。
在实际应用中，这里不一定是进从消费金额的角度去判断，还可以是从诊断数据中的病症与医保规定角度去判断，例如病种与病症是否符合，病症的发病程度是否满足医保的最低报销门槛等等。
204、若存在异常，则根据异常确定对应的医疗机构，并基于医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，该监控规则包括诊断行为规则和用药规则；
在根据违规结论设置规则判断数据异常后，从违规判断规则库中选择对应的规则对所述医保项目数据做详细的操作规范的审核，以及操作流程，例如在住院报销的项目中，根据规则，首先确认入院记录是否准确，在确认入院记录中具体可以包括诊断单的记录和监控的调度等等方式来实现。
205、提取诊断单中的诊断数据和药方信息；
在实际应用中，所述提取所述问诊单中的诊断数据，具体包括诊断结果和问诊数据其提取方法还可以包括：
利用文字识别算法提取所述问诊单中所记载的患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果；
按照预设的优先级划分条件，将所述患者信息、就诊科室、主诉信息、医生患者间的问诊对话内容和医生的诊断结果进行优先级划分，得到查询条件列表；
将所述查询条件列表中除了所述诊断结果之外的条件，按照优先级级别进行组合，得到所述特征词组。
在实际应用中，在提取问诊单中的条件信息是，具体可以基于TextRank关键词提取算法对问诊单中记载的信息进行病理特征词提取。例如，若问诊单中包括“受凉导致感冒，引发发烧，出现头痛、鼻塞”的表述，则可以将动词“导致”、“引发”、“出现”等冗余数据剔除，提取出“受凉”、“感冒”、“发烧”、“头痛”和“鼻塞”等核心的病理特征词，基于该病例特征词确定问诊单中的诊断结果，通过从问诊中提取病理特征词，可以有效清除冗余、无用数据，以便确保后续药方生成的处理效率及准确度。
206、利用医疗知识图谱，识别诊断数据中的诊断特征，并基于诊断特征确定诊断单中描述的疾病；
基于该医疗知识图谱对诊断数据中的诊断特征进行提取时，提取中其中的各种类型的实体，然后利用分类模型对实体进行分类，也可以是使用聚类算法进行分类，而使用聚类算法则是通过计算每个实体的语义或者是本体，基于语义或本体进行聚类，从而得到多个实体类别，从而得到诊断数据中的诊断特征，然后基于诊断特征进行疾病的诊断匹配。
207、根据疾病与就诊科室之间的对应关系，确定诊断单中的疾病的就诊类型；
208、利用诊断行为规则对所述疾病与就诊类型的匹配度进行审核，得到第一审核结果；
该步骤中，还包括在提取问诊单中的问诊数据，即是医生提问或者患者陈述的内容，例如“是否在本医院就医或者手术”、“是否存在过敏史或者有没有药物过敏”，通过TextRank关键词提取算法将其中的“本医院就医”、“手术”、“过敏史”和“过敏药”提取出来，甚至还包括患者信息、就诊科室、诊断医师等等关键词提取处理，按照预设的关键词对这些关键词进行排序组合得到特征词组。
基于特征词组，对其确定的疾病和就诊科室进行审核，具体是利用行为规则进行审核，匹配其疾病与预设的就诊科室的诊断疾病范围是否匹配，若匹配，则输出第一审核结果。
209、利用用药规则对所述药方信息进行审核，得到第二审核结果；
在本实施例中，对于用药的审核，其审核处理流程与对诊断数据的审核处理流程相同，通过药品知识图谱进行对药方信息中的药品和用药进行识别，得到对应的用药特征词组，利用用药规则对用药特征词组中的用药行为进行审核，得到第二审核结果。
在本实施例中，所述医疗知识图谱为预先通过模型算法训练学习得到的实体树状图，在该树状图上有多个节点，每个节点对应有实体名称以及实体对应的一类实体语音解析。
具体的，其训练过程为：从医学数据库中获取到已经被医学专家通过人工标注的方式标注分类好的实体数据，基于该实体数据进行模型的训练，可选的，在根据图谱构建数据构建医疗知识图谱时，可以是通过将图谱构建数据输入到预置的图谱树中，构建医疗知识图谱，这里的图谱树指的是包含多个父节点和子节点的树型结构图，从而形成医疗知识图谱。
210、根据第一审核结果和第二审核结果，确定对多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
该步骤中，该监控报告具体是以显示页面的形式产出，并且在确定医疗机构中存在医保违规时，具体从多维度，多视角定时汇总相关审核结果，在实际应用中，用户可以通过前端页面根据实际需要依据条件自由组合分析，规则触发情况，医院违规排名情况以及区域或者某一区间的具体排名。
利用大屏展示，可作为汇报分析汇总智能审核结果的有效材料。同时日常工作中，也可以作为有效动态掌握两定机构的违规收费总体情况，做到有效的风控预警。
通过对上述方法的实施，通过审核个医疗机构上传结算单据，运用规则库中的规则，筛选出疑点单据，经过经办人员人工审核，剔除不合理费用，最终汇总扣款金额，作为处罚和监管医院的有效手段。
同时，还基于定时定点分析智能审核系统的每月或者每天的审核情况，并生成监控报告进行展示，这样利于医保有效动态掌控两定机构的违规情况。
请参阅图3，本发明实施例中医保审核数据的监控方法的第三个实施例包括：
301、通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
302、获取前一次监控结果，提取监控结果中被审核的医疗机构信息，以及监控的医保项目类型；
303、根据医疗机构信息调用对应的监控接口，结合爬虫程序抓取与医保项目类型对应的医疗数据，得到医保消费数据；
在本实施例中，这里的医保消费数据读取可以是首次，也可以是循环后的读取，而首次的读取，具体是通过预设的数据类型从医疗机构中读取，即是通过从预先设好的医保项目表格或者对应关系表中，筛选出对应的医保项目名称，基于医保项目名称依次从医疗机构的数据库中读取，进一步的，读取可以是按时间段进行读取，也可以是全部读取，具体根据监控需求进行设置。
在实际应用中，一般的监控会有设定的项目进行监控，例如根据以往的违规报告中，可以分析出对该医疗机构的违规操作的具体项目或者是医保类型，基于该分析再针对性的或者优先获取这些对应的数据进行分析。在实际应用中，一般都是以医保总金额作为参考数据来优先获取对应项目的医疗数据。
进一步的，根据筛选出来的病案集合，将匹配上元素项目的项目金额累计计算；
如A病案，项目中有b*2(代表b项目使用量为2)和c*3个项目与规则定义出的元素Y匹配，那么A病案的Y元素累计金额M为b单价*2(代表b项目使用量为2+c单价*3；注意，如果有项目命中匹配一个规则中的多个元素，那么累计可以重复计算。
304、提取诊断单中的诊断数据和药方信息；
305、利用医疗知识图谱，识别诊断数据中的诊断特征，并基于诊断特征确定诊断单中描述的疾病；
306、根据疾病与就诊科室之间的对应关系，确定诊断单中的疾病的就诊类型；
307、利用诊断行为规则对疾病与就诊类型的匹配度进行审核，得到第一审核结果；
在实际应用中，该步骤304-307的具体实现原理与上述实施例步骤205-208的实现原理相同，请参考上述表述，这里不再赘述。
308、获取根据药方信息形成的医疗就诊结算数据，以及药品和药品使用量；
该步骤中，在提取药方信息形成的医疗诊断结算数据时，首先通过关键字提取技术以及医疗知识，提取出诊断信息的关键特征，基于关键特征，查询出对应的结算输出规则，基于结算输出规则对药方信息中结算数据解析出来，然后生成医疗诊断结算数据。
对于药品和药品使用，其实现方式与上述的医疗诊断结算数据的方式相似，仅是在利用关键字提取技术结合的医疗知识会不相同。
309、根据药品提取用药规则中的用药标准信息和结算标准信息；
310、根据用药标准信息计算出所述疾病的最大用药量，将最大用药量与所述药品使用量进行比对，判断药品使用量是否错误；
311、利用结算标准信息审核医疗就诊结算数据中是否存在错误；
在实际应用中，对于药品使用量的审核具体还可以是通过检测药方信息中医师记载的用药指令来进行对应规则的获取审核，具体的：
获取医生的用药指令，并查询预先建立的药品映射关系表、诊疗项目映射关系表和/或医用耗材映射关系表，获取所述用药指令中目标药品对应的第一目标标准信息，目标诊疗项目对应的第二目标标准信息和/或目标医用耗材对应的第三目标标准信息，并生成用药处方；
根据所述用药处方中第一目标标准信息、第二目标标准信息和/或第三目标标准信息在所述规则库中进行匹配，获取至少一个第一目标违规判断规则，并采用所述至少一个第一目标违规判断规则审核所述用药处方是否正确。
312、根据第一审核结果和第二审核结果生成审核结果；
313、根据审核结果，确定对多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
综上，本实施例的方法通过提供的统一监控平台来实现通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；若存在异常，则根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则、用药规则和医保金额规则；利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。通过上述方式的实现，不仅可以实现实时对各个医疗机构的医疗数据的监控，还实现了基于监控规则对医疗数据的复核，根据复核结果可及时进行报警，从而提高医疗智能审核监控的效果，遏制过度诊疗、乱用药、乱收费等现象。
请参阅图4，本发明实施例中医保审核数据的监控方法的第四个实施例包括：
401、通过用户接口采集多个医疗机构的医保消费数据，该医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
402、对多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断消费金额是否异常；
403、若存在异常，则根据异常确定对应的医疗机构，并基于医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，该监控规则包括诊断行为规则和用药规则；
404、利用行为规则和用药规则对诊断单进行审核，得到审核结果；
405、分析审核结构中存在的医保违规的类型；
该步骤中，所述类型包括医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次和金额违规率；
406、确定医保违规的类型的管控等级，基于管控等级计算出打分权重比；
在该步骤中，对于打分权重比的计算，具体是根据监控平台根据机构的排名来实现自定义设置的，例如，通过获取各个医疗机构的历史排名，并提取每个医疗机构中违规的医保项目的排名来确定监控比重，从而得到对应的权重比。
在实际应用中，除了根据上述的排名来确定权重之外，还可以是根据根据实际需求对目前所有可以进行医保消费的项目进行排序，并且根据市场调查确定项目的违规次数，从而得到所有医保消费项目的管控等级，并且该监控等级还可以根据每个医疗机构的医保权限来适当调整，基于调整后的管控等级来计算出实际的打分权重比。
407、调用违规打分模型按照所述权重比，计算出各医疗机构的医疗操作行为分数；
408、基于行为分数，对多个医疗机构进行排序，得到控费排名；
409、基于控费排名生成监控页面，并进行显示。
在本实施例中，在生成监控页面之前，还包括设置监控页面的布局，以及展示的数据类型，根据页面的布局等设置，对控费排名进行显示，同时还对排名靠前的N个医疗机构的具体违规项目的违规情况转换成曲线视图，并显示出来。
在实际应用中，还根据审核结果计算监控的所有的医疗机构的违规概率和告警等级进行匹配，从而基于匹配的结果在页面上进行违规的公示处罚。
通过上述方案的实施，不仅实现了对各医疗机构的医疗数据的实时监控，还可以针对当地实际，以大屏模式，通过地图+图表等展现方式，动态展现当地各地区不同时间不同医疗机构以及地区的费用违规情况。同时、针对不同参保身份人群和就诊类型，都有相关控费指标数据统计，可让医保全面掌控了解不同人群，不同就诊类型和总体的审核情况。同时，提供医疗机构以及规则排名，可通过排名有效掌控重点关注规则及医疗机构。为医保线下稽核人员抽查稽核提供一些有效数据支撑和线索，为打击欺诈骗保行动做好辅助。同时，医保将相关审核结果反馈到医院，也有利于医院自纠自查，做好自我监督。
另外，该模块功能可扩展，依据当地政策，可引入二级页面，比如从医院维度扩充到科室，科室维度扩充到医生，进一步做到控费监管智能化、精准化。为新医改政策落实的检视工作提供稽核材料。有效改善当地就医环境，避免医院乱收费，过度医疗，进而保障医保基金安全。
上面对本发明实施例中医保审核数据的监控方法进行了描述，下面对本发明实施例中医保审核数据的监控装置进行描述，请参阅图5，本发明实施例中医保审核数据的监控装置的第一个实施例包括：
采集模块501，用于通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
比较模块502，用于对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
查询模块503，用于在所述消费金额存在异常时，根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
审核模块504，用于利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
分析模块505，用于根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
在本实施例中，所述医保审核数据的监控装置运行上述医保审核数据的监控方法，该方法通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；若存在异常，则根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则、用药规则和医保金额规则；利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。通过上述方式的实现，不仅可以实现实时对各个医疗机构的医疗数据的监控，还实现了基于监控规则对医疗数据的复核，根据复核结果可及时进行报警，从而提高医疗智能审核监控的效果，遏制过度诊疗、乱用药、乱收费等现象。
请参阅图6，本发明实施例中医保审核数据的监控装置的第二个实施例，该医保审核数据的监控装置具体包括：
采集模块501，用于通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
比较模块502，用于对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
查询模块503，用于在所述消费金额存在异常时，根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
审核模块504，用于利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
分析模块505，用于根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
可选地，所述采集模块501包括：
通信单元5011，用于通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
读取单元5012，用于基于所述通信连接从各服务器中读取医保消费数据。
可选地，所述读取单元5012具体用于：
获取前一次监控结果，提取所述监控结果中被审核的医疗机构信息，以及监控的医保项目类型；
根据所述医疗机构信息调用对应的监控接口，结合所述爬虫程序抓取与所述医保项目类型对应的医疗数据，得到所述医保消费数据。
可选地，所述审核模块504包括：
提取单元5041，用于提取所述诊断单中的诊断数据和药方信息；
识别单元5042，用于利用医疗知识图谱，识别所述诊断数据中的诊断特征，并基于所述诊断特征确定所述诊断单中描述的疾病；
确定单元5043，用于根据所述疾病与就诊科室之间的对应关系，确定所述诊断单中的疾病的就诊类型；
第一审核单元5044，用于利用所述诊断行为规则对所述疾病与所述就诊类型的匹配度进行审核，得到第一审核结果；
第二审核单元5045，用于利用所述用药规则对所述药方信息进行审核，得到第二审核结果；
生成单元5046，用于根据所述第一审核结果和第二审核结果生成审核结果。
可选地，所述第二审核单元5045具体用于：
获取根据所述药方信息形成的医疗就诊结算数据，以及药品和药品使用量；
根据所述药品提取所述用药规则中的用药标准信息和结算标准信息；
根据所述用药标准信息计算出所述疾病的最大用药量，将所述最大用药量与所述药品使用量进行比对，判断所述药品使用量是否错误；
利用所述结算标准信息审核所述医疗就诊结算数据中是否存在错误。
可选地，所述分析模块505包括：
打分单元5051，用于根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数；
排序单元5052，用于基于所述行为分数，对所述多个医疗机构进行排序，得到控费排名；
显示单元5053，用于基于所述控费排名生成监控页面，并进行显示。
可选地，所述打分单元5051具体用于：
分析所述审核结构中存在的医保违规的类型，其中所述类型包括医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次和金额违规率；
确定所述医保违规的类型的管控等级，基于所述管控等级计算出打分权重比；
调用违规打分模型按照所述权重比，计算出各医疗机构的医疗操作行为分数。
上面图5和图6从模块化功能实体的角度对本发明实施例中的医保审核数据的监控装置进行详细描述，下面从硬件处理的角度对本发明实施例中医保审核数据的监控设备进行详细描述，而医保审核数据的监控装置可以插件的形式设置与所述医保审核数据的监控设备实现对各个医疗机构的医保消费数据进行审核，以确定违规的监控审核。
图7是本发明实施例提供的一种医保审核数据的监控设备的结构示意图，该医保审核数据的监控设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)610(例如，一个或一个以上处理器)和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对医保审核数据的监控设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在医保审核数据的监控设备600上执行存储介质630中的一系列指令操作,以实现上述医保审核数据的监控方法的步骤。
医保审核数据的监控设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的医保审核数据的监控设备结构并不构成对本申请提供的医保审核数据的监控设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行上述各实施例提供的医保审核数据的监控方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种医保审核数据的监控方法，其特征在于，所述医保审核数据的监控方法包括：
通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
若存在异常，则根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
2.根据权利要求1所述的医保审核数据的监控方法，其特征在于，所述通过用户接口采集多个医疗机构的医保消费数据包括：
通过设置定时器，定时启动医疗系统中的爬虫程序建立其与各个医疗机构的服务器的通信连接；
基于所述通信连接从各服务器中读取医保消费数据。
3.根据权利要求2所述的医保审核数据的监控方法，其特征在于，所述基于所述通信连接从各服务器中读取医保消费数据包括：
获取前一次监控结果，提取所述监控结果中被审核的医疗机构信息，以及监控的医保项目类型；
根据所述医疗机构信息调用对应的监控接口，结合所述爬虫程序抓取与所述医保项目类型对应的医疗数据，得到所述医保消费数据。
4.根据权利要求1-3中任一项所述的医保审核数据的监控方法，其特征在于，所述利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果包括：
提取所述诊断单中的诊断数据和药方信息；
利用医疗知识图谱，识别所述诊断数据中的诊断特征，并基于所述诊断特征确定所述诊断单中描述的疾病；
根据所述疾病与就诊科室之间的对应关系，确定所述诊断单中的疾病的就诊类型；
利用所述诊断行为规则对所述疾病与所述就诊类型的匹配度进行审核，得到第一审核结果；
利用所述用药规则对所述药方信息进行审核，得到第二审核结果；
根据所述第一审核结果和第二审核结果生成审核结果。
5.根据权利要求4所述的医保审核数据的监控方法，其特征在于，所述利用所述用药规则对所述药方信息进行审核，得到第二审核结果包括：
获取根据所述药方信息形成的医疗就诊结算数据，以及药品和药品使用量；
根据所述药品提取所述用药规则中的用药标准信息和结算标准信息；
根据所述用药标准信息计算出所述疾病的最大用药量，将所述最大用药量与所述药品使用量进行比对，判断所述药品使用量是否错误；
利用所述结算标准信息审核所述医疗就诊结算数据中是否存在错误。
6.根据权利要求4所述的医保审核数据的监控方法，其特征在于，所述根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告包括：
根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数；
基于所述行为分数，对所述多个医疗机构进行排序，得到控费排名；
基于所述控费排名生成监控页面，并进行显示。
7.根据权利要求6所述的医保审核数据的监控方法，其特征在于，所述根据所述审核结果，调用预置违规打分模型计算各医疗机构的医疗操作行为分数包括：
分析所述审核结构中存在的医保违规的类型，其中所述类型包括医疗金额、可疑金额、违规金额、就诊人次、违规人次、金额违规率，以及各规则对应的医疗费用、可疑金额、违规金额、就诊人次、违规人次和金额违规率；
确定所述医保违规的类型的管控等级，基于所述管控等级计算出打分权重比；
调用违规打分模型按照所述权重比，计算出各医疗机构的医疗操作行为分数。
8.一种医保审核数据的监控装置，其特征在于，所述医保审核数据的监控装置包括：
采集模块，用于通过用户接口采集多个医疗机构的医保消费数据，其中，所述医保消费数据信息包括诊断单、医保项目数据以及对应的消费金额；
比较模块，用于对所述多个医疗机构中的医保项目数据对应的消费金额进行遍历比较，并判断所述消费金额是否异常；
查询模块，用于在所述消费金额存在异常时，根据所述异常确定对应的医疗机构，并基于所述医疗机构的医保项目数据从预置违规判断规则库中，查询对应的监控规则，其中所述监控规则包括诊断行为规则和用药规则；
审核模块，用于利用所述行为规则和用药规则对所述诊断单进行审核，得到审核结果；
分析模块，用于根据所述审核结果，确定对所述多个医疗机构中存在医保违规的医疗机构，并生成监控报告。
9.一种医保审核数据的监控设备，其特征在于，所述医保审核数据的监控设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述医保审核数据的监控设备执行如权利要求1-7中任一项所述的医保审核数据的监控方法。
10.一种计算机可读存储介质，所述计算机可读存储介质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如权利要求1-7中任一项所述的医保审核数据的监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010894647.9A CN111986037A (zh) | 2020-08-31 | 2020-08-31 | 医保审核数据的监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010894647.9A CN111986037A (zh) | 2020-08-31 | 2020-08-31 | 医保审核数据的监控方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111986037A true CN111986037A (zh) | 2020-11-24 |
Family
ID=73441473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010894647.9A Pending CN111986037A (zh) | 2020-08-31 | 2020-08-31 | 医保审核数据的监控方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111986037A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112786214A (zh) * | 2021-01-31 | 2021-05-11 | 云知声智能科技股份有限公司 | 用于限制性用药违规的检测方法和检测系统 |
| CN113360671A (zh) * | 2021-06-16 | 2021-09-07 | 浙江工业大学 | 一种基于知识图谱的医保医疗单据审核方法及其系统 |
| CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网（杭州）科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN113724826A (zh) * | 2021-11-03 | 2021-11-30 | 武汉金豆医疗数据科技有限公司 | 医疗行为的监控方法、装置、计算机设备以及存储介质 |
| CN113723922A (zh) * | 2021-08-30 | 2021-11-30 | 北京人马座科技有限公司 | 一种基于规则引擎实现处方审核的方法及系统 |
| CN113743749A (zh) * | 2021-08-20 | 2021-12-03 | 泰康保险集团股份有限公司 | 医疗机构的检查方法、装置及电子设备 |
| CN113822365A (zh) * | 2021-09-28 | 2021-12-21 | 刘玉棚 | 基于区块链技术的医疗数据存储及大数据挖掘方法及系统 |
| CN114493894A (zh) * | 2021-12-17 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | 使用医保审核规则模型进行医疗行为监控的方法 |
| CN114822865A (zh) * | 2022-06-27 | 2022-07-29 | 天津幸福生命科技有限公司 | 诊断数据识别方法及装置、电子设备、存储介质 |
| CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
| CN115660589A (zh) * | 2022-10-25 | 2023-01-31 | 国网北京市电力公司 | 业务审核方法、装置、设备、计算机可读介质和程序产品 |
| CN116052887A (zh) * | 2023-03-01 | 2023-05-02 | 联仁健康医疗大数据科技股份有限公司 | 一种过度检查的检测方法、装置、电子设备及存储介质 |
| CN116563038A (zh) * | 2023-06-26 | 2023-08-08 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451400A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医疗行为监控方法和系统 |
| CN109544373A (zh) * | 2018-10-30 | 2019-03-29 | 平安科技（深圳）有限公司 | 基于人工智能的医保违规行为检测方法及相关装置 |
| CN109670788A (zh) * | 2018-12-13 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保审核方法、装置、设备和存储介质 |
| CN109785162A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技（深圳）有限公司 | 医保异常检测方法、装置、设备和计算机存储介质 |
| CN110009516A (zh) * | 2019-04-01 | 2019-07-12 | 太平洋医疗健康管理有限公司 | 医保智能审核方法及系统 |
-
2020
- 2020-08-31 CN CN202010894647.9A patent/CN111986037A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107451400A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医疗行为监控方法和系统 |
| CN109544373A (zh) * | 2018-10-30 | 2019-03-29 | 平安科技（深圳）有限公司 | 基于人工智能的医保违规行为检测方法及相关装置 |
| CN109670788A (zh) * | 2018-12-13 | 2019-04-23 | 平安医疗健康管理股份有限公司 | 基于数据分析的医保审核方法、装置、设备和存储介质 |
| CN109785162A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技（深圳）有限公司 | 医保异常检测方法、装置、设备和计算机存储介质 |
| CN110009516A (zh) * | 2019-04-01 | 2019-07-12 | 太平洋医疗健康管理有限公司 | 医保智能审核方法及系统 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112786214A (zh) * | 2021-01-31 | 2021-05-11 | 云知声智能科技股份有限公司 | 用于限制性用药违规的检测方法和检测系统 |
| CN113360671A (zh) * | 2021-06-16 | 2021-09-07 | 浙江工业大学 | 一种基于知识图谱的医保医疗单据审核方法及其系统 |
| CN113360671B (zh) * | 2021-06-16 | 2022-04-19 | 浙江工业大学 | 一种基于知识图谱的医保医疗单据审核方法及其系统 |
| CN113626488A (zh) * | 2021-08-04 | 2021-11-09 | 挂号网（杭州）科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN113743749A (zh) * | 2021-08-20 | 2021-12-03 | 泰康保险集团股份有限公司 | 医疗机构的检查方法、装置及电子设备 |
| CN113723922A (zh) * | 2021-08-30 | 2021-11-30 | 北京人马座科技有限公司 | 一种基于规则引擎实现处方审核的方法及系统 |
| CN113822365B (zh) * | 2021-09-28 | 2023-09-05 | 北京恒生芸泰网络科技有限公司 | 基于区块链技术的医疗数据存储及大数据挖掘方法及系统 |
| CN113822365A (zh) * | 2021-09-28 | 2021-12-21 | 刘玉棚 | 基于区块链技术的医疗数据存储及大数据挖掘方法及系统 |
| CN113724826A (zh) * | 2021-11-03 | 2021-11-30 | 武汉金豆医疗数据科技有限公司 | 医疗行为的监控方法、装置、计算机设备以及存储介质 |
| CN113724826B (zh) * | 2021-11-03 | 2022-01-11 | 武汉金豆医疗数据科技有限公司 | 医疗行为的监控方法、装置、计算机设备以及存储介质 |
| CN114493894A (zh) * | 2021-12-17 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | 使用医保审核规则模型进行医疗行为监控的方法 |
| CN114822865A (zh) * | 2022-06-27 | 2022-07-29 | 天津幸福生命科技有限公司 | 诊断数据识别方法及装置、电子设备、存储介质 |
| CN114822865B (zh) * | 2022-06-27 | 2022-11-11 | 天津幸福生命科技有限公司 | 诊断数据识别方法及装置、电子设备、存储介质 |
| CN114866351B (zh) * | 2022-07-06 | 2022-10-14 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及系统 |
| CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
| CN115660589A (zh) * | 2022-10-25 | 2023-01-31 | 国网北京市电力公司 | 业务审核方法、装置、设备、计算机可读介质和程序产品 |
| CN115660589B (zh) * | 2022-10-25 | 2023-06-13 | 国网北京市电力公司 | 业务审核方法、装置、设备和计算机可读介质 |
| CN116052887A (zh) * | 2023-03-01 | 2023-05-02 | 联仁健康医疗大数据科技股份有限公司 | 一种过度检查的检测方法、装置、电子设备及存储介质 |
| CN116563038A (zh) * | 2023-06-26 | 2023-08-08 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
| CN116563038B (zh) * | 2023-06-26 | 2023-09-22 | 江南大学附属医院 | 一种基于区域大数据的医保控费推荐方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111986037A (zh) | 医保审核数据的监控方法、装置、设备及存储介质 | |
| Herland et al. | Big data fraud detection using multiple medicare data sources | |
| Morimoto et al. | Adverse drug events and medication errors: detection and classification methods | |
| Lindquist | VigiBase, the WHO global ICSR database system: basic facts | |
| Honigman et al. | Using computerized data to identify adverse drug events in outpatients | |
| US8700649B2 (en) | Analyzing administrative healthcare claims data and other data sources | |
| Aronsky et al. | Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index | |
| Young et al. | Unsolicited reporting to prescribers of opioid analgesics by a state prescription drug monitoring program: an observational study with matched comparison group | |
| Aliabadi et al. | Electronic health record–based disease surveillance systems: a systematic literature review on challenges and solutions | |
| CN111986035A (zh) | 医保服务审核方法、装置、设备及存储介质 | |
| CN115274122A (zh) | 健康医疗数据的管理方法、系统、电子设备及存储介质 | |
| Patel et al. | Medicine adherence and associated factors in immigrants and refugees: a systematic review | |
| Cranston et al. | Models of chronic disease management in primary care for patients with mild‐to‐moderate asthma or COPD: a narrative review | |
| Wang et al. | Nationwide hospital admission data statistics and disease-specific 30-day readmission prediction | |
| Dark et al. | Feasibility of using electronic health records for cascade monitoring and cost estimates in implementation science studies in the Adolescent Trials Network for HIV/AIDS Interventions | |
| Saunders et al. | Integrating data from multiple public sources: Opportunities and challenges for evaluators | |
| Shao et al. | Effectiveness and efficiency of non-drug therapy among Community-Dwelling adults with hypertension in China: a protocol for network meta-analysis and cost-effectiveness analysis | |
| Lavanya et al. | Auto capture on drug text detection in social media through NLP from the heterogeneous data | |
| US8756234B1 (en) | Information theory entropy reduction program | |
| CN114664447A (zh) | 一种骨质疏松健康风险评估方法及设备 | |
| Taylor et al. | Development and testing of data infrastructure in the American College of Emergency Physicians’ Clinical Emergency Data Registry for opioid‐related research | |
| Wingrove et al. | Using machine learning to predict primary care and advance workforce research | |
| CN111966838A (zh) | 一种不良事件和用药关联性判断方法和系统 | |
| Karapetiantz et al. | Qualitative and Quantitative Analysis of Web Forums for Adverse Events Detection:“Strontium Ranelate” Case Study | |
| Nail et al. | Using computerized clinical nursing data bases for nursing research |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220606 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right |