CN112907137A - 医保策略评估方法、装置和计算机设备 - Google Patents
医保策略评估方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN112907137A CN112907137A CN202110326519.9A CN202110326519A CN112907137A CN 112907137 A CN112907137 A CN 112907137A CN 202110326519 A CN202110326519 A CN 202110326519A CN 112907137 A CN112907137 A CN 112907137A
- Authority
- CN
- China
- Prior art keywords
- medical insurance
- payment
- calculation module
- index
- data
- 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.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 178
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 16
- 208000019622 heart disease Diseases 0.000 description 15
- 230000008569 process Effects 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 206010035664 Pneumonia Diseases 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000018556 stomach disease Diseases 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000007876 drug discovery Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000003068 static 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及智能决策领域，揭示了一种医保策略评估方法、装置和计算机设备，其中方法包括：获取用户的医保数据，确定医保数据的主体及支付方式，按已确定的主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在第一计算模块中查询相应的第二计算模块；将医保数据输入对应的第二计算模块中计算医保支付指标；获取第二计算模块输出的医保支付指标，将医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略，从而通过对多个主体的进行分层建模，针对具体的决策需求，可以灵活提取相应的医保支付指标。
Description
技术领域
本申请涉及到智能决策技术领域，特别是涉及到一种医保策略评估方法、装置和计算机设备。
背景技术
随着我国卫生总费用不断上升、老龄化发展趋势显著，合理控制医疗费用成为需求。医疗保障局作为政府部门，可以通过调整对医院的支付方式、引导医院行为、达成控制医疗费用的目标。
传统微观模拟算法无法对建模过程进行分层模块化建模，且传统微观模拟算法仅可对多主体模拟过程的最终指标进行求解，对医保综合支付这类问题，除了关注最终指标，还需要对微观模拟过程进行分层建模，分层观测模拟后的医保支付指标。
发明内容
本申请的主要目的为提供一种医保策略评估方法、装置和计算机设备，以实现对微观模拟过程进行分层建模，分层观测模拟后的医保支付指标。
为了实现上述发明目的，本申请提出一种医保策略评估方法，包括：
获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
进一步地，当所述医保数据包括多个时，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之前，还包括：
统计所述多个医保数据的支付方式的类数；
按照所述类数分别为不同的计算机设备配置所述第二计算模块；其中，每一计算机设备有且配置有唯一类支付方式的第二计算模块；
所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标，获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对的步骤，包括：
将所述多个医保数据分别输入对应计算机设备的所述第二计算模块中，在不同的计算机设备中计算各类支付方式下的所述医保支付指标；
获取所述第二计算模块输出的各类支付方式下的医保支付指标，将所述各类支付方式下的医保支付指标与对应类别的预设参考医保支付指标进行比对。
进一步地，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还包括：
响应于用户的目标医保支付指标查询请求，从所述目标医保支付指标查询请求中提取目标医保支付指标类型；
根据所述目标医保支付指标类型从所述第二计算模块中查询相应的目标医保支付指标，将所述目标医保支付指标输出显示。
进一步地，所述根据比对结果评估当前医保策略的步骤之后，还包括：
判断当前评估结果是否满足要求；
若否，根据比对结果调整所述第二计算模块的参数；其中，所述参数基于医保策略设定。
进一步地，当所述医保数据包括多个时，所述按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块的步骤之前，还包括：
按照所述医保数据的主体类型对多个医保数据随机抽样；
根据抽样结果对所述多个医保数据进行补充和/或校正。
进一步地，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还包括：
获取同一第一计算模块中各个第二计算模块的医保支付指标，并将同一第一计算模块中各个第二计算模块的医保支付指标的累加值作为第一医保支付指标；
获取各个第一计算模块的所述第一医保支付指标及预先配置在各个第一计算模块的权重；
将所述各个第一计算模块的第一医保支付指标乘以相应权重并累加后得到综合医保支付指标。
优选地，所述医保支付指标包括第一指标、第二指标及第三指标；其中，
所述第一指标用于通过模拟的方式评估医保策略中支付标准制定的合理性；
所述第二指标用于评估医保策略中医保基金实际支付的合理性；
所述第三指标用于评估医保策略中医院的经济运行压力。
本申请还提供一种医保策略评估装置，包括：
获取模块，用于获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
计算模块，用于将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
评估模块，用于获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还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一项所述的方法的步骤。
本申请的医保策略评估方法、装置和计算机设备，通过获取用户的医保数据，确定医保数据的主体及支付方式，按已确定的主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在第一计算模块中查询相应的第二计算模块；将医保数据输入对应的第二计算模块中计算医保支付指标；获取第二计算模块输出的医保支付指标，将医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略，从而对多个主体的进行分层建模，针对具体的决策需求，可以灵活提取相应的医保支付指标。
附图说明
图1为本申请一实施例的医保策略评估方法的流程示意图；
图2为本申请一实施例的医保策略评估方法的逻辑示意图；
图3为本申请又一实施例的医保策略评估方法的流程示意图；
图4为本申请一实施例的医保策略评估装置的结构示意框图；
图5为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，并参考图2-3所示，本申请提出一种医保策略评估方法，以解决统微观模拟算法无法对建模过程进行分层模块化建模，且传统微观模拟算法仅可对多主体模拟过程的最终指标进行求解，无法对微观模拟过程进行分层建模，分层观测模拟后的医保支付指标的技术问题。在一实施例中，该医保策略评估方法包括如下步骤：
S1、获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
S2、将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
S3、获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
如上述步骤S1所述，所述医保数据可从患者的病历单中获取，可包括用户姓名、病种、各种费用(诊费、治疗费、医保可报销部分费用)、医院级别、医保报销比例等等。本申请可以预先建立医疗费用大数据库，存储每一用户的医保数据，以便后续调用。其中，所述第二计算模块用于对不同主体、不同支付方式的医保支付指标进行计算，所述主体可以是医院、区域等等，以对不同医院、不同区域的医保策略进行评估。所述支付方式包含DRGs付费、按床日付费、按次均付费、单病种付费等多种支付方式，支付方式对每个就医病例付费产生影响；也包含以医院为单位的医保结算规则，例如超支/结余处理、绩效考核、年终清算规则等。其中，DRGs(Diagnosis Related Groups)为疾病诊断相关分类，它根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500-600个诊断相关组，然后决定应该给医院多少补偿。
所述医保策略评估模型可通过图形化界面搭建，图形化界面中的每一个方框代表一个计算模块、可直接导入医保数据，得到计算结果，节点间计算可通过系统内置公式或Python代码定义。具体的，所述医保策略评估模型可按照主体配置有第一计算模块，并在第一计算模块按照支付方式划分出第二计算模块，用于计算不同主体不同支付方式的医保支付数据，从而针对具体的决策需求，可以灵活提取不同主体不同支付方式的的医保支付指标。
本步骤获取医保数据后，对该医保数据进行分析，提取出主体特征及支付方式特征，以根据主体特征及支付方式特征确定该医保数据的主体及支付方式。
如上述步骤S2所述，本步骤将所述医保数据输入该医保数据对应主体及支付方式的第二计算模块中，通过该第二计算模块计算医保支付指标。例如，可获取2020年内的所有医保数据，并将该年内所有用户在A医院治疗心脏病的医保数据输入主体为A医院、支付方式为按心脏病付费的支付方式的第二计算模块中，在该第二计算模块中计算在2020年内A医院的心脏病的医保支付指标，以判断A医院的心脏病的医保支付指标是否超标。其中，所述医保支付指标用于评估医保策略的优劣程度，例如，当医保支付指标接近预先设定的预设参考医保支付指标时，则表明当前的医保策略较为良好，否则需要调整当前的医保策略。
如上述步骤S3所述，获取第二计算模块输出的医保支付指标后，可将医保支付指标与预设参考医保支付指标进行比对，根据比对结果判断医保支付指标是否与预设参考医保支付指标差异较大，若是，则表明当前医保策略较差，需要对与医保策略相关的参数进行调整。以医保支付指标为医保实际报销指标为例，当医保实际报销指标为80％时，此时预设参考医保支付指标为医保预算报销指标，若医保预算报销指标为70％，则表明当前医保策略对医保报销的比例较高，需要降低某些病种的医保报销比例。
参考图2所示，本申请还可将支付方式与预算分配及结算规则进行综合，计算医保支付指标时，根据医保数据、预算分配及结算规则可模拟出不同支付方案下的支付效果，通过监测指标(例如医保支付变化率)进行体现支付方案与预算的合理性，从而对DRGs分组数、权重、费率、付费规则(例如极高/低值标准)、各支付方式的范围与支付标准、各医院的结算规则进行调整。其中，所示预算分配包括按医保账户类别分配、按不同支付方式分配、按医院级别分配、按单个医院分配等等。所示结算规则包括超支处理规则、结余处理规则、绩效考核规则、年终清算规则等等。
本申请的医保策略评估方法，通过获取用户的医保数据，确定医保数据的主体及支付方式，按已确定的主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在第一计算模块中查询相应的第二计算模块；将医保数据输入对应的第二计算模块中计算医保支付指标；获取第二计算模块输出的医保支付指标，将医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略，从而对多个主体的进行分层建模，针对具体的决策需求，可以灵活提取相应的医保支付指标。
在一实施例中，在步骤S3中，所述根据比对结果评估当前医保策略的步骤之后，还可包括：
S4、判断当前评估结果是否满足要求；
S5、若否，根据比对结果调整所述第二计算模块的参数；其中，所述参数基于医保策略设定。
其中，所述参数为医保策略中与计算医保支付指标直接相关或间接相关的参数，其会影响医保支付指标的最终统计结果。具体的，所述参数可包括支付标准和结算标准，所述支付标准可以是DRGs权重、床日支付标准、次均支付标准、单病种支付标准等。所述结算标准可以是DRGs付费组选择、DRGs高限、DRGs低限、床日支付高限、年终考核系数、医保清算高限、医保清算低限、医保清算高限外补偿系数等等。
随着我国卫生总费用不断上升、老龄化发展趋势显著，合理控制医疗费用成为需求。医疗保障局作为政府部门，可以通过调整对医院的支付方式、引导医院行为、达成控制医疗费用的目标。各医保统筹区在测算总额预算时，需要合理分配区域内各定点医疗机构、各支付方式的预算。具体来看，在住院医保基金支付中，DRGs(Diagnosis RelatedGroups)，即按疾病诊断相关分组付费的测算需要人工进行大量测算以评估600余个分组的权重、具体支付规则参数；部分老年病、精神病需要按病人住院床日来设置付费标准与上下限额。当测算覆盖统筹区内所有支付方式后，需确保政策方案下医保基金不超支、医院经济运行顺利且方案引导医院趋于合理化诊疗，才能帮助统筹区科学制定总额预算方案。
传统的通过历史数据与专家经验进行人工测算提供政策方案，面临着多主体多支付方式难以兼顾、外部数据测算不便灵活调整的难题。这导致地区在颁布方案时无法预估未来的执行效果，不利于地区医保基金的平稳运行。
因此，本实施例可通过观测不同主体不同支付方式的医保支付指标，以确定主要目标、次要目标的偏离情况，然后可通过手动调整支付方案、结算规则的方式对第二计算模块的相关参数进行调整，然后将医保数据重新输入调整后的第二计算模块中进行计算，且可在7秒内计算完成每次调整后的预计政策实施效果，以达到最优医保策略，从而考虑了医保基金的运行平稳和医院经济运行平稳之间的平衡，且能下钻拆分至政策方案对单个医院、对不同病种的影响，让政策方案制定过程考虑更全面、方案实施风险更低。此外，本申请基于大数据运算模拟，反应时效快，比传统人工测算可以基本做到实时模拟政策方案的实施效果，更便于方案多轮迭代与调整，使政策决策过程依据明确、调整高效。
在一实施例中，在步骤S2中，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还可包括：
获取同一第一计算模块中各个第二计算模块的医保支付指标，并将同一第一计算模块中各个第二计算模块的医保支付指标的累加值作为第一医保支付指标；
获取各个第一计算模块的所述第一医保支付指标及预先配置在各个第一计算模块的权重；
将所述各个第一计算模块的第一医保支付指标乘以相应权重并累加后得到综合医保支付指标。
在本实施例中，可预先为各个第一计算模块配置权重，即为各个主体设置权重，以侧重某个主体的医保支付指标，将各个第一计算模块的第一医保支付指标乘以相应权重并累加后得到综合医保支付指标，从而根据该综合医保支付指标调整影响医保策略的参数，实现支持用户可针对当地的客观经济和政策环境对决策问题进行适当的调整，以提高医保策略的适用性、可针对性和科学性。例如，可分别获取第一医院的按心脏病支付方式的医保支付指标A、按肺炎支付方式的医保支付指标B、按胃病支付方式的医保支付指标C，并分别获取按心脏病支付方式的权重a、按肺炎支付方式的b，按胃病支付方式的权重c，则所述综合医保支付指标为Aa+Bb+Cc，根据综合医保支付指标反映当前医院的医保策略存在的决策问题，以针对当地的客观经济和政策环境对决策问题进行适当的调整，以提高医保策略的适用性、可针对性和科学性。
在一实施例中，当所述医保数据包括多个时，在步骤S2中，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之前，还可包括：
统计所述多个医保数据的支付方式的类数；
按照所述类数分别为不同的计算机设备配置所述第二计算模块；其中，每一计算机设备有且配置有唯一类支付方式的第二计算模块；
此时，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标，获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对的步骤，包括：
将所述多个医保数据分别输入对应计算机设备的所述第二计算模块中，在不同的计算机设备中计算各类支付方式下的所述医保支付指标；
获取所述第二计算模块输出的各类支付方式下的医保支付指标，将所述各类支付方式下的医保支付指标与对应类别的预设参考医保支付指标进行比对。
在本实施例中，针对传统微观模拟算法在大数据量和复杂规则下求解效率低的问题，传统微观模拟算法在数百万微观个案的医保数据进行模拟时速度慢，一般单机可承受的模拟迭代次数下难以满足政策微观模拟的决策需求。为此，本实施例采用多主体分层模拟的技术对多个不同主体不同支付方式的医保支付指标进行求解，从而通过多个计算机设备分别计算相应支付方式下的的医保支付指标，并将各类支付方式下的医保支付指标与对应类别的预设参考医保支付指标进行比对，当各类支付方式下的医保支付指标都未超标时，则表明当前医保策略良好，以提高计算效率。具体的，按照不同的主体将医保数据输入不同的计算机设备中计算医保支付指标，并获取各个计算机设备的医保支付指标，以提取不同主体不同支付方式的医保支付指标的计算效率。
在一实施例中，在步骤S2中，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还可包括：
响应于用户的目标医保支付指标查询请求，从所述目标医保支付指标查询请求中提取目标医保支付指标类型；
根据所述目标医保支付指标类型从所述第二计算模块中查询相应的目标医保支付指标，将所述目标医保支付指标输出显示。
本实施例可通过图形化界面方便用户查询所需的目标支付指标。具体的，用户在图形化界面中输入待查询的目标医保支付指标类型，并发起目标医保支付指标查询请求，计算机设备根据从目标医保支付指标查询请求中提取的目标医保支付指标类型确定第二计算模块，在该第二计算模块中计算目标医保支付指标，并将计算得到的所述目标医保支付指标输出显示，以便用户查看。例如，当用户需要查询A医院的心脏病的医保报销指标时，则可在图形化界面中输入主体为A医院，支付方式为心脏病支付方式，计算机设备查询主体为A医院的第一计算模块，并在第一计算模块中确定支付方式为心脏病支付方式的第二计算模块，在该第二计算模块中获取A医院的心脏病的医保报销指标。
本申请采用图像化的架构直观展示政策方案对医保基金、医院运行的影响，比人工线下测算更加直观，有利于用户快速搭建和便捷修改模型、不断扩充模型细节。
在一实施例中，当所述医保数据包括多个时，在步骤S1中，所述按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块的步骤之前，还可包括：
按照所述医保数据的主体类型对多个医保数据随机抽样；
根据抽样结果对所述多个医保数据进行补充和/或校正。
本实施例不同主体的多个医保数据进行分别随机抽样，判断抽样的医保数据是否有缺失或错误，若是，则对该医保数据进行补充或校正，以确保医保数据的准确无误，从而进一步提高计算得到的医保支付指标的准确性。例如，当随机抽样的医保数据出现数据丢失或明显错误，而无法计算得到准确的医保支付指标时，则对该医保数据进行补充或校正。
在一实施例中，所述医保支付指标包括第一指标、第二指标及第三指标；其中，
所述第一指标用于通过模拟的方式评估医保策略中支付标准制定的合理性；
所述第二指标用于评估医保策略中医保基金实际支付的合理性；
所述第三指标用于评估医保策略中医院的经济运行压力。
在本实施例中，所述医保支付指标包括第一指标、第二指标及第三指标；其中，所述第一指标用于通过模拟的方式评估医保策略中支付标准制定的合理性，即衡量支付标准制定的合理性的指标：可用于统筹区内医保按优化解进行支付的总体金额与年初医保总额预算的偏离情况。该指标越接近0越好，说明医保模拟支付没有偏离年初医保基金预算太多，确保当前医保策略中制定的支付标准合理。
所述第二指标用于评估医保策略中医保基金实际支付的合理性，即衡量医保基金支付合理性的指标，可用于统筹某区一定时间内医保实际支付的总体金额与年初医保总额预算的偏离。这个指标越接近0越好，说明实际医保支付没有偏离年初医保预算太多，确保医保基金支付合理。
所述第三指标用于评估医保策略中医院的经济运行压力，即衡量医院经济运行压力的指标，可用于统筹某区一定时间内医保实际支付给医院的总体金额与医院项目收费需求总体金额偏离。该指标越接近0越好，医保实际支付没有偏离医院垫付额太多，确保医院正常经济运行。
其中，所述第一指标通过如下公式计算得到：
所述第二指标通过如下公式计算得到：
所述第三指标通过如下公式计算得到：
参照图4，本申请实施例中还提供一种医保策略评估装置，包括：
获取模块1，用于获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
计算模块2，用于将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
评估模块3，用于获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
如上述获取模块1所述，所述医保数据可从患者的病历单中获取，可包括用户姓名、病种、各种费用(诊费、治疗费、医保可报销部分费用)、医院级别、医保报销比例等等。本申请可以预先建立医疗费用大数据库，存储每一用户的医保数据，以便后续调用。其中，所述第二计算模块用于对不同主体、不同支付方式的医保支付指标进行计算，所述主体可以是医院、区域等等，以对不同医院、不同区域的医保策略进行评估。所述支付方式包含DRGs付费、按床日付费、按次均付费、单病种付费等多种支付方式，支付方式对每个就医病例付费产生影响；也包含以医院为单位的医保结算规则，例如超支/结余处理、绩效考核、年终清算规则等。其中，DRGs(Diagnosis Related Groups)为疾病诊断相关分类，它根据病人的年龄、性别、住院天数、临床诊断、病症、手术、疾病严重程度，合并症与并发症及转归等因素把病人分入500-600个诊断相关组，然后决定应该给医院多少补偿。
所述医保策略评估模型可通过图形化界面搭建，图形化界面中的每一个方框代表一个计算模块、可直接导入医保数据，得到计算结果，节点间计算可通过系统内置公式或Python代码定义。具体的，所述医保策略评估模型可按照主体配置有第一计算模块，并在第一计算模块按照支付方式划分出第二计算模块，用于计算不同主体不同支付方式的医保支付数据，从而针对具体的决策需求，可以灵活提取不同主体不同支付方式的的医保支付指标。
在获取医保数据后，对该医保数据进行分析，提取出主体特征及支付方式特征，以根据主体特征及支付方式特征确定该医保数据的主体及支付方式。
如上述计算模块2所述，将所述医保数据输入该医保数据对应主体及支付方式的第二计算模块中，通过该第二计算模块计算医保支付指标。例如，可获取2020年内的所有医保数据，并将该年内所有用户在A医院治疗心脏病的医保数据输入主体为A医院、支付方式为按心脏病付费的支付方式的第二计算模块中，在该第二计算模块中计算在2020年内A医院的心脏病的医保支付指标，以判断A医院的心脏病的医保支付指标是否超标。其中，所述医保支付指标用于评估医保策略的优劣程度，例如，当医保支付指标接近预先设定的预设参考医保支付指标时，则表明当前的医保策略较为良好，否则需要调整当前的医保策略。
如上述评估模块3所述，获取第二计算模块输出的医保支付指标后，可将医保支付指标与预设参考医保支付指标进行比对，根据比对结果判断医保支付指标是否与预设参考医保支付指标差异较大，若是，则表明当前医保策略较差，需要对与医保策略相关的参数进行调整。以医保支付指标为医保实际报销指标为例，当医保实际报销指标为80％时，此时预设参考医保支付指标为医保预算报销指标，若医保预算报销指标为70％，则表明当前医保策略对医保报销的比例较高，需要降低某些病种的医保报销比例。
本申请还可将支付方式与结算规则进行综合，可模拟出不同支付方案下的支付效果，通过监测指标(例如医保支付变化率)进行体现支付方案与预算的合理性，从而对DRGs分组数、权重、费率、付费规则(例如极高/低值标准)、各支付方式的范围与支付标准、各医院的结算规则进行调整。
如上所述，可以理解地，本申请中提出的所述医保策略评估装置的各组成部分可以实现如上所述医保策略评估方法任一项的功能，具体结构不再赘述。
参照图5，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于关系抽取模型、药物发现模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种医保策略评估方法。
上述处理器执行上述的医保策略评估方法，包括：
获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种医保策略评估方法，包括步骤：
获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述，本申请的最大有益效果在于：
本申请的医保策略评估方法、装置和计算机设备，通过获取用户的医保数据，确定医保数据的主体及支付方式，按已确定的主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在第一计算模块中查询相应的第二计算模块；将医保数据输入对应的第二计算模块中计算医保支付指标；获取第二计算模块输出的医保支付指标，将医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略，从而对多个主体的进行分层建模，针对具体的决策需求，可以灵活提取相应的医保支付指标。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种医保策略评估方法，其特征在于，包括：
获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
2.根据权利要求1所述的方法，其特征在于，当所述医保数据包括多个时，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之前，还包括：
统计所述多个医保数据的支付方式的类数；
按照所述类数分别为不同的计算机设备配置所述第二计算模块；其中，每一计算机设备有且配置有唯一类支付方式的第二计算模块；
所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标，获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对的步骤，包括：
将所述多个医保数据分别输入对应计算机设备的所述第二计算模块中，在不同的计算机设备中计算各类支付方式下的所述医保支付指标；
获取所述第二计算模块输出的各类支付方式下的医保支付指标，将所述各类支付方式下的医保支付指标与对应类别的预设参考医保支付指标进行比对。
3.根据权利要求1所述的方法，其特征在于，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还包括：
响应于用户的目标医保支付指标查询请求，从所述目标医保支付指标查询请求中提取目标医保支付指标类型；
根据所述目标医保支付指标类型从所述第二计算模块中查询相应的目标医保支付指标，将所述目标医保支付指标输出显示。
4.根据权利要求1所述的方法，其特征在于，所述根据比对结果评估当前医保策略的步骤之后，还包括：
判断当前评估结果是否满足要求；
若否，根据比对结果调整所述第二计算模块的参数；其中，所述参数基于医保策略设定。
5.根据权利要求1所述的方法，其特征在于，当所述医保数据包括多个时，所述按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块的步骤之前，还包括：
按照所述医保数据的主体类型对多个医保数据随机抽样；
根据抽样结果对所述多个医保数据进行补充和/或校正。
6.根据权利要求1所述的方法，其特征在于，所述将所述医保数据输入对应的所述第二计算模块中计算医保支付指标的步骤之后，还包括：
获取同一第一计算模块中各个第二计算模块的医保支付指标，并将同一第一计算模块中各个第二计算模块的医保支付指标的累加值作为第一医保支付指标；
获取各个第一计算模块的所述第一医保支付指标及预先配置在各个第一计算模块的权重；
将所述各个第一计算模块的第一医保支付指标乘以相应权重并累加后得到综合医保支付指标。
7.根据权利要求1所述的方法，其特征在于，所述医保支付指标包括第一指标、第二指标及第三指标；其中，
所述第一指标用于通过模拟的方式评估医保策略中支付标准制定的合理性；
所述第二指标用于评估医保策略中医保基金实际支付的合理性；
所述第三指标用于评估医保策略中医院的经济运行压力。
8.一种医保策略评估装置，其特征在于，包括：
获取模块，用于获取用户的医保数据，确定所述医保数据的主体及支付方式，按已确定的所述主体从预先构建的医保策略评估模型中查询相应的第一计算模块，并按已确定的支付方式在所述第一计算模块中查询相应的第二计算模块；其中，所述医保策略评估模型预先根据不同主体划分出第一计算模块，并在所述第一计算模块中根据不同支付方式划分出第二计算模块；
计算模块，用于将所述医保数据输入对应的所述第二计算模块中计算医保支付指标；
评估模块，用于获取所述第二计算模块输出的医保支付指标，将所述医保支付指标与预设参考医保支付指标进行比对，根据比对结果评估当前医保策略。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述医保策略评估方法的步骤。
10.一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中任一项所述医保策略评估方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110326519.9A CN112907137B (zh) | 2021-03-26 | 2021-03-26 | 医保策略评估方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110326519.9A CN112907137B (zh) | 2021-03-26 | 2021-03-26 | 医保策略评估方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112907137A true CN112907137A (zh) | 2021-06-04 |
| CN112907137B CN112907137B (zh) | 2024-07-19 |
Family
ID=76108830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110326519.9A Active CN112907137B (zh) | 2021-03-26 | 2021-03-26 | 医保策略评估方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907137B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113360492A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市全药网科技有限公司 | 一种药品集中采购结余留用监测和测算系统 |
| CN114300102A (zh) * | 2021-11-24 | 2022-04-08 | 泰康保险集团股份有限公司 | 一种数据处理方法、装置、电子设备及计算机可读介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745424A (zh) * | 2014-02-14 | 2014-04-23 | 上海市东方医院（同济大学附属东方医院） | 医院综合绩效信息处理系统及其方法 |
| CN105117587A (zh) * | 2015-08-04 | 2015-12-02 | 杭州健港信息科技有限公司 | 医保领域中基于医疗大数据的智能分析方法 |
| CN106557981A (zh) * | 2015-09-30 | 2017-04-05 | 阿里巴巴集团控股有限公司 | 生成保险定价模型的方法和装置及确定保费的方法和装置 |
| CN109460942A (zh) * | 2018-12-13 | 2019-03-12 | 平安医疗健康管理股份有限公司 | 基于数据分析评价医院的方法及相关产品 |
| CN109785155A (zh) * | 2018-12-13 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 基于医保报销模型调整医保策略的方法及相关产品 |
| CN110675270A (zh) * | 2019-09-05 | 2020-01-10 | 平安健康保险股份有限公司 | 基于发票信息的医保扣费金额的确定方法和装置 |
| CN111242466A (zh) * | 2020-01-08 | 2020-06-05 | 袁勇 | 一种基于按病种与病组分值付费的医院绩效管理系统及方法 |
| WO2020119096A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于数据分析的医院评价方法及相关产品 |
-
2021
- 2021-03-26 CN CN202110326519.9A patent/CN112907137B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103745424A (zh) * | 2014-02-14 | 2014-04-23 | 上海市东方医院（同济大学附属东方医院） | 医院综合绩效信息处理系统及其方法 |
| CN105117587A (zh) * | 2015-08-04 | 2015-12-02 | 杭州健港信息科技有限公司 | 医保领域中基于医疗大数据的智能分析方法 |
| CN106557981A (zh) * | 2015-09-30 | 2017-04-05 | 阿里巴巴集团控股有限公司 | 生成保险定价模型的方法和装置及确定保费的方法和装置 |
| CN109460942A (zh) * | 2018-12-13 | 2019-03-12 | 平安医疗健康管理股份有限公司 | 基于数据分析评价医院的方法及相关产品 |
| CN109785155A (zh) * | 2018-12-13 | 2019-05-21 | 平安医疗健康管理股份有限公司 | 基于医保报销模型调整医保策略的方法及相关产品 |
| WO2020119096A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 基于数据分析的医院评价方法及相关产品 |
| CN110675270A (zh) * | 2019-09-05 | 2020-01-10 | 平安健康保险股份有限公司 | 基于发票信息的医保扣费金额的确定方法和装置 |
| CN111242466A (zh) * | 2020-01-08 | 2020-06-05 | 袁勇 | 一种基于按病种与病组分值付费的医院绩效管理系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 赵涛等: "天津市医保质量评价指标体系构建研究", 中国农村卫生事业管理, vol. 36, no. 7, pages 821 - 824 * |
| 陈维雄等: "综合评价某三甲医院不同医保支付方式下的医保管理成效", 现代医院, vol. 20, no. 5, pages 701 - 707 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113360492A (zh) * | 2021-06-30 | 2021-09-07 | 深圳市全药网科技有限公司 | 一种药品集中采购结余留用监测和测算系统 |
| CN114300102A (zh) * | 2021-11-24 | 2022-04-08 | 泰康保险集团股份有限公司 | 一种数据处理方法、装置、电子设备及计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112907137B (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111886A (zh) | 一种基于XGBoost疾病预测的智能问诊系统及方法 | |
| CN107256426B (zh) | 一种基于智能算法的药品安全信心指数系统及构建方法 | |
| CN108932974B (zh) | 在线问诊分配医生的方法、装置、计算机设备和存储介质 | |
| CN112907137A (zh) | 医保策略评估方法、装置和计算机设备 | |
| US20180211727A1 (en) | Automated Evidence Based Identification of Medical Conditions and Evaluation of Health and Financial Benefits Of Health Management Intervention Programs | |
| CN112037922A (zh) | 病理数据的分析方法、装置、计算机设备和存储介质 | |
| CN110136816A (zh) | 医疗资源管理方法、装置及电子设备 | |
| CN109636652A (zh) | 购药行为异常的监控方法、监控服务端及存储介质 | |
| CN112926799A (zh) | 医保策略调整方法、装置和计算机设备 | |
| Mullahy | Individual results may vary: Inequality-probability bounds for some health-outcome treatment effects | |
| De Luca et al. | Value-at-Risk dynamics: a copula-VAR approach | |
| CN112035618A (zh) | 医疗费用分析方法、装置、计算机设备及存储介质 | |
| Sushma et al. | Comparative Study of Naive Bayes, Gaussian Naive Bayes Classifier and Decision Tree Algorithms for Prediction of Heart Diseases | |
| Xinxiang et al. | A comparison study of outpatient visits forecasting effect between ARIMA with seasonal index and SARIMA | |
| CN111985840A (zh) | 评价机构运行能力的方法、装置和计算机设备 | |
| CN115910308B (zh) | Drg制度下的费用精细化控制方法、装置、电子设备 | |
| CN112819390B (zh) | 医疗资源规划方法、装置、设备及存储介质 | |
| CN114187123A (zh) | 医疗清单信息处理方法、装置、计算机设备及存储介质 | |
| CN114550924A (zh) | 基于人工智能的重疾状态预测方法、装置、设备及介质 | |
| CN107491644A (zh) | 基于系统动力学大规模创伤应急医学救援模拟系统及方法 | |
| US20220180446A1 (en) | Method and System for Medical Malpractice Insurance Underwriting Using Value-Based Care Data | |
| CN118486453A (zh) | 基于人工智能的疾病预警系统 | |
| CN117038032A (zh) | 突发公共卫生事件背景下的线上问诊资源分配方法和系统 | |
| JP2018126519A (ja) | 生体情報の評価システム及び評価方法 | |
| Beach | Better off or more apart? Empirically testing welfare and inequality dominance criteria |
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 |