CN113270178A - 医疗费用监控方法、装置、设备及存储介质 - Google Patents

医疗费用监控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113270178A
CN113270178A CN202110574295.3A CN202110574295A CN113270178A CN 113270178 A CN113270178 A CN 113270178A CN 202110574295 A CN202110574295 A CN 202110574295A CN 113270178 A CN113270178 A CN 113270178A
Authority
CN
China
Prior art keywords
medical
dimension
score
behavior
expense
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
Application number
CN202110574295.3A
Other languages
English (en)
Inventor
蒋雪涵
唐蕊
孙行智
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110574295.3A priority Critical patent/CN113270178A/zh
Publication of CN113270178A publication Critical patent/CN113270178A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Pathology (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请涉及人工智能和智慧医疗领域，具体公开了一种医疗费用监控方法、装置、设备及存储介质，所述方法应用于监控端，具体包括：接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控，以提高医疗费用监控的准确度。

Description

医疗费用监控方法、装置、设备及存储介质
技术领域
本申请涉及医疗技术领域，尤其涉及一种医疗费用监控方法、装置、设备及存储介质。
背景技术
随着医疗科技的发展，参保人员对于健康的关注度也逐渐攀升，随之而来的是医疗费用的不断增加，并且也产生了一些过度医疗行为甚至是医疗违规行为。因此，需要对医疗资金的支出进行合理监管，防止医疗资金不合理的流失。现有技术中大多是基于单一规则来对医疗行为进行控费，但单一规则的适用性不强，灵活性较差，对于一些特殊病例等无法正确识别，普适性和准确度都有所不足。
因此，如何提高医疗费用监控的普适性和准确度成为亟待解决的问题。
发明内容
本申请提供了一种医疗费用监控方法、装置、设备及存储介质，以提高医疗费用监控的普适性和准确度。
第一方面，本申请提供了一种医疗费用监控方法，应用于监控端，所述方法包括：
接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；
根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；
根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；
基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
第二方面，本申请还提供了一种医疗费用监控装置，所述装置包括：
信息获取模块，用于接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；
事件调取模块，用于根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；
审核打分模块，用于根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；
综合监控模块，用于基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的医疗费用监控方法。
第四方面，本申请还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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的医疗费用监控方法。
本申请公开了一种医疗费用监控方法、装置、设备及存储介质，通过接收机构端发送的医疗审核请求，并基于医疗审核请求获取医疗待审信息，其中，医疗待审信息包括行为维度和费用维度，根据行为维度从机构端调取对应的历史医疗信息，然后根据历史医疗信息和预先构建的时序关联规则的集合，多线程并行的对行为维度和费用维度进行打分，得到行为维度和费用维度的审核得分，最终基于行为维度和费用维度的审核得分确定医疗待审信息的综合评分，并根据该综合评分对医疗费用进行监控。从费用维度和行为维度两个维度上来对医疗待审信息进行评分，并且通过预先构建的规则集合来进行评分，提高了医疗费用监控的普适性和准确度。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请实施例提供的一种医疗费用监控系统的示意图；
图2是本申请实施例提供的一种医疗费用监控方法的示意流程图；
图3是本申请实施例提供的挖掘时序关联规则的过程示意流程图；
图4是本申请实施例提供的筛选候选关联规则的步骤示意流程图；
图5是本申请实施例提供的一种医疗费用监控装置的示意性框图；
图6是本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种医疗费用监控方法、装置、计算机设备及存储介质。医疗费用监控方法针对医疗就医行为进行监控，为快速找出骗保行为提供了重要的参考。
请参阅图1，图1是本申请实施例提供的一种医疗费用监控系统的示意图。该医疗费用监控系统100包括监控端101和至少一个机构端102，监控端可从机构端调取数据。
机构端表示医疗机构，机构端的数据库中保存有在本医疗机构就医的患者的历史医疗信息，历史医疗信息包括患者的基本信息和医疗事件信息。
其中，医疗事件信息包括患者的既往患病类型、医疗行为、发生医疗行为的时间、执行医疗行为的费用和执行医疗行为的过程等等。
例如，患者的患病类型为癌症，医疗行为可以包括手术治疗、放疗、化疗、靶向药物治疗等多种行为，手术治疗发生的时间，手术治疗的费用，执行医疗行为的过程可以包括手术过程及术后中所使用药物的用药名称、用药量等等。
在具体实施过程中，多个机构端可以是处于同一区块链中，以实现患者的历史医疗信息的共享。
监控端则是对患者在医疗机构就医所产生的费用进行医疗费用核查，通过对医疗费用进行核查，对于正常的医疗报销行为予以报销，而对于异常的骗保行为进行监管，防止医疗资金的异常流失。
在具体实施过程中，监控端内包括多个由硬件和软件结合构成的审核模块，通过审核模块用于对医疗费用进行核查。
监控端接收到机构端发送的医疗审核请求后，基于该医疗审核请求获取医疗待审信息，医疗待审信息中包括多个维度的信息，例如行为维度和费用维度等等。其中，行为维度包括发生的医疗行为以及发生医疗行为的时间，费用维度则包括执行医疗行为的费用。
监控端根据行为维度从机构端的数据库中调取与行为维度对应的医疗事件信息，然后再根据医疗事件信息和预先构建的时序关联规则集合，来多线程并行的从医疗待审信息中的行为维度和费用维度两个方面进行打分，得到医疗待审信息的综合评分。
在具体实施过程中，由于监控端内的审核模块有多个，因此，多线程并行的对行为维度和费用维度来进行打分，能够降低数据审核所花费的时间。
在得到行为维度的审核得分以及费用维度的审核得分后，监控端基于两个维度的审核得分来确定医疗待审信息的综合评分，从而根据综合评分来判断医疗待审信息是否存在异常，从而实现对医疗费用的监控。
对于综合评分较高的医疗待审信息，可以引入人工二次核查。在具体实施过程中，可以设置综合阈值，若综合评分大于综合阈值，则将该医疗待审信息转人工进行二次核查。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图2，图2是本申请实施例提供的一种医疗费用监控方法的示意流程图。该医疗费用监控方法通过从多个维度进行审核，并得到审核得分，最终对医疗费用进行监控，达到识别骗保行为的目的。
如图2所示，该医疗费用监控方法，具体包括：步骤S101至步骤S104。
S201、接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息。
当需要对医疗费用进行审核时，机构端向监控端发送医疗审核请求，监控端基于该医疗审核请求从机构端的数据库中调取医疗待审信息。其中，所述医疗待审信息包括行为维度和费用维度。
其中，行为维度包括发生的至少一个医疗行为和医疗行为发生的时间。医疗行为例如是手术治疗、化疗、放疗、靶向药物治疗、透析和换肾等等。
费用维度包括基于发生的医疗行为所花费的总金额、使用的药物品类、药物名称和药品单价等。
S202、根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息。
机构端的数据库中保存有患者的历史医疗信息，历史医疗信息中包括患者的基本信息和医疗事件信息。而医疗事件信息中包括患者的既往患病类型、医疗行为、发生医疗行为的时间、执行医疗行为的费用和执行医疗行为的过程等等。
因此，监控端可根据行为维度中的医疗行为在历史医疗信息中匹配出与该行为维度对应的医疗事件信息，并调取出该医疗事件信息用于计算审核得分。
S203、根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分。
在得到医疗事件信息后，监控端通过内设的审核模块多线程并行对行为维度和费用维度进行打分，从而提高对行为维度和费用维度进行打分的打分效率。
在一实施例中，步骤S103可以包括：获取所述医疗事件信息中的费用信息，并根据所述费用信息对所述费用维度进行打分，得到所述费用维度的审核得分；根据所述预先构建的时序关联规则集合对所述行为维度进行打分，得到所述行为维度的审核得分。
从医疗事件信息中提取出与行为维度中包括的医疗行为所对应的费用信息，基于该费用信息对费用维度进行打分，得到费用维度的审核得分。
对于相同的医疗行为，由于治疗所使用的药物类型或治疗方法的不同，可能会带来治疗费用上的差异，并且一个医疗行为可能会存在使用了多种药物的情况。因此，可以从多个医疗事件信息中提取出对应的费用信息，通过从多个费用信息中筛选出与本次待审核的医疗行为所采取的治疗方法或药物类型来进行比较，从而对费用维度进行打分。
例如，在一医疗事件信息中A医疗行为使用了A1药品和A2药品，在另一医疗事件信息中A医疗行为使用了A1药品和A3药品。
若本次待审核的医疗行为为A医疗行为，使用的药品为A2药品和A3药品。此时，可以从医疗事件信息中获取到治疗A医疗行为时A2药品对应的费用和A3药品对应的费用，并分别将医疗事件信息中A2药品对应的费用和待审核的A2药品对应的费用进行比较，以及将医疗事件信息中A3药品对应的费用和待审核的A3药品对应的费用进行比较。
若本次待审核的医疗行为A医疗行为，使用的药品为A1药品时，可将两个医疗事件信息中的A1药品计算其平均值，并根据计算出的平均值来与待审核的A1药品对应的费用进行比较。
在基于该费用信息对费用维度进行打分时，可以根据预先设置的费用得分区间来对费用维度进行打分。其中，费用得分区间是指费用维度中的实付费用与医疗事件信息中的费用信息之间的差值区间。
例如，费用得分区间为[0，20]时，得分为1，费用得分区间为[21，50]时，得分为2，费用得分区间为[51，+∞]时，得分为3。
可以理解的是，由于一个医疗行为可能会存在使用了多种药物的情况，因此，在对费用信息进行费用维度的打分时，可以为每一种药物分别分配一个线程，来多线程同时对费用维度进行打分，提高得到费用维度对应的审核得分的速度。
在一实施例中，在对费用维度进行打分，得到费用维度的审核得分的同时，也多线程并行的根据预先构建的时序关联规则集合来对行为维度进行打分，得到行为维度的审核得分。
在具体实施过程中，多线程可以是指对同时进行费用维度的打分和行为维度的打分，在有多个医疗审核请求时，对每个医疗审核请求对应的医疗待审信息也进行多线程并行处理，提高审核速度。线程数量可以根据医疗待审信息的数量来自行调整。
在一实施例中，对行为维度进行打分的步骤可以包括：根据所述行为维度从预先构建的时序关联规则集合中确定前键规则集；基于所述前键规则集计算所述行为维度的审核得分；其中，所述前键规则集包括预先构建的时序关联规则中时序关联规则的前键与所述行为维度相同的时序关联规则的集合。
其中，时序关联规则的表现形式为条件
Figure BDA0003083722440000071
其中，条件A为关联规则的前键，条件B为关联规则的后键。前键中包括至少一个子项，也即前键中包括至少一个医疗行为，同样的，后键中也包括至少一个子项，也即后键中也包括至少一个医疗行为。
行为维度中包括至少一个医疗行为，将行为维度中包括的医疗行为与时序关联规则中的前键进行匹配，从时序关联规则的集合中筛选出与行为维度相同的时序关联规则，得到前键规则集。然后基于前键规则集计算行为维度的审核得分。
在具体实施过程中，所述基于所述前键规则集计算所述行为维度的审核得分，包括：利用得分计算公式，基于所述前键规则集计算所述行为维度的异常得分；所述得分计算公式包括：
Figure BDA0003083722440000072
其中，abnormalscore表示行为维度的异常得分，r表示时序关联规则，ARs_left表示前键规则集，f(r)为时序关联规则的值函数，dir_confr表示时序关联规则r的方向置信度。
Figure BDA0003083722440000073
在行为维度中的医疗行为满足时序关联规则时，f(r)的值取时序关联规则r的方向置信度，也即dir_confr，当行为维度中的医疗行为不满足时序关联规则时，(r)的值为1-dir_confr+δ，δ＝1e-6表示最小正数，以此来防止当方向置信度为1时，log(1-dir_confr)为正无穷导致无法计算求和。
由于时序关联规则的方向置信度的范围为[min_conf,1]，其中，min_conf为方向置信度的置信度阈值，因此，当时序关联规则不被满足时，f(r)的取值不大于1，因此，对应的log值为负数，此时可以考虑绝对值来进行行为维度的审核得分的计算。
在一实施例中，该医疗费用监控方法还包括挖掘时序关联规则的过程，将挖掘出的时序关联规则的集合作为预先构建的时序关联规则集合，进行行为维度的审核得分的计算。
如图3所示，挖掘时序关联规则的过程可以包括步骤S201至步骤S203。
S301、从机构端获取多个历史医疗信息，并对多个所述历史医疗信息进行共现分析，得到多个频繁项集。
从各个机构端的数据库中调取多个历史医疗信息，作为挖掘时序关联规则的样本来进行时序关联规则的挖掘。其中，历史医疗信息包括患者的基本信息和医疗事件信息，医疗事件信息中包括了患者曾发生过的医疗行为。
对获取到的历史医疗信息中的医疗行为进行进行共现分析，得到多个频繁项集。例如可以使用Apriori算法，得到多个频繁项集，每一个频繁项集都代表一个医疗行为。例如手术治疗、化疗、放疗、靶向药物治疗、透析和换肾等等。
S302、根据多个所述频繁项集构造多条关联规则，并从多条所述关联规则中筛选出候选关联规则。
对共现得到的多个频繁项集进行排列组合，得到多条关联规则。在具体实施过程中可以使用组合数的方式来进行排列组合。关联规则的表现形式为条件
Figure BDA0003083722440000081
其中，条件A为关联规则的前键，条件B为关联规则的后键。
例如，若频繁项集包括手术治疗、化疗和放疗，则可以得到
Figure BDA0003083722440000082
Figure BDA0003083722440000083
Figure BDA0003083722440000084
共6组关联规则。
关联规则的前键中包括至少一个子项，也即前键中包括至少一个医疗行为，同样的，后键中也包括至少一个子项，也即后键中也包括至少一个医疗行为。例如关联规则可以是
Figure BDA0003083722440000085
其中，前键与后键表示两个不同的医疗行为，关联规则表示在发生前键所表示的医疗行为后，经过一时间间隔后发生后键所表示的医疗行为。
时间间隔表示条件A中的最大时间与条件B中的最小时间之间的时间间隔。其中，由于条件A中包括至少一个医疗行为，条件A中的每一个医疗行为第一次发生的时间中的最大时间即为条件A中的最大时间，例如，若条件A中包括手术治疗和化疗两个医疗行为，手术治疗第一次发生的时间为2017.10.20，化疗事件第一次发生的时间为2018.03.10，则条件A中的最大时间为2018.03.10。
同样的，由于条件B中也包括至少一个医疗行为，条件B中的每一个医疗行为最后一次发生的时间中的最小时间即为条件B中的最小时间，例如，若条件B中包括手术治疗和化疗两个医疗行为，手术治疗最后一次发生的时间为2017.10.20，化疗行为最后一次发生的时间为2019.03.10，则条件B中的最大时间为2017.10.20。
在一实施例中，请参阅图4，筛选候选关联规则的步骤可以包括：
S3021、分别计算每条所述关联规则的方向支持度和方向置信度。
分别计算每条关联规则的方向支持度和方向置信度，其中，方向支持度表示满足该关联规则的患者数量的比例，计算公式例如可以为：
Figure BDA0003083722440000091
其中，
Figure BDA0003083722440000092
表示关联规则的方向支持度，X和Y分别表示关联规则的前键和后键，|P|表示患者的总数量，|{Pi|Pi∈(X∪Y)∧min(Y，Pi)-max(X,Pi)≥Δ}|表示满足条件的患者的数量，满足的条件为：患者的医疗事件中同时包括前键X和后键Y，且后键的最小时间与前键的最大时间之间的时间差不小于Δ，Δ为预先设置的时间间隔。
可以理解的是，所有患者的数量可以通过获取历史医疗信息的数量来确定，每个患者都具有自己的历史医疗信息，历史医疗信息的个数即为作为样本的患者的个数。
方向置信度表示关联规则的方向支持度与关联规则的前键支持度之比，其中，对于时序关联规则
Figure BDA0003083722440000093
计算公式例如可以为：
Figure BDA0003083722440000094
其中，sup(X)是前键支持度，为满足前键的患者人数与患者的总数量之比，
Figure BDA0003083722440000101
表示关联规则的方向支持度。
S3022、将所述方向支持度大于方向支持度阈值以及所述方向置信度大于方向置信度阈值的关联规则作为候选关联规则。
其中，方向支持度阈值和方向置信度阈值可以是预先设置好的。在计算出每个关联规则的方向支持度和方向置信度后，根据预先设置的方向支持度的支持度阈值和方向置信度的置信度阈值，从关联规则中筛选出方向置信度大于置信度阈值，以及方向支持度大于支持度阈值的规则，将这些规则作为候选关联规则。
S303、根据预设时间间隔从所述候选关联规则中筛选出时序关联规则，将得到的所述时序关联规则作为预先构建的时序关联规则集合。
由于候选关联规则中包括前键、后键和时间间隔，因此，根据预设的时间间隔从候选关联规则中筛选出时序关联规则，从而得到预先构建的时序关联规则集合，以进行行为维度的打分。
在一实施例中，筛选出时序关联规则的步骤可以包括：确定所述候选关联规则的时间间隔；若所述候选关联规则的时间间隔大于预设时间间隔，获取所述候选关联规则的方向置信度；若所述候选关联规则的方向置信度大于方向置信度阈值，则将所述候选关联规则作为时序关联规则。
在确定候选关联规则的时间间隔时，可以根据所述历史医疗信息构建数据表；基于所述数据表和所述候选关联规则，对所述历史医疗信息进行筛选，确定候选事件并获取所述候选事件的时间间隔；根据所述历史医疗信息的数量和方向支持度阈值从所述候选事件中确定目标事件，并将所述目标事件对应的时间间隔作为所述候选关联规则的时间间隔。
数据表包括独热编码表、最大时间表和最小时间表。
其中，独热编码表用于表示每个医疗行为在每个患者中的共现，独热编码表中的行表示患者，列表示医疗行为，行与列交叉的填充位表示患者是否出现该医疗行为，若出现则为1，若未出现则为0。
例如，独热编码表可以如表1所示：
表1
Figure BDA0003083722440000102
Figure BDA0003083722440000111
最小时间表表示每个医疗行为在每个患者中出现的最早时间。当一位患者多次出现同一医疗行为时，选择第一次出现医疗行为的时间作为最早时间。最小时间表中的行表示患者，列表示时间，行与列交叉的填充位表示第一次发生该医疗行为的时间，若未发生过该医疗行为，则此处为空值。
例如，最小时间表可以如表2所示：
表2
Figure BDA0003083722440000112
最大时间表表示每个医疗行为最后一次在每个患者中出现的时间。当一位患者多次出现同一医疗行为时，选择最后一次出现医疗事件的时间作为最大时间。最大时间表中的行表示患者，列表示时间，行与列交叉的填充位表示最后一次发生该医疗行为的时间，若未发生过该医疗行为，则此处为空值。
例如，最大时间表可以如表3所示：
表3
Figure BDA0003083722440000113
可以理解的是，最大时间表和最小时间表内所填入的时间，可以是日期，也可以是时间间隔，当最大时间表和最小时间表内填入的内容为时间间隔时，其时间间隔为该医疗行为所发生的时间距离上一医疗行为所发生的时间的时间间隔。
在得到数据表后，基于独热编码表和候选关联规则，从历史医疗信息中确定候选事件。也即，根据构建出的数据表，对于一个候选关联规则，计算该候选关联规则中前键表示的医疗行为的数量和后键表示的医疗行为的数量，根据前键和后键表示的医疗行为的数量和，从独热编码表中筛选出前键和后键对应列的和与之相等的患者，并将筛选出的这些患者和对应的历史医疗信息作为候选事件。
然后再根据最小时间表获取候选事件的最大时间，以及根据最大时间表获取候选事件的最小时间，最终根据最大时间和最小时间计算候选事件的时间间隔，从而确定出候选关联规则的时间间隔。
从最小时间表中选择出候选事件中的患者对应的数据行，并筛选每一数据列的时间最大值，得到前键的最大时间Tmax；同样的，从最大时间表中选择出候选事件中的患者对应的数据行，并筛选每一数据列的时间最小值，得到前键的最小时间Tmin。
计算最大时间与最小时间的差值，也即Tmin-Tmax，统计差值大于0的候选事件的数量，并对这些候选事件进行降序排列。
根据方向支持度的支持度阈值s和患者的总数量N，对N*s向下取整，也即int(Ns)，从降序排列的候选事件中取第int(Ns)个样本对应的差值，作为候选关联规则的时间间隔。
对于每一个候选关联规则，按照上述步骤依次得出每一个候选关联规则对应的时间间隔。
根据预先设置的时间间隔，从候选关联规则中选择出时间间隔大于预先设置的时间间隔的规则，得到第一筛选规则；然后再计算第一筛选规则的方向置信度，从第一筛选规则出筛选得到满足方向置信度的第二筛选规则，第二筛选规则即为得到的时序关联规则。至此完成时序关联规则的挖掘，将得到的时序关联规则的集合作为预先构建的时序关联规则，参与行为维度的审核得分的计算。
S204、基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
在得到行为维度的审核得分和费用维度的审核得分后，计算医疗待审信息的综合得分。例如，综合得分可以是行为维度的审核得分和费用维度的审核得分相加得到的。
在一实施例中，综合得分还可以是根据所述行为维度的审核得分、所述费用维度的审核得分、所述行为维度对应的得分权重、所述费用维度对应的得分权重，确定所述医疗待审信息的综合评分。
其中，行为维度对应的得分权重和费用维度对应的得分权重可以是预先设置好的。
上述实施例提供的医疗费用监控方法，接收机构端发送的医疗审核请求，并基于医疗审核请求获取医疗待审信息，其中，医疗待审信息包括行为维度和费用维度，根据行为维度从机构端调取对应的历史医疗信息，然后根据历史医疗信息和预先构建的时序关联规则的集合，多线程并行的对行为维度和费用维度进行打分，得到行为维度和费用维度的审核得分，最终基于行为维度和费用维度的审核得分确定医疗待审信息的综合评分，并根据该综合评分对医疗费用进行监控。从费用维度和行为维度两个维度上来对医疗待审信息进行评分，并且通过预先构建的规则集合来进行评分，提高了医疗费用监控的普适性和准确度。
请参阅图5，图5是本申请的实施例提供的一种医疗费用监控装置的示意性框图，该医疗费用监控装置用于执行前述的医疗费用监控方法。其中，该医疗费用监控装置可以配置于服务器或终端中。
其中，服务器可以为独立的服务器，也可以为服务器集群。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
如图5所示，医疗费用监控装置400包括：信息获取模块401、事件调取模块402、审核打分模块403和综合监控模块404。
信息获取模块401，用于接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度。
事件调取模块402，用于根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息。
审核打分模块403，用于根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分。
综合监控模块404，用于基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的医疗费用监控装置和各模块的具体工作过程，可以参考前述医疗费用监控方法实施例中的对应过程，在此不再赘述。
上述的医疗费用监控装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6，图6是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
参阅图6，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种医疗费用监控方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种医疗费用监控方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
在一个实施例中，所述处理器在实现所述根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分时，用于实现：
获取所述医疗事件信息中的费用信息，并根据所述费用信息对所述费用维度进行打分，得到所述费用维度的审核得分；根据所述预先构建的时序关联规则集合对所述行为维度进行打分，得到所述行为维度的审核得分。
在一个实施例中，所述处理器在实现所述基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分时，用于实现：
根据所述行为维度的审核得分、所述费用维度的审核得分、所述行为维度对应的得分权重、所述费用维度对应的得分权重，确定所述医疗待审信息的综合评分。
在一个实施例中，所述处理器在实现所述根据所述预先构建的时序关联规则集合对所述行为维度进行打分时，用于实现：
根据所述行为维度从预先构建的时序关联规则集合中确定前键规则集；基于所述前键规则集计算所述行为维度的审核得分；其中，所述前键规则集包括预先构建的时序关联规则中时序关联规则的前键与所述行为维度相同的时序关联规则的集合。
在一个实施例中，所述处理器在实现所述基于所述前键规则集计算所述行为维度的审核得分时，用于实现：
利用得分计算公式，基于所述前键规则集计算所述行为维度的异常得分；所述得分计算公式包括：
Figure BDA0003083722440000161
其中，abnormalscore表示行为维度的异常得分，r表示时序关联规则，ARs_left表示前键规则集，f(r)为时序关联规则的值函数，dir_confr表示时序关联规则r的方向置信度。
在一个实施例中，所述处理器用于实现：
从机构端获取多个历史医疗信息，并对多个所述历史医疗信息进行共现分析，得到多个频繁项集；根据多个所述频繁项集构造多条关联规则，并从多条所述关联规则中筛选出候选关联规则；根据预设时间间隔从所述候选关联规则中筛选出时序关联规则，将得到的所述时序关联规则作为预先构建的时序关联规则集合。
在一个实施例中，所述处理器在实现所述从多条所述关联规则中筛选出候选关联规则时，用于实现：
分别计算每条所述关联规则的方向支持度和方向置信度；将所述方向支持度大于方向支持度阈值以及所述方向置信度大于方向置信度阈值的关联规则作为候选关联规则。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项医疗费用监控方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种医疗费用监控方法，其特征在于，应用于监控端，所述方法包括：
接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；
根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；
根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；
基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
2.根据权利要求1所述的医疗费用监控方法，其特征在于，所述根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分，包括：
获取所述医疗事件信息中的费用信息，并根据所述费用信息对所述费用维度进行打分，得到所述费用维度的审核得分；
根据所述预先构建的时序关联规则集合对所述行为维度进行打分，得到所述行为维度的审核得分。
3.根据权利要求1所述的医疗费用监控方法，其特征在于，所述基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，包括：
根据所述行为维度的审核得分、所述费用维度的审核得分、所述行为维度对应的得分权重、所述费用维度对应的得分权重，确定所述医疗待审信息的综合评分。
4.根据权利要求2所述的医疗费用监控方法，其特征在于，所述根据所述预先构建的时序关联规则集合对所述行为维度进行打分，包括：
根据所述行为维度从预先构建的时序关联规则集合中确定前键规则集；
基于所述前键规则集计算所述行为维度的审核得分；
其中，所述前键规则集包括预先构建的时序关联规则中时序关联规则的前键与所述行为维度相同的时序关联规则的集合。
5.根据权利要求4所述的医疗费用监控方法，其特征在于，所述基于所述前键规则集计算所述行为维度的审核得分，包括：
利用得分计算公式，基于所述前键规则集计算所述行为维度的异常得分；
所述得分计算公式包括：
Figure FDA0003083722430000021
其中，abnormalscore表示行为维度的异常得分，r表示时序关联规则，ARs_left表示前键规则集，f(r)为时序关联规则的值函数，dir_confr表示时序关联规则r的方向置信度。
6.根据权利要求1-5任一项所述的医疗费用监控方法，其特征在于，所述方法包括：
从机构端获取多个历史医疗信息，并对多个所述历史医疗信息进行共现分析，得到多个频繁项集；
根据多个所述频繁项集构造多条关联规则，并从多条所述关联规则中筛选出候选关联规则；
根据预设时间间隔从所述候选关联规则中筛选出时序关联规则，将得到的所述时序关联规则作为预先构建的时序关联规则集合。
7.根据权利要求6所述的医疗费用监控方法，其特征在于，所述从多条所述关联规则中筛选出候选关联规则，包括：
分别计算每条所述关联规则的方向支持度和方向置信度；
将所述方向支持度大于方向支持度阈值以及所述方向置信度大于方向置信度阈值的关联规则作为候选关联规则。
8.一种医疗费用监控装置，其特征在于，包括：
信息获取模块，用于接收机构端发送的医疗审核请求，并基于所述医疗审核请求获取医疗待审信息，所述医疗待审信息包括行为维度和费用维度；
事件调取模块，用于根据所述行为维度从所述机构端调取与所述行为维度对应的医疗事件信息；
审核打分模块，用于根据所述医疗事件信息和预先构建的时序关联规则集合，多线程并行的对所述行为维度和所述费用维度进行打分，得到所述行为维度的审核得分和所述费用维度的审核得分；
综合监控模块，用于基于所述行为维度的审核得分和所述费用维度的审核得分确定所述医疗待审信息的综合评分，并根据所述综合评分对医疗费用进行监控。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的医疗费用监控方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的医疗费用监控方法。
CN202110574295.3A 2021-05-25 2021-05-25 医疗费用监控方法、装置、设备及存储介质 Pending CN113270178A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110574295.3A CN113270178A (zh) 2021-05-25 2021-05-25 医疗费用监控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110574295.3A CN113270178A (zh) 2021-05-25 2021-05-25 医疗费用监控方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN113270178A true CN113270178A (zh) 2021-08-17

Family

ID=77232915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110574295.3A Pending CN113270178A (zh) 2021-05-25 2021-05-25 医疗费用监控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113270178A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514576A (zh) * 2013-09-06 2014-01-15 深圳民太安信息技术有限公司 一种社保就诊违规套现的筛查方法
US9542532B1 (en) * 2011-10-07 2017-01-10 Cerner Corporation Decision support recommendation optimization
CN107133438A (zh) * 2017-03-03 2017-09-05 平安医疗健康管理股份有限公司 医疗行为监控方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9542532B1 (en) * 2011-10-07 2017-01-10 Cerner Corporation Decision support recommendation optimization
CN103514576A (zh) * 2013-09-06 2014-01-15 深圳民太安信息技术有限公司 一种社保就诊违规套现的筛查方法
CN107133438A (zh) * 2017-03-03 2017-09-05 平安医疗健康管理股份有限公司 医疗行为监控方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴学雁: "《金融时间序列的分析与挖掘》", 31 July 2018 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Similar Documents

Publication Publication Date Title
US20200279334A1 (en) Machine learning risk factor identification and mitigation system
US8768724B2 (en) System and method for detecting drug fraud and abuse
US10181012B2 (en) Extracting clinical care pathways correlated with outcomes
Shin et al. A scoring model to detect abusive billing patterns in health insurance claims
CA2632730C (en) Analyzing administrative healthcare claims data and other data sources
US9443002B1 (en) Dynamic data analysis and selection for determining outcomes associated with domain specific probabilistic data sets
US20140358576A1 (en) System and method for surveillance and evaluation of safety risks associated with medical interventions
Funkner et al. Data-driven modeling of clinical pathways using electronic health records
CN106793957B (zh) 用于预测患者护理未来结果的医疗系统和方法
US20090216555A1 (en) System, method and computer program product for performing automatic surveillance and tracking of adverse events
CN113657548A (zh) 医保异常检测方法、装置、计算机设备及存储介质
EP3329403A1 (en) Reliability measurement in data analysis of altered data sets
CN109524083A (zh) 基于医疗大数据监测辅助用药合理性的方法及相关产品
CN113270178A (zh) 医疗费用监控方法、装置、设备及存储介质
Ray et al. Detecting anomalies in alert firing within clinical decision support systems using anomaly/outlier detection techniques
Linton et al. Examination of multiple medication use among TRICARE beneficiaries aged 65 years and older
CN109636648A (zh) 社保违规检测方法、装置、设备及计算机存储介质
CN109767819B (zh) 病历的分组方法、装置、存储介质和电子设备
CN111933246A (zh) 医疗处方分析方法、系统、电子设备及存储介质
CN107194143A (zh) 药品信息数据处理方法及系统
CN111274231B (zh) 异常医保数据排查方法、装置、计算机设备和存储介质
CN110246559B (zh) 一种麻精类药品流向异常预警方法及装置
Radcliff et al. A retrospective chart review of outcomes resulting from a three-day tramadol taper for acute opioid withdrawal
CN114141340A (zh) 一种在医疗过程中进行合理控费的方法、装置及设备
CN115080997B (zh) 医保基金的移动稽查方法、装置、计算机设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210817

RJ01 Rejection of invention patent application after publication