CN113450887A - 基于授信的医疗数据处理方法、装置、电子设备及介质 - Google Patents
基于授信的医疗数据处理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113450887A CN113450887A CN202110699662.2A CN202110699662A CN113450887A CN 113450887 A CN113450887 A CN 113450887A CN 202110699662 A CN202110699662 A CN 202110699662A CN 113450887 A CN113450887 A CN 113450887A
- Authority
- CN
- China
- Prior art keywords
- medical
- credit
- expense
- data processing
- payment
- 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
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
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于授信的医疗数据处理方法、装置、电子设备及介质,方法包括:接收患者的就诊信息,提取得到医疗费用;判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。本发明通过医保数据授信得到第一信用额度,并基于第一信用额度进行基于授信的医疗数据处理,能够覆盖更为广泛的人群、最大程度的规避医疗诚信风险(如骗保、违规提取等)、真正实现信用医疗服务,具有风险管理更为精准全面、开放性和扩展性强的有益效果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于授信的医疗数据处理方法、装置、电子设备及介质。
背景技术
医疗是全社会关注的话题,关乎国计民生,和每个人的健康都息息相关。在传统医疗服务模式下,患者在就医过程中医生开具的每个处方都需要分别进行缴费和医保费用的分解。缴费完成后才能进入下一个服务环节如取药、检查和治疗操作等。这是造成医疗机构缴费窗口排队过长、秩序混乱、服务效率低下,患者就诊过程中滞留等待时间过长、就诊体验差的最主要原因。快速、便捷的医疗结算支付服务一直是患者的迫切需求。
目前在部分地区和医疗机构提出了“先看病、后付费”的服务模式,核心是依靠患者在金融机构的个人信用卡等第三方授信,就诊过程中在信用额度内发生的费用免去患者的支付操作。但此类服务完全依赖金融风控的评价结果,没有针对性采集医疗机构和医疗保障部门的相关数据进行综合信用评价。并且只针对特定人群进行授信,对于申请人的年龄、收入、职业等条件有严格的要求,覆盖人群有限。另外该类服务也没有限定在医疗场景下使用。
也就是说,现有技术中基于金融风控授信的医疗数据处理方法,虽然实现了“先看病、后付费”的服务模式,但无法实现真正意义上的信用医疗,具有一定的局限性。
因此,提供一种基于医保数据授信的基于授信的医疗数据处理方法、装置、电子设备及介质,能够最大程度的规避医疗诚信风险(如骗保、违规提取等),具有较高的实用价值和意义。
发明内容
针对现有技术存在的问题,本发明实施例提供一种基于授信的医疗数据处理方法、装置、电子设备及介质。
本发明提供一种基于授信的医疗数据处理方法,应用于医疗系统,包括:
接收患者的就诊信息,提取得到医疗费用;
判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
根据本发明提供的一种基于授信的医疗数据处理方法,所述医保数据包括人员ID、人员类别、年龄、最大缴费基数、最近连续缴费月份、累计缴费月份、账户总收入、账户总支出、账户余额、累计就医次数、累计就医总费用、累计就医统筹费用以及累计就医个人负担费用中的任一种或任多种组合。
根据本发明提供的一种基于授信的医疗数据处理方法,所述第一信用额度为医疗保险机构授信给所述患者的信用额度。
根据本发明提供的一种基于授信的医疗数据处理方法,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
判断医疗费用是否大于第一信用额度:
若医疗费用不大于第一信用额度,则生成就诊继续指令;
若医疗费用大于第一信用额度,则生成就诊暂停指令。
根据本发明提供的一种基于授信的医疗数据处理方法,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
确定医疗费用不大于第一信用额度,生成就诊继续指令;
确定医疗费用大于第一信用额度,判断医疗费用大于第一信用额度的部分是否超出第二信用额度:
若未超出,则生成就诊继续指令;
若超出,则生成就诊暂停指令;
所述第二信用额度为担保机构授信给所述患者的信用额度。
根据本发明提供的一种基于授信的医疗数据处理方法,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度。
根据本发明提供的一种基于授信的医疗数据处理方法,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度与第二信用额度的和。
本发明还提供一种基于授信的医疗数据处理装置,包括接收模块和判断模块;
所述接收模块能够接收患者的就诊信息,提取得到医疗费用;
所述判断模块能够判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于授信的医疗数据处理方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于授信的医疗数据处理方法的步骤。
本发明提供的基于授信的医疗数据处理方法、装置、电子设备及介质,通过医保数据授信得到第一信用额度,并基于第一信用额度进行基于授信的医疗数据处理,能够覆盖更为广泛的人群、最大程度的规避医疗诚信风险(如骗保、违规提取等)、真正实现信用医疗服务,具有风险管理更为精准全面、开放性和扩展性强的有益效果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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是本发明提供的基于授信的医疗数据处理方法的流程示意图;
图2是本发明实施例提供的信用医疗门诊部分的流程示意图;
图3是本发明实施例提供的信用医疗住院部分的流程示意图;
图4是本发明实施例提供的信用就医额度的示意图;
图5是本发明提供的基于授信的医疗数据处理装置的结构示意图;
图6是本发明提供的电子设备的结构示意图。
附图标记:
1:接收模块; 2:判断模块; 610:处理器;
620:通信接口; 630:存储器; 640:通信总线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图4描述本发明的基于授信的医疗数据处理方法。
如图1所示,本发明实施例提供一种基于授信的医疗数据处理方法,应用于医疗系统,包括:
步骤100,接收患者的就诊信息,提取得到医疗费用;
步骤200,判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
本实施例中,所述第一信用额度为医疗保险机构授信给所述患者的信用额度。
应用本实施例方法后,医疗系统能够支持先诊疗后付费的医疗服务,这种服务可以基于如下流程实现。
执行本实施例方法前开通信用医疗服务,并将先诊疗后付费作为默认选项,即患者就医时,无额外操作的情况下,在就医结束前不需结算费用(除非就医费用超出信用额度)。
如图2示出的,开通信用医疗服务后,参保人在门诊就医时,如果医生开的诊疗项目中个人支付部未超出信用医疗额度,参保人无需排队缴费,直接进行取药、检验、检查等医疗服务,参保人在就医结束后,结清个人支付部分金额即可。
如图3示出的,开通信用医疗服务后,参保人不用缴纳住院押金可直接住院治疗,在住院就医期间,如果医生开的诊疗项目中个人支付部分未超出信用医疗额度,参保人无需支付任何费用,直接进行各项医疗服务项目,当个人支付部分超出信用额度时,参保人才需支付费用才能继续后续治疗。参保人出院时,结清个人支付部分金额即可。在信用医疗服务执行过程中,医保局有权根据信用预警情况终止信用医疗服务。
值得说明的是,图2和图3示出的流程仅仅是可选的流程之一。例如关于信用额度判断的步骤,既可以采用图2和图3中示出的,包括两个信用额度,即第一信用额度和第二信用额度的两次判断;又可以采用基于两个信用额度相加后进行的单次判断;还可以排除第二信用额度,仅采用第一信用额度做单次判断。
信用医疗服务的开通可以基于如下方式实现。
医保参保人首先通过APP、公众号或网站等渠道凭借就诊卡(或电子医保卡)签订《“先看病、后付费”信用医疗服务协议书》,也可在医院就医时在工作人员的指导下签订。
医保局根据参保人既往参保、就医信息结合征信记录基于信用医疗模型对参保人的征信和履约能力进行综合评估计算信用医疗信用积分并制定和出台信用医疗准入规则,信用额度根据信用积分实行多档分级授信。
《“先看病、后付费”信用医疗服务协议书》签订生效后,参保人在就医时即可使用信用医疗额度,享受“先看病、后付费”服务,信用医疗额度是指在就医过程中扣除医保支付外个人支付部分可以使用的金额。信用医疗包括门诊信用医疗和住院信用医疗。
本实施例的有益效果在于:
通过医保数据授信得到第一信用额度,并基于第一信用额度进行基于授信的医疗数据处理,能够覆盖更为广泛的人群、最大程度的规避医疗诚信风险(如骗保、违规提取等)、真正实现信用医疗服务,具有风险管理更为精准全面、开放性和扩展性强的有益效果。
根据上述实施例,在本实施例中:
所述医保数据包括人员ID、人员类别、年龄、最大缴费基数、最近连续缴费月份、累计缴费月份、账户总收入、账户总支出、账户余额、累计就医次数、累计就医总费用、累计就医统筹费用以及累计就医个人负担费用中的任一种或任多种组合。
本实施例中,第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的,关于本实施例信用医疗模型(下称信用医疗评价模型)的具体说明如下。
基于对信用医疗业务目标及规划原则,通过对医保经办元数据进行清洗筛查、数据探索分析、特征提取完成数据重构和结构化,再对结构化的数据进行多维分析、规则梳理;同时,根据政策和风险控制标准,针对不同人群的履约能力进行甄别和归类,评估其履约能力和风险概率,构建信用医疗评价模型。在本方案中,运用“规则+模型”的方法,以政策为出发点和依托点,划定基本的服务覆盖和风险控制线,并通过模型和数据持续完善,对服务对象进行精准画像,实现服务的多层次与弹性延展,并合理控制风险程度。
信用医疗模型依赖的数据基础来源于医保经办数据,包括个人基本信息、医保缴费信息、账户信息、就诊信息和医保费用结算信息共五大类。另外,更加服务需要,可以引入外部第三方征信数据。依照如下规则和算法建立信用医疗评价模型:
1、信用医疗门槛规则
从覆盖度、风险控制适度匹配出发,结合信用医疗业务特征,以医保经办数据的分析与探索结果为基础,将缴费基数、账户总收入、累计缴费金额、账户余额和最近连续缴费月份作为参保人信用医疗门槛的准入维度。例如,通过对某省医保数据的分析,职工享受信用医疗的门槛规则定为连续缴费满三个月,可覆盖86%以上的参保人;居民享受信用医疗的门槛规则定为连续缴费满一年,可覆盖92%以上的参保人。
2、信用医疗标准额度
针对近三年度参保人就诊信息和医保费用结算信息进行分析,统计出不同医疗统筹类别和医疗费用项的次均费用,并以此设定信用医疗的标准额度。例如,建议某省职工和居民门诊标准额度分别设为400元和200元,可覆盖90%以上的参保人门诊就医;门诊特殊病种标准额度分别为700元和1800元,可覆盖90%以上的参保人门诊特殊病种就医;住院标准额度分别设为1.66万元和1.13万元,可覆盖80%以上的参保人住院就医。
3、信用医疗评分模型
在“广泛覆盖、风险可控”基础上,为了满足“多层次、有序化”信用医疗体系的构建,就此在既有历史数据分析基础上,结合业务关键维度,以及信用医疗的业务实际场景,对人群进行评价标识,并结合业务关键维度和相关变量的关联设定,设计信用评分模型,以根据对不同履约能力和履约意愿人群进行多层、联动的信用医疗额度分级管理。以满足多元化医疗消费需求,实现风险的切实可控。信用医疗评分模型的构建和使用包括以下步骤:
(1)数据准备
数据准备包括数据清理、特征选择和变量转换。数据清理需要基于业务理解对数据进行正确解读,旨在消除异常数据,包含替换、修改或删除缺失与异常数据。
特征选择为评分模型提供一系列候选变量作为评分因子。变量选择能够剔除与目标变量不相关的特征,避免特征冗余,同时保证变量的可解释性。变量选择不限于已有数据维度,可以根据业务知识增加尽可能多的有意义的变量。
变量转换包括哑编码、变量分箱和证据权重转换。哑编码是将类别型变量转换为0-1示性向量。变量分箱,即变量离散化,适用于连续变量和具有高基数的离散变量。离散化最重要的作用是增加模型的鲁棒性,提高模型的泛化能力。变量分箱需要综合考虑业务经验和风险信息损失。同时,为了模型健壮性,每个分箱应该包含来自总体的足够样本(建议最小值为5%)。证据权重(WOE)转换是用风险值替代每个变量分箱,能给反应自变量的取值与因变量之间的关系,有利于对变量的每个分箱进行评分。
(2)模型训练
模型训练选择逻辑回归模型。在模型训练过程中,根据模型拟合结果,不断回溯迭代特征选择、变量转换等步骤,确保模型候选变量是有价值的。优选的候选变量是具有较高信息值的变量,与因变量具有线性关系,在所有类别中具有良好的覆盖率,具有正态分布,包含显著的总体贡献,并且与业务相关。
模型转化是根据业务需要将信用评分调整到业务所需比例。基本原理如下,将用户违约概率表示为p,则正常的概率为1-p。由逻辑回归的基本原理可得:
定义用户违约的相对概率为比率odds,即
则有
log(odds)=θTx
信用评分的分值可以定义为比率对数的线性表达来,即
Score=A-B×log(odds)
通常情况下,高分值代表低风险,低分值代表高风险。常数A、B的值可以通过如下假设确定:特定违约概率下的预期评分,即比率为odds0时的分数为Score0;违约概率翻倍的评分变动值。
信用评分模型的最终形式为
Score=A-B{θ0+θ1x1+···+θnxn}
其中,变量x1...xn是进入最终模型的评分因子。如果特征变量进行了证据权重转换,每个变量可以写成(θiωij)δij的形式。
(3)模型使用与扩展
信用评分为风险策略制订提供了基础。最常见和最简单的信用风险策略形式是基于接受或拒绝决策的一维截止。准入水平,即最低信用分数,可以是具有单个固定值的硬截止,或者可以通过多种处理(例如无条件接受,有条件接受或拒绝)具有可调整值。
类似地,信用额度也可以使用细分策略识别不同客户群,通过不同因素来执行分段,包括地区、人员类别、缴费基数等。策略的细分应该根据细分群体的风险承担水平,典型的风险策略如保持细分群体的大致相同的坏账率,从而受益于更好细分群体的高审批率;或者保持细分群体的相同审批率,从而降低更好细分群体的坏账率。
信用医疗业务上线运行之后,能够收集到用户的还款等行为数据,以此可以更准确及时地预测用户的风险变化,信用模型也会更加完善。用户行为数据为动态预测用户违约概率提供了基础,行为数据包括额度使用数据(频次、额度等)、还款行为数据(及时性、还款额等)。
随着医疗消费需求的增长,对于超出个人医保支付的覆盖范畴,可以接入外部数据,对应多层需求及风险控制,包括家庭共济方案、引入第三方(银行、保险)征信等。通过“规则+模型”的策略,以及“医保数据因子为基础,外部第三方征信数据因子为扩展,以医疗消费额度的变化进行变量调整”的模型设计原则,实现“覆盖广泛、风险可控、多层次满足,有序化发展的信用医疗体系”建设目标。
具体地,本实施例提供一种可行的信用医疗模型如下。
根据对某省医保数据资源中心的数据分析可知,与医保信用就医履约能力相关的信息主要归类分为:个人基本信息、医保缴费信息、账户信息、就诊信息和医保费用结算信息共五大类。
首先,按照业务理解对数据进行清理,消除其中的缺失值、异常值和错误值。随后为了满足数据分析和建模需要,采用抽取和计算等方式将原始医保信息数据进行整合和结化处理,建立参保人员信息表
其次,将参保人员信息表中的变量进行分箱,即转化为不同取值的区间。对于取值不多的变量,如人员类别,可以直接采用原取值;对于取值较多的离散变量,如年龄、缴费月份、就医次数等,可以按照业务经验按不同区间进行分箱,如年龄可以分为[0,18)、[18,25)、[25,45)、[45,60)、[60,inf)等;对于金额类变量,如余额、费用等,可以按照指数级增长分箱,如[0,100)、[100,1000)、[1000,10000)、[10000,inf)等。
然后,采用逻辑回归模型,以分箱后的变量为自变量拟合用户违约概率。将用户违约概率表示为p,自变量表示成向量x=[x1,x2,…,xn],其中xi即分箱后的变量,如年龄等,则根据逻辑回归的公式可得:
其中,θ=[θ1,θ2,...,θn]为模型拟合后的变量系数。
最后,根据业务需要将信用评分调整到业务所需比例。定义用户违约的相对概率为比率odds,即
则有
log(odds)=θTx
信用评分的分值可以定义为比率对数的线性表达来,即
Score=A-B×log(odds)
通常情况下,高分值代表低风险,低分值代表高风险。常数A、B的值可以通过如下假设确定:特定违约概率下的预期评分,即比率为odds0时的分数为Score0;违约概率翻倍的评分变动值。如假设odds=5%时的信用评分为60分,odds=10%是信用评分减20分。即有
60=A-B×log(0.05)
60-20=A-B×log(0.1)
计算可得,A=-25.71,B=28.57。
信用评分模型的最终形式为
Score=A-B{θ0+θ1x1+···+θnxn}
其中,变量x1,x2,…,xn是进入最终模型的评分因子。信用评分也可以表示成如下的表格形式。
本实施例的有益效果在于:
一是本实施例将信用支付内嵌到原有医疗支付流程之中,实现真正“先诊疗、后付费”的信用医疗服务模式。在某些地区和医疗机构采用的信用医疗服务模式,是在原有医疗支付流程中,调用第三方的支付手段及信用评价体系,完成信用医疗服务。而本实施例在医疗服务流程之中基于医保数据的信用评价完成信用医疗服务,不依赖于外部或第三方的服务,实现真正信用医疗服务模式。
二是本实施例的覆盖人群更为广泛。依赖第三方服务的模式,只针对特定人群进行授信,比如拥有信用卡的人群,对于申请人的年龄、收入、职业等条件有严格的要求,覆盖人群有限。而本实施例由于是基于医保数据,几乎可以覆盖所有就医人群。
三是本实施例的风险管理更全面精准。本实施例的信用评价模型所依赖的数据基础都来自于医疗服务的整个闭环流程之中,与依赖第三方服务的模式相比,能够全面掌握服务对象的风险特征,更加准确地了解服务对象的风险偏好,从而实施更加全面精准的风险服务和管理。
根据上述任一实施例,在本实施例中提供两种数据判断方法,具体如下。
第一种数据判断方法基于医保机构的授信实现,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
判断医疗费用是否大于第一信用额度:
若医疗费用不大于第一信用额度,则生成就诊继续指令;
若医疗费用大于第一信用额度,则生成就诊暂停指令。
基于第一种数据判断方法,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度。
第二种数据判断方法基于医保机构和担保机构的双重授信实现,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
确定医疗费用不大于第一信用额度,生成就诊继续指令;
确定医疗费用大于第一信用额度,判断医疗费用大于第一信用额度的部分是否超出第二信用额度:
若未超出,则生成就诊继续指令;
若超出,则生成就诊暂停指令;
所述第二信用额度为担保机构授信给所述患者的信用额度。
基于第二种数据判断方法,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度与第二信用额度的和。
本实施例中,担保机构可选为银行。
本实施例的有益效果在于:
本实施例的信用医疗评价模型开放性和扩展性强。在本实施例以医保数据为基础风险因子,可以根据需要引入外部第三方征信数据作为扩展因子,满足多层次的服务需要。
根据上述任一实施例,在本实施例中:
本实施例将信用支付内嵌到原有医疗支付流程之中,从根本上改变了现有医疗支付的服务流程,实现真正“先诊疗、后付费”的信用医疗服务模式。并且基于医保信息数据,提供了信用医疗评价模型,运用“规则+模型”的方法,以政策为出发点和依托点,划定基本的服务覆盖和风险控制线,并通过信用医疗评分模型,对服务对象进行精准画像,实现服务的多层次与弹性延展,并合理控制风险程度。本实施例包括以下内容:
1、信用医疗服务开通,即信用医疗服务的开通流程。
2、信用医疗使用流程,包括信用医疗在门诊和住院诊疗过程中的使用。
3、信用医疗额度管理,包括额度初始化、额度调整、额度增减等。
4、信用医疗评价模型,以医保数据为基础,根据政策和风险控制标准,针对不同人群的履约能力进行甄别和归类,评估其履约能力和风险概率。
其中,1、2、4的内容可以参照前述实施例。
信用医疗额度管理部分请参见图4,在信用医疗服务执行过程中,医保局根据个人信息、履约情况、第三方信息等对信用医疗额度进行管理。信用医疗额度管理包括额度初始化、额度调整、额度减少、额度恢复、额度提升、额度降低、额度冻结、额度解冻。各项内容如下:
额度初始化:医保局通过参保人基本信息、既往就诊记录和医保结算等信息,通过信用医疗模型计算参保人的初始化基础信用医疗额度。
额度调整:预警模型会根据参保人的实时数据进行风险测算,一旦发现风险系统将自动发出预警提示相关方进行额度的调整。
额度减少:参保人在启用信用医疗额度后,在医院就医过程中发生个人支付的费用将自动扣减信用医疗额度。
额度恢复:当参保人就医结束或信用医疗额度使用超额时,参保人在规定的时间内结清个人支付部分的医疗费用,额度会自动恢复。
额度提升:参保人在使用信用医疗额度就医时,信用医疗履约情况良好,会提升个人信用,从而提升信用医疗额度。参保人也可以通过提交补充个人的资产信息和关联绑定家庭成员信息来提升个人的信用医疗额度。
额度降低:参保人在使用信用医疗额度就医时,信用医疗出现违约情况,会降低个人信用,从而降低信用医疗额度。
额度冻结:参保人在使用信用医疗额度就医时,如果出现违约情况将冻结信用医疗额度。当信用医疗预警模型发现参保人有重大失信或不良行为事件时也会冻结信用医疗额度。
额度解冻:因额度超出冻结情况,参保人只需按时结清个人支付部分的金额即可解除信用医疗额度的冻结。因信用医疗预警模型冻结情况,参保人可以进行申述,核查后可以解除信用医疗额度的冻结。
本实施例的有益效果在于:
通过医保数据授信得到第一信用额度,并基于第一信用额度进行基于授信的医疗数据处理,能够覆盖更为广泛的人群、最大程度的规避医疗诚信风险(如骗保、违规提取等)、真正实现信用医疗服务,具有风险管理更为精准全面、开放性和扩展性强的有益效果。
下面对本发明提供的基于授信的医疗数据处理装置进行描述,下文描述的基于授信的医疗数据处理装置与上文描述的基于授信的医疗数据处理方法可相互对应参照。
本发明实施例还提供一种基于授信的医疗数据处理装置,包括接收模块1和判断模块2;
所述接收模块1能够接收患者的就诊信息,提取得到医疗费用;
所述判断模块2能够判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
本实施例的有益效果在于:
通过医保数据授信得到第一信用额度,并基于第一信用额度进行基于授信的医疗数据处理,能够覆盖更为广泛的人群、最大程度的规避医疗诚信风险(如骗保、违规提取等)、真正实现信用医疗服务,具有风险管理更为精准全面、开放性和扩展性强的有益效果。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行基于授信的医疗数据处理方法,该方法包括:接收患者的就诊信息,提取得到医疗费用;判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作。
此外,上述的存储器630中的逻辑指令可以通过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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的基于授信的医疗数据处理方法,该方法包括:接收患者的就诊信息,提取得到医疗费用;判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的基于授信的医疗数据处理方法,该方法包括:接收患者的就诊信息,提取得到医疗费用;判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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)
1.一种基于授信的医疗数据处理方法,其特征在于,应用于医疗系统,包括:
接收患者的就诊信息,提取得到医疗费用;
判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
2.根据权利要求1所述的基于授信的医疗数据处理方法,其特征在于,所述医保数据包括人员ID、人员类别、年龄、最大缴费基数、最近连续缴费月份、累计缴费月份、账户总收入、账户总支出、账户余额、累计就医次数、累计就医总费用、累计就医统筹费用以及累计就医个人负担费用中的任一种或任多种组合。
3.根据权利要求1所述的基于授信的医疗数据处理方法,其特征在于,所述第一信用额度为医疗保险机构授信给所述患者的信用额度。
4.根据权利要求1至3中任一项所述的基于授信的医疗数据处理方法,其特征在于,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
判断医疗费用是否大于第一信用额度:
若医疗费用不大于第一信用额度,则生成就诊继续指令;
若医疗费用大于第一信用额度,则生成就诊暂停指令。
5.根据权利要求1至3中任一项所述的基于授信的医疗数据处理方法,其特征在于,所述判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作的步骤包括:
确定医疗费用不大于第一信用额度,生成就诊继续指令;
确定医疗费用大于第一信用额度,判断医疗费用大于第一信用额度的部分是否超出第二信用额度:
若未超出,则生成就诊继续指令;
若超出,则生成就诊暂停指令;
所述第二信用额度为担保机构授信给所述患者的信用额度。
6.根据权利要求4所述的基于授信的医疗数据处理方法,其特征在于,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度。
7.根据权利要求5所述的基于授信的医疗数据处理方法,其特征在于,生成就诊暂停指令后,所述基于授信的医疗数据处理方法还包括:
接收所述患者的缴费信息,生成就诊继续指令;所述缴费信息包括缴纳费用;所述医疗费用与缴纳费用的差小于等于第一信用额度与第二信用额度的和。
8.一种基于授信的医疗数据处理装置,其特征在于,包括接收模块和判断模块;
所述接收模块能够接收患者的就诊信息,提取得到医疗费用;
所述判断模块能够判断医疗费用是否大于第一信用额度,并根据判断结果执行预设的操作;
所述第一信用额度为利用所述患者的医保数据运行信用医疗模型得到的;所述信用医疗模型是利用医保数据样本训练得到的。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述基于授信的医疗数据处理方法的步骤。
10.一种非暂态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如权利要求1至7任一项所述基于授信的医疗数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699662.2A CN113450887A (zh) | 2021-06-23 | 2021-06-23 | 基于授信的医疗数据处理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699662.2A CN113450887A (zh) | 2021-06-23 | 2021-06-23 | 基于授信的医疗数据处理方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113450887A true CN113450887A (zh) | 2021-09-28 |
Family
ID=77812347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699662.2A Pending CN113450887A (zh) | 2021-06-23 | 2021-06-23 | 基于授信的医疗数据处理方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113450887A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067484A (ja) * | 2001-08-22 | 2003-03-07 | Dc Card Co Ltd | 診療費用等支払システム |
JP2006004404A (ja) * | 2004-05-18 | 2006-01-05 | Jcb:Kk | 医療費会計処理方法、医療費会計処理システム、会計スキップ端末 |
CN105930675A (zh) * | 2016-04-28 | 2016-09-07 | 镇江市第四人民医院 | 基于第三方个人信用的医保结算系统及其使用方法 |
CN107194679A (zh) * | 2017-05-22 | 2017-09-22 | 君晟合众(北京)科技有限公司 | 基于医保实时授信的在线信用支付系统及支付方法 |
CN107657536A (zh) * | 2017-02-20 | 2018-02-02 | 平安科技(深圳)有限公司 | 社保欺诈行为的识别方法和装置 |
CN110175910A (zh) * | 2019-05-31 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 处理授信服务请求的方法、装置和电子设备 |
CN110957024A (zh) * | 2019-10-25 | 2020-04-03 | 卫宁健康科技集团股份有限公司 | 一种医疗信用评估方法、装置及存储介质 |
-
2021
- 2021-06-23 CN CN202110699662.2A patent/CN113450887A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067484A (ja) * | 2001-08-22 | 2003-03-07 | Dc Card Co Ltd | 診療費用等支払システム |
JP2006004404A (ja) * | 2004-05-18 | 2006-01-05 | Jcb:Kk | 医療費会計処理方法、医療費会計処理システム、会計スキップ端末 |
CN105930675A (zh) * | 2016-04-28 | 2016-09-07 | 镇江市第四人民医院 | 基于第三方个人信用的医保结算系统及其使用方法 |
CN107657536A (zh) * | 2017-02-20 | 2018-02-02 | 平安科技(深圳)有限公司 | 社保欺诈行为的识别方法和装置 |
CN107194679A (zh) * | 2017-05-22 | 2017-09-22 | 君晟合众(北京)科技有限公司 | 基于医保实时授信的在线信用支付系统及支付方法 |
CN110175910A (zh) * | 2019-05-31 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 处理授信服务请求的方法、装置和电子设备 |
CN110957024A (zh) * | 2019-10-25 | 2020-04-03 | 卫宁健康科技集团股份有限公司 | 一种医疗信用评估方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200258630A1 (en) | Systems and methods of managing payments that enable linking accounts of multiple guarantors | |
US6253186B1 (en) | Method and apparatus for detecting fraud | |
US8229770B2 (en) | Healthcare claims loss control systems and methods | |
US5926800A (en) | System and method for providing a line of credit secured by an assignment of a life insurance policy | |
US10445844B2 (en) | System and method for detecting, profiling and benchmarking intellectual property professional practices and the liability risks associated therewith | |
CN111192131A (zh) | 金融风险预测方法、装置和电子设备 | |
US20060206438A1 (en) | Auction system and system of forming investment trust and financial products and funds including viatical and life settlement | |
JP2008517405A (ja) | 取引成立促進方法及びシステム | |
MXPA01008622A (es) | Evaluacion rapida de portafolios de activos tales como instrumentos financieros. | |
CN110264221A (zh) | 一种针对服务商行业的全链路安全业务联合解决方案 | |
CN112598500A (zh) | 一种无额度客户的授信处理方法及系统 | |
Helble et al. | Transparency & trade facilitation in the Asia Pacific: Estimating the gains from reform | |
US7188119B2 (en) | Entitlements administration | |
US10121192B2 (en) | Electronic system for healthcare insurance accounts receivable and patient financing | |
US11663662B2 (en) | Automatic adjustment of limits based on machine learning forecasting | |
US20190355052A1 (en) | Electronic System for Financing Healthcare Treatment | |
League | Administrative burden and consolidation in health care: Evidence from medicare contractor transitions | |
CN109409648A (zh) | 理赔风控方法、装置、计算机设备及存储介质 | |
US20230386650A1 (en) | Enterprise computer system for medical data processing | |
CN113450887A (zh) | 基于授信的医疗数据处理方法、装置、电子设备及介质 | |
CN114154682A (zh) | 一种客户贷款收益率等级预测方法及系统 | |
US20090299768A1 (en) | Apparatus and method for predicting healthcare revenue cycle outcomes and controlling work flow | |
CN110135973A (zh) | 一种基于im的智能授信方法及智能授信装置 | |
CN117475231A (zh) | 针对客户金融资产的监管方法及装置、电子设备 | |
SONNENSTUHL et al. | A DENIAL A DAY KEEPS THE DOCTOR AWAY ABE DUNN JOSHUA D. GOTTLIEB ADAM HALE SHAPIRO |
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 |