CN113626488A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113626488A CN113626488A CN202110890016.4A CN202110890016A CN113626488A CN 113626488 A CN113626488 A CN 113626488A CN 202110890016 A CN202110890016 A CN 202110890016A CN 113626488 A CN113626488 A CN 113626488A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- detected
- screening
- configuration
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 123
- 238000013500 data storage Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 19
- 201000010099 disease Diseases 0.000 claims description 66
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 66
- 239000003814 drug Substances 0.000 claims description 49
- 238000007689 inspection Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 229940079593 drug Drugs 0.000 claims description 13
- 230000001575 pathological effect Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 230000007170 pathology Effects 0.000 claims description 4
- 238000012550 audit Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 208000029078 coronary artery disease Diseases 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 4
- 229960001138 acetylsalicylic acid Drugs 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 229930182555 Penicillin Natural products 0.000 description 2
- JGSARLDLIJGVTE-MBNYWOFBSA-N Penicillin G Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)CC1=CC=CC=C1 JGSARLDLIJGVTE-MBNYWOFBSA-N 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 229940049954 penicillin Drugs 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 208000001871 Tachycardia Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 208000006218 bradycardia Diseases 0.000 description 1
- 230000036471 bradycardia Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000006794 tachycardia Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种数据处理方法、装置、电子设备及存储介质，该方法包括：读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。本发明实施例的技术方案，实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
目前，在监控或审核用户的医保使用情况时，医院或者药店通常需要先向医保局的系统上传用户的医保使用数据，系统接收到数据后，再由工作人员以人工的方式对这些数据进行监控或审核，例如，工作人员可以检查某一用户在特定时间段内医保的刷卡次数，进而判断该用户的医保卡使用次数是否符合规定。然而，人工审核的方式需要工作人员对系统所接收的用户数据逐条审核，不仅速度较慢，重复性的检查判断工作也降低了医保审核的效率，同时，人工审核的方式容易出现错漏。
因此，相关技术提供的方案中，以人工的方式审核用户医保使用情况速度慢、效率低，排查规则比较简单且易出错。
发明内容
本发明提供一种数据处理方法、装置、电子设备及存储介质，实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度。
第一方面，本发明实施例提供了一种数据处理方法，该方法包括：
读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；
根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；
如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
第二方面，本发明实施例还提供了一种数据处理装置，该装置包括：
待检测数据读取模块，用于读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；
筛选模块，用于根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；
输出模块，用于如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的数据处理方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的数据处理方法。
本发明实施例的技术方案，先读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据，从而确定出各个用户的医保使用情况，再根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果，如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出，实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度，同时，通过配置项的比对筛选实现了对医保骗保情况的多维度预警，提高了系统的智能度。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1为本发明实施例一所提供的一种数据处理方法的流程示意图；
图2为本发明实施例二所提供的一种数据处理方法的流程示意图；
图3为本发明实施例三所提供的一种数据处理方法的流程示意图；
图4为本发明实施例四所提供的一种数据处理方法的流程示意图；
图5为本发明实施例五所提供的一种数据处理装置的结构框图；
图6为本发明实施例六所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种数据处理方法的流程示意图，本实施例可适用根据配置项和配置数据对用户的待检测数据进行检测的情况，尤其适用于根据医保使用规则对用户的医保使用情况进行审核的场景，该方法可以由数据处理装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，如移动终端、PC端或服务器等。
如图1所示，该方法具体包括如下步骤：
S110、读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据。
其中，数据存储系统可以是由存放多种类型数据的存储设备、控制部件以及管理信息调度的设备和算法所组成的系统，对于医保系统来说，可以是部署在医保局中的、用于存放用户个人信息以及用户在医保使用过程中产生的数据的服务器。
进一步的，在数据存储系统中存储的数据与各个用户相对应，可以是用户的个人信息，如，用户的姓名、性别、年龄等，还可以是用户基于特定操作所产生的数据，如，用户使用自己的医保卡每次刷卡就医或购买药品时产生的数据。可以理解，在本实施例中，为了使系统自动执行数据检测操作，数据存储系统中与用户相对应的一条或多条上述示例中的数据即可作为待检测数据。
在本实施例中，既可以全部读取数据存储系统中的数据，也可以按照预先设置的读取规则读取特定范围内的数据，例如，在存储医保相关数据的服务器中，读取特定时间段内用户使用医保而产生的数据，本领域技术人员应当理解，具体的读取规则可以根据实际情况进行选择，本公开实施例在此不做具体的限定。
S120、根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果。
其中，配置项可以是特定的项目或参数，例如，针对于医保系统数据库中的数据，配置项可以是数据库中的药品名称，在这一项目中，记录着用户每次使用医保卡购买药品时所对应的药品名称，配置项还可以是用户在使用医保卡消费的过程中累计的年度消费金额。在本实施例中，配置项可以预先设置一个或多个，也即是说，可以选数据存储系统中部分项目或参数作为配置项，也可以将所读取的全部数据对应的项目或参数作为配置项，本公开实施在此不做具体的限定。
在本实施例中，配置项所对应的数据即是配置数据，用于和读取的样本值 (即读取的与每个用户相对应的至少一条待检测数据)进行比对。继续以上述示例进行说明，针对于医保系统数据库中的药品名称这一配置项，配置数据可以是处于医疗保险报销范围内的药品名称，如青霉素、阿司匹林，针对于医保系统数据库中年度消费金额这一配置项，配置数据可以是“20万”这一具体的参数值。
在本实施例中，配置项和配置数据共同作为用户待检测数据的数据筛选依据，可以理解，对于读取的与配置项相对应的待检测数据来说，配置数据即是比对和判断的标准，得到的结果即是筛选结果。
具体来说，数据筛选过程可以是字段的匹配，还可以将具体的参数值作为阈值进行判断。示例性的，当配置项为医保系统数据库中的药品名称、配置数据为青霉素和阿司匹林时，从读取的待检测数据中确定用户某次使用医保卡消费的药品为处于医疗保险报销范围以外的保健类药品，基于用户的此条消费记录，可以通过药品名称字段匹配的方式确定该保健类药品作为筛选结果；当配置项为医保系统数据库中的年度消费金额、配置数据为“20万”这一具体的参数值时，从读取的待检测数据中确定用户一年内医保累计消费1万元，将配置数据作为上限值，通过数值比对可以确定该用户的医保卡使用情况符合医保刷卡规章制度，无需抽取具体的消费数值，进而在筛选结果中不会输出内容。
需要说明的是，在对待检测数据进行检测时，既可以选择一组配置项和配置数据作为筛选依据，也可以选择多组配置项和配置数据作为筛选依据，基于此，不仅实现了对单一项目或参数的检测，也可以得到多维度的数据筛选结果。
S130、如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出。
在本实施例中，如果基于待检测数据、配置项以及配置数据得到筛选结果后，还要将筛选结果以及与筛选结果相对应的目标用户输出，以此实现处理结果的可视化，也便于工作人员基于筛选结果对目标用户做进一步处理。可以理解，与筛选结果中的数据对应的用户即是目标用户。
示例性的，对于医保系统来说，通过药品名称字段匹配的方式，确定出某位用户利用医保卡购买某保健类药品后，可以将待检测数据中该保健类药品的药品名称作为筛选结果，同时，该用户即是与上述保健类药品相对应的目标用户，将筛选结果和目标用户输出后，即为工作人员自动确定出违规使用医保卡的用户，同时也帮助工作人员确定出该用户具体的违规使用情况，便于工作人员针对该用户的医保卡做进一步处理。
本实施例的技术方案，先读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据，从而确定出各个用户的医保使用情况，再根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果，如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出，实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度，同时，通过配置项的比对筛选实现了对医保骗保情况的多维度预警，提高了系统的智能度。
实施例二
图2为本发明实施例二所提供的一种数据处理方法的流程示意图，在前述实施例的基础上，基于存储链接中的读取权限读取对应的数据，保证了数据库的安全性；基于多维度的配置项和配置数据对用户的待检测数据进行筛选，提高了系统自动审核用户医保使用情况过程中的自由度和智能度，有效避免了医保骗保的问题。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。
如图2所示，该方法具体包括如下步骤：
S210、当接收到数据筛选指令时，获取与数据存储系统相对应的存储链接，以基于存储链接读取数据存储系统中存储的、且与每个用户相对应的至少一条待检测数据。
其中，数据筛选指令可以是工作人员通过特定的控件向系统下发的指令，系统接收到数据筛选指令时，即可获取数据存储系统中对应的数据存储链接，例如服务器中数据的统一资源定位符(Uniform resource locator，URL)形式的存储地址。
进一步的，在存储链接中包括数据读取权限，基于数据读取权限可以对标记有特定标识、或用户待检测数据中某一参数处于特定范围内的数据进行读取，例如，对于存储医保相关数据的服务器来说，系统获取到数据的存储链接后，基于存储链接中携带的数据读取权限，可以仅读取用户在今年1月至3月的医保使用数据。可以理解，通过预设数据读取权限，可以使系统读取数据存储系统中的特定数据，有利于数据的安全性。
S220、根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果。
在本实施例中，配置项包括检查和检验项目，与检验项目相对应的配置数据包括病症检查数据，以及与病症检查数据相关的病理检验数据。其中，对于医保系统来说，检查和检验项目可以是医保刷卡规章制度中所包括的、通过医学手段和方法对用户身体进行检查的项目，基于此，与这些项目对应的配置数据即是病症检查数据以及相关的病理检验数据，例如，心脑电图的检查、X光透视检查、核磁共振，以及医保刷卡规章制度中规定的、可以通过医保接受上述各检查项目的疾病的名称。
当配置项以及配置数据为上述内容时，可选的，确定与每个用户相关联的至少一条待检测数据的字段值；确定与检查和检验项目相对应的目标字段值；根据病症检查数据和病理检验数据，对目标字段值对应的各待检测数据进行筛选处理。
在本实施例中，为了以较高的效率执行数据检测，可以先在读取的待检测数据中确定出字段值，再从中确定出与检查和检验项目对应的目标字段值，从而实现对待检测数据的预处理。可以理解，所确定的目标字段值至少用于与配置数据中的病症检查数据和病理检验数据进行比对。
示例性的，配置项为检查和检验项目，配置数据为心电图检查，以及心电图检查对应的心动过缓、心动过速、冠心病三个疾病。同时，在某些用户的待检测数据中，确定出数据中与检查和检验项目对应的目标字段值，当通过字段值匹配确定这些用户通过医保接受心电图检查后，则需要进一步确定这些用户所患的疾病，当确定出部分用户所患疾病为冠心病，即，病理检验数据与配置数据相匹配时，则判定上述部分用户本次的医保使用符合规定，同时，将未患有上述疾病却通过医保接受心电图检查的其他用户的信息，以及与配置数据不匹配的内容作为筛选结果进行输出。
通过对检查和检验项目的检测，可以确定出接受报销范围以外的检查检验、并通过医保卡消费的用户，同时确定出该用户违规使用医保时具体接受的检查检验项目。
在本实施例中，配置项还包括疾病类型和药剂类型，与疾病类型相对应的配置数据包括疾病名称，以及与疾病名称相对应的限额，与药剂类型相对应的配置数据包括药剂名称，以及与药剂名称相对应的数量。其中，疾病名称可以是医保刷卡规章制度中规定的处于报销范围内的疾病，相对应的限额即是该疾病报销数额的上限，同理，药剂名称可以是医保刷卡规章制度中规定的处于报销范围内的药品，相对应的数量即是固定时间段内购买该药品的数量上限。
当配置项以及配置数据为上述内容时，可选的，根据各用户的待检测数据，确定与配置项中与疾病类型以及药剂类型相对应的目标待处理数据；根据疾病名称以及与疾病名称对应的限额，对目标待处理数据进行筛选；以及，根据药剂名称以及与药剂名称对应的数量，对目标待处理数据进行筛选。
示例性的，配置项为疾病类型和药剂类型，配置数据为冠心病/20万、阿司匹林/每月3盒。同时，在某一用户的待检测数据中，确定出数据中与疾病类型和药剂类型对应的目标字段值，当通过字段值匹配确定出该用户在接受冠心病治疗期间医保累计消费为10万元，则判定该用户在治疗期间的医保使用符合规定；当确定出该用户每月通过医保消费阿司匹林30盒时，表明该用户购买配置数据中的特定药品时超出了医保规定的限额，系统会自动判定该用户在医保使用过程中出现违规状况，进而将该用户的信息以及与配置数据不匹配的内容作为筛选结果进行输出。
通过疾病类型和药剂类型的检测，可以确定出超限额使用医保的用户，同时确定出该用户超限额使用医保时所治疗的疾病或购买的药品。
在本实施例中，配置项还包括与疾病类型对应的医用品耗材类型；与医用品耗材类型相对应的配置数据包括与疾病名称对应的耗材名称以及数量。其中，医用耗材可以是用于诊断或治疗的消耗性器件设备，如，一次性注射器、心脏支架；同时，在医保刷卡规章制度中，用户针对特定疾病购买的医用耗材才处于报销范围，进一步的，与药剂数量限额相似，针对于各种疾病来说，各类型医用耗材也存在购买上限。
当配置项以及配置数据为上述内容时，可选的，根据各用户的待检测数据，确定与医用品耗材类型相匹配的目标字段，并确定与目标字段相对应的待处理数据和待处理用户；调取各待处理用户的实际疾病类型数据；根据实际疾病类型数据、待处理数据、配置数据中的疾病名称、耗材名称以及数量，对待处理用户的至少一条待检测数据进行筛选。
示例性的，配置项为与疾病类型对应的医用品耗材类型，配置数据为冠心病，以及与冠心病对应的标识为A的心脏支架，其购买数量限额为4个。同时，在某一用户的待检测数据中，确定出与疾病类型对应的医用品耗材类型的目标字段值，当通过字段值匹配出该用户在治疗冠心病期间通过医保消费的心脏支架数量为20个，表明该用户在购买该医用耗材时超出了医保规定的限额，系统自动判定出该用户在医保使用过程中出现违规状况，进而将该用户的信息以及与配置数据不匹配的内容作为筛选结果进行输出。
通过对与疾病类型对应的医用品耗材类型的检测，可以确定出违规采购医用耗材的用户，同时确定出该用户违规采购的耗材的名称以及数量。
需要说明的是，为了检测出用户违规使用医保的情况，对于不同的配置项来说，可以选择多种可用于字段匹配或阈值判定的数据作为配置数据，也即是说，配置数据除特定字段值和最高/最低限额之外，还可以是报销比例等数据，具体的配置数据可以根据医保刷卡规章制度中的内容进行选择，本公开实施例在此不做具体的限定。
在本实施例中，可以在一次数据检测过程中选择一组配置项和配置数据，也可以选择多组配置项和配置数据，通过对用户的待检测数据进行多维度的检测审核，提高了系统自动审核用户医保使用情况过程中的自由度和智能度，有效避免了医保骗保的问题。
S230、如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出。
本实施例的技术方案，基于存储链接中的读取权限读取对应的数据，保证了数据库的安全性；基于多维度的配置项和配置数据对用户的待检测数据进行筛选，实现了对医保系统中重点项目的监控，提高了系统自动审核用户医保使用情况过程中的自由度和智能度，有效避免了医保骗保的问题。
实施例三
图3为本发明实施例三所提供的一种数据处理方法的流程示意图，在前述实施例的基础上，根据预设的异常操作规则确定目标用户，或根据用户的风险标签确定目标用户，实现了对重点人员的监控，即，不仅自动确定出违规使用医保的用户，还确定出需要重点关注的用户。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。
如图3所示，该方法具体包括如下步骤：
S310、读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据。
S320、根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果。
S330、如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出。
S340、根据预先设置的异常操作规则，对各个用户的至少一条待检测数据进行筛选，以确定目标用户。
其中，异常操作规则中包括预设时长内的消费频次和/或金额大于相应的预设阈值。可以理解，具体的消费频次和预设阈值可以根据医保刷卡规章制度中的内容进行选择。
示例性的，预先设置的异常操作规则中，将单月医保消费次数超过6次，和/或单次医保消费超过200元的操作判定为异常操作。当读取多名用户在特定时间范围内的医保相关数据时，将上述两个上限值作为依据，对待检测数据中与医保消费频次和金额相对应的样本值进行判定，如果确定其中部分用户的医保使用记录不符合上述规定，则判定这些用户为目标用户，同时确定目标用户的医保消费属于异常操作。
S350、将读取的与每个用户相对应的待检测数据进行分类处理，得到与每个用户相对应的风险标签；如果用户的风险标签与预设风险标签相一致，则确定用户为目标用户，并显示目标用户和目标用户的待检测数据。
其中，风险标签不仅反映用户的个人信息，还表征用户在特定时间段内的医保使用特征，可以是字段的形式。在本实施例中，风险标签是通过对待检测数据进行分类处理得到的，通过用户的多个风险标签，可以得到该用户的人员风险画像，进而从整体上确定该用户是否存在骗保的情况，或是否属于骗保高风险用户。
具体的，可以先针对每个用户生成一个用户标识key，再基于机器学习算法对读取的每个用户的待检测数据进行处理，得到用户的个人信息标签、分享特征标签、就医特征标签、用药特征标签、费用特征标签以及疾病特征标签，通过上述多个维度的标签构建出用户的人员风险画像。例如，所得到的标识为1 的用户的标签为：老年人、就医频繁度普通、用药价格较高、费用较高。
进一步的，在系统中还预设有与人员风险画像进行比对的风险标签，继续以上述示例进行说明，预先设置用药价格较高和费用较高为用于比对的风险标签，而所确定的上述用户的人员风险画像中又包含上述两个风险标签，基于此，可以将该用户作为目标用户，即需要重点关注的对象，进一步的，在系统中特定的页面显示该目标用户及其对应的待检测数据。需要说明的是，系统中还可以预设反映违规使用医保的标签作为比对的风险标签(如，将“费用已超额”和/或“消费次数已超额”作为比对的风险标签)，以此确定出违规使用医保或骗保的用户，本领域技术人员应当理解，具体的设置规则根据实际情况进行选择，本公开实施例在此不做具体的限定。
S360、将目标用户和筛选结果发送至与数据存储系统相对应的业务方，以对业务方进行提示。
在本实施例中，确定出目标用户和筛选结果后，还可以将上述信息反馈至业务方，如，特定的医院或药店。具体的，可以预先设置表征待检测数据的标识与业务方之间对应关系的映射表，在得到筛选结果后，即可确定出筛选结果中数据的标识，进而通过查表的方式确定出与该数据对应的业务方，最后将目标用户和筛选结果向业务方进行反馈，以对业务方进行提示，对医保骗保的问题进行进一步处理。
需要说明的是，在本实施例中，基于异常操作规则筛选目标用户，以及根据用户风险标签确定目标用户的步骤并没有顺序上的严格限定，两种筛选方式可以独立地执行而互不影响。
本实施例的技术方案，根据预设的异常操作规则确定目标用户，或根据用户的风险标签确定目标用户，实现了对重点人员的监控，即，不仅自动确定出违规使用医保的用户，还确定出需要重点关注的用户；将目标用户和筛选结果向业务方进行反馈，有助于业务方及时处理某些用户违规使用医保的问题。
实施例四
作为上述实施例的一可选实施例，图4为本发明实施例四所提供的一种数据处理方法的流程示意图。为了清楚的介绍本实施例技术方案，可以以应用场景是根据医保使用规则对用户的医保使用情况进行审核的情形为例来介绍，但是不局限于上述场景，可以适用于各种需要数据处理的场景中。
参见图4，自动审核用户医保使用情况的系统可以是智慧医保飞检预警系统，在该系统内分为重点项目分析和重点人员分析两个模块。在执行检测前，系统可以根据分配的权限对医保局数据存储系统中的特定数据进行读取，从而确定出各用户至少一条待检测数据。
继续参见图4，对用户的待检测数据读取完毕后，在重点项目分析模块中，可以按照特定的配置项和配置数据对所读取的数据进行检测审核，配置项分别为检查和检验项目、诊疗服务、重点药品以及重点耗材。进一步的，通过智慧医保飞检预警系统可以自由设置预警条件，即与配置项对应的配置数据，可以理解，配置数据为医保刷卡规章制度中记载的处于报销范围以内的具体内容。配置完毕后，即可以批量并行的方式执行数据比对筛选操作，从而得到预警结果，确定出违规使用医保的目标用户，以及目标用户具体的违规内容，实现对重点项目的监控和预警。
继续参见图4，在重点人员分析模块中，可以先将所读取的用户的待检测数据进行导入，进而通过查询控件对待检测数据中的特定内容进行检索查询，并对人员名单进行维护。同时，还可以根据预先设置的异常操作规则，对各个用户的至少一条待检测数据进行筛选，从而确定目标用户，或者，将读取的与每个用户相对应的待检测数据进行分类处理，得到与每个用户相对应的风险标签；如果用户的风险标签与预设风险标签相一致，则确定用户为目标用户。进一步的，确定出目标用户之后，还可以将筛选出的与这些用户对应的数据进行输出，从而确定出其具体的违规内容，实现对重点人员的监控和预警。
上述技术方案的有益效果为：实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度，同时，通过配置项的比对筛选实现了对医保骗保情况的多维度预警，提高了系统的智能度。
实施例五
图5为本发明实施例五所提供的一种数据处理装置的结构框图，可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置具体包括：待检测数据读取模块410、筛选模块420、以及输出模块430。
待检测数据读取模块410，用于读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据。
筛选模块420，用于根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果。
输出模块430，用于如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
可选的，待检测数据读取模块410，还用于当接收到数据筛选指令时，获取与数据存储系统相对应的存储链接，以基于所述存储链接读取所述数据存储系统中存储的、且与每个用户相对应的至少一条待检测数据；其中，所述存储链接中包括数据读取权限。
在上述各技术方案的基础上，配置项包括检查和检验项目，与所述检验项目相对应的配置数据包括病症检查数据，以及与所述病症检查数据相关的病理检验数据。
在上述各技术方案的基础上，筛选模块420包括字段值确定单元、目标字段值确定单元以及筛选处理单元。
字段值确定单元，用于确定与每个用户相关联的至少一条待检测数据的字段值。
目标字段值确定单元，用于确定与所述检查和检验项目相对应的目标字段值。
筛选处理单元，用于根据所述病症检查数据和所述病理检验数据，对所述目标字段值对应的各待检测数据进行筛选处理。
在上述各技术方案的基础上，配置项还包括疾病类型和药剂类型，与所述疾病类型相对应的配置数据包括疾病名称，以及与疾病名称相对应的限额，与所述药剂类型相对应的配置数据包括药剂名称，以及与药剂名称相对应的数量。
在上述各技术方案的基础上，筛选模块420还包括目标待处理数据确定单元以及筛选单元。
目标待处理数据确定单元，用于根据各用户的待检测数据，确定与所述配置项中与所述疾病类型以及所述药剂类型相对应的目标待处理数据。
筛选单元，用于根据所述疾病名称以及与所述疾病名称对应的限额，对所述目标待处理数据进行筛选；以及，根据所述药剂名称以及与所述药剂名称对应的数量，对所述目标待处理数据进行筛选。
在上述各技术方案的基础上，配置项还包括与疾病类型对应的医用品耗材类型；与所述医用品耗材类型相对应的配置数据包括与疾病名称对应的耗材名称以及数量。
在上述各技术方案的基础上，筛选模块420还包括目标字段确定单元、实际疾病类型数据调取单元以及待检测数据筛选单元。
目标字段确定单元，用于根据各用户的待检测数据，确定与所述医用品耗材类型相匹配的目标字段，并确定与所述目标字段相对应的待处理数据和待处理用户。
实际疾病类型数据调取单元，用于调取各待处理用户的实际疾病类型数据。
待检测数据筛选单元，用于根据所述实际疾病类型数据、待处理数据、配置数据中的疾病名称、耗材名称以及数量，对所述待处理用户的至少一条待检测数据进行筛选。
在上述各技术方案的基础上，数据处理装置装置还包括目标用户确定模块、风险标签确定模块以及提示模块。
目标用户确定模块，用于根据预先设置的异常操作规则，对各个用户的至少一条待检测数据进行筛选，以确定目标用户；其中，异常操作规则中包括预设时长内的消费频次和/或金额大于相应的预设阈值。
风险标签确定模块，用于将读取的与每个用户相对应的待检测数据进行分类处理，得到与每个用户相对应的风险标签；如果用户的风险标签与预设风险标签相一致，则确定用户为目标用户，并显示所述目标用户和所述目标用户的待检测数据。
提示模块，用于将所述目标用户和筛选结果发送至与所述数据存储系统相对应的业务方，以对所述业务方进行提示。
本实施例所提供的技术方案，先读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据，从而确定出各个用户的医保使用情况，再根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果，如果筛选结果不为空，则将筛选结果以及与筛选结果相对应的目标用户输出，实现了对用户医保使用情况的自动化审核，提高了医保审核的效率和准确度，同时，通过配置项的比对筛选实现了对医保骗保情况的多维度预警，提高了系统的智能度。
本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
实施例六
图6为本发明实施例六所提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备60的框图。图6显示的电子设备60仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60以通用计算设备的形式表现。电子设备60的组件可以包括但不限于：一个或者多个处理器或者处理单元601，系统存储器602，连接不同系统组件(包括系统存储器602和处理单元601)的总线603。
总线603表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构 (ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备60典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备60访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)604和/或高速缓存存储器605。电子设备60可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统606可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如 CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线603相连。存储器602可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块607的程序/实用工具608，可以存储在例如存储器602中，这样的程序模块607包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块607通常执行本发明所描述的实施例中的功能和/或方法。
电子设备60也可以与一个或多个外部设备609(例如键盘、指向设备、显示器610等)通信，还可与一个或者多个使得用户能与该电子设备60交互的设备通信，和/或与使得该电子设备60能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O) 接口611进行。并且，电子设备60还可以通过网络适配器612与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器612通过总线603与电子设备60的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备60使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元601通过运行存储在系统存储器602中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的数据处理方法。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行数据处理方法。
该方法包括：
读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；
根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；
如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的项目代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的项目代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机项目代码，所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。项目代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种数据处理方法，其特征在于，包括：
读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；
根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；
如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
2.根据权利要求1所述的方法，其特征在于，所述读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据，包括：
当接收到数据筛选指令时，获取与数据存储系统相对应的存储链接，以基于所述存储链接读取所述数据存储系统中存储的、且与每个用户相对应的至少一条待检测数据；其中，所述存储链接中包括数据读取权限。
3.根据权利要求1所述的方法，其特征在于，配置项包括检查和检验项目，与所述检验项目相对应的配置数据包括病症检查数据，以及与所述病症检查数据相关的病理检验数据，所述根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，包括：
确定与每个用户相关联的至少一条待检测数据的字段值；
确定与所述检查和检验项目相对应的目标字段值；
根据所述病症检查数据和所述病理检验数据，对所述目标字段值对应的各待检测数据进行筛选处理。
4.根据权利要求1所述的方法，其特征在于，配置项包括疾病类型和药剂类型，与所述疾病类型相对应的配置数据包括疾病名称，以及与疾病名称相对应的限额，与所述药剂类型相对应的配置数据包括药剂名称，以及与药剂名称相对应的数量，所述根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，包括：
根据各用户的待检测数据，确定与所述配置项中与所述疾病类型以及所述药剂类型相对应的目标待处理数据；
根据所述疾病名称以及与所述疾病名称对应的限额，对所述目标待处理数据进行筛选；以及，
根据所述药剂名称以及与所述药剂名称对应的数量，对所述目标待处理数据进行筛选。
5.根据权利要求1所述的方法，其特征在于，配置项包括与疾病类型对应的医用品耗材类型；与所述医用品耗材类型相对应的配置数据包括与疾病名称对应的耗材名称以及数量，所述根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，包括：
根据各用户的待检测数据，确定与所述医用品耗材类型相匹配的目标字段，并确定与所述目标字段相对应的待处理数据和待处理用户；
调取各待处理用户的实际疾病类型数据；
根据所述实际疾病类型数据、待处理数据、配置数据中的疾病名称、耗材名称以及数量，对所述待处理用户的至少一条待检测数据进行筛选。
6.根据权利要求1所述的方法，其特征在于，还包括：
根据预先设置的异常操作规则，对各个用户的至少一条待检测数据进行筛选，以确定目标用户；
其中，异常操作规则中包括预设时长内的消费频次和/或金额大于相应的预设阈值。
7.根据权利要求1所述的方法，其特征在于，还包括：
将读取的与每个用户相对应的待检测数据进行分类处理，得到与每个用户相对应的风险标签；
如果用户的风险标签与预设风险标签相一致，则确定用户为目标用户，并显示所述目标用户和所述目标用户的待检测数据。
8.根据权利要求1所述的方法，其特征在于，还包括：
将所述目标用户和筛选结果发送至与所述数据存储系统相对应的业务方，以对所述业务方进行提示。
9.一种数据处理装置，其特征在于，包括：
待检测数据读取模块，用于读取数据存储系统中存储的与每个用户相对应的至少一条待检测数据；
筛选模块，用于根据预先设置的至少一个配置项以及与每个配置项相对应的配置数据，对各用户的至少一条待检测数据进行筛选，得到筛选结果；
输出模块，用于如果所述筛选结果不为空，则将所述筛选结果以及与所述筛选结果相对应的目标用户输出。
10.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的数据处理方法。
11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110890016.4A CN113626488A (zh) | 2021-08-04 | 2021-08-04 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110890016.4A CN113626488A (zh) | 2021-08-04 | 2021-08-04 | 数据处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113626488A true CN113626488A (zh) | 2021-11-09 |
Family
ID=78382514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110890016.4A Pending CN113626488A (zh) | 2021-08-04 | 2021-08-04 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113626488A (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105118003A (zh) * | 2015-07-31 | 2015-12-02 | 中国太平洋保险（集团）股份有限公司 | 一种大病医保智能化审核系统及审核算法 |
| US20170187737A1 (en) * | 2015-12-28 | 2017-06-29 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for processing user behavior data |
| 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 |
| CN109522400A (zh) * | 2018-05-28 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 核保方法、装置、计算机设备和存储介质 |
| CN109524098A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
| CN109523265A (zh) * | 2018-10-16 | 2019-03-26 | 易保互联医疗信息科技（北京）有限公司 | 医保结算全流程自动审核方法及系统 |
| CN109544367A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于数据处理的医保卡刷卡处理方法及相关设备 |
| CN109544364A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据分析的违规行为检测方法、装置及终端 |
| 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 |
| CN109636641A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
| 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 |
| CN110136013A (zh) * | 2019-05-21 | 2019-08-16 | 四川久远银海软件股份有限公司 | 一种医保信息控制方法与装置 |
| CN110706121A (zh) * | 2019-10-10 | 2020-01-17 | 北京东软望海科技有限公司 | 确定医保欺诈结果的方法、装置、电子设备及存储介质 |
| CN110782360A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 结算数据处理方法与装置、存储介质、电子设备 |
| CN110874801A (zh) * | 2019-11-12 | 2020-03-10 | 望海康信(北京)科技股份公司 | 一种审核病案的方法及装置 |
| CN111180027A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 |
| WO2020108111A1 (zh) * | 2018-11-30 | 2020-06-04 | 平安医疗健康管理股份有限公司 | 医保欺诈行为的识别方法、装置、设备及可读存储介质 |
| CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
| WO2020119176A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 报销数据的排查方法、识别服务端及存储介质 |
| CN111986037A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医保审核数据的监控方法、装置、设备及存储介质 |
| CN112036750A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 适用于医疗风控的异常识别方法、装置、设备及存储介质 |
| CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
| CN112582054A (zh) * | 2020-12-11 | 2021-03-30 | 北京软通智慧城市科技有限公司 | 医保数据监管方法、装置、电子设备及介质 |
| CN112990294A (zh) * | 2021-03-10 | 2021-06-18 | 挂号网（杭州）科技有限公司 | 行为判别模型的训练方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-04 CN CN202110890016.4A patent/CN113626488A/zh active Pending
Patent Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105118003A (zh) * | 2015-07-31 | 2015-12-02 | 中国太平洋保险（集团）股份有限公司 | 一种大病医保智能化审核系统及审核算法 |
| US20170187737A1 (en) * | 2015-12-28 | 2017-06-29 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for processing user behavior data |
| 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 |
| CN109522400A (zh) * | 2018-05-28 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 核保方法、装置、计算机设备和存储介质 |
| CN109523265A (zh) * | 2018-10-16 | 2019-03-26 | 易保互联医疗信息科技（北京）有限公司 | 医保结算全流程自动审核方法及系统 |
| CN109524098A (zh) * | 2018-10-27 | 2019-03-26 | 平安医疗健康管理股份有限公司 | 基于数据分析的就诊信息处理方法、装置、设备及介质 |
| CN109544367A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 一种基于数据处理的医保卡刷卡处理方法及相关设备 |
| CN109544364A (zh) * | 2018-10-27 | 2019-03-29 | 平安医疗健康管理股份有限公司 | 基于数据分析的违规行为检测方法、装置及终端 |
| 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 |
| WO2020108111A1 (zh) * | 2018-11-30 | 2020-06-04 | 平安医疗健康管理股份有限公司 | 医保欺诈行为的识别方法、装置、设备及可读存储介质 |
| WO2020119176A1 (zh) * | 2018-12-13 | 2020-06-18 | 平安医疗健康管理股份有限公司 | 报销数据的排查方法、识别服务端及存储介质 |
| CN109636641A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 基于大数据分析的医保异常检测方法、装置、设备和介质 |
| 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 |
| CN110136013A (zh) * | 2019-05-21 | 2019-08-16 | 四川久远银海软件股份有限公司 | 一种医保信息控制方法与装置 |
| CN110706121A (zh) * | 2019-10-10 | 2020-01-17 | 北京东软望海科技有限公司 | 确定医保欺诈结果的方法、装置、电子设备及存储介质 |
| CN110782360A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 结算数据处理方法与装置、存储介质、电子设备 |
| CN110874801A (zh) * | 2019-11-12 | 2020-03-10 | 望海康信(北京)科技股份公司 | 一种审核病案的方法及装置 |
| CN111180027A (zh) * | 2019-12-26 | 2020-05-19 | 北京亚信数据有限公司 | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 |
| CN111242793A (zh) * | 2020-01-16 | 2020-06-05 | 上海金仕达卫宁软件科技有限公司 | 医保数据异常的检测方法和装置 |
| CN111986037A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医保审核数据的监控方法、装置、设备及存储介质 |
| CN112036750A (zh) * | 2020-08-31 | 2020-12-04 | 平安医疗健康管理股份有限公司 | 适用于医疗风控的异常识别方法、装置、设备及存储介质 |
| CN112289403A (zh) * | 2020-10-19 | 2021-01-29 | 浙江大学山东工业技术研究院 | 一种基于两阶段筛查流程的医保异常购药的检测方法及装置 |
| CN112582054A (zh) * | 2020-12-11 | 2021-03-30 | 北京软通智慧城市科技有限公司 | 医保数据监管方法、装置、电子设备及介质 |
| CN112990294A (zh) * | 2021-03-10 | 2021-06-18 | 挂号网（杭州）科技有限公司 | 行为判别模型的训练方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| O’neill et al. | Active reprioritization of the reading worklist using artificial intelligence has a beneficial effect on the turnaround time for interpretation of head CT with intracranial hemorrhage | |
| US11030581B2 (en) | Medical claims lead summary report generation | |
| WO2020082799A1 (zh) | 基于数据分析的就诊信息处理方法、装置、设备及介质 | |
| JP2015510623A (ja) | イメージング検査プロトコル更新推奨部 | |
| US10482999B2 (en) | Systems and methods for efficient handling of medical documentation | |
| RU2746494C2 (ru) | Контекстная фильтрация лабораторных показателей | |
| Parkinson et al. | How sensitive are avoidable emergency department attendances to primary care quality? Retrospective observational study | |
| CA3194432A1 (en) | Medical fraud, waste, and abuse analytics systems and methods | |
| JP2000322494A (ja) | 疾病類型選定システム、疾病類型選定方法及びプログラムを記録した機械読み取り可能な媒体 | |
| Gould et al. | Methods and issues to consider for detection of safety signals from spontaneous reporting databases: a report of the DIA bayesian safety signal detection working group | |
| CN111863173A (zh) | 一种病历质量评估方法及计算设备 | |
| Funmilola et al. | Development of an electronic medical record (EMR) system for a typical Nigerian hospital | |
| CN116487066A (zh) | 一种临床试验数据监控方法、系统和电子设备 | |
| CN113626488A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| WO2012074723A1 (en) | Privacy awareness tool | |
| CN115910265A (zh) | 一种医院无纸化病案生成方法及系统 | |
| KR101484766B1 (ko) | 의료정보 시스템에서의 전자서식 작성기 및 전자서식 작성 방법 | |
| US20210158919A1 (en) | Medical processing systems and methods | |
| US20160162650A1 (en) | Method for automating medical billing | |
| CN114925050A (zh) | 基于知识库的数据核查方法、装置、电子设备及存储介质 | |
| Choudhury | A framework for safeguarding artificial intelligence systems within healthcare | |
| CN112582054A (zh) | 医保数据监管方法、装置、电子设备及介质 | |
| CN114266501A (zh) | 医院运营指标的自动预测和根因分析方法及系统 | |
| CN113921103A (zh) | 鉴别诊断病种敏感性测量方法、装置、电子设备及介质 | |
| Assareh et al. | Data quality improvement in clinical databases using statistical quality control: Review and case study |
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 |