CN113689143B - 医疗费用异常检测方法、装置、计算机设备及存储介质 - Google Patents
医疗费用异常检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113689143B CN113689143B CN202111059407.8A CN202111059407A CN113689143B CN 113689143 B CN113689143 B CN 113689143B CN 202111059407 A CN202111059407 A CN 202111059407A CN 113689143 B CN113689143 B CN 113689143B
- Authority
- CN
- China
- Prior art keywords
- disease
- medical
- disease group
- index
- group member
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 201000010099 disease Diseases 0.000 claims abstract description 521
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 521
- 238000011156 evaluation Methods 0.000 claims abstract description 163
- 230000008859 change Effects 0.000 claims abstract description 107
- 230000005856 abnormality Effects 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 75
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000011282 treatment Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000005553 drilling Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000003993 interaction Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 208000035474 group of disease Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (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)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例属于大数据领域,涉及一种医疗费用异常检测方法、装置、计算机设备及存储介质,方法包括:对于医疗分组体系中的各疾病分组,对组中各疾病分组成员的医疗数据记录进行计算,得到各疾病分组成员的基础指标;通过权重算法计算各疾病分组成员基础指标的指标权重;计算各疾病分组成员的疾病权重;根据各疾病分组成员的基础指标、指标权重和疾病权重,计算单疾病变化评估值;根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值;将费用变化评估值与标准评估值相比较,得到医疗费用异常检测信息。此外,本申请还涉及区块链技术,医疗数据记录可存储于区块链中。本申请能准确地对医疗费用进行异常检测。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种医疗费用异常检测方法、装置、计算机设备及存储介质。
背景技术
医疗是民生的重要组成部分。近年来,患者就诊的医疗费用不断增长,已经引起社会的广泛关注。医疗费用的不合理增长不仅会增加病人的经济负担,给病人家庭带来经济困扰,还可能引发社会问题,因此,对医疗费用是否异常进行检测显得非常重要。
然而,传统的医疗费用异常检测技术,通常是计算增长率等传统的统计学指标。医疗机构的疾病费用构成复杂,这种检测技术较为简单,无法准确地衡量医疗机构的费用是否异常,导致医疗费用异常检测的准确性较低。
发明内容
本申请实施例的目的在于提出一种医疗费用异常检测方法、装置、计算机设备及存储介质,以解决医疗费用异常检测准确性较低的问题。
为了解决上述技术问题,本申请实施例提供一种医疗费用异常检测方法,采用了如下所述的技术方案:
获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息。
为了解决上述技术问题,本申请实施例还提供一种医疗费用异常检测装置,采用了如下所述的技术方案:
获取模块,用于获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
基础指标计算模块,用于对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
指标权重计算模块,用于通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
疾病权重计算模块,用于根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
单疾病计算模块,用于根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
评估值计算模块,用于对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
异常检测模块,用于将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息。
与现有技术相比,本申请实施例主要有以下有益效果:预先从医疗机构和疾病的维度对医疗数据记录进行分组,每个疾病分组都是同一类疾病的医疗数据记录;对于每个疾病分组,计算各疾病分组成员的各项基础指标;通过权重算法引入基础指标的波动性和冲突性,计算出各基础指标的指标权重;再计算各疾病分组成员的疾病权重,疾病权重反应了疾病分组成员的费用在所属医疗机构总费用中的权重;根据各疾病分组成员的基础指标、指标权重和疾病权重计算到的单疾病变化评估值,综合了疾病分组成员之间的相互作用,以及疾病分组成员在医疗机构中的比重,可以从单疾病的角度评估医疗费用的变化;再根据医疗机构包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值,实现对医疗机构费用变化的准确衡量;将费用变化评估值与标准评估值相比较,即可得到医疗费用异常检测信息,实现医疗费用的异常检测。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的医疗费用异常检测方法的一个实施例的流程图;
图3是根据本申请的医疗费用异常检测装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的医疗费用异常检测方法一般由服务器执行,相应地,医疗费用异常检测装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的医疗费用异常检测方法的一个实施例的流程图。所述的医疗费用异常检测方法,包括以下步骤:
步骤S201,获取医疗分组体系,医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录。
在本实施例中,医疗费用异常检测方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式与终端进行通信。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
其中,医疗分组体系是对医疗数据记录进行分组后得到的,医疗分组体系具有分组信息,每个分组都具有对应的医疗数据记录。医疗数据记录可以是病人到医院就诊产生的记录数据,医疗数据记录具有多个维度,包括医疗机构的基本信息(例如医疗机构名称、医疗机构标识、医疗机构所有制信息、医疗机构等级信息和医疗机构类型信息等)、病人的基本信息(例如病人的姓名、性别、年龄等信息)、病人的疾病描述信息(包括病人患病的疾病种类、科室信息、患病轻重信息、并发症信息等)和病人的疾病诊疗信息(包括病人进行了哪些治疗,以及治疗费用明细)等。
医疗分组体系中,一级分组是医疗机构分组,组内可以包含多个医疗机构及其关联的医疗数据记录。在一个医疗机构分组内又包含疾病分组,每个疾病分组可以是一种疾病,疾病分组内有多个疾病分组成员,每个疾病分组成员是一个医疗机构中某种疾病关联的医疗数据记录的集合。
需要强调的是,为进一步保证上述医疗数据记录的私密和安全性,上述医疗数据记录还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
进一步的,上述步骤S201之前,还可以包括:获取各医疗机构的医疗数据记录;根据各医疗机构的医疗机构描述信息,对各医疗机构进行一级分组;在各一级分组内,根据各医疗机构的医疗数据记录中的疾病描述信息和医疗机构标识,将医疗数据记录划分成若干个疾病分组,得到医疗分组体系,各疾病分组中包括若干个疾病分组成员,各疾病分组成员由具有相同医疗机构标识的医疗数据记录组成。
具体地,本申请需要先获取各医疗机构的医疗数据记录,然后对获取到的医疗数据记录进行分组,以得到医疗分组体系。首先进行医疗机构分组,获取医疗数据记录中的医疗机构描述信息,从医疗机构描述信息中提取医疗机构所有制信息(公立或者私营)、医疗机构等级信息(三级甲等,或者二级乙等,或者其他等级)以及医疗机构类型信息(综合、卫生院、专科医院等,专科医院又包含其具体的专业类型)。
可以选取医疗机构所有制信息、医疗机构等级信息和医疗机构类型信息中的至少一种作为一级分组依据。在一个实施例中,将医疗机构所有制信息、医疗机构等级信息和医疗机构类型信息同时作为分组依据进行一级分组,例如,将所有的公立三级甲等综合医院划分到一个医疗机构分组中。
在一级分组内,提取医疗数据记录中的疾病描述信息和医疗机构标识,将医疗数据记录划分成若干个疾病分组,一个疾病分组内的医疗数据记录指向同一种疾病;同时,一个疾病分组内包含多个疾病分组成员,每个疾病分组成员中的医疗数据记录,具有相同的医疗机构标识,即来自同一个医疗机构,从而得到医疗分组体系。例如,在“公立三级甲等综合医院”的医疗机构分组内有甲、乙、丙、丁4所医院,再将这4所医院和糖尿病相关的医疗数据记录划分到一个疾病分组,将这4所医院和高血压相关的医疗数据记录划分到一个疾病分组。在“高血压”疾病分组内,可以有4个疾病分组成员,分别是甲、乙、丙、丁4所医院高血压相关的医疗数据记录的集合。
在一个实施例中,可以根据疾病描述信息中的疾病种类进行疾病分组,疾病种类可以以ICD-10编码表示,ICD-10是国际疾病分类(international Classification ofdiseases,ICD)的第十个版本,是依据疾病的某些特征,按照规则将疾病分门别类,并用编码的方法来表示的系统。当疾病描述信息中缺少疾病种类时,还可以提取疾病通用名称、科室信息、患病轻重信息、并发症信息等进行分组。
医疗分组体系的建立需要遵循“可对比性”的原则,每个疾病分组中的医疗数据记录具有相似的性质,可以进行对比。
本实施例中,对全量的医疗数据记录进行分组得到医疗分组体系,保证了后续可以依据医疗分组体系计算费用变化评估值。
步骤S202,对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到各疾病分组成员的基础指标。
其中,基础指标是预先设定的特定种类的指标,可以包括多个不同维度的指标。
具体地,对于每个疾病分组,预先设置了若干类基础指标,以及每种基础指标的基础指标计算方式。同一个疾病分组中的各疾病分组成员具有相同种类的基础指标。对于不同的疾病分组,可以具有相同种类的基础指标,也可以具有不同种类的基础指标。
服务器根据预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据进行计算,即可得到各疾病分组成员的基础指标。
进一步的,上述步骤S202可以包括:对于每个疾病分组,确定疾病分组所对应的基础指标类别;获取预设的各基础指标类别所对应的基础指标计算方式;根据基础指标计算方式,从疾病分组中各疾病分组成员的医疗数据记录中抽取数据进行计算,得到各疾病分组成员的基础指标。
具体地,对于每个疾病分组,可以从配置表中获取疾病分组预设的疾病分组所对应的基础指标类别,然后获取预设的各基础指标类别所对应的基础指标计算方式。在一个实施例中,疾病分组成员的基础指标有若干种;全部疾病分组中的疾病分组成员具有相同类别的基础指标。
基础指标计算方式示出了计算基础指标时所需的数据以及计算过程,服务器根据基础指标计算方式,从疾病分组成员的医疗数据记录种抽取数据进行计算;在计算时,对于一个疾病分组种的每个疾病分组成员,会分别计算各疾病分组成员各自的基础指标。
在一个实施例中,基础指标类别如表1所示:
表1
其中,得分计算方向为反向时,表示直接计算出的数值越大,指标分数值越低,得分计算方向为正向时,表示直接计算出的数值越大,指标分数值越高。以“次均费用和同组比”为例,对得分计算方向为反向做出解释:将次均费用和同组的次均费用相比,比值越高,基础指标“次均费用和同组比”的分数值越低。
表1中各类基础指标计算方式如下:
①次均费用和同组比:1-(某疾病分组成员次均费用-同组次均费用)/同组次均费用极差;
②次均费用年增长率:1-某疾病分组成员次均费用年增长率/参考增长率;
③次均费用年增长率和同组比:1-(某疾病分组成员次均费用年增长率-同组次均费用年增长率)/同组次均费用年增长率极差;
④人均就诊次数和同组比:1-(某疾病分组成员人均就诊次数-同组人均就诊次数)/同组人均就诊次数极差;
⑤人均就诊次数增长率和同组比:1-(某疾病分组成员人均就诊次数增长率-同组人均就诊次数增长率)/同组人均就诊次数增长率极差;
⑥就诊人数和同组比:(某疾病分组成员就诊人数-同组就诊人数)/同组就诊人数极差;
⑦就诊人数增长率和同组比:(某疾病分组成员就诊人数增长率-同组就诊人数增长率)/同组就诊人数增长率极差;
其中,参考增长率可以从配置表中获取。
本实施例中,确定基础指标类别后,按照确定的基础指标计算方式对医疗数据记录进行计算,可以准确得到各疾病分组成员的基础指标。
步骤S203,通过预设的权重算法,计算疾病分组中各疾病分组成员的基础指标的指标权重。
具体地,疾病分组中,各疾病分组成员的基础指标类别相同,在应用时,各类基础指标还具有指标权重,且同一个疾病分组内的各疾病分组成员可以共享一套指标权重。
指标权重可以通过预设的权重算法计算得到,在一个实施例中,权重算法可以是CRITIC权重法。CRITIC权重法是一种客观赋权法,它是基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重,完全利用数据自身的客观属性进行科学评价。
服务器需要获取疾病分组中,每个疾病分组成员的基础指标,然后利用权重算法对各疾病分组成员的基础指标进行运算,得到各疾病分组成员的基础指标的指标权重。
步骤S204,根据各疾病分组成员的医疗数据记录以及各疾病分组成员所属医疗机构的医疗数据记录,计算各疾病分组成员的疾病权重。
具体地,本申请还需要计算各疾病分组成员的疾病权重。疾病权重用于反应疾病分组成员在其所属的医疗机构中所占的比重,因此,需要根据疾病分组成员的医疗数据记录,和疾病分组成员所属医疗机构的医疗数据记录,计算该疾病分组成员的疾病权重。
进一步的,上述步骤S204可以包括:对于每个疾病分组成员,根据疾病分组成员的医疗数据记录,计算疾病分组成员的单疾病费用;根据疾病分组成员所属医疗机构的医疗数据记录,计算医疗机构的机构总费用;基于单疾病费用和机构总费用,计算疾病分组成员的疾病权重。
具体地,对于每个疾病分组成员,将疾病分组成员的医疗数据记录中的费用信息相加,得到该疾病分组成员的单疾病费用,即该疾病分组成员所对应疾病的总费用。
然后将该疾病分组成员所属医疗机构的医疗数据记录中的费用信息进行累加,得到该医疗机构的机构总费用。最后计算单疾病费用与机构总费用的比值,将该比值作为疾病分组成员的疾病权重。
本实施例中,根据医疗数据记录,计算疾病分组成员的单疾病费用,计算医疗机构的机构总费用,将单疾病费用与机构总费用的比值作为疾病权重,从而反应疾病分组成员在医疗机构中所占的比重。
步骤S205,根据各疾病分组成员的基础指标、指标权重和疾病权重,计算各疾病分组成员的单疾病变化评估值。
其中,单疾病变化评估值可以是数值,用于从一种疾病的角度衡量医疗费用的变化。
具体地,基于一个疾病分组,可以计算出一种疾病的单疾病变化评估值,在该疾病分组中,每个疾病分组成员各自具有一个单疾病变化评估值。对于一个疾病分组成员,其基础指标具有指标权重,基于基础指标和指标权重可以计算出该基础指标在该疾病分组成员中的影响值;基于各基础指标的影响值可以得到该疾病分组成员中各基础指标总的影响值,再与疾病权重进行相乘,疾病权重是该疾病分组成员的单疾病费用在所属医疗机构的总费用中的比值,从而得到可以得到该疾病分组成员在医疗机构中的影响值,即单疾病变化评估值。
进一步的,上述步骤S205可以包括:对于各疾病分组成员,分别将疾病分组成员的疾病权重、基础指标、基础指标的指标权重相乘,得到基础指标的单指标评估值;将疾病分组成员的各单指标评估值进行累加,得到疾病分组成员的单疾病变化评估值。
具体地,对于一个疾病分组成员,其具有疾病权重Wd、基础指标Xi以及基础指标的指标权重Wj,将疾病权重Wd、基础指标Xi以及基础指标的指标权重Wj进行连乘,可以得到基础指标的单指标评估值;疾病分组成员可以具有多个基础指标(假设有n个基础指标),将各基础指标的单指标评估值进行累加,可以得到疾病分组成员的单疾病变化评估值:
本实施例中,基于疾病分组成员的基础指标、基础指标的指标权重和疾病权重可以计算单疾病变化评估值,可以衡量疾病分组成员所对应疾病对医疗机构疾病费用变化的影响。
步骤S206,对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值。
具体地,对于一个医疗机构,其医疗数据记录被划分到多个疾病分组成员内。在得到医疗机构的各疾病分组成员的单疾病变化评估值后,将各单疾病变化评估值相加,即可得到该医疗机构的费用变化评估值。
步骤S207,将费用变化评估值与预设的标准评估值相比较,得到医疗机构的医疗费用异常检测信息。
具体地,费用变化评估值以数值反应医疗机构的医疗费用变化情况,通常,费用变化评估值越大,即可认为医疗机构的医疗费用变化越大。可以预先设置标准评估值,标准评估值有多个,组成多个评估区间,评估区间是将医疗费用变化划分为若干个状态,例如,评估区间所对应的状态可以包括:健壮、健康、亚健康、存在缺陷和严重缺陷。将费用变化评估值与各标准评估值相比较,确定费用变化评估值所在的评估区间,将评估区间对应的状态以及费用变化评估值作为医疗费用异常检测信息;当费用变化评估值处于健壮、健康、亚健康时,表明检测到医疗费用变化正常;当费用变化评估值处于存在缺陷和严重缺陷时,表明检测到医疗费用变化异常。
本实施例中,预先从医疗机构和疾病的维度对医疗数据记录进行分组,每个疾病分组都是同一类疾病的医疗数据记录;对于每个疾病分组,计算各疾病分组成员的各项基础指标;通过权重算法引入基础指标的波动性和冲突性,计算出各基础指标的指标权重;再计算各疾病分组成员的疾病权重,疾病权重反应了疾病分组成员的费用在所属医疗机构总费用中的权重;根据各疾病分组成员的基础指标、指标权重和疾病权重计算到的单疾病变化评估值,综合了疾病分组成员之间的相互作用,以及疾病分组成员在医疗机构中的比重,可以从单疾病的角度评估医疗费用的变化;再根据医疗机构包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值,实现对医疗机构费用变化的准确衡量;将费用变化评估值与标准评估值相比较,即可得到医疗费用异常检测信息,实现医疗费用的异常检测。
进一步的,上述步骤S203可以包括:根据疾病分组中各疾病分组成员的基础指标,计算各类基础指标的变异评估值;计算各类基础指标的相关系数矩阵,以通过相关系数矩阵计算各类基础指标的冲突评估值;根据得到的变异评估值和冲突评估值,计算各类基础指标的信息量;将各类基础指标的信息量进行归一化,得到疾病分组中各疾病分组成员的基础指标的指标权重。
其中,变异评估值用于衡量各类基础指标的波动性;冲突评估值用于衡量各类基础指标之间的相关性。
具体地,可以基于CRITIC计算基础指标的指标权重。对于每类基础指标,先根据疾病分组中各疾病分组成员的基础指标,计算该类基础指标的变异评估值,变异评估值用于衡量各类基础指标的波动性,在一个实施例中,可以将标准差Sj作为变异评估值,标准差越大说明波动越大,权重会越高。在此结合一个实例对指标权重的计算进行说明,假设疾病分组中有4个疾病分组成员,每个疾病分组成员有7种基础指标,依次为:次均费用和同组比A、次均费用年增长率B、次均费用年增长率和同组比C、人均就诊次数和同组比D、人均就诊次数增长率和同组比E、就诊人数和同组比F以及就诊人数增长率和同组比G。对于每种基础指标,根据4个疾病分组成员的基础指标计算其标准差Sj作为其变异评估值,疾病分组中各疾病分组成员的基础指标以及变异评估值如表2所示:
疾病分组成员 | A | B | C | D | E | F | G |
成员1 | 1.34 | 1.85 | 1.07 | 1.42 | 1.07 | 0.37 | 0.19 |
成员2 | 0.35 | 0.80 | 0.86 | 0.40 | 0.37 | 0.38 | 0.50 |
成员3 | 0.76 | 1.81 | 1.80 | 1.22 | 1.25 | 1.75 | 0.81 |
成员4 | 1.58 | 1.56 | 1.19 | 1.40 | 1.01 | 1.05 | 0.60 |
变异评估值 | 0.48 | 0.42 | 0.35 | 0.42 | 0.33 | 0.57 | 0.23 |
表2
然后计算各类基础指标之间的相关系数,得到相关系数矩阵。指标之间相关系数越大,说明冲突性越小,权重会越低。在相关系数矩阵的基础上,可以按照如下公式计算各类基础指标的冲突评估值:
其中,rij是相关系数矩阵中的元素。在表2数据的基础上,计算出相关系数矩阵以及各类基础指标的冲突评估值如表格3所示:
基础指标 | A | B | C | D | E | F | G |
A | 1.00 | 0.65 | 0.05 | 0.88 | 0.60 | 0.03 | -0.28 |
B | 0.65 | 1.00 | 0.65 | 0.93 | 0.97 | 0.47 | -0.01 |
C | 0.05 | 0.65 | 1.00 | 0.46 | 0.79 | 0.95 | 0.71 |
D | 0.88 | 0.93 | 0.46 | 1.00 | 0.90 | 0.36 | -0.08 |
E | 0.60 | 0.97 | 0.79 | 0.90 | 1.00 | 0.66 | 0.22 |
F | 0.03 | 0.47 | 0.95 | 0.36 | 0.66 | 1.00 | 0.88 |
G | -0.28 | -0.01 | 0.71 | -0.08 | 0.22 | 0.88 | 1.00 |
冲突评估值 | 4.08 | 2.34 | 2.40 | 2.55 | 1.86 | 2.66 | 4.57 |
表3
对于每类基础指标,将该类基础指标的变异评估值Sj和冲突评估值Rj相乘,可以得到该类基础指标的信息量Cj=SjRj。
然后将各类基础指标的信息量Cj进行归一化,压缩到[0,1]的区间,得到各类基础指标的指标权重Wj:
在表3的基础上,计算出的各类基础指标的信息量以及指标权重如表格4所示:
表4
本实施例中,采用权重算法计算各类基础指标的变异评估值,考虑了基础指标的波动性,并计算基础指标之间的冲突评估值,考虑了基础指标之间的关联性,最后依据变异评估值和冲突评估值计算基础指标的指标权重,实现对基础指标的客观赋权。
进一步的,上述步骤S207之后,还可以包括:当根据医疗费用异常检测信息确定医疗机构处于医疗费用异常状态时,根据预设的下钻策略对医疗机构的费用变化评估值和医疗数据记录进行下钻,生成异常诊断信息。
具体地,当根据医疗费用异常检测信息,确定医疗机构处于医疗费用异常时,获取预设的下钻策略。其中,下钻策略用于指示如何对费用变化评估值和医疗数据记录进行解析,解析可以由多个层次的数据处理构成,下钻之后可以得到异常诊断信息,异常诊断信息用于显示医疗机构的医疗费用异常的原因。
举例说明,假设甲医院医疗费用异常,先确定出甲医院内部X疾病的单疾病变化评估值较大;接着,将X疾病的7个基础指标与X疾病所在疾病分组中7种基础指标平均值相比较,选取到差异最大的基础指标是次均费用年增长率;然后分析不同的就诊类型中次均费用年增长率的差异,确定住院类型的次均费用年增长率偏高;然后将住院涉及到的就诊记录中三目录类型(药品、耗材和诊疗项目)分别与同组的平均值相比较,确定诊疗项目中的治疗费与同组的平均值差异最大;然后再对治疗费进行解析,确定穴位敷贴治疗项目的次均费用年增长率最高,最后根据上述的下钻过程生成异常诊断信息,逐层展示导致医疗费用异常的原因。
本实施例中,根据下钻策略对费用变化评估值和医疗数据记录进行逐层下钻,从而确定医疗费用异常的原因,以便于对医疗机构进行相应调整,以控制医疗费用的变化。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。例如,可以通过人工智能技术中的自然语言处理技术,从医疗记录数据中识别并抽取需要的数据进行计算。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种医疗费用异常检测装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的医疗费用异常检测装置300包括:获取模块301、基础指标计算模块302、指标权重计算模块303、疾病权重计算模块304、单疾病计算模块305、评估值计算模块306以及异常检测模块307,其中:
获取模块301,用于获取医疗分组体系,医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录。
基础指标计算模块302,用于对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到各疾病分组成员的基础指标。
指标权重计算模块303,用于通过预设的权重算法,计算疾病分组中各疾病分组成员的基础指标的指标权重。
疾病权重计算模块304,用于根据各疾病分组成员的医疗数据记录以及各疾病分组成员所属医疗机构的医疗数据记录,计算各疾病分组成员的疾病权重。
单疾病计算模块305,用于根据各疾病分组成员的基础指标、指标权重和疾病权重,计算各疾病分组成员的单疾病变化评估值。
评估值计算模块306,用于对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值。
异常检测模块307,用于将费用变化评估值与预设的标准评估值相比较,得到医疗机构的医疗费用异常检测信息。
本实施例中,预先从医疗机构和疾病的维度对医疗数据记录进行分组,每个疾病分组都是同一类疾病的医疗数据记录;对于每个疾病分组,计算各疾病分组成员的各项基础指标;通过权重算法引入基础指标的波动性和冲突性,计算出各基础指标的指标权重;再计算各疾病分组成员的疾病权重,疾病权重反应了疾病分组成员的费用在所属医疗机构总费用中的权重;根据各疾病分组成员的基础指标、指标权重和疾病权重计算到的单疾病变化评估值,综合了疾病分组成员之间的相互作用,以及疾病分组成员在医疗机构中的比重,可以从单疾病的角度评估医疗费用的变化;再根据医疗机构包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值,实现对医疗机构费用变化的准确衡量;将费用变化评估值与标准评估值相比较,即可得到医疗费用异常检测信息,实现医疗费用的异常检测。
在本实施例的一些可选的实现方式中,医疗费用异常检测装置300还可以包括:记录获取模块、一级分组模块以及疾病分组模块,其中:
记录获取模块,用于获取各医疗机构的医疗数据记录。
一级分组模块,用于根据各医疗机构的医疗机构描述信息,对各医疗机构进行一级分组。
疾病分组模块,用于在各一级分组内,根据各医疗机构的医疗数据记录中的疾病描述信息和医疗机构标识,将医疗数据记录划分成若干个疾病分组,得到医疗分组体系,各疾病分组中包括若干个疾病分组成员,各疾病分组成员由具有相同医疗机构标识的医疗数据记录组成。
本实施例中,对全量的医疗数据记录进行分组得到医疗分组体系,保证了后续可以依据医疗分组体系计算费用变化评估值。
在本实施例的一些可选的实现方式中,基础指标计算模块302可以包括:类别确定子模块、方式获取子模块以及指标计算子模块,其中:
类别确定子模块,用于对于每个疾病分组,确定疾病分组所对应的基础指标类别。
方式获取子模块,用于获取预设的各基础指标类别所对应的基础指标计算方式。
指标计算子模块,用于根据基础指标计算方式,从疾病分组中各疾病分组成员的医疗数据记录中抽取数据进行计算,得到各疾病分组成员的基础指标。
本实施例中,确定基础指标类别后,按照确定的基础指标计算方式对医疗数据记录进行计算,可以准确得到各疾病分组成员的基础指标。
在本实施例的一些可选的实现方式中,指标权重计算模块303可以包括:变异计算子模块、冲突计算子模块、信息量计算子模块以及指标权重计算子模块,其中:
变异计算子模块,用于根据疾病分组中各疾病分组成员的基础指标,计算各类基础指标的变异评估值。
冲突计算子模块,用于计算各类基础指标的相关系数矩阵,以通过相关系数矩阵计算各类基础指标的冲突评估值。
信息量计算子模块,用于根据得到的变异评估值和冲突评估值,计算各类基础指标的信息量。
指标权重计算子模块,用于将各类基础指标的信息量进行归一化,得到疾病分组中各疾病分组成员的基础指标的指标权重。
本实施例中,采用权重算法计算各类基础指标的变异评估值,考虑了基础指标的波动性,并计算基础指标之间的冲突评估值,考虑了基础指标之间的关联性,最后依据变异评估值和冲突评估值计算基础指标的指标权重,实现对基础指标的客观赋权。
在本实施例的一些可选的实现方式中,疾病权重计算模块304可以包括:单疾病计算子模块、总费用计算子模块以及疾病权重计算子模块,其中:
单疾病计算子模块,用于对于每个疾病分组成员,根据疾病分组成员的医疗数据记录,计算疾病分组成员的单疾病费用。
总费用计算子模块,用于根据疾病分组成员所属医疗机构的医疗数据记录,计算医疗机构的机构总费用。
疾病权重计算子模块,用于基于单疾病费用和机构总费用,计算疾病分组成员的疾病权重。
本实施例中,根据医疗数据记录,计算疾病分组成员的单疾病费用,计算医疗机构的机构总费用,将单疾病费用与机构总费用的比值作为疾病权重,从而反应疾病分组成员在医疗机构中所占的比重。
在本实施例的一些可选的实现方式中,单疾病计算模块305可以包括:单指标计算子模块以及累加子模块,其中:
单指标计算子模块,用于对于各疾病分组成员,分别将疾病分组成员的疾病权重、基础指标、基础指标的指标权重相乘,得到基础指标的单指标评估值。
累加子模块,用于将疾病分组成员的各单指标评估值进行累加,得到疾病分组成员的单疾病变化评估值。
本实施例中,基于疾病分组成员的基础指标、基础指标的指标权重和疾病权重可以计算单疾病变化评估值,可以衡量疾病分组成员所对应疾病对医疗机构疾病费用变化的影响。
在本实施例的一些可选的实现方式中,医疗费用异常检测装置300还可以包括:下钻模块,下钻模块用于:当根据医疗费用异常检测信息确定医疗机构处于医疗费用异常状态时,根据预设的下钻策略对医疗机构的费用变化评估值和医疗数据记录进行下钻,生成异常诊断信息。
本实施例中,根据下钻策略对费用变化评估值和医疗数据记录进行逐层下钻,从而确定医疗费用异常的原因,以便于对医疗机构进行相应调整,以控制医疗费用的变化。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图4中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如医疗费用异常检测方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述医疗费用异常检测方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本实施例中提供的计算机设备可以执行上述医疗费用异常检测方法。此处医疗费用异常检测方法可以是上述各个实施例的医疗费用异常检测方法。
本实施例中,预先从医疗机构和疾病的维度对医疗数据记录进行分组,每个疾病分组都是同一类疾病的医疗数据记录;对于每个疾病分组,计算各疾病分组成员的各项基础指标;通过权重算法引入基础指标的波动性和冲突性,计算出各基础指标的指标权重;再计算各疾病分组成员的疾病权重,疾病权重反应了疾病分组成员的费用在所属医疗机构总费用中的权重;根据各疾病分组成员的基础指标、指标权重和疾病权重计算到的单疾病变化评估值,综合了疾病分组成员之间的相互作用,以及疾病分组成员在医疗机构中的比重,可以从单疾病的角度评估医疗费用的变化;再根据医疗机构包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值,实现对医疗机构费用变化的准确衡量;将费用变化评估值与标准评估值相比较,即可得到医疗费用异常检测信息,实现医疗费用的异常检测。
本申请还提供了另一种实施方式,即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可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的医疗费用异常检测方法的步骤。
本实施例中,预先从医疗机构和疾病的维度对医疗数据记录进行分组,每个疾病分组都是同一类疾病的医疗数据记录;对于每个疾病分组,计算各疾病分组成员的各项基础指标;通过权重算法引入基础指标的波动性和冲突性,计算出各基础指标的指标权重;再计算各疾病分组成员的疾病权重,疾病权重反应了疾病分组成员的费用在所属医疗机构总费用中的权重;根据各疾病分组成员的基础指标、指标权重和疾病权重计算到的单疾病变化评估值,综合了疾病分组成员之间的相互作用,以及疾病分组成员在医疗机构中的比重,可以从单疾病的角度评估医疗费用的变化;再根据医疗机构包含的疾病分组成员的单疾病变化评估值,计算医疗机构的费用变化评估值,实现对医疗机构费用变化的准确衡量;将费用变化评估值与标准评估值相比较,即可得到医疗费用异常检测信息,实现医疗费用的异常检测。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (7)
1.一种医疗费用异常检测方法,其特征在于,包括下述步骤:
获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息;
所述通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重包括:
根据所述疾病分组中各疾病分组成员的基础指标,计算各类基础指标的变异评估值;
计算所述各类基础指标的相关系数矩阵,以通过所述相关系数矩阵计算所述各类基础指标的冲突评估值;
根据得到的变异评估值和冲突评估值,计算所述各类基础指标的信息量;
将所述各类基础指标的信息量进行归一化,得到所述疾病分组中各疾病分组成员的基础指标的指标权重;
所述根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重包括:
对于每个疾病分组成员,根据疾病分组成员的医疗数据记录,计算所述疾病分组成员的单疾病费用;
根据所述疾病分组成员所属医疗机构的医疗数据记录,计算所述医疗机构的机构总费用;
基于所述单疾病费用和所述机构总费用,计算所述疾病分组成员的疾病权重;
所述根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值包括:
对于各疾病分组成员,分别将疾病分组成员的疾病权重、基础指标、所述基础指标的指标权重相乘,得到所述基础指标的单指标评估值;
将所述疾病分组成员的各单指标评估值进行累加,得到所述疾病分组成员的单疾病变化评估值。
2.根据权利要求1所述的医疗费用异常检测方法,其特征在于,在所述获取医疗分组体系之前,还包括:
获取各医疗机构的医疗数据记录;
根据所述各医疗机构的医疗机构描述信息,对所述各医疗机构进行一级分组;
在各一级分组内,根据各医疗机构的医疗数据记录中的疾病描述信息和医疗机构标识,将所述医疗数据记录划分成若干个疾病分组,得到医疗分组体系,各疾病分组中包括若干个疾病分组成员,各疾病分组成员由具有相同医疗机构标识的医疗数据记录组成。
3.根据权利要求1所述的医疗费用异常检测方法,其特征在于,所述对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标包括:
对于每个疾病分组,确定疾病分组所对应的基础指标类别;
获取预设的各基础指标类别所对应的基础指标计算方式;
根据所述基础指标计算方式,从所述疾病分组中各疾病分组成员的医疗数据记录中抽取数据进行计算,得到所述各疾病分组成员的基础指标。
4.根据权利要求1所述的医疗费用异常检测方法,其特征在于,在所述将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息之后还包括:
当根据所述医疗费用异常检测信息确定所述医疗机构处于医疗费用异常状态时,根据预设的下钻策略对所述医疗机构的费用变化评估值和医疗数据记录进行下钻,生成异常诊断信息。
5.一种医疗费用异常检测装置,其特征在于,包括:
获取模块,用于获取医疗分组体系,所述医疗分组体系中的一级分组为医疗机构分组,各一级分组的子分组为疾病分组,各疾病分组中的疾病分组成员为医疗数据记录;
基础指标计算模块,用于对于每个疾病分组,按照预设的基础指标计算方式对疾病分组中各疾病分组成员的医疗数据记录进行计算,得到所述各疾病分组成员的基础指标;
指标权重计算模块,用于通过预设的权重算法,计算所述疾病分组中各疾病分组成员的基础指标的指标权重;
疾病权重计算模块,用于根据所述各疾病分组成员的医疗数据记录以及所述各疾病分组成员所属医疗机构的医疗数据记录,计算所述各疾病分组成员的疾病权重;
单疾病计算模块,用于根据各疾病分组成员的基础指标、指标权重和疾病权重,计算所述各疾病分组成员的单疾病变化评估值;
评估值计算模块,用于对于每个医疗机构,根据医疗机构所包含的疾病分组成员的单疾病变化评估值,计算所述医疗机构的费用变化评估值;
异常检测模块,用于将所述费用变化评估值与预设的标准评估值相比较,得到所述医疗机构的医疗费用异常检测信息;
所述指标权重计算模块还用于根据所述疾病分组中各疾病分组成员的基础指标,计算各类基础指标的变异评估值;计算所述各类基础指标的相关系数矩阵,以通过所述相关系数矩阵计算所述各类基础指标的冲突评估值;根据得到的变异评估值和冲突评估值,计算所述各类基础指标的信息量;将所述各类基础指标的信息量进行归一化,得到所述疾病分组中各疾病分组成员的基础指标的指标权重;
所述疾病权重计算模块还用于对于每个疾病分组成员,根据疾病分组成员的医疗数据记录,计算所述疾病分组成员的单疾病费用;根据所述疾病分组成员所属医疗机构的医疗数据记录,计算所述医疗机构的机构总费用;基于所述单疾病费用和所述机构总费用,计算所述疾病分组成员的疾病权重;
所述单疾病计算模块还用于对于各疾病分组成员,分别将疾病分组成员的疾病权重、基础指标、所述基础指标的指标权重相乘,得到所述基础指标的单指标评估值;将所述疾病分组成员的各单指标评估值进行累加,得到所述疾病分组成员的单疾病变化评估值。
6.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至4中任一项所述的医疗费用异常检测方法的步骤。
7.一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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至4中任一项所述的医疗费用异常检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059407.8A CN113689143B (zh) | 2021-09-10 | 2021-09-10 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111059407.8A CN113689143B (zh) | 2021-09-10 | 2021-09-10 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113689143A CN113689143A (zh) | 2021-11-23 |
CN113689143B true CN113689143B (zh) | 2024-04-05 |
Family
ID=78585867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111059407.8A Active CN113689143B (zh) | 2021-09-10 | 2021-09-10 | 医疗费用异常检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113689143B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460693A (zh) * | 2018-03-29 | 2018-08-28 | 平安健康保险股份有限公司 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
CN109636653A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 医疗费用异常的监控方法、监控服务端及存储介质 |
CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
CN110458580A (zh) * | 2018-05-07 | 2019-11-15 | 中移(苏州)软件技术有限公司 | 一种异常渠道检测方法、装置、介质及设备 |
CN111325576A (zh) * | 2020-02-17 | 2020-06-23 | 卫宁健康科技集团股份有限公司 | 疾病诊断相关分组的费用预测方法、系统及电子设备 |
CN112131277A (zh) * | 2020-09-28 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 基于大数据的医疗数据异常分析方法、装置和计算机设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019021025A (ja) * | 2017-07-18 | 2019-02-07 | 富士通株式会社 | 評価プログラム、装置、及び方法 |
-
2021
- 2021-09-10 CN CN202111059407.8A patent/CN113689143B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460693A (zh) * | 2018-03-29 | 2018-08-28 | 平安健康保险股份有限公司 | 保险合作医院的品质监控方法及装置、存储介质及终端 |
CN110458580A (zh) * | 2018-05-07 | 2019-11-15 | 中移(苏州)软件技术有限公司 | 一种异常渠道检测方法、装置、介质及设备 |
CN109636653A (zh) * | 2018-12-13 | 2019-04-16 | 平安医疗健康管理股份有限公司 | 医疗费用异常的监控方法、监控服务端及存储介质 |
CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技(深圳)有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
CN111325576A (zh) * | 2020-02-17 | 2020-06-23 | 卫宁健康科技集团股份有限公司 | 疾病诊断相关分组的费用预测方法、系统及电子设备 |
CN112131277A (zh) * | 2020-09-28 | 2020-12-25 | 平安医疗健康管理股份有限公司 | 基于大数据的医疗数据异常分析方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113689143A (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11600390B2 (en) | Machine learning clinical decision support system for risk categorization | |
US8082172B2 (en) | System and method for peer-profiling individual performance | |
US20140257846A1 (en) | Identifying potential audit targets in fraud and abuse investigations | |
Sheets et al. | The effect of neighborhood disadvantage on diabetes prevalence | |
CN111833982A (zh) | 基于健康数据的健康报告生成方法及其相关设备 | |
CN114783580B (zh) | 一种医疗数据质量评估方法及系统 | |
CN113658712A (zh) | 医患匹配方法、装置、设备及存储介质 | |
Mancini et al. | Marked point process models for the admissions of heart failure patients | |
CN109997201A (zh) | 针对多种医学知识模块的利用数据驱动方法的精确临床决策支持 | |
Folino et al. | A recommendation engine for disease prediction | |
Kunjir et al. | Big data analytics and visualization for hospital recommendation using HCAHPS standardized patient survey | |
CN113689143B (zh) | 医疗费用异常检测方法、装置、计算机设备及存储介质 | |
CN113821641B (zh) | 基于权重分配的药品分类的方法、装置、设备及存储介质 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
CN110727711B (zh) | 基金数据库中异常数据检测方法、装置和计算机设备 | |
CN113707255B (zh) | 基于相似患者的健康指导方法、装置、计算机设备及介质 | |
CN114240567A (zh) | 推荐方法、装置、设备及存储介质 | |
JP5764914B2 (ja) | プログラム、分析装置および方法 | |
CN116842330B (zh) | 一种可对比历史记录的保健信息处理方法及装置 | |
US20160140292A1 (en) | System and method for sorting a plurality of data records | |
CN113327655B (zh) | 多维度数据的离群值检测方法、装置、设备和介质 | |
Chen | Identification of the human-oriented factors influencing AERC from the web services | |
US8548841B1 (en) | Supply expense analysis | |
US20240071623A1 (en) | Patient health platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220525 Address after: 518000 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |