CN113704731A - 面向医院的患者异常就医行为检测方法及系统 - Google Patents
面向医院的患者异常就医行为检测方法及系统 Download PDFInfo
- Publication number
- CN113704731A CN113704731A CN202111039516.3A CN202111039516A CN113704731A CN 113704731 A CN113704731 A CN 113704731A CN 202111039516 A CN202111039516 A CN 202111039516A CN 113704731 A CN113704731 A CN 113704731A
- Authority
- CN
- China
- Prior art keywords
- data
- medical
- hospitalizing
- personnel
- medicine
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 116
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 111
- 239000003814 drug Substances 0.000 claims abstract description 215
- 229940079593 drug Drugs 0.000 claims abstract description 61
- 230000005856 abnormality Effects 0.000 claims abstract description 44
- 230000036541 health Effects 0.000 claims abstract description 44
- 238000013500 data storage Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 7
- 201000010099 disease Diseases 0.000 claims description 47
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 47
- 238000007405 data analysis Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004141 dimensional analysis Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 230000005541 medical transmission Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 63
- 230000006870 function Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种面向医院的患者异常就医行为检测系统,包括就医异常检测分析器(1)、数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7);其中:所述就医异常检测分析器(1)分别和所述数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)数据通信连接。本申请通过大数据的方法,分析用户的药品购买习惯、常去的医院,形成用户的购药和医院画像,而在人员去医院就医或药店购买药品时,本申请的系统核对药品明细,医院,在存在购药从而防止利用医保卡购买非医保物品,保护医保卡的安全性。
Description
技术领域
本发明涉及信息技术安全技术领域,具体为一种面向医院的患者异常就医行为检测方法及系统。
背景技术
健康是人们生活中日益重要的一个主题,同时,为了提供全民福利,保证人们病有所医,国家医疗保证部门提出医疗保险制度,一方面希望,能给就医人员在就医时,降低就医费用压力,切实保障人们的健康权利和就医权利;另外一方面,在国家实施医保主要目的是用于保障人民的生命权和就医权,希望做到专款专用,但是,目前存在部分药店,同时销售药品和生活用品,并且利用医保卡刷卡购买生活用品,这显然不符合专款专用的目的,导致国家的医保资金流失,而在病人需要治疗的时候反而没有金钱。另外一方面,不同地方医保卡有不同的使用权限规定,有些地方仅仅允许个人使用,有些则允许全家使用,因此,需要合理调整医保卡的使用和管理办法。
现有技术中,存在相应的对医保就医的异常检测技术,如:
专利申请CN111612636A公开一种基于双聚类算法的异常共现就医医保数据检测系统及方法,获取就诊信息和人口统计学信息;根据医保参保人的医保就医记录,构建P-TL图;针对构建的P-TL图,通过双聚类算法,挖掘频繁在相同时间相同地点就医的可疑患者群体以及他们可疑的就医记录;在可疑患者群体中过滤出正常的患者:对于得到的每一组可疑欺诈患者群体,将其中不与其他患者通过边链接的孤立的患者过滤出去,而剩下的与其他患者通过边相互链接的患者群体,如果人数超过阈值,那么这些患者被视为欺诈患者。能够过滤因长期有规律就医导致被误判的正常患者,从而更加精确地识别医保欺诈行为。
专利申请CN111340641B公开一种异常就医行为检测方法,包括:1)构建就医行为网络;2)获取网络节点特征表示;3)构建就医行为网络邻接矩阵;4)构建边特征矩阵;5)构建伪特征矩阵,获取就医行为特征表示;6)构建K-GRU网络,提取就医行为时序信息;7)将特征压缩,并对压缩后的特征进行聚类;8)将压缩后的就医行为特征进行特征重构,使得重构后的特征趋近于原始就医行为特征;根据特征重构误差以及聚类误差优化模型;9)基于重构损失以及聚类损失,得到总的模型损失函数;10)交替优化聚类损失与重构损失直至模型收敛,判断异常就医行为,该发明可以有助于预防医保欺诈行为。
专利申请CN111986794A公开了一种基于人脸识别的防冒挂号方法、装置、计算机设备及介质,包括:建立多用户社交关系图谱;获取挂号人的正面人脸图像,并根据所述正面人脸图像识别出所述挂号人的挂号人身份信息;根据所述挂号人身份信息与就诊人的第二身份信息判断所述挂号人与所述就诊人是否为同一人;当确定所述挂号人与所述就诊人不为同一人时,根据所述挂号人身份信息查询所述多用户社交关系图谱,并根据查询结果确定所述挂号人与所述就诊人是否为相关人;当根据查询结果确定所述挂号人与所述就诊人为相关人时,为所述就诊人生成挂号单。该发明能够解决医保卡被盗用的问题且提高挂号效率。
专利申请CN109785162A公开了一种医保异常检测方法,包括以下步骤:接收医保检测指令,获取所述医保检测指令中的第一卡片标识,及所述第一卡片标识预设检测周期内的医保消费记录;根据所述医保消费记录中的消费额度,判断所述第一卡片标识对应的医保卡是否符合审查条件;若符合审查条件,则获取所述医保消费记录中的药品消费信息,并根据所述药品消费信息判断所述医保卡是否存在异常使用行为;若存在异常使用行为,则输出检测结果。本发明还公开了医保异常检测装置、设备和计算机存储介质。本发明基于机器学习的预设特征分析模型,服务器利用预设特征分析模型对医保消费记录进行分析处理,判断医保卡是否存在异常使用行为,实现了有效地医保异常检测。
专利申请CN109658109A公开了本发明提供一种医保异常刷卡的检测方法、装置、终端及存储介质,该方法包括:获取预设监控月份的第一刷卡数据,并根据预设提取规则从所述第一刷卡数据中提取待检测医保号;根据所述第一刷卡数据,和预设算法计算任意预设个数的所述待检测医保号之间的关联度,其中,所述预设个数大于或等于两个;将所述关联度大于预设阈值的待检测医保号划分为同一分组,获得分组后的目标医保号组;将属于目标医保号组的医保号进行异常标记。本发明基于关系网络分析技术获取待检测医保号之间关系网络,实现对违规刷医保卡团体的识别。
专利申请CN109636623A公开了本发明提供一种基于大数据的医疗数据异
常检测方法、装置、设备及存储介质,该方法包括:在检测到异常检测请求时,获取该异常检测请求对应的待检测医疗数据;判断历史数据库中是否存在所述待检测医疗数据对应的目标参保人的有效历史记录;若历史数据库中存在所述待检测医疗数据对应的目标参保人的有效历史记录,则基于所述目标参保人的有效历史记录,判断所述待检测医疗数据是否存在异常;若所述待检测医疗数据存在异常,则将所述待检测医疗数据进行异常标记。本发明基于关系网络分析、数据标准化、数据更新等技术,实现对异常刷卡行为,可帮助规范医保卡的使用。
专利申请CN109544367A公开了本发明实施例公开了一种基于数据处理的医保卡刷卡处理方法及相关设备,所述方法包括:可以接收用户输入的医保卡刷卡信息,该医保卡刷卡信息包括医保卡的标识信息和用户的生物特征信息,在预先存储的各个生物样本特征信息中获取与标识信息匹配的目标生物样本特征信息,若对比得到目标生物特征样本信息与生物特征信息不匹配,则根据生物特征信息,在预设数据库中获取用户的医保卡历史刷卡信息,并解析医保卡历史刷卡信息,若解析得到刷卡数量大于或者等于预设刷卡数量阈值,则该医保卡进行禁刷处理。采用本发明,可以检测同一用户使用多张医保卡的违规行为,并对该医保卡进行禁刷处理,有利于提高对医保卡刷卡的监管力度。
但目前,存在医保就医在管理中,还存在如下技术问题:
(1)现有技术中,当人员进行就医时,都是通过医保卡刷卡作为是否享受医保就医的认证手段,如果病人未携带医保卡或或者医保卡丢失,则无法享受医保服务,相反,如果捡拾到医保卡,即使不是自己的医保卡,也可刷卡使用,这导致医保卡被盗刷的现象存在。
(2)现有技术中,也存在对医保卡进行人脸识别进行防止盗刷的系统,但是这并不能完全阻止人员盗刷的事情发生,特别是,由于医保卡的金额属于专款专用的资产,需要防止用作其他用,但是现在存在部分药店购买其他不属于医保的药品,而是生活用品,这显然不符合医保的初衷。
(3)现有技术中,并未针对人员的身体监视极端情况、突发疾病,这类疾病往往没有遇见性,可以预测性,因此如果在构成人员就医画像时,如果考虑进去必然对大数据画像不准确,产生错误。
(4)现有技术中,并未考虑医院或药店的出售金额和购入药品疾病情况,因此,光从人员购药情况分析,并不能完全掌握异常购药行为,特别是转用购买生活用品的行为。
面对上述技术问题,人们希望提供一种面向医院的患者异常就医行为检测方法及系统,从而更好和快速管理医保卡,保证医保卡的合法使用和仿真盗用间。但到目前为止,现有技术中并无有效办法解决上述技术难题。
发明内容
本发明的目的在于提供一种面向医院的患者异常就医行为检测方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
1.一种面向医院的患者异常就医行为检测系统,包括就医异常检测分析器、数据存储平台、身份识别模块、人员就医数据获取模块、人员购药数据获取模块、健康体检数据获取模块和就医异常报警模块;
其中:所述就医异常检测分析器分别和所述数据存储平台、身份识别模块、人员就医数据获取模块、人员购药数据获取模块、健康体检数据获取模块和就医异常报警模块数据通信连接;
所述数据存储平台用于存储就医人员的历史治疗病历数据、健康体检数据和治疗时使用的药品、治病时治疗的医院;所述身份识别模块用于对就医人员或药品购买人员的身份进行识别和身份医保卡比对验证,并在身份识别不能通过时,向所述就医异常报警模块发出医保卡使用异常报警信息,同时对所述医保卡进行账户锁定,防止所述医保卡被盗用;所述人员就医数据获取模块和所在市的医院就医系统对接,从而获取人员的就医医院和医疗的病情、使用药品名称和药品用量,并将所述人员就医数据发送至所述数据存储平台进行存储;所述人员购药数据获取模块用于获取人员的药品购买信息,包括药品类型、药品数量,并将所述药品购买信息发送至所述数据存储平台进行存储;所述健康体检数据获取模块用于获取人员的身体健康体检数据,并将所述身体健康体检数据发送至所述数据存储平台进行存储;所述就医异常检测分析器为基于AI数据分析的设备,用于对存储于所述数据存储平台中的数据进行多维度的分析,形成人员的就医大数据画像,所述大数据画像包括医治医院数据画像、药品使用数据画像和身体体检数据画像;
所述就医异常报警模块在所述就医异常检测分析器监测到异常就医或买药使用医保卡时,进行异常报警;
在使用该异常就医行为检测监测系统时,所述就医异常检测分析器读取存储于数据存平台中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块进行人员识别,并与存储于所述数据存储平台中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块进行报警;同时,所述就医异常检测分析器在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块以便进行报警,同时,由医保部门对所述报警进行复核该异常报警行为,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器对基于该数据对该人员的大数据画像进行修改;
此外,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷。
优选的,所述就医行为检测系统还通过互联网连接有在线医药售卖系统,用户通过互联网的所述在线医药售卖系统进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统发出人脸识别认证,所述身份识别模块对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块进行报警。
优选的,所述就医异常检测分析器还利用所在城市的医就医人员的数据进行大数据分析,基于所有就医人员的就医数据进行大数据分析,得出不同年龄段的人员的季度、年度就医频次和就医或购药的费用,医院或药店的就医或购药人数、金额;并对就医人员的就医频次和就医或购药的费用出现异常时,或某医院、药店的就医人员、购药人数涉及金额出现异常时,通过所述就医异常报警模块进行报警。
优选的,所述异常就医行为检测系统还通信连接医院或药店的药品采购系统,从而获取医院或药店的药品采购金额数据,并基于采购金额数据和医院或药店的就医或购药人数、金额进行对比,当数据存在异常时,通过所述就医异常报警模块进行报警。
优选的,所述异常就医行为检测系统还通过所述就医异常检测分析器对所述就医数据和使用的药品进行分析,当出现突发性大量相同疾病或使用的药品时,则认为出现突发性疾病,所述就医异常报警模块进行报警,并发送给所述卫生部门以便紧急应对上述疾病,进行防治以便尽早提出治疗或防治策略,防止疾病传播。
优选的,根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统,从而从所述互联网连接公安户籍系统获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
优选的,所述异常就医行为检测系统还包括紧急疾病数据处理模块,当人员通过急诊的方式进行急诊治疗时,由于该疾病并不属于人员的害病的概率生病症状,将其纳入所述大数据画像时,不利于准确描绘人员的身体健康和用药、就医医院的大数据画像,因此,将该就医用的医院和医药数据删除。
优选的,所述就医异常检测分析器还定期读取所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,以便更新所述人员的治疗就医的大数据画像。
另外一方面,本申请还提供一种面向医院的患者异常就医行为检测方法,包括面向医院的患者异常就医行为检测系统,具体异常就医检测方法如下;
步骤S1,所述就医异常检测分析器读取存储于数据存平台中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;
步骤S2,当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块进行人员识别,并与存储于所述数据存储平台中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
步骤S3,在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块进行报警;
步骤S4,所述就医异常检测分析器在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块以便进行报警,
步骤S5,医保部门对所述报警进行复核该异常报警行为时,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器对基于该数据对该人员的大数据画像进行修改;
步骤S6,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷
步骤S7,所述就医行为检测系统还通过互联网连接有在线医药售卖系统,用户通过互联网的所述在线医药售卖系统进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统发出人脸识别认证,所述身份识别模块对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块进行报警。
优选的,根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统,从而从所述互联网连接公安户籍系统获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
与现有技术相比,本发明的有益效果是:
1、本申请中,通过人脸识别的方式,对人员就医时的人员和医保卡所属人员进行比对,确保就医人员和医保卡人员一致,防止医保卡被盗刷,保护医保人员和国家医保部门的经济损失。
2、本申请通过大数据的方法,分析用户的药品购买习惯、常去的医院,形成用户的购药和医院画像,而在人员去医院就医或药店购买药品时,本申请的系统核对药品明细,医院,在存在购药从而防止利用医保卡购买非医保物品,保护医保卡的安全性。
3、本申请专门针对这种无遇见性急诊进行删除,在大数据画像时并不考虑进去,从而提高大数据画像的准确性,同时对专门的急诊进行分析,以便及时发现突发性疾病。
4、本申请中,同时分析药店购药品的购入和出售信息,并在出现数据异常时进行报警,从而防止部分药店利用医保卡刷卡,但实际是出售生活用品的情况。
附图说明
图1为本发明的整体结构示意图;
图2为本发明的系统和外界系统的连接的结构示意图。
图中:1、就医异常检测分析器;2、数据存储平台;3、身份识别模块;4、人员就医数据获取模块;5、人员购药数据获取模块;6、健康体检数据获取模块;7、就医异常报警模块;8、在线医药售卖系统;9、紧急疾病数据处理模块;10、公安户籍系统。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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,都属于本发明保护的范围。
具体实施例一:
请参阅图1,本发明提供一种技术方案:一种面向医院的患者异常就医行为检测系统,包括就医异常检测分析器1、数据存储平台2、身份识别模块3、人员就医数据获取模块4、人员购药数据获取模块5、健康体检数据获取模块6和就医异常报警模块7;
其中:所述就医异常检测分析器1分别和所述数据存储平台2、身份识别模块3、人员就医数据获取模块4、人员购药数据获取模块5、健康体检数据获取模块6和就医异常报警模块7数据通信连接;
其特征在于:
所述数据存储平台2用于存储就医人员的历史治疗病历数据、健康体检数据和治疗时使用的药品、治病时治疗的医院;所述身份识别模块3用于对就医人员或药品购买人员的身份进行识别和身份医保卡比对验证,并在身份识别不能通过时,向所述就医异常报警模块7发出医保卡使用异常报警信息,同时对所述医保卡进行账户锁定,防止所述医保卡被盗用;所述人员就医数据获取模块4和所在市的医院就医系统对接,从而获取人员的就医医院和医疗的病情、使用药品名称和药品用量,并将所述人员就医数据发送至所述数据存储平台2进行存储;所述人员购药数据获取模块5用于获取人员的药品购买信息,包括药品类型、药品数量,并将所述药品购买信息发送至所述数据存储平台2进行存储;所述健康体检数据获取模块6用于获取人员的身体健康体检数据,并将所述身体健康体检数据发送至所述数据存储平台2进行存储;所述就医异常检测分析器1为基于AI数据分析的设备,用于对存储于所述数据存储平台2中的数据进行多维度的分析,形成人员的就医大数据画像,所述大数据画像包括医治医院数据画像、药品使用数据画像和身体体检数据画像;
所述就医异常报警模块7在所述就医异常检测分析器1监测到异常就医或买药使用医保卡时,进行异常报警;
在使用该异常就医行为检测监测系统时,所述就医异常检测分析器1读取存储于数据存平台2中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块3进行人员识别,并与存储于所述数据存储平台2中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块3识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块7进行报警;同时,所述就医异常检测分析器1在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块7以便进行报警,同时,由医保部门对所述报警进行复核该异常报警行为,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器1对基于该数据对该人员的大数据画像进行修改;
此外,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷。
优选的,所述就医行为检测系统还通过互联网连接有在线医药售卖系统4,用户通过互联网的所述在线医药售卖系统4进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统4向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统4发出人脸识别认证,所述身份识别模块3对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统4将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器1对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块7进行报警。
优选的,所述就医异常检测分析器1还利用所在城市的医就医人员的数据进行大数据分析,基于所有就医人员的就医数据进行大数据分析,得出不同年龄段的人员的季度、年度就医频次和就医或购药的费用,医院或药店的就医或购药人数、金额;并对就医人员的就医频次和就医或购药的费用出现异常时,或某医院、药店的就医人员、购药人数涉及金额出现异常时,通过所述就医异常报警模块7进行报警。
优选的,所述异常就医行为检测系统还通信连接医院或药店的药品采购系统,从而获取医院或药店的药品采购金额数据,并基于采购金额数据和医院或药店的就医或购药人数、金额进行对比,当数据存在异常时,通过所述就医异常报警模块7进行报警。
优选的,所述异常就医行为检测系统还通过所述就医异常检测分析器1对所述就医数据和使用的药品进行分析,当出现突发性大量相同疾病或使用的药品时,则认为出现突发性疾病,所述就医异常报警模块7进行报警,并发送给所述卫生部门以便紧急应对上述疾病,进行防治以便尽早提出治疗或防治策略,防止疾病传播。
优选的,根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统10,从而从所述互联网连接公安户籍系统10获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
优选的,所述异常就医行为检测系统还包括紧急疾病数据处理模块9,当人员通过急诊的方式进行急诊治疗时,由于该疾病并不属于人员的害病的概率生病症状,将其纳入所述大数据画像时,不利于准确描绘人员的身体健康和用药、就医医院的大数据画像,因此,将该就医用的医院和医药数据删除。
优选的,所述就医异常检测分析器1还定期读取所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,以便更新所述人员的治疗就医的大数据画像。
具体实施例二:
另外一方面,本申请还提供一种面向医院的患者异常就医行为检测方法,包括面向医院的患者异常就医行为检测系统,具体异常就医检测方法如下;
步骤S1,所述就医异常检测分析器1读取存储于数据存平台2中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;
步骤S2,当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块3进行人员识别,并与存储于所述数据存储平台2中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
步骤S3,在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块3识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块7进行报警;
步骤S4,所述就医异常检测分析器1在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块7以便进行报警,
步骤S5,医保部门对所述报警进行复核该异常报警行为时,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器1对基于该数据对该人员的大数据画像进行修改;
步骤S6,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷
步骤S7,所述就医行为检测系统还通过互联网连接有在线医药售卖系统4,用户通过互联网的所述在线医药售卖系统4进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统4向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统4发出人脸识别认证,所述身份识别模块3对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统4将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器1对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块7进行报警。
优选的,根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统10,从而从所述互联网连接公安户籍系统10获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语″包括″、″包含″或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种面向医院的患者异常就医行为检测系统,包括就医异常检测分析器(1)、数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7);
其中:所述就医异常检测分析器(1)分别和所述数据存储平台(2)、身份识别模块(3)、人员就医数据获取模块(4)、人员购药数据获取模块(5)、健康体检数据获取模块(6)和就医异常报警模块(7)数据通信连接;
其特征在于:
所述数据存储平台(2)用于存储就医人员的历史治疗病历数据、健康体检数据和治疗时使用的药品、治病时治疗的医院;所述身份识别模块(3)用于对就医人员或药品购买人员的身份进行识别和身份医保卡比对验证,并在身份识别不能通过时,向所述就医异常报警模块(7)发出医保卡使用异常报警信息,同时对所述医保卡进行账户锁定,防止所述医保卡被盗用;所述人员就医数据获取模块(4)和所在市的医院就医系统对接,从而获取人员的就医医院和医疗的病情、使用药品名称和药品用量,并将所述人员就医数据发送至所述数据存储平台(2)进行存储;所述人员购药数据获取模块(5)用于获取人员的药品购买信息,包括药品类型、药品数量,并将所述药品购买信息发送至所述数据存储平台(2)进行存储;所述健康体检数据获取模块(6)用于获取人员的身体健康体检数据,并将所述身体健康体检数据发送至所述数据存储平台(2)进行存储;所述就医异常检测分析器(1)为基于AI数据分析的设备,用于对存储于所述数据存储平台(2)中的数据进行多维度的分析,形成人员的就医大数据画像,所述大数据画像包括医治医院数据画像、药品使用数据画像和身体体检数据画像;
所述就医异常报警模块(7)在所述就医异常检测分析器(1)监测到异常就医或买药使用医保卡时,进行异常报警;
在使用该异常就医行为检测监测系统时,所述就医异常检测分析器(1)读取存储于数据存平台(2)中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块(3)进行人员识别,并与存储于所述数据存储平台(2)中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块(3)识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块(7)进行报警;同时,所述就医异常检测分析器(1)在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块(7)以便进行报警,同时,由医保部门对所述报警进行复核该异常报警行为,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器(1)对基于该数据对该人员的大数据画像进行修改;
此外,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷。
2.根据权利要求1所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述就医行为检测系统还通过互联网连接有在线医药售卖系统(4),用户通过互联网的所述在线医药售卖系统(4)进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统(4)向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统(4)发出人脸识别认证,所述身份识别模块(3)对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统(4)将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器(1)对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块(7)进行报警。
3.根据权利要求1或2所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述就医异常检测分析器(1)还利用所在城市的医就医人员的数据进行大数据分析,基于所有就医人员的就医数据进行大数据分析,得出不同年龄段的人员的季度、年度就医频次和就医或购药的费用,医院或药店的就医或购药人数、金额;并对就医人员的就医频次和就医或购药的费用出现异常时,或某医院、药店的就医人员、购药人数涉及金额出现异常时,通过所述就医异常报警模块(7)进行报警。
4.根据权利要求3所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述异常就医行为检测系统还通信连接医院或药店的药品采购系统,从而获取医院或药店的药品采购金额数据,并基于采购金额数据和医院或药店的就医或购药人数、金额进行对比,当数据存在异常时,通过所述就医异常报警模块(7)进行报警。
5.根据权利要求1所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述异常就医行为检测系统还通过所述就医异常检测分析器(1)对所述就医数据和使用的药品进行分析,当出现突发性大量相同疾病或使用的药品时,则认为出现突发性疾病,所述就医异常报警模块(7)进行报警,并发送给所述卫生部门以便紧急应对上述疾病,进行防治以便尽早提出治疗或防治策略,防止疾病传播。
6.根据权利要求1所述的一种面向医院的患者异常就医行为检测方法及系统,其特征在于:根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统(10),从而从所述互联网连接公安户籍系统(10)获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
7.根据权利要求1所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述异常就医行为检测系统还包括紧急疾病数据处理模块(9),当人员通过急诊的方式进行急诊治疗时,由于该疾病并不属于人员的害病的概率生病症状,将其纳入所述大数据画像时,不利于准确描绘人员的身体健康和用药、就医医院的大数据画像,因此,将该就医用的医院和医药数据删除。
8.根据权利要求1所述的一种面向医院的患者异常就医行为检测系统,其特征在于:所述就医异常检测分析器(1)还定期读取所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,以便更新所述人员的治疗就医的大数据画像。
9.一种面向医院的患者异常就医行为检测方法,包括权利要求1-8中任意一项的面向医院的患者异常就医行为检测系统,具体异常就医检测方法如下;
步骤S1,所述就医异常检测分析器(1)读取存储于数据存平台(2)中的人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院,利用神经网络技术,对所述人员的历史治疗数据、健康体检数据、治疗用的药品和治疗医院进行数据训练,分析出人员随不同季节、月份的主要治疗医院、不同季节治疗频次、疾病类型、治疗用药、身体机能状态,得出该人员的治疗就医的大数据画像;
步骤S2,当患者去医院就医时,在挂号过程中,通过摄像头获取人员的头像信息并发送给所述身份识别模块(3)进行人员识别,并与存储于所述数据存储平台(2)中的医保数据进行比对,当人员属于购买医保人员时,则通过该人员的医保挂号申请,否则该人员以普通就医模式挂号申请;
步骤S3,在人员选择了相应的挂号的科目后,并完成就医后,在进行医保就医付款时,所述身份识别模块(3)识别医保卡和就医挂号人员进行比对,在比对通过后,则完成支付,否则拒绝支付,并通过所述就医异常报警模块(7)进行报警;
步骤S4,所述就医异常检测分析器(1)在就医人员通过医保就医付款时,将所述就医医院数据、疾病数据和药品数据和所述大数据画像进行对比,当就医医院数据、疾病数据和药品数据和所述大数据画像存在异常时,向所述就医异常报警模块(7)以便进行报警,
步骤S5,医保部门对所述报警进行复核该异常报警行为时,当确认该异常报警行为为误报警时,取消该异常报警行为,同时通过所述就医异常检测分析器(1)对基于该数据对该人员的大数据画像进行修改;
步骤S6,基于人员的身体体检数据画像,定期对该人员的一定时间段的就医频率和药品量和药品类型进行数据分析,如果发现其购药量和药品类型不符合该人员的身体体检数据画像时,提供给所述医保部门,从而防止医保卡被盗刷
步骤S7,所述就医行为检测系统还通过互联网连接有在线医药售卖系统(4),用户通过互联网的所述在线医药售卖系统(4)进行下单,当用户选择采用医保卡进行支付时,所述在线医药售卖系统(4)向所述就医行为检测系统发出医保卡支付请求认证,所述就医行为检测系统向所述在线医药售卖系统(4)发出人脸识别认证,所述身份识别模块(3)对获取的头像视频进行在线人脸识别,当人脸识别通过后,所述线医药售卖系统(4)将用户选择的药品数据发送至所述就医行为检测系统,从而所述中心就医异常检测分析器(1)对药品数据和所述分析库中的用于购买药品习惯进行对比,当用户采用的药品数据和用户的采购药品数据的数据画像不同时,则认为所述用户购药存在异常,通过所述就医异常报警模块(7)进行报警。
10.根据权利要求9所述的一种面向医院的患者异常就医行为检测方法及系统,其特征在于:根据国家或地方政府对享受医保政策,所述异常就医行为检测系统还通过互联网连接公安户籍系统(10),从而从所述互联网连接公安户籍系统(10)获取家庭关系,在地方政府允许家庭共享使用医保卡时,所述家庭人员通过身份识别时,所述家庭人员可调通过身份识别并关联家庭其他成员的医保卡,从而实现家庭成员的医保卡内的余额共享。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039516.3A CN113704731A (zh) | 2021-09-06 | 2021-09-06 | 面向医院的患者异常就医行为检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111039516.3A CN113704731A (zh) | 2021-09-06 | 2021-09-06 | 面向医院的患者异常就医行为检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113704731A true CN113704731A (zh) | 2021-11-26 |
Family
ID=78660601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111039516.3A Withdrawn CN113704731A (zh) | 2021-09-06 | 2021-09-06 | 面向医院的患者异常就医行为检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704731A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757792A (zh) * | 2022-06-15 | 2022-07-15 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
-
2021
- 2021-09-06 CN CN202111039516.3A patent/CN113704731A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757792A (zh) * | 2022-06-15 | 2022-07-15 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
CN114757792B (zh) * | 2022-06-15 | 2022-09-30 | 南京云联数科科技有限公司 | 一种基于多领域数据的医保风控管理方法及设备 |
CN114866351A (zh) * | 2022-07-06 | 2022-08-05 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及平台 |
CN114866351B (zh) * | 2022-07-06 | 2022-10-14 | 湖南创星科技股份有限公司 | 一种基于区块链的区域医疗处方监管方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11158406B2 (en) | Automatic patient recruitment system | |
US9032531B1 (en) | Identification breach detection | |
Thornton et al. | Categorizing and describing the types of fraud in healthcare | |
US7917374B2 (en) | System and method for early identification of safety concerns of new drugs | |
US11367515B2 (en) | Detecting diverted drugs | |
CN113704731A (zh) | 面向医院的患者异常就医行为检测方法及系统 | |
Dua et al. | Supervised learning methods for fraud detection in healthcare insurance | |
CN111613290B (zh) | 一种基于区块链的医疗信息管理系统 | |
Nicholas et al. | Association between treatment by fraud and abuse perpetrators and health outcomes among medicare beneficiaries | |
Kirchebner et al. | Stress, schizophrenia, and violence: a machine learning approach | |
US20200411191A1 (en) | Addiction predictor and relapse detection support tool | |
CN109119137A (zh) | 一种异常检测方法、装置、服务器及存储介质 | |
Hatten et al. | Rushing gunshot victims to trauma care: The influence of first responders and the challenge of the geography | |
US20220005565A1 (en) | System with retroactive discrepancy flagging and methods for use therewith | |
Ng et al. | Detecting non-compliant consumers in spatio-temporal health data: A case study from Medicare Australia | |
Shever et al. | The effect of high nursing surveillance on hospital cost | |
CN114822872A (zh) | 风险信号识别模型的训练、药物风险信号挖掘方法、装置 | |
CN109636648A (zh) | 社保违规检测方法、装置、设备及计算机存储介质 | |
CN113239240A (zh) | 医保违规对象发现方法及装置 | |
CN111899114A (zh) | 一种基于多视图双聚类的就医欺诈行为检测方法及系统 | |
Matloob et al. | A framework for fraud detection in government supported national healthcare programs | |
Judson et al. | Medical identity theft: prevention and reconciliation initiatives at Massachusetts General Hospital | |
US8818825B1 (en) | Patient authentication fraud prevention system and method | |
CN1510626A (zh) | 用于进行临床研究的方法 | |
Rivais et al. | The opioid epidemic is not new: time to change the practice of medicine |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211126 |
|
WW01 | Invention patent application withdrawn after publication |