CN114693188A - 一种药品零售行业风险监管方法、系统和设备 - Google Patents
一种药品零售行业风险监管方法、系统和设备 Download PDFInfo
- Publication number
- CN114693188A CN114693188A CN202210604662.4A CN202210604662A CN114693188A CN 114693188 A CN114693188 A CN 114693188A CN 202210604662 A CN202210604662 A CN 202210604662A CN 114693188 A CN114693188 A CN 114693188A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- pharmacy
- factors
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000003814 drug Substances 0.000 title claims abstract description 46
- 229940079593 drug Drugs 0.000 title claims abstract description 41
- 238000012954 risk control Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000006399 behavior Effects 0.000 claims description 59
- 230000015654 memory Effects 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009977 dual effect Effects 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000003533 narcotic effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 5
- 230000007774 longterm Effects 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 2
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 2
- 235000009120 camo Nutrition 0.000 description 2
- 235000005607 chanvre indien Nutrition 0.000 description 2
- 239000011487 hemp Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004081 narcotic agent Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
Abstract
本发明公开了一种药品零售行业风险监管方法、系统和设备,方法包括:采集零售药店的多种业务行为数据,并将数据预处理后分类存储在各数据库中;利用风险控制模型计算每种业务行为数据的风险因素值、风险优先级以及风险权重;根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警。本发明通过直观量化药店的销售风险,使得药店的销售风险能够被及时发现,避免造成重大医疗事故。对于药店而言,能够有利于药店的长久可持续发展;对于消费用户而言,可以提高购买药品的信赖度,从而提高购买体验;对于监管部门而言,能够最大化节约人力和物力成本,提高监管效率。
Description
技术领域
本发明属于药品风险监管技术领域,具体涉及一种药品零售行业风险监管方法、系统和设备。
背景技术
药品安全是关乎社会民生的重要事项,对药品销售的监管不到位可能致使重大药品安全事故发生。例如,如果有用户购买含麻药品超量,则将该用品用于制毒等非法行为的风险就很高。然而,由于现有的药品零售企业的进销存系统和仓库管理系统没有统一的国家标准,系统之间信息孤岛现象严重,导致监管部门不能实时监管企业的经营数据,目前的监管手段主要还是依靠工作人员到店检查经营漏洞、登记违规项以及人工记录检查结果,但这种工作方式主要依赖于工作人员的人为经验,检查结果存在一定的主观性,且即使耗费了大量的人力和物力资源,也无法及时发现药店存在的风险事件。
针对上述药品零售行业风险监管方法存在的缺陷,亟需提出一种智能化的药品零售风险的监管方法和系统,以便及时发现和整改隐患,加强药店的安全管理能力,避免重大医疗事故发生。
发明内容
本发明的目的是提供一种药品零售行业风险监管方法、系统和设备,用于解决现有技术中存在的至少一个技术问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,本发明提供一种药品零售行业风险监管方法,包括:
采集零售药店的多种业务行为数据,并将数据预处理后分类存储在各数据库中;
利用风险控制模型计算每种业务行为数据的风险因素值、风险优先级以及风险权重;
根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警;
其中,利用风险控制模型计算每种业务行为数据的风险权重,包括:
在一种可能的设计中,所述业务行为数据至少包括药店进销存系统数据、执业药师考勤数据、电子处方数据、含麻药品销售登记数据、用户投诉数据和/或在售的近效期药品数据。
在一种可能的设计中,将数据预处理后分类存储在各数据库中,包括:
对业务行为数据中的残缺数据和/或错误数据进行数据清洗,并将清洗后的数据分类存储在对应的数据库中。
在一种可能的设计中,利用风险控制模型计算每种业务行为数据的风险因素值,包括:
在一种可能的设计中,利用风险控制模型计算每种业务行为数据的风险优先级,包括:
计算每种业务行为数据的风险因素的后验概率,将任意两种风险因素的后验概率进行两两比对,并将其中后验概率较大的风险因素进行一次标记;
在将所有风险因素比对完成后,统计每一风险因素的标记次数,并将所有风险因素按照标记次数从大到小进行排序,并根据排序先后依次确定每一风险因素的风险优先级。
在一种可能的设计中,计算每种业务行为数据的风险因素的后验概率,包括:
在一种可能的设计中,将任意两种风险因素的后验概率进行两两比对,并将其中后验概率较大的风险因素进行一次标记,包括:
分别将每行风险因素中的其中一对因素的后验概率进行比较,并将后验概率较大的风险因素进行一次画圈标记。
在一种可能的设计中,根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警,包括:
第二方面,本发明提供一种应用如第一方面任意一种可能的设计中所述方法的系统,包括至少部署在药店终端的数据采集单元、至少部署在监管部门终端的风险预警单元以及部署在服务器端的数据存储单元和风险控制单元;所述数据采集单元与所述数据存储单元通信连接,所述数据存储单元与所述风险控制单元通信连接,所述风险控制单元与所述风险预警单元通信连接。
第三方面,本发明提供一种计算机设备,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
第五方面,本发明提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
有益效果:
本发明通过采集零售药店的多种业务行为数据,并将数据预处理后分类存储在各数据库中;然后利用风险控制模型计算每种业务行为数据的风险因素值、风险优先级以及风险权重;最后根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警。即本发明通过直观量化药店的销售风险,使得药店的销售风险能够被及时发现,避免造成重大医疗事故。对于药店而言,能够有利于药店的长久可持续发展;对于消费用户而言,可以提高购买药品的信赖度,从而提高购买体验;对于监管部门而言,能够最大化节约人力和物力成本,使得监管工作更加系统化和标准化,提高监管效率。
附图说明
图1为本实施例中的药品零售行业风险监管方法的流程示意图。
具体实施方式
为使本说明书实施例的目的、技术方案和优点更加清楚,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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。
实施例
为了解决现有的药店零售行为监管系统之间信息孤岛现象严重,导致监管部门不能实时监管企业的经营数据,依靠人工监管,人工成本较高且效率较低的技术问题。本实施例提出了一种药品零售行业风险监管方法,该方法通过直观量化药店的销售风险,使得药店的销售风险能够被及时发现,避免造成重大医疗事故。对于药店而言,能够有利于药店的长久可持续发展;对于消费用户而言,可以提高购买药品的信赖度,从而提高购买体验;对于监管部门而言,能够最大化节约人力和物力成本,使得监管工作更加系统化和标准化,提高监管效率。以下通过具体实施例对该方法进行详细说明。
如图1所示,第一方面,本实施例提供一种药品零售行业风险监管方法,包括但不限于由步骤S101~S103实现:
步骤S101.采集零售药店的多种业务行为数据,并将数据预处理后分类存储在各数据库中;
在步骤S101中,所述业务行为数据至少包括药店进销存系统数据、执业药师考勤数据、电子处方数据、含麻药品销售登记数据、用户投诉数据和/或在售的近效期药品数据;当然,可以理解的是,为了使得后续的分析结果更加全面和准确,本实施例中还可以采集监管部门的执法得分数据和用户的行政投诉数据等,用于后续的计算分析,以提高结果的准确度,此处不做限定。
在步骤S101中,将数据预处理后分类存储在各数据库中,包括:
对业务行为数据中的残缺数据和/或错误数据进行数据清洗,并将清洗后的数据分类存储在对应的数据库中。
其中,需要说明的是,所述残缺数据主要是指存在信息缺失的数据,例如供应商的名称、分公司的名称、客户的区域信息、业务系统中主表与明细表不能匹配等信息缺失。对于此类数据通过数据清洗可以将其进行过滤,然后按照缺失的数据项进行内容补全,例如按照数据获取的源头,向数据源头请求补全数据等。
其中,需要说明的是,所述错误数据主要是指一些日期格式不正确或者日期越界的数据,这一类数据将导致ETL(Extract-Transform-Load,数据仓库)运行失败,因此需要到业务系统数据库中通过SQL方式将其挑选出来,并发送至对应部门进行限期修正,并提取修正之后的数据。
其中,需要说明的是,本实施例为不同种类的业务行为数据创建有对应的数据库,在将数据进行清洗后,可将业务行为数据按照分类存储在对应的数据库中,以供后续数据分析时调用。
步骤S102,利用风险控制模型计算每种业务行为数据的风险因素值、风险优先级以及风险权重;
在步骤S102中,利用风险控制模型计算每种业务行为数据的风险因素值,包括:
其中,需要说明的是,优选的,将各种业务行为数据的风险因素的初始值均设置为100,然后调用每种业务行为数据对应的数据库,对数据库中的数据进行分析检测,当某业务行为数据不符合该种业务行为的预设标准时,则将其风险因素值减一,表示扣除1分。
例如,当第一种业务行为数据是药店进销存系统数据时,若检测到药店进销存系统数据在N天内未进行更新,则表明该业务行为数据不满足预设标准,将其风险因素值减1,以此类推,直至药店进销存系统数据检测完毕,记录当前的风险因素值,其中,N表示最大允许多久不更新进销存数据,优选的,N=7。
例如,当第二种业务行为数据是执业药师考勤数据时,若执业药师考勤数据与该药店的执业药师在岗人数不符时,则表明该业务行为数据不满足预设标准,将其风险因素值减1,依次类推,直至执业药师考勤数据检测完毕,记录当前的风险因素值。
在步骤S102中,利用风险控制模型计算每种业务行为数据的风险优先级,包括:
(1)计算每种业务行为数据的风险因素的后验概率,将任意两种风险因素的后验概率进行两两比对,并将其中后验概率较大的风险因素进行一次标记;
其中,优选的,计算每种业务行为数据的风险因素的后验概率,包括:
其中,优选的,将任意两种风险因素的后验概率进行两两比对,并将其中后验概率较大的风险因素进行一次标记,包括:
的后验概率进行比对,以此类推,直至将所有风险因素进行两两比对完毕。
分别将每行风险因素中的其中一对因素的后验概率进行比较,并将后验概率较大的风险因素进行一次画圈标记。
行,总的比较次数为累积组合次数,即次。则当所有项组合中的两因素都比较完后,根据加圈次数的多少,可以判断每一个因素的优先次序,加圈最多的是最优的,一直类推到最次的,如果有两个或更多因素具有相同圈数,则它们的优选率是相等的。
(2)在将所有风险因素比对完成后,统计每一风险因素的标记次数,并将所有风险因素按照标记次数从大到小进行排序,并根据排序先后依次确定每一风险因素的风险优先级。
在步骤S102中,在排出优先次序后,还需要获取每一优先级的风险因素对应的权重系数,即将序数问题基数化,则利用风险控制模型计算每种业务行为数据的风险权重,包括:
具体的,例如共有n个风险因素,将各种因素按其优先次序排位,最优的也即优选率第1的其价值位置为级,优选率第2的其价值位置为级,依次类推,优选率最后的其价值位置为1级。这样每个因素的价值就能简略地排列成n个标度。其中,价值位置是指各因素的价值排序,排位第位的风险因素,其价值位置是。
那么,当两个风险因素具有相同的优选率时,例如,如果第2个和第3个优选率相同,则它们的价值位置为[(n-1)+(n-2)]/2。对于其它排列位置的相同优先率者可采用同样方式确定价值位置,则权重便可以通过各因素的价值位置数除以[n(n+1)]/2来取代。因此在没有任何相同优选率情况时,最优权重为2n/[n(n+1)],次优为2(n-1)/[n(n+1)],……,优选率最低的因素即权重为2/[n(n+1)]。位置数相同的因素权重相同,计算方法同样是以位置数除以[n(n + 1)]/2。
作为本实施例的一个实际应用,以风险因素为6个进行具体说明,用表示进销存系统的数据、表示执业药师考勤数据、表示电子处方数据、表示含麻药品销售登记数据、表示用户投诉数据以及表示在售的近效期药品数据,将上述六个风险因素按照成对偶三角形进行排列,如下:
分别对每一行的每一列两个因素进行对比,基于上述公开的内容计算得到哪一个因素的后验概率更大,则对其加圈。最后根据累计加圈次数确定各风险因素的排列次序,进而确定各风险因素的优先级,进而确定权重如下表:
步骤S103,根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警;
在步骤S103中,根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警,包括:
其中,和分别表示第一风险阈值和第二风险阈值,且,若,则判定药店的销售行为存在低风险,若,则判定药店的销售行为存在中风险,若,则判定药店的销售行为存在高风险,其中,优选的,所述和为50-100之间的整数,更优选的,,。
那么,当判定药店的销售行为存在低风险时,则需要对风险的药店重点监控和检查,当发现风险事件时,及时预警,从而构建一套全方位的药品零售行业的智能风险控制体系。
基于上述公开的内容,本实施例通过采集零售药店的多种业务行为数据,并将数据预处理后分类存储在各数据库中;然后利用风险控制模型计算每种业务行为数据的风险因素值、风险优先级以及风险权重;最后根据所述风险因素值、所述风险优先级以及所述风险权重计算药店的销售风险值,并根据计算结果判断是否对药店进行风险预警。即本发明通过直观量化药店的销售风险,使得药店的销售风险能够被及时发现,避免造成重大医疗事故。对于药店而言,能够有利于药店的长久可持续发展;对于消费用户而言,可以提高购买药品的信赖度,从而提高购买体验;对于监管部门而言,能够最大化节约人力和物力成本,不用再频繁登门检查,不再依赖纸质检查单和手工统计表格,远程就可以查看到药店的经营数据和风险事件,责令药店及时作出整改,大大提高了工作效率,节省了劳动力成本;此外,本实施例能够很大程度上避免套购含麻药品、违规购买四类药品、销售过期药品等等风险事件,助力监管部门的药品监管的同时,有助于药品零售行业的良性健康发展。
第二方面,本发明提供一种应用如第一方面任意一种可能的设计中所述方法的系统,包括至少部署在药店终端的数据采集单元、至少部署在监管部门终端的风险预警单元以及部署在服务器端的数据存储单元和风险控制单元;所述数据采集单元与所述数据存储单元通信连接,所述数据存储单元与所述风险控制单元通信连接,所述风险控制单元与所述风险预警单元通信连接。
具体的,所述数据采集单元用于负责对药店的业务行为数据进行采集,所述数据存储单元用于对所述数据采集单元采集的数据进行清洗、分类和存储,所述风险控制单元用于对数据存储单元的数据通过实时计算评估药店的日常经营风险系数,所述风险预警单元用于将风险控制单元分析得到的风险评分较高时,发出风险预警,提醒各部门注意。
在本实施例中,优选的,所述系统在每天凌晨定时启动风险处理程序,根据既定风险因素的检定规则,拉取上一天源业务数据库对数据进行分析提取,然后将提取出的风险数据汇总并送入风险控制模型进行分析,得到分析结果,然后,将风险数据以及风险分析结果存入并更新风险数据库,优选的,风险分析仅评估当前数据,风险评估结果按年度归档。
本实施例第二方面提供的前述系统的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第三方面,本发明提供一种计算机设备,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器;所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、GPRS(General Packet RadioService,通用分组无线服务技术)无线收发器和/或ZigBee(紫蜂协议,基于IEEE802 .15.4标准的低功耗局域网协议)无线收发器等。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
第五方面,本发明提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面任意一种可能的设计中所述的药品零售行业风险监管方法。
本实施例第五方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如上第一方面或第一方面中任意一种可能设计所述的方法,于此不再赘述。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
2.根据权利要求1所述的药品零售行业风险监管方法,其特征在于,所述业务行为数据至少包括药店进销存系统数据、执业药师考勤数据、电子处方数据、含麻药品销售登记数据、用户投诉数据和/或在售的近效期药品数据。
3.根据权利要求1所述的药品零售行业风险监管方法,其特征在于,将数据预处理后分类存储在各数据库中,包括:
对业务行为数据中的残缺数据和/或错误数据进行数据清洗,并将清洗后的数据分类存储在对应的数据库中。
5.根据权利要求4所述的药品零售行业风险监管方法,其特征在于,利用风险控制模型计算每种业务行为数据的风险优先级,包括:
计算每种业务行为数据的风险因素的后验概率,将任意两种风险因素的后验概率进行两两比对,并将其中后验概率较大的风险因素进行一次标记;
在将所有风险因素比对完成后,统计每一风险因素的标记次数,并将所有风险因素按照标记次数从大到小进行排序,并根据排序先后依次确定每一风险因素的风险优先级。
9.一种应用如权利要求1-8任意一项所述的药品零售行业风险监管方法的系统,其特征在于,包括至少部署在药店终端的数据采集单元、至少部署在监管部门终端的风险预警单元以及部署在服务器端的数据存储单元和风险控制单元;所述数据采集单元与所述数据存储单元通信连接,所述数据存储单元与所述风险控制单元通信连接,所述风险控制单元与所述风险预警单元通信连接。
10.一种计算机设备,其特征在于,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1-8任意一项所述的药品零售行业风险监管方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210604662.4A CN114693188A (zh) | 2022-05-31 | 2022-05-31 | 一种药品零售行业风险监管方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210604662.4A CN114693188A (zh) | 2022-05-31 | 2022-05-31 | 一种药品零售行业风险监管方法、系统和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693188A true CN114693188A (zh) | 2022-07-01 |
Family
ID=82131051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210604662.4A Pending CN114693188A (zh) | 2022-05-31 | 2022-05-31 | 一种药品零售行业风险监管方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693188A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544902A (zh) * | 2022-11-29 | 2022-12-30 | 四川骏逸富顿科技有限公司 | 药店风险等级识别模型生成方法及药店风险等级识别方法 |
CN118014370A (zh) * | 2024-03-20 | 2024-05-10 | 医顺通信息科技(常州)有限公司 | 一种基于大数据的信息化资源管理系统及其方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339415A (zh) * | 2010-07-22 | 2012-02-01 | 北京市药品监督管理局药品认证管理中心 | 药品生产经营企业风险评估系统 |
CN107093101A (zh) * | 2017-03-29 | 2017-08-25 | 广州汇融易互联网金融信息服务有限公司 | 基于pos流水数据的潜在贷款用户挖掘与风险评分方法 |
CN107609807A (zh) * | 2017-11-08 | 2018-01-19 | 厦门美亚商鼎信息科技有限公司 | 一种网络餐饮风险识别方法及系统 |
CN108229826A (zh) * | 2018-01-04 | 2018-06-29 | 中国计量大学 | 一种基于改进贝叶斯算法的网购风险等级评估方法 |
CN109345272A (zh) * | 2018-11-28 | 2019-02-15 | 中国计量大学 | 一种基于改进马尔科夫链的店铺信用风险预测方法 |
CN109816272A (zh) * | 2019-02-25 | 2019-05-28 | 北京工商大学 | 受限信息条件下科技型上市企业财务风险预警方法 |
CN110400080A (zh) * | 2019-07-26 | 2019-11-01 | 浙江大搜车软件技术有限公司 | 考核数据监控方法、装置、计算机设备和存储介质 |
CN111445264A (zh) * | 2020-02-17 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的食品供应链溯源系统及实现方法 |
CN111612606A (zh) * | 2020-04-11 | 2020-09-01 | 交通银行股份有限公司上海市分行 | 一种商户欺诈风险监控系统及数据挖掘方法 |
CN111768833A (zh) * | 2020-09-01 | 2020-10-13 | 四川骏逸富顿科技有限公司 | 一种处方风险检测方法及其风险检测系统 |
CN114240226A (zh) * | 2021-12-23 | 2022-03-25 | 中国安全生产科学研究院 | 一种安全风险指数评价系统 |
-
2022
- 2022-05-31 CN CN202210604662.4A patent/CN114693188A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102339415A (zh) * | 2010-07-22 | 2012-02-01 | 北京市药品监督管理局药品认证管理中心 | 药品生产经营企业风险评估系统 |
CN107093101A (zh) * | 2017-03-29 | 2017-08-25 | 广州汇融易互联网金融信息服务有限公司 | 基于pos流水数据的潜在贷款用户挖掘与风险评分方法 |
CN107609807A (zh) * | 2017-11-08 | 2018-01-19 | 厦门美亚商鼎信息科技有限公司 | 一种网络餐饮风险识别方法及系统 |
CN108229826A (zh) * | 2018-01-04 | 2018-06-29 | 中国计量大学 | 一种基于改进贝叶斯算法的网购风险等级评估方法 |
CN109345272A (zh) * | 2018-11-28 | 2019-02-15 | 中国计量大学 | 一种基于改进马尔科夫链的店铺信用风险预测方法 |
CN109816272A (zh) * | 2019-02-25 | 2019-05-28 | 北京工商大学 | 受限信息条件下科技型上市企业财务风险预警方法 |
CN110400080A (zh) * | 2019-07-26 | 2019-11-01 | 浙江大搜车软件技术有限公司 | 考核数据监控方法、装置、计算机设备和存储介质 |
CN111445264A (zh) * | 2020-02-17 | 2020-07-24 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的食品供应链溯源系统及实现方法 |
CN111612606A (zh) * | 2020-04-11 | 2020-09-01 | 交通银行股份有限公司上海市分行 | 一种商户欺诈风险监控系统及数据挖掘方法 |
CN111768833A (zh) * | 2020-09-01 | 2020-10-13 | 四川骏逸富顿科技有限公司 | 一种处方风险检测方法及其风险检测系统 |
CN114240226A (zh) * | 2021-12-23 | 2022-03-25 | 中国安全生产科学研究院 | 一种安全风险指数评价系统 |
Non-Patent Citations (3)
Title |
---|
李春好 等: "含有定性因素的相对效率分析改进模型及应用", 《吉林工业大学学报(工学版)》 * |
李绍山: "《语言研究中的统计学》", 28 February 2001, 西安交通大学出版社 * |
杨睿娟: "《普通高等教育"十三五"经济与管理类专业核心教材 人力资源开发与管理》", 30 September 2019, 西安交通大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115544902A (zh) * | 2022-11-29 | 2022-12-30 | 四川骏逸富顿科技有限公司 | 药店风险等级识别模型生成方法及药店风险等级识别方法 |
CN118014370A (zh) * | 2024-03-20 | 2024-05-10 | 医顺通信息科技(常州)有限公司 | 一种基于大数据的信息化资源管理系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021052031A1 (zh) | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 | |
CN114693188A (zh) | 一种药品零售行业风险监管方法、系统和设备 | |
US8078488B2 (en) | System and method for determining trailing data adjustment factors | |
CN110363453B (zh) | 配送信息可视化方法和装置 | |
US20220188280A1 (en) | Machine learning based process and quality monitoring system | |
CN107784510A (zh) | 基于门店零售终端的销售业绩统计分析系统及方法 | |
CN104970976A (zh) | 一种具有自动补药功能的智能药盒系统及使用方法 | |
CN112256949A (zh) | 一种中药饮片全流程追溯系统 | |
CN111599453B (zh) | 智能药房数据处理方法、装置、计算机设备及存储介质 | |
CN107329877A (zh) | 机票业务监控执行系统及方法 | |
CA2667627A1 (en) | A system and method for detecting anomalies in market data | |
CN113342939B (zh) | 数据质量监控方法、装置及相关设备 | |
CN110956359A (zh) | 快递员怠工行为的监控方法、装置及存储介质 | |
CN116957471A (zh) | 一种智能零售服务方法、系统、电子设备及存储介质 | |
CN111192668A (zh) | 一种药品审计方法 | |
CN116957475B (zh) | 基于云计算的口腔诊所库房管理方法、系统及装置 | |
CN113919865A (zh) | 一种网络零售额统计方法 | |
CN114077977B (zh) | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 | |
US20130325170A1 (en) | Pharmacy automation optimization system and method | |
CN107194190A (zh) | 医药费用数据库中识别服务对象对费用影响的方法及装置 | |
CN107168942B (zh) | 一种自动报表生成方法及其装置 | |
CN112487049A (zh) | 一种药品智能化跟踪监控系统 | |
CN110738570A (zh) | 基于多通道异质数据的信息型操纵自动识别方法 | |
CN108416612A (zh) | 快递价格调整的防错方法和快递价格调整的防错系统 | |
CN111145882B (zh) | 一种基于多维连续钻取的医用耗材动态监管方法及系统 |
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 |