CN115879179B - 一种异常病历检测装置 - Google Patents
一种异常病历检测装置 Download PDFInfo
- Publication number
- CN115879179B CN115879179B CN202310161810.4A CN202310161810A CN115879179B CN 115879179 B CN115879179 B CN 115879179B CN 202310161810 A CN202310161810 A CN 202310161810A CN 115879179 B CN115879179 B CN 115879179B
- Authority
- CN
- China
- Prior art keywords
- data
- medical record
- class
- page
- quality control
- 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 80
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 57
- 238000003908 quality control method Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 27
- 201000010099 disease Diseases 0.000 claims abstract description 11
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims description 35
- 238000010304 firing Methods 0.000 claims description 20
- 230000009471 action Effects 0.000 claims description 9
- 238000005538 encapsulation Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 229940079593 drug Drugs 0.000 claims description 6
- 239000003814 drug Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 208000028659 discharge Diseases 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 18
- 230000002265 prevention Effects 0.000 description 14
- 230000006399 behavior Effects 0.000 description 5
- 238000004806 packaging method and process Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005281 excited state Effects 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 201000004813 Bronchopneumonia Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Images
Classifications
-
- 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
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医保结算信息系统技术领域,且公开了一种异常病历检测装置,其包括盒体,所述盒体上设置有用于读取病历数据的输入接口,盒体内设置有用于检测病历数据的处理器;用于检测结果加密处理的加密模块;用于对加密后的检测结果上报的上传模块。所述处理器采用Dirichlet过程混合模型,融合病历首页自动质控评分及费用降维方法,大大提高系统运行的效率,有效解决疾病、手术及操作编码标化及检测效率等问题。通过在检测装置内设置防拆机构,有效降低了检测结果被恶意篡改的风险,保障了检测过程的合法公正,装配锁止部的设置,使防拆机构在装配时处于临时锁止状态,更便于装配,防拆机构与加密模块集成设置,提升了装置的集成度。
Description
技术领域
本发明涉及医保结算信息系统领域,尤其涉及一种异常病历检测装置。
背景技术
当前,在医保结算信息系统领域,全面完成付费方式改革是推动医保高质量发展的重要举措。支付方式改革的主要目的在于引导医疗机构改变当前粗放式、规模扩张式运营机制,转向更加注重内涵式发展,更加注重内部成本控制,更加注重体现医疗服务技术价值的运营机制。但某些医疗机构尚缺乏科学有效管理,给医保基金监管带来较大挑战。
目前,针对医保违规行为,往往通过人工核查病历数据或结合混合数据模型的方法检测疑似异常病历数据,从而识别出违反医保规则的行为。然而上述检测方式尚存在如下问题:人工查验病历数据作业效率低,人工劳动强度大,且面对大量病历数据人工检测不可避免的存在误判、漏检等失误,造成检测结果失真;现有的混合数据模型在检测过程中缺乏对病历首页的有效质控,造成诊断、手术及操作编码各异;且费用维度过多,聚类结果不理想,均牺牲较大的计算效率,造成检测效率低下,难以满足实际使用场景需求。
另外,在对医疗机构进行监管的过程中,通常由医保局委托第三方机构实施,第三方检查机构携带医保局提供的检测装置通过“飞检”方式对医疗机构实施突击检查。为更好的约束第三方检测机构和医疗结构,防止第三方机构与医疗机构恶意串通,干预检测结果,所述检测装置在交付第三方检测机构时需采取相应的防控措施。现有的防控措施包括采用在检测装置的外壳上粘贴封条的方式防控检测装置被非法拆解,使装置内的处理器等元件完全暴露,从而便于非法分子使用技术手段篡改检测结果。粘贴封条的防控方式存在以下不足:首先,传统的粘贴封条方式不便于医保局查验,存在拆解后伪造封条并重新粘贴的风险;其次,查验存在滞后性,当医保局查验第三方检测机构返还的检测装置时,如发现检测装置存在被拆解痕迹,则判定检测结果存在被篡改的嫌疑,但此时对医疗机构的检测结果已经生成并上报,并造成重复检测的成本。
基于此,开发一种异常病历检测装置,对疑似违反医保规则的异常病历实施准确、高效检测并能够防止检测结果被篡改上报的检测装置是当前亟待解决的问题。
发明内容
本发明针对上述问题,提供了一种异常病历检测装置,以便高效、准确地检测医保结算过程中存在的违规行为,同时解决现有检测装置不具备对检测过程实施可靠防控,存在检测结果篡改伪造的问题。
为解决上述技术问题,本发明采用的技术方案为:
一种异常病历检测装置,包括由上盖和底板构成的封闭盒体,所述盒体上设置有用于读取病历数据的输入接口,盒体内设置有用于检测病历数据的处理器、用于检测结果加密处理的加密模块和用于对加密后的检测结果上报的上传模块。
进一步,所述处理器执行如下步骤对病历数据进行检测:
A:接收病历首页数据,对病历首页数据进行质控,质控合格的病历进入步骤B,质控不合格则暂不进入步骤B;
B:基于步骤A中完成的合格数据集,根据主要出院诊断和主要手术/操作这两个编码生成病组数据,获取同一病组的治疗及用药等各类费用数据集,并按照病历首页费用分类指导原则,将病历首页中的各项费用数据按照财务分类原则进行降维处理,属于同一财务大类的费用进行求和后归为一类,得到数据集;
C:采用Dirichlet过程混合模型,对步骤B得到的数据集进行聚类,根据聚类结果,认为类中数据量较少的为异常类,其余为正常类;
D:判定异常类即为疑似异常的病历数据。
进一步,所述步骤A中,针对病历首页书写质量量化评分,针对合格病历首页设置质控分数标准,作为病历首页数据合格与否的判定标准,当大于等于质控分数标准时,方可进入步骤B进行下一步处理,如小于质控分数标准,则不进入步骤B;
所述步骤A包括如下子步骤:
A1:按照病历首页书写规范,建立病历首页质控点,并设计质控效验规则及质控分数标准;
A2:导入待查病历首页,按照质控规则进行自动化效验,计算质控得分D,得到病历首页质量量化评分,则越大,病历首页质量越高;
A3: 获得病历首页合格数据集。
进一步,所述步骤B中设置同一病组的治疗及用药等各类费用数据集为:,其中条数据,每条数据具有24类费用属性,按照病历首页费用分类指导原则,将病历首页中的各项费用数据按照财务分类原则进行降维处理,对于中属于同一财务大类的费用进行求和后归为一类,得到降维后的各项费用数据集,其中,每条数据具有9个新费用属性。
进一步,所述步骤C中,采用Dirichlet过程混合模型对步骤B得到的数据集进行聚类分析:
C1:预先假设初始类个数,类的个数在算法运行过程中根据数据量自适应更新,对所有数据随机获取相应的指示因子,其中;根据指示因子统计每一类中数据量,得到初始类的划分;各类记为。设定迭代次数iter=300,实现聚类分析的目的是得到每个数据的指示因子;
C2:根据贝叶斯公式,对于每条数据,更新和,每个数据的指示因子选择条件概率:
(1)
其中,,是第类中除去第个数据后的数据量,是将从中移出后由剩余的数据组成的数据集;为示性函数;服从基分布,基分布选择均值向量的高斯分布;非负数为集中度参数;
选择已有类,即它的指示因子的概率:
(2)
选择新类的概率:
(3)
其中,指维度,为类参数,根据Dirichlet过程混合模型,每类数据服从9维高斯分布,这里为高斯分布的均值向量,用以描述每个类的概率分布,这是一个无限混合模型,参数的个数不是指定的,而是与观测数据相关。其中为第类分布的均值向量,为第类数据的协方差矩阵;
所以每个数据的指示因子按照下式选择:
(4)
如果数据选择了第类,则增加1;原来所在类的数据量减1;如果数据选择了新类,则类的数量增加1,且。
C3:更新,
其中,分别从贝塔分布,二项分布,伽马分布三个分布中随机生成;初始值;
C4:更新参数,这里参数即,根据与第类数据相关的高斯分布中随机生成,
(5)
其中,为初始均值向量,取0向量;
C5:重复上述C2-C4,直至达到设定的迭代次数iter,根据聚类分组结果,当个别类中数据量稀少且分散时,认为这些数据属于异常数据,即判定为疑似异常病历。
进一步,所述盒体内对应加密模块设置有防拆机构,用于盒体被拆解时激发损毁加密模块的动作,以中断检测结果数据加密上传的路径。
进一步,所述防拆机构包括用于击穿损毁加密模块的撞针,所述撞针头部具有尖刺部,其尾端通过弹簧蓄力,撞针上设置有用于锁定防拆机构的锁环,在所述底板上对应锁环连接有锁栓,所述锁栓可贯穿锁环阻止撞针运动,所述防拆机构还包括装配锁止部,用于装配时临时锁止防拆机构。
优选地,所述装配锁止部包括用于临时锁止防拆机构的卡栓,所述卡栓呈杆状,其一端铰接支撑架体,另一端可卡固在撞针上设置的锁止凸台上;所述装配锁止部还包括解锁部,所述解锁部是由卡栓自由端延伸出的杆状结构,解锁部尾端设置在锁环上部。
优选地,所述装配锁止部包括固定设有卡台的锁栓,所述支撑架体上对应卡台设置有可伸缩的卡簧,所述卡簧具有与卡台滑动配合的斜面;套设在锁栓上并与锁栓滑动配合的解锁部,所述解锁部为具有弧形侧面的碗状结构,其碗口端具有容纳卡台的容置空间,解锁部的碗口端对应卡簧的斜面设置,锁栓上设置有用于推动解锁部向上运动的台阶,所述解锁部在台阶与卡台之间具有竖直方向的自由度,锁栓下端连接有回缩弹簧,底板上对应锁栓下端固定设置有顶栓,用于装配时顶升锁栓解除装配锁止部的锁定状态,并在装配后限制锁栓下行。
进一步,所述加密模块包括封装壳,所述防拆机构集成在封装壳内,所述加密模块通过软线与处理器通信连接,封装壳内设置有储存秘钥的存储卡,防拆机构对应存储卡的位置布设,封装壳上开设有可供锁栓穿入的贯穿栓孔。
本发明的有益效果在于:
本发明提供了一种异常病历检测装置,其处理器采用Dirichlet过程混合模型,依据医保违规行为的检测任务需求,融合病历首页自动质控评分及费用降维方法,有效解决疾病、手术及操作编码标化及检测效率等问题。依据检测精准的要求,融合面向病历质控模型,对病历进行全自动合规检测,提高输入病历质量,进而标化分组,有效解决了精准化不足的问题。另一方面,依据检测效率的要求,根据病历首页费用归类指导原则,对费用进行降维处理,大大提高了系统运行的效率。
同时,本发明通过在检测装置内设置加密模块及上传模块,将检测结果数据加密处理并实时上传,有效保障了检测结果数据的安全;针对加密模块设置的防拆机构进一步降低了检测结果被非法篡改的风险,保障了检测过程的合法公正,根本上遏制了检测结果被篡改、上报的行为;装配锁止部的设置,使防拆机构在装配时处于临时锁止状态,更便于装配;所述防拆解结构与加密模块集成设置,提升了装置的集成度,提高了防拆机构布设的灵活度,降低了制造成本并加强了防误触功能。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明中处理器对病历数据的检测流程图。
图2为防拆机构第一实施例中,装配前处于锁定状态的结构示意图。
图3为防拆机构第一实施例中,装配后解除锁定并处于待激发状态的结构示意图。
图4为防拆机构第一实施例中,盒体被拆解时激发状态的结构示意图。
图5为防拆机构第二实施例中,装配前处于锁定状态的结构示意图。
图6为防拆机构第二实施例中,装配后解除锁定并处于待激发状态的结构示意图。
图7为防拆机构第二实施例中,盒体被拆解时激发状态的结构示意图。
图8为加密模块封装后的结构示意图。
图中: 1—上盖; 2—底板; 21—顶栓; 3—处理器; 4—加密模块; 41—存储卡;42—封装壳; 43—栓孔; 44—软线; 51—撞针; 52—锁环; 53—锁止凸台; 54—卡栓;55—解锁部; 56—锁栓; 57—卡台; 58—卡簧; 6—支撑架体。
具体实施方式
如图1-8所示,一种异常病历检测装置,包括盒体,所述盒体是由上盖1和底板2扣合而成的具有中空腔室的封闭结构,在盒体上预留有用于数据传输的通信接口,盒体内设置有用于检测医疗机构导出的病历数据的处理器3,处理器3对病历数据检测后生成检测结果,处理器3上设置有对该检测结果进行加密处理的加密模块4,加密模块4内存储有对应每台装置身份唯一的秘钥,检测结果数据通过秘钥进行数据加密处理后由上传模块上报医保局。
使用时,第三方检测机构携带检测装置对医疗结构进行突击检查,抵达医疗机构后,通过通信接口将医疗机构的病历首页数据导入检测装置,如图1所示,检测装置的处理器3将执行如下步骤对医疗机构的病历数据进行检测:
A:接收病历首页数据,对病历首页数据进行质控,质控合格的病历进入步骤B,质控不合格则暂不进入步骤B。
B:基于步骤A中完成的合格数据集,根据主要出院诊断和主要手术/操作这两个编码生成病组数据,获取同一病组的治疗及用药等各类费用数据集。并按照病历首页费用分类指导原则,将病历首页中的各项费用数据按照财务分类原则进行降维处理,属于同一财务大类的费用进行求和后归为一类,得到数据集。
C:采用Dirichlet过程混合模型,对步骤B得到的数据集进行聚类,根据聚类结果,认为类中数据量较少的为异常类,其余为正常类。
D:判定异常类即为疑似异常的病历数据,并生成检测结果。
检测结果生成后,加密模块4将对检测结果进行加密处理,并将加密后的检测结果数据上报医保局,最终确定异常病历,从而识别出医疗机构的医保违规行为。该检测装置的应用降低了人工检查病例数据的劳动强度,提升了检测效率及精准度,同时杜绝了人为干预检测过程的行为,确保了检测过程的合法公正。
在步骤A中,针对病历首页书写质量量化评分,针对病历首页设置质控分数标准,作为病历首页数据合格与否的判定标准,当大于等于质控分数标准时,方可进入步骤B进行下一步处理,如小于质控分数标准,则不进入步骤B。过滤了低质量不合规的的病历首页数据,提高了处理效率。该质控分数标准可根据实际使用需求后台配置,以获得相应数据处理效率及准确性。
所述步骤A包括如下具体步骤:
A1:按照病历首页书写规范,建立病历首页质控点,并设计质控效验规则及质控分数标准;
A2:导入待查病历首页,按照质控规则进行自动化效验,计算质控得分D,得到病历首页质量量化评分,则越大,病历首页质量越高;
A3: 获得病历首页合格数据集。
在一些实施例中,所述步骤A1中病历首页质控点及质控分数标准包括下表所示:
所述步骤A1中质控得分D的计算过程如下表所示:
所述步骤B中,设置同一病组的治疗及用药等各类费用数据集为:,其中条数据,每条数据具有24类费用属性。按照病历首页费用分类指导原则,将病历首页中的各项费用数据(24类费用)按照财务分类原则(9类财务分类)进行降维处理,对于中属于同一财务大类的费用进行求和后归为一类,得到降维后的各项费用数据集,其中,每条数据具有9个新费用属性。
步骤C中,对步骤B得到的数据集进行聚类,根据聚类结果,认为类中数据量少于总数据量5%(遵循原则)的为异常类,其余为正常类。
所述步骤C中,采用Dirichlet过程混合模型对步骤B得到的数据集进行聚类分析:
C1:预先假设初始类个数,(类的个数在算法运行过程中根据数据量自适应更新),对所有数据随机获取相应的指示因子,其中;根据指示因子统计每一类中数据量,得到初始类的划分;各类记为。设定迭代次数iter,实现聚类分析的目的是得到每个数据的指示因子。
C2:根据贝叶斯公式,对于每条数据,更新和,每个数据的指示因子选择条件概率:
(1)
其中,,是第类中除去第个数据后的数据量,是将从中移出后由剩余的数据组成的数据集;为示性函数;服从基分布,这里基分布选择均值向量的高斯分布;非负数为集中度参数。
选择已有类,即它的指示因子的概率:
(2)
选择新类的概率:
(3)
其中,指维度,为类参数,根据Dirichlet过程混合模型,每类数据服从9维高斯分布,这里为高斯分布的均值向量,用以描述每个类的概率分布,这是一个无限混合模型,参数的个数不是指定的,而是与观测数据相关。其中为第类分布的均值向量,为第类数据的协方差矩阵。
所以每个数据的指示因子按照下式选择:
(4)
如果数据选择了第类,则增加1;原来所在类的数据量减1;如果数据选择了新类,则类的数量增加1,且。
C3:更新,
其中,分别从贝塔分布,二项分布,伽马分布三个分布中随机生成;初始值。
C4:更新参数,这里参数即,根据与第类数据相关的高斯分布中随机生成,
(5)
其中,为初始均值向量,取0向量。
C5:重复上述C2-C4,直至达到设定的迭代次数iter。根据聚类分组结果,当个别类中数据量稀少且分散时,认为这些数据属于异常数据,从而判定疑似异常病历。
在一些实施例中,所述步骤A1中的质控分数标准为75分,则分数大于等于75分方可进行步骤B,小于75分的病历首页数据按照不符合质控要求处理,该部分数据不可进行步骤B;
在一些实施例中, 获取病历首页共 条数据,选取主要出院诊断为“支气管肺炎”且“无手术”操作的病历首页中的各类费用数据共5850条,经过步骤B得到降维后的各项费用数据集为 ,则步骤C采用Dirichlet过程混合模型对数据集进行聚类分析,在步骤C1中,预先假设初始类个数,则对所有数据随机获取相应的指示因子,其中;根据指示因子统计每一类中数据量,得到初始类的划分 ;各类记为。设定迭代次数iter=300,实现聚类分析的目的是得到每个数据的指示因子;继续执行步骤C2-C5,则最终根据聚类结果得到10各类:,认为类中数据量少于总数据量5%(遵循原则,5850*5%=292.5)的类为疑似异常数据类,因此,第6、7、8、10类中病例数据为疑似异常病历,其余为正常类。
为了确保检测结果数据安全,正常情况下加密模块4可有效防止检测结果被篡改,但如果不法分子将盒体拆解使盒体内的处理器3及加密模块4充分暴露,则存在通过电路板或加密模块4内的秘钥存储器破译秘钥,篡改检测结果后上报伪造数据的风险。如果加密模块4被破坏将会导致秘钥无法读取,从而无法完成对检测结果的加密上报。基于此,在所述盒体内对应加密模块4设置防拆机构,所述防拆机构在盒体被拆解时激发相应动作,损毁加密模块4,从而中断检测结果数据加密上传的路径,从根本上遏制了检测结果的篡改及上报,同时可以暴露拆解盒体的不法行为。
如图2-8所示,所述防拆机构包括用于击穿损毁加密模块4的撞针51,所述撞针51与支撑架体6活动连接并由支撑架体6提供导向作用,撞针51头部具有尖刺部,其尾端通过弹簧蓄力,撞针51上设置有用于锁定防拆机构的锁环52,在所述底板2上对应锁环52的位置连接锁栓56,所述锁栓56可贯穿锁环52阻止撞针51运动,从而形成对防拆机构的锁定,当盒体被拆时,上盖1和底板2分离,锁栓56将被拔出脱离锁环52,激发防拆机构损毁加密模块4的动作,撞针51在弹簧的作用力下,向前弹射冲撞加密模块4,从而损毁加密模块4,遏制了非法数据的加密上报。
然而,上述结构在装配过程中存在一定难度,为了便于装配,在装配过程中临时锁止防拆机构,避免意外损毁加密模块4,所述防拆机构还包括装配锁止部。如图2-4所示,作为优选,所述装配锁止部包括设置在撞针51上的锁止凸台53,和与其配合使用的卡栓54。优选所述卡栓54呈杆状,其一端铰接支撑架体6,另一端作为自由端可卡固在锁止凸台53上,阻止撞针51冲撞加密模块4,实现防拆机构在装配过程中的临时锁定;解锁部55,所述解锁部55是由卡栓54自由端延伸出的杆状结构,解锁部55尾端设置在锁环52上部,当装配完成后,锁栓56穿过锁环52并顶升解锁部55,带动卡栓54向上转动,并最终脱离锁止凸台53,解除装配锁止部的临时锁定状态。此时,锁栓56套设在锁环52内,限制了撞针51向前弹射,实现了防拆装置装配后的锁定,使防拆装置处于待激发状态。为了限制卡栓54自由度,避免其在正常使用状态下发生晃动并产生异响,所述锁栓56与支撑架体6的交接点处设置阻尼轴。
如图5-7所示,作为防拆机构装配锁止部的第二实施例,所述锁栓56为可贯穿或脱离锁环52的柱状结构,其底端通过顶栓21与底板2连接。当锁栓56贯穿锁环52时,装配锁止部处于锁定状态,此时可正常装配检测装置;装配完成时,顶栓21顶升锁栓56并完成锁栓56解锁动作,装配锁止部失效,锁栓56具有向下脱离锁环52的运动趋势,但锁栓56底部受到顶栓21的阻挡,使防拆机构处于待激发状态;盒体被拆解时,底板2带动顶栓21远离锁栓56底部,解除了顶栓21对锁栓56的阻挡,锁栓56向下运动其顶部脱离锁环52,激发防拆装置的防拆动作。
具体地,所述锁栓56上固定设置有卡台57,在支撑架体6上对应卡台57设置有可伸缩的卡簧58,卡簧58具有与卡台57滑动配合的斜面,使卡台57可通过与斜面滑动配合,产生卡簧58水平方向的推力,迫使卡簧58收缩从而使卡台57由下而上通过卡簧58,并升至卡簧58的上方,卡簧58失去卡台57的水平推力后复位并将卡台57锁定在卡簧58上方,此时,锁栓56贯穿锁环52,形成装配锁止部的临时锁定状态;为了便于装配后解除临时锁定状态,在所述锁栓56上套设与锁栓56滑动配合的解锁部55,所述解锁部55为具有弧形侧面的碗状结构,其碗口端具有容纳卡台57的容置空间,解锁部55的碗口端对应卡簧58的斜面设置,使解锁部55可由下而上通过卡簧58,并将卡台57包裹于容置空间中,然后通过解锁部55的弧形侧面与卡簧58滑动配合,带领卡台57突破卡簧58限制,移动至卡簧58下方,完成装配锁止部的解锁。锁栓56上设置有用于推动解锁部55向上运动的台阶,所述解锁部55在台阶与卡台57之间具有竖直方向的自由度,锁栓56下端连接有回缩弹簧用于提供锁栓56向下脱离锁环52的弹力,在底板2上对应锁栓56下端固定设置顶栓21,用于装配时顶升锁栓56解除装配锁止部的锁定状态,并在装配后限制顶栓21下行。
装配前,推动锁栓56上行同时向后拉动撞针51,锁栓56上行过程中卡台57接触卡簧58斜面使卡簧58收缩,从而使卡台57上移至卡簧58上方并卡固,锁栓56头部穿过锁环52,完成装配锁止部的锁定,此时解锁部55停留在卡簧58下方;装配时,顶栓21对准锁栓56扣合盒体底板2,顶栓21顶升锁栓56继续上行,台阶推动解锁部55上行并经过卡簧58至卡簧58上端,即完成装配锁止部的解锁,此时,盒体装配完成,防拆机构处于待激发状态;拆解盒体时,顶栓21远离锁栓56,锁栓56在回缩弹簧的作用下将向下运动,当解锁部55弧形侧边接触卡簧58时,受到到卡簧58阻拦,锁栓56继续下行并带动卡台57包裹于解锁部55的容置空间内,此时,回缩弹簧仍使锁栓56继续下行,并克服解锁部55自身弧形侧边与卡簧58的摩擦力,迫使卡簧58回缩,最终自上而下通过卡簧58,从而使锁栓56脱离锁环52,激发防拆机构动作,损毁加密模块4。
第二实施例通过一次推动锁栓56上行,完成临时锁止,再次推动实现解锁的操作方式改善了实施例一装配时卡栓54不易操作完成临时锁止动作的问题,同时解决了第一实施例中卡栓54在装配完成后的处于自由状态,导致盒体异响的问题,提升了结构可靠度,并降低了误操作风险。
进一步,如图8所示,所述防拆机构被集成封装在加密模块4内,所述加密模块4通过软线44与处理器3通信连接,加密模块4包括封装壳42,封装壳42内设置储存秘钥的存储卡41,防拆机构对应存储卡41的位置设置在封装壳42内,封装壳42上开设有可供锁栓56穿入的贯穿栓孔43,装配时防拆机构装配锁止部处于锁定状态,装配后底板2上的锁栓56穿过栓孔43、锁环52并解除装配锁止部的锁定状态,消除锁栓56对于撞针51的锁定作用,换由锁栓56、锁环52配合实现撞针51锁止,完成装配。封装的加密模块4,提高了检测装置的集成度,解决了防拆机构的布设受限于盒体内空间及位置的问题,更便于装配;同时被封装的防拆机构只有通过锁栓56穿过栓孔43才能完成解锁,有效杜绝了误触解锁部55,导致机构误动作的情况,进一步提升了装置可靠度。
以上公开的仅为本专利的具体实施例,但本专利并非局限于此,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,做出的变形应视为属于本发明保护。
Claims (8)
1.一种异常病历检测装置,包括由上盖(1)和底板(2)构成的封闭盒体,其特征在于:所述盒体上设置有用于读取病历数据的输入接口,盒体内设置有用于检测病历数据的处理器(3)、用于检测结果加密处理的加密模块(4)和用于对加密后的检测结果上报的上传模块;
所述处理器(3)执行如下步骤对病历数据进行检测:
A:接收病历首页数据,对病历首页数据进行质控,质控合格的病历进入步骤B,质控不合格则暂不进入步骤B;
B:基于步骤A中完成的合格数据集,根据主要出院诊断和主要手术/操作这两个编码生成病组数据,获取同一病组的至少包括治疗及用药信息的各类费用数据集,并按照病历首页费用分类指导原则,将病历首页中的各项费用数据按照财务分类原则进行降维处理,属于同一财务大类的费用进行求和后归为一类,得到数据集;
C:采用Dirichlet过程混合模型,对步骤B得到的数据集进行聚类,根据聚类结果,认为类中数据量较少的为异常类,其余为正常类;
D:判定异常类即为疑似异常的病历数据;
所述步骤B中设置同一病组的至少包括治疗及用药信息的各类费用数据集为:
Ym×24={Y1,Y2,…,Y24},其中m条数据,每条数据具有24类费用属性,按照病历首页费用分类指导原则,将病历首页中的各项费用数据按照财务分类原则进行降维处理,对于Y中属于同一财务大类的费用进行求和后归为一类,得到降维后的各项费用数据集Xm×9={X1,X2,…,X9},其中,每条数据具有9个新费用属性。
2.根据权利要求1所述的异常病历检测装置,其特征在于:所述步骤A中,针对病历首页书写质量量化评分G1,针对合格病历首页设置质控分数标准,作为病历首页数据合格与否的判定标准,当G1大于等于质控分数标准时,方可进入步骤B进行下一步处理,如G1小于质控分数标准,则不进入步骤B;
所述步骤A包括如下子步骤:
A1:按照病历首页书写规范,建立病历首页质控点,并设计质控效验规则及质控分数标准;
A2:导入待查病历首页,按照质控规则进行自动化效验,计算质控得分D,得到病历首页质量量化评分G1=1-D/100,则G1越大,病历首页质量越高;
A3:获得病历首页合格数据集。
3.根据权利要求1所述的异常病历检测装置,其特征在于:所述步骤C中,采用Dirichlet过程混合模型对步骤B得到的数据集Xm×9={X1,X2,…,X9}进行聚类分析:
C1:预先假设初始类个数K,类的个数在算法运行过程中根据数据量自适应更新,对所有数据随机获取相应的指示因子序列Z={z1,z2,…,zm},其中zi∈{1,2,…,K};根据指示因子统计每一类中数据量n[k],k=1,2,…,K,得到初始类的划分n;各类记为ci,i=1,2,…,K,设定迭代次数iter,实现聚类分析的目的是得到每个数据xi的指示因子zi;
C2:根据贝叶斯公式,对于每条数据xi,更新zi和ni,每个数据xi的指示因子zi选择条件概率:
其中,是第k类中除去第i个数据xi后的数据量,Z/i是将zi从Z={z1,…,zm}中移出后由剩余的数据组成的数据集;δ(zi,k)为示性函数;θ服从基分布g(θ|λ),基分布选择均值向量λ={1,1,…,1}1×9的高斯分布;非负数α0为集中度参数;
xi选择已有类k,即它的指示因子zi=k的概率:
其中,d=9指维度,θ为类参数,根据Dirichlet过程混合模型,每类数据服从9维高斯分布,这里θ为高斯分布的均值向量muk,用以描述每个类的概率分布f(xi|θ),这是一个无限混合模型,参数θ的个数不是指定的,而是与观测数据xi相关,其中muk为第k类分布的均值向量,∑k为第k类数据的协方差矩阵;
所以每个数据的指示因子按照下式选择:
如果数据xi选择了第k类,则n[k]增加1;xi原来所在类的数据量减1;如果数据xi选择了新类,则类的数量K增加1,且n[K+1]=1;
C3:更新α0,
eta~Beta(α0+1,n)
其中,eta、s、α0分别从Beta贝塔分布,B二项分布,Γ伽马分布三个分布中随机生成;初始值a=1,b=2;
C4:更新参数θ,这里参数即muk,根据与第k类数据相关的高斯分布中随机生成,
其中,mu0为初始均值向量,取0向量;
C5:重复上述C2-C4,直至达到设定的迭代次数iter,根据聚类分组结果,当个别类中数据量稀少且分散时,认为这些数据属于异常数据,即判定为疑似异常病历。
4.根据权利要求1-3中任一项所述的异常病历检测装置,其特征在于:所述盒体内对应加密模块(4)设置有防拆机构,用于盒体被拆解时激发损毁加密模块(4)的动作,以中断检测结果数据加密上传的路径。
5.根据权利要求4所述的异常病历检测装置,其特征在于:所述防拆机构包括用于击穿损毁加密模块(4)的撞针(51),所述撞针(51)头部具有尖刺部,其尾端通过弹簧蓄力,撞针(51)上设置有用于锁定防拆机构的锁环(52),在所述底板(2)上对应锁环(52)连接有锁栓(56),所述锁栓(56)可贯穿锁环(52)阻止撞针(51)运动,所述防拆机构还包括装配锁止部,用于装配时临时锁止防拆机构。
6.根据权利要求5所述的异常病历检测装置,其特征在于:所述装配锁止部包括用于临时锁止防拆机构的卡栓(54),所述卡栓(54)呈杆状,其一端铰接支撑架体(6),另一端可卡固在撞针(51)上设置的锁止凸台(53)上;所述装配锁止部还包括解锁部(55),所述解锁部(55)是由卡栓(54)自由端延伸出的杆状结构,解锁部(55)尾端设置在锁环(52)上部。
7.根据权利要求5所述的异常病历检测装置,其特征在于:所述装配锁止部包括固定设有卡台(57)的锁栓,支撑架体(6)上对应卡台(57)设置有可伸缩的卡簧(58),所述卡簧(58)具有与卡台(57)滑动配合的斜面;套设在锁栓(56)上并与锁栓(56)滑动配合的解锁部(55),所述解锁部(55)为具有弧形侧面的碗状结构,其碗口端具有容纳卡台(57)的容置空间,解锁部(55)的碗口端对应卡簧(58)的斜面设置,锁栓上设置有用于推动解锁部(55)向上运动的台阶,所述解锁部(55)在台阶与卡台(57)之间具有竖直方向的自由度,锁栓(56)下端连接有回缩弹簧,底板(2)上对应锁栓(56)下端固定设置有顶栓(21),用于装配时顶升锁栓(56)解除装配锁止部的锁定状态,并在装配后限制锁栓(56)下行。
8.根据权利要求5-7中任一项所述的异常病历检测装置,其特征在于:所述加密模块(4)包括封装壳(42),所述防拆机构集成在封装壳(42)内,所述加密模块(4)通过软线(44)与处理器(3)通信连接,封装壳(42)内设置有储存秘钥的存储卡,防拆机构对应存储卡的位置布设,所述封装壳(42)上开设有可供锁栓(56)穿入的贯穿栓孔(43)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310161810.4A CN115879179B (zh) | 2023-02-24 | 2023-02-24 | 一种异常病历检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310161810.4A CN115879179B (zh) | 2023-02-24 | 2023-02-24 | 一种异常病历检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879179A CN115879179A (zh) | 2023-03-31 |
CN115879179B true CN115879179B (zh) | 2023-05-09 |
Family
ID=85761598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310161810.4A Active CN115879179B (zh) | 2023-02-24 | 2023-02-24 | 一种异常病历检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879179B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616316A (zh) * | 2014-05-23 | 2015-05-13 | 苏州大学 | 基于阈值矩阵和特征融合视觉单词的人物行为识别方法 |
CN106037720A (zh) * | 2015-12-04 | 2016-10-26 | 贵州大学 | 混合连续信息分析技术在医学上的应用方法 |
CN115238168A (zh) * | 2022-06-02 | 2022-10-25 | 郑州大学 | 一种自适化远程医疗专家推荐方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514183B (zh) * | 2012-06-19 | 2017-04-12 | 北京大学 | 基于交互式文档聚类的信息检索方法及系统 |
TWM457940U (zh) * | 2013-04-03 | 2013-07-21 | Amesdata Technology Co Ltd | 生理訊息無線傳輸及管理系統 |
CN103530603B (zh) * | 2013-09-24 | 2017-01-04 | 杭州电子科技大学 | 基于环路图模型的视频异常检测方法 |
CN103577717A (zh) * | 2013-11-25 | 2014-02-12 | 方正国际软件有限公司 | 病历文档中的内容质控装置及其质控方法 |
CN109887558A (zh) * | 2018-12-29 | 2019-06-14 | 北京天鹏恒宇科技发展有限公司 | 一种门诊病历质控系统 |
CN111145910A (zh) * | 2019-12-12 | 2020-05-12 | 平安医疗健康管理股份有限公司 | 基于人工智能的异常案例识别方法、装置、计算机设备 |
CN111768824A (zh) * | 2020-06-23 | 2020-10-13 | 中国工商银行股份有限公司 | 基于区块链的健康信息辅助医疗方法、节点及系统 |
CN113161001B (zh) * | 2021-05-12 | 2023-11-17 | 东北大学 | 一种基于改进lda的过程路径挖掘方法 |
CN113556254B (zh) * | 2021-08-02 | 2023-03-24 | 北京天融信网络安全技术有限公司 | 一种异常告警的方法、装置、电子设备及可读存储介质 |
CN114334062A (zh) * | 2021-12-30 | 2022-04-12 | 神思电子技术股份有限公司 | 一种基于病历的疾病异常预警方法、设备及介质 |
CN114783553A (zh) * | 2022-03-07 | 2022-07-22 | 中国电信集团工会上海市委员会 | 一种利用健康码数据结合测温设备的复工防疫通行系统及方法 |
-
2023
- 2023-02-24 CN CN202310161810.4A patent/CN115879179B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616316A (zh) * | 2014-05-23 | 2015-05-13 | 苏州大学 | 基于阈值矩阵和特征融合视觉单词的人物行为识别方法 |
CN106037720A (zh) * | 2015-12-04 | 2016-10-26 | 贵州大学 | 混合连续信息分析技术在医学上的应用方法 |
CN115238168A (zh) * | 2022-06-02 | 2022-10-25 | 郑州大学 | 一种自适化远程医疗专家推荐方法 |
Non-Patent Citations (7)
Title |
---|
基于优化主题模型的临床路径挖掘;徐啸;金涛;王建民;;软件学报(第11期) * |
基于电子病历的患者相似性分析综述;贾峥;宗瑞杰;段会龙;李昊旻;;中国生物医学工程学报(第03期) * |
改进模糊聚类在医疗卫生数据的Takagi-Sugeno模糊模型;王露;王士同;;南京大学学报(自然科学)(第02期) * |
智能健康管理模式设计与实现;李慧子;陈旭东;解卫军;;医学信息学杂志(第09期) * |
电子病历在线质控系统对于提高病案首页数据质量的作用探讨;祝日杰;;基层医学论坛(第11期) * |
电子病历档案管理中的安全风险及防范措施;钟敏;;现代医院(第09期) * |
癌症的异质性表征与深度表型;Shahin Alam;Adiba Sultana;王姣;何雪飞;沈百荣;;中华医学图书情报杂志(第10期) * |
Also Published As
Publication number | Publication date |
---|---|
CN115879179A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103080924B (zh) | 用于处理数据集的方法和装置 | |
TWI533159B (zh) | 用於電腦的持續性身分驗證方法 | |
AU2002349892B2 (en) | Gaming device with write only mass storage | |
CN109359439A (zh) | 软件检测方法、装置、设备及存储介质 | |
CN109302410A (zh) | 一种内部用户异常行为检测方法、系统及计算机存储介质 | |
Shi et al. | Golden gates: A new hybrid approach for rapid hardware trojan detection using testing and imaging | |
AU2002349892A1 (en) | Gaming device with write only mass storage | |
CN102165499B (zh) | 用于识别对自助机器的攻击的方法和装置 | |
EP2828835A1 (en) | Improvements relating to cash registers and other cash holding devices | |
CN107124395A (zh) | 一种基于击键韵律的用户身份识别系统及其识别方法 | |
CN104215894A (zh) | 集成电路硬件木马检测方法和系统 | |
CN102591773A (zh) | 等保测评中操作系统安全的自动测评方法及其系统 | |
CN109388944A (zh) | 一种基于kpca和elm的入侵检测方法 | |
CN102567669A (zh) | 用于等保测评中数据库安全的自动测评方法及其系统 | |
CN106546278A (zh) | 验证核安全级仪控平台安全失效率的统计测试装置及方法 | |
CN115879179B (zh) | 一种异常病历检测装置 | |
CN107862327A (zh) | 一种基于多特征的安全缺陷识别系统和方法 | |
CN107844714A (zh) | 一种验证方法及装置、计算机装置、可读存储介质 | |
CN112866292A (zh) | 一种面向多样本组合攻击的攻击行为预测方法和装置 | |
CN112800483A (zh) | 基于区块链的数据源完整性检测方法及系统及装置及介质 | |
CN115630404A (zh) | 一种数据安全治理服务方法 | |
CN112380534B (zh) | 一种基于电路结构分析的硬件木马检测方法 | |
US20210034489A1 (en) | Physical Execution Monitor | |
CN107633625A (zh) | 自助交易提醒方法、装置及终端设备 | |
US11880471B2 (en) | Password hardcoding checking method and apparatus based on PCA, and medium |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |