CN116542401B - 一种住院诊疗服务单元的医保超支预测方法与系统 - Google Patents

一种住院诊疗服务单元的医保超支预测方法与系统 Download PDF

Info

Publication number
CN116542401B
CN116542401B CN202310818693.4A CN202310818693A CN116542401B CN 116542401 B CN116542401 B CN 116542401B CN 202310818693 A CN202310818693 A CN 202310818693A CN 116542401 B CN116542401 B CN 116542401B
Authority
CN
China
Prior art keywords
operation index
hyperbranched
indexes
medical insurance
index set
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
Application number
CN202310818693.4A
Other languages
English (en)
Other versions
CN116542401A (zh
Inventor
刘丽
卜瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Affiliated Hospital of Jiangnan University
Original Assignee
Affiliated Hospital of Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Affiliated Hospital of Jiangnan University filed Critical Affiliated Hospital of Jiangnan University
Priority to CN202310818693.4A priority Critical patent/CN116542401B/zh
Publication of CN116542401A publication Critical patent/CN116542401A/zh
Application granted granted Critical
Publication of CN116542401B publication Critical patent/CN116542401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提出一种住院诊疗服务单元的医保超支预测方法与系统，包括：数据采集模块、运营指标分组及计算模块、运营指标筛选模块、模型构建模块、模型在线评估及调整模块和超支结果输出模块，以提供一种及时、稳定、可靠的方法来帮助住院诊疗服务单元管理者管控医保超支情况，从而有助于提高住院诊疗服务单元服务的质量和效率。本发明能够及时、稳定、可靠地提供住院诊疗服务单元的医保超支情况，从而有助于提高住院诊疗服务单元服务的质量和效率。

Description

一种住院诊疗服务单元的医保超支预测方法与系统
技术领域
本发明属于大数据技术领域，具体涉及一种住院诊疗服务单元的医保超支预测方法与系统。
背景技术
住院诊疗服务单元是指医疗机构进行住院诊疗服务的基本管理单元，可以是一个病区，也可以是病区中的某个医疗组。
现有技术中，住院诊疗服务单元的管理者通常缺乏快速有效的手段来管理医保超支，目前的主要的做法是对患者的医保住院费情况进行预测，但传统的以预测患者的住院费用为目标的方式，针对某一个特定患者进行预测，往往会引起对医疗行为的干预。
住院诊疗服务单元对于医保的管控存在实际需求，虽然医保的相关业务管理部门会定期反馈医保的超支情况，但是该反馈信息会比较滞后。此外，运营指标的波动会导致医保超支预测模型的不稳定，需要及时进行模型的变化和更新调整来及时追踪变化情况。
从而，当前缺少一种针对于住院诊疗服务单元的管理者提供的能够及时、有效地医保超支的预测方式。
发明内容
本发明提供一种住院诊疗服务单元的医保超支预测方法与系统，及时、稳定、可靠地提供住院诊疗服务单元的医保超支情况，从而有助于提高住院诊疗服务单元服务的质量和效率。
为了解决上述技术问题，本发明采用的一种技术方案是：所述住院诊疗服务单元的医保超支预测系统，包括：
数据采集模块，数据采集模块以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理；
运营指标分组及计算模块，运营指标分组及计算模块连接数据采集模块，根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集；
运营指标筛选模块，运营指标筛选模块与运营指标分组及计算模块连接，用于从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；
模型构建模块，模型构建模块连接运营指标筛选模块和超支结果输出模块，模型构建模块根据运营指标筛选模块筛选后的第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；
超支结果输出模块，超支结果输出模块与模型构建模块、运营指标分组及计算模块连接，用于调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标，获得医保超支预测结果；
以及模型在线评估及调整模块，模型在线评估及调整模块与数据采集模块和模型构建模块连接，模型在线评估及调整模块包括评估单元和调整单元，评估单元用于调取模型构建模块得到的医保超支预测模型、将数据采集模块采集的新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新；
所述模型在线评估及调整模块还与运营指标筛选模块连接，当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块的调整单元调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型。
进一步地，所述第一运营指标集、第二运营指标集分别由若干个运营指标构成。
进一步地，所述运营指标分组及计算模块初始化构建两个运营指标集时，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集。
进一步地，所述第一运营指标集里的指标数量固定不变。
进一步地，在采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标，N为正整数，作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标。
进一步地，所述超支结果输出模块还与数据采集模块连接，数据采集模块将采集的真实的医保超支反馈数据由超支结果输出模块输出。
本发明还提供一种住院诊疗服务单元的医保超支预测方法，包括以下步骤：
（1）数据采集模块以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理；当前时刻ti采集的医疗业务数据称为初始医疗业务数据，在当前时刻的下一时刻ti+1采集的医疗业务数据称为增量医疗业务数据；当前时刻ti采集的医疗业务数据作为下一时刻医保超支预测的依据；
（2）根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集，所述第一运营指标集、第二运营指标集分别由若干个运营指标构成；
（3）从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；
（4）根据第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；
（5）超支结果输出模块调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标值，获得医保超支预测结果；
（6）模型在线评估及调整模块调取模型构建模块得到的医保超支预测模型、将新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新；
（7）当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型；
（8）将相应运营指标值输入新的模型从而输出新的预测超支结果及参考策略。
进一步地，所述运营指标分组及计算模块初始化构建两个运营指标集时，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集。
进一步地，在步骤（3）中，采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标，N为正整数，作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标。
进一步地，所述数据采集模块采集的真实的医保超支反馈数据由超支结果输出模块输出。
本发明的优点具体如下：
（1）本发明是以住院诊疗服务单元为管理单元的医保超支预测，能够及时追踪医疗行为的变化，根据日常运营管理指标预测医保超支，为临床医疗管理人员提供医疗成本管理的参考策略；
（2）本发明能够实现模型在线监测，更加快速地适应指标变化进行更新；并且本发明构建了两个运营指标集，能够提高运算效率，减少资源消耗。
附图说明
图1为住院诊疗服务单元的医保超支预测系统的模块框图。
具体实施方式
为了使本发明的上述目的、特征和优点能够更加明显易懂，下面结合具体附图对本发明的具体实施方式作进一步的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施例，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
本发明所述医保超支预测系统及方法中所涉及的初始化模型或更新后的模型均可以采用现有技术中的模型结构。
本发明涉及一种住院诊疗服务单元的医保超支预测系统，包括以下模块：数据采集模块、运营指标分组及计算模块、运营指标筛选模块、模型构建模块、模型在线评估及调整模块和超支结果输出模块，以提供一种及时、稳定、可靠的方法来帮助住院诊疗服务单元管理者管控医保超支情况，从而有助于提高住院诊疗服务单元服务的质量和效率。
所述数据采集模块，以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理剔除异常或有空值；所述数据采集模块当前时刻ti采集的医疗业务数据称为初始医疗业务数据，在当前时刻的下一时刻ti+1采集的医疗业务数据称为增量医疗业务数据；当前时刻ti采集的医疗业务数据作为下一时刻医保超支预测的依据；所述医保超支反馈数据一般滞后于医疗业务数据发生时间。所述医疗业务数据包括患者基本信息表、病案首页表、医疗费用表、手术操作表、医嘱收费信息表、检验检查信息表、入院记录表、患者出院/死亡记录表、西医病案首页表，其中，病案首页表中主要涉及抗菌药物费用、住院天数、材料费用、西药费用、中药费用，患者出院/死亡记录表中主要涉及是否手术，西医病案首页表主要涉及是否危重，患者入院记录表主要涉及是否危重，手术/操作记录表主要涉及手术级别等。
所述运营指标分组及计算模块连接数据采集模块，根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集；所述第一运营指标集、第二运营指标集分别由若干个运营指标构成，每个运营指标采用现有常规的计算方式得到；如病案首页表中的DDD指标=抗菌药物中静脉滴注的药品总额/单个病例的住院天数，卫生材料收入占比=卫生材料/医疗总收入，入院人次=一定时间内入院收治总人数；患者入院记录表中的危重比=病危病重的人次/在院总人次；手术/操作记录表中的四级手术占比=四级手术台次/手术总台次；床位使用率=在院病人数/开放床位数。
所述运营指标分组及计算模块将计算得到的运营指标分成第一运营指标集和第二运营指标集，其目的是为了提高运算效率，减少资源消耗。所述运营指标分组及计算模块初始化构建两个运营指标集的依据，主要是根据专家经验相关规范，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集；所述第一运营指标集里的指标一般有数量限制，为固定数量。上述的贡献度是指每个指标对于医保超支预测结果的影响程度，可以通过解释性算法如SHAP通过计算每个指标的shapley值（计算每个指标对于预测结果的贡献，并对贡献进行加权平均）来定义为指标的贡献度，通过指标贡献度可以看出各指标对预测结果的影响大小，为住院诊疗单元管理者提供重点管理哪些指标来解决医保超支问题的参考策略。
所述运营指标筛选模块与运营指标分组及计算模块连接，运营指标筛选模块用于从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；在采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标（N为正整数），作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标。
所述模型构建模块连接运营指标筛选模块、模型在线评估及调整模块和超支结果输出模块，模型构建模块根据运营指标筛选模块筛选后的第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；所述医保超支预测模型是由多个不同的基模型和一个元模型来组成的集成模型，元模型用于整合基学习器的预测结果，并对最终的预测结果进行建模。
所述超支结果输出模块与模型构建模块、运营指标分组及计算模块连接，超支结果输出模块用于调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标，获得医保超支预测结果。另外所述超支结果输出模块还与数据采集模块连接，数据采集模块将采集的真实的医保超支反馈数据汇总以可视化的形式由超支结果输出模块输出。所述超支结果输出模块还可以输出指标贡献度，即各指标对超支预测结果的影响大小，为住院诊疗单元管理者提供重点管理哪些指标来解决医保超支问题的参考策略。
所述模型在线评估及调整模块与数据采集模块和模型构建模块连接，模型在线评估及调整模块包括评估单元和调整单元，评估单元用于调取模型构建模块得到的医保超支预测模型、将数据采集模块采集的新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新。所述准确度可以通过AUC来定义，即为ROC曲线下的面积，ROC曲线下的面积（AUC）可以理解为模型正确分类的概率，AUC的取值范围在0到1之间，越接近1表示模型性能越好，越接近0.5则表示模型性能越差。
所述模型在线评估及调整模块还与运营指标筛选模块连接，当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块的调整单元调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型。调整单元在对第一运营指标集和第二运营指标集进行运营指标的调整后，运营指标筛选模块不需要每次都重新计算所有筛选指标的权重，而是调整后由运营指标筛选模块对第二运营指标集中最能提高医保超支预测模型准确度的指标进行筛选。
本发明所述住院诊疗服务单元的医保超支预测方法，包括以下步骤：
（1）数据采集模块，以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理剔除异常或有空值；当前时刻ti采集的医疗业务数据称为初始医疗业务数据，在当前时刻的下一时刻ti+1采集的医疗业务数据称为增量医疗业务数据；当前时刻ti采集的医疗业务数据作为下一时刻医保超支预测的依据；所述医保超支反馈数据一般滞后于医疗业务数据发生时间。所述医疗业务数据包括患者基本信息表、病案首页表、医疗费用表、手术操作表、医嘱收费信息表、检验检查信息表、入院记录表、患者出院/死亡记录表、西医病案首页表，其中，病案首页表中主要涉及抗菌药物费用、住院天数、材料费用、西药费用、中药费用，患者出院/死亡记录表中主要涉及是否手术，西医病案首页表主要涉及是否危重，患者入院记录表主要涉及是否危重，手术/操作记录表主要涉及手术级别等；
（2）根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集；所述第一运营指标集、第二运营指标集分别由若干个运营指标构成，每个运营指标采用现有常规的计算方式得到；如病案首页表中的DDD指标=抗菌药物中静脉滴注的药品总额/单个病例的住院天数，卫生材料收入占比=卫生材料/医疗总收入，入院人次=一定时间内入院收治总人数；患者入院记录表中的危重比=病危病重的人次/在院总人次；手术/操作记录表中的四级手术占比=四级手术台次/手术总台次；床位使用率=在院病人数/开放床位数；
所述运营指标分组及计算模块初始化构建两个运营指标集的依据，主要是根据专家经验相关规范，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集；所述第一运营指标集里的指标一般有数量限制，为固定数量。上述的贡献度是指每个指标对于医保超支预测结果的影响程度，可以通过解释性算法如SHAP通过计算每个指标的shapley值（计算每个指标对于预测结果的贡献，并对贡献进行加权平均）来定义为指标的贡献度，通过指标贡献度可以看出各指标对预测结果的影响大小，为住院诊疗单元管理者提供重点管理哪些指标来解决医保超支问题的参考策略；
（3）从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；在采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标（N为正整数），作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标；
（4）根据第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；所述医保超支预测模型是由多个不同的基模型和一个元模型来组成的集成模型，元模型用于整合基学习器的预测结果，并对最终的预测结果进行建模；
（5）超支结果输出模块调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标值，获得医保超支预测结果；另外采集的真实的医保超支反馈数据汇总以可视化的形式由超支结果输出模块输出；所述超支结果输出模块还可以输出指标贡献度，即各指标对超支预测结果的影响大小，为住院诊疗单元管理者提供重点管理哪些指标来解决医保超支问题的参考策略；
（6）模型在线评估及调整模块调取模型构建模块得到的医保超支预测模型、将新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新。所述准确度可以通过AUC来定义，即为ROC曲线下的面积，ROC曲线下的面积（AUC）可以理解为模型正确分类的概率，AUC的取值范围在0到1之间，越接近1表示模型性能越好，越接近0.5则表示模型性能越差；
（7）当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型；
（8）将相应运营指标值输入新的模型从而输出新的预测超支结果及参考策略。
以上对本申请所提供的一种住院诊疗服务单元的医保超支预测方法与系统进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种住院诊疗服务单元的医保超支预测系统，其特征在于，包括：
数据采集模块，数据采集模块以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理；
运营指标分组及计算模块，运营指标分组及计算模块连接数据采集模块，根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集；所述运营指标分组及计算模块初始化构建两个运营指标集时，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集；
运营指标筛选模块，运营指标筛选模块与运营指标分组及计算模块连接，用于从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；
模型构建模块，模型构建模块连接运营指标筛选模块和超支结果输出模块，模型构建模块根据运营指标筛选模块筛选后的第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；
超支结果输出模块，超支结果输出模块与模型构建模块、运营指标分组及计算模块连接，用于调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标，获得医保超支预测结果；
以及模型在线评估及调整模块，模型在线评估及调整模块与数据采集模块和模型构建模块连接，模型在线评估及调整模块包括评估单元和调整单元，评估单元用于调取模型构建模块得到的医保超支预测模型、将数据采集模块采集的新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新；
所述模型在线评估及调整模块还与运营指标筛选模块连接，当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块的调整单元调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型；上述的贡献度是指每个指标对于医保超支预测结果的影响程度。
2.根据权利要求1所述的住院诊疗服务单元的医保超支预测系统，其特征在于：所述第一运营指标集、第二运营指标集分别由若干个运营指标构成。
3.根据权利要求1所述的住院诊疗服务单元的医保超支预测系统，其特征在于：所述第一运营指标集里的指标数量固定不变。
4.根据权利要求1所述的住院诊疗服务单元的医保超支预测系统，其特征在于：在采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标，N为正整数，作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标。
5.根据权利要求1所述的住院诊疗服务单元的医保超支预测系统，其特征在于：所述超支结果输出模块还与数据采集模块连接，数据采集模块将采集的真实的医保超支反馈数据由超支结果输出模块输出。
6.一种住院诊疗服务单元的医保超支预测方法，其特征在于，包括以下步骤：
（1）数据采集模块以设定的时间间隔采集医疗业务数据和医保超支反馈数据，并进行预处理；当前时刻ti采集的医疗业务数据称为初始医疗业务数据，在当前时刻的下一时刻ti+1采集的医疗业务数据称为增量医疗业务数据；当前时刻ti采集的医疗业务数据作为下一时刻医保超支预测的依据；
（2）根据数据采集模块采集的医疗业务数据计算得到运营指标，并将运营指标分组为第一运营指标集和第二运营指标集，所述第一运营指标集、第二运营指标集分别由若干个运营指标构成；构建两个运营指标集时，将对医保超支影响贡献度超过设定阈值的指标划入第一运营指标集，将其他医保超支影响指标划入第二运营指标集，从而构建形成初始化状态的第一运营指标集和第二运营指标集；
（3）从第二运营指标集中筛选对医保超支相关性超过设定阈值的运营指标，第一运营指标集的运营指标不变化，并将第二运营指标集的筛选指标与第一运营指标集中的所有指标输入模型构建模块；
（4）根据第二运营指标集的筛选指标与第一运营指标集中的所有指标构建模型，得到医保超支预测模型；
（5）超支结果输出模块调取医保超支预测模型，根据运营指标分组及计算模块计算获得的相应运营指标值，获得医保超支预测结果；
（6）模型在线评估及调整模块调取模型构建模块得到的医保超支预测模型、将新增医保超支反馈数据的真实结果和由医保超支预测模型根据对应时刻的医疗业务数据得到的预测结果进行比较，获得的准确度作为医保超支预测模型的评估指标，根据该评估指标的结果判断是否对医保超支预测模型进行更新；当准确度大于或等于阈值时，模型不更新，保持原医保超支预测模型；当准确度小于阈值时，模型需要进行更新；
（7）当模型在线评估及调整模块判断医保超支预测模型需要进行更新时，模型在线评估及调整模块调取用于构建医保超支预测模型的运营指标，该运营指标即为前述运营指标筛选模块筛选后的第一运营指标集和第二运营指标集的筛选指标，调整单元根据模型反馈计算第一运营指标集和第二运营指标集的筛选指标的各指标贡献度，将第二运营指标集中的筛选指标贡献度大于等于阈值的指标调整至第一运营指标集中，将第一运营指标集中小于阈值的指标调整至第二运营指标集中，并保证第一运营指标集中的指标数量不变；调整单元将调整后的第一运营指标集和第二运营指标集的所有指标输入运营指标筛选模块对第二运营指标集再次进行运营指标的筛选，模型构建模块再根据增量筛选后的新的第一运营指标集和第二运营指标集的筛选指标，构建新的模型；
（8）将相应运营指标值输入新的模型从而输出新的预测超支结果及参考策略。
7.如权利要求6所述的住院诊疗服务单元的医保超支预测方法，其特征在于：在步骤（3）中，采集初始医疗业务数据的情况下进行运营指标筛选时，采用皮尔逊相关系数法，获取第二运营指标集中运营指标对医保超支影响的权重排序，选择权重排序位于前N位的运营指标，N为正整数，作为初始化状态第二运营指标集的筛选指标；在采集增量医疗业务数据的情况下进行运营指标筛选时，采用增量特征选择算法获取第二运营指标集中运营指标对医保超支影响的权重排序，筛选权重排序位于前N位的运营指标。
8.如权利要求6所述的住院诊疗服务单元的医保超支预测方法，其特征在于：所述数据采集模块采集的真实的医保超支反馈数据由超支结果输出模块输出。
CN202310818693.4A 2023-07-05 2023-07-05 一种住院诊疗服务单元的医保超支预测方法与系统 Active CN116542401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310818693.4A CN116542401B (zh) 2023-07-05 2023-07-05 一种住院诊疗服务单元的医保超支预测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310818693.4A CN116542401B (zh) 2023-07-05 2023-07-05 一种住院诊疗服务单元的医保超支预测方法与系统

Publications (2)

Publication Number Publication Date
CN116542401A CN116542401A (zh) 2023-08-04
CN116542401B true CN116542401B (zh) 2023-09-19

Family

ID=87449171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310818693.4A Active CN116542401B (zh) 2023-07-05 2023-07-05 一种住院诊疗服务单元的医保超支预测方法与系统

Country Status (1)

Country Link
CN (1) CN116542401B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118154332B (zh) * 2024-05-11 2024-08-30 江南大学附属医院 医保超支实时监测管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3646726B1 (ja) * 2004-04-14 2005-05-11 有限会社山口ティー・エル・オー 防災事業支援システム
CN109473177A (zh) * 2018-10-31 2019-03-15 平安科技（深圳）有限公司 基于预测模型确定医疗发展趋势的方法及相关产品
CN110110885A (zh) * 2019-03-21 2019-08-09 平安直通咨询有限公司上海分公司 信息预测方法、装置、计算机设备和存储介质
CN110175697A (zh) * 2019-04-25 2019-08-27 胡盛寿 一种不良事件风险预测系统及方法
JP2019146283A (ja) * 2018-02-15 2019-08-29 東北電力株式会社 電力需要予測装置、電力需要予測方法及び電力需要予測プログラム
CN111325406A (zh) * 2020-03-03 2020-06-23 广东省公共卫生研究院 一种基于小空间尺度的热相关健康风险预警方法
CN113723674A (zh) * 2021-08-18 2021-11-30 卫宁健康科技集团股份有限公司 一种基于大数据相关性的医疗风险预测方法
CN115577856A (zh) * 2022-11-11 2023-01-06 国网湖北省电力有限公司经济技术研究院 一种变电工程造价预测与结余控制方法及系统
CN115641019A (zh) * 2022-10-12 2023-01-24 上海浦东发展银行股份有限公司 指标异常分析方法、装置、计算机设备和存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6975692B2 (ja) * 2018-07-27 2021-12-01 株式会社日立製作所 計算機システム及び予測器が出力した予測値の根拠に関連する情報の提示方法
US20230087204A1 (en) * 2021-09-23 2023-03-23 Tibco Software Inc. Systems and methods to screen a predictive model for risks of the predictive model

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3646726B1 (ja) * 2004-04-14 2005-05-11 有限会社山口ティー・エル・オー 防災事業支援システム
JP2019146283A (ja) * 2018-02-15 2019-08-29 東北電力株式会社 電力需要予測装置、電力需要予測方法及び電力需要予測プログラム
CN109473177A (zh) * 2018-10-31 2019-03-15 平安科技（深圳）有限公司 基于预测模型确定医疗发展趋势的方法及相关产品
CN110110885A (zh) * 2019-03-21 2019-08-09 平安直通咨询有限公司上海分公司 信息预测方法、装置、计算机设备和存储介质
CN110175697A (zh) * 2019-04-25 2019-08-27 胡盛寿 一种不良事件风险预测系统及方法
CN111325406A (zh) * 2020-03-03 2020-06-23 广东省公共卫生研究院 一种基于小空间尺度的热相关健康风险预警方法
CN113723674A (zh) * 2021-08-18 2021-11-30 卫宁健康科技集团股份有限公司 一种基于大数据相关性的医疗风险预测方法
CN115641019A (zh) * 2022-10-12 2023-01-24 上海浦东发展银行股份有限公司 指标异常分析方法、装置、计算机设备和存储介质
CN115577856A (zh) * 2022-11-11 2023-01-06 国网湖北省电力有限公司经济技术研究院 一种变电工程造价预测与结余控制方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨赫祎 等.基于特征筛选与机器学习的医疗保险报销比例预测研究.《中国循证医学杂志》.2023,第23卷(第4期),第373-378页. *

Also Published As

Publication number Publication date
CN116542401A (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
Ampofo et al. Beyond 2020: Modelling obesity and diabetes prevalence
CN104951894A (zh) 医院疾病管理智能分析和评估系统
CN116542401B (zh) 一种住院诊疗服务单元的医保超支预测方法与系统
CN106202891B (zh) 一种面向医疗质量评价的大数据挖掘方法
CN105046406A (zh) 住院病人医疗管理质量评估方法
CN110473634B (zh) 一种基于多域融合学习的遗传代谢病辅助筛查方法
CN110504031A (zh) 用于健康行为干预的云端管理数据库建立方法及系统
CN110739076A (zh) 一种医疗人工智能公共训练平台
CN111951975A (zh) 一种基于深度学习模型gpt-2的脓毒症早期预警方法
CN113838577B (zh) 便捷化分层老年mods早期死亡风险评估模型、装置及建立方法
CN113161004B (zh) 一种疫情预测系统及方法
CN111081379A (zh) 一种疾病概率决策方法及其系统
CN113871009A (zh) 一种重症监护病房中脓毒症预测系统、存储介质及设备
WO2022237162A1 (zh) 一种血糖预测方法、系统及其应用
CN118213075A (zh) 老年全麻患者术后亚谵妄综合症多模态预测识别系统
Timbie et al. A comparison of methods for combining quality and efficiency performance measures: profiling the value of hospital care following acute myocardial infarction
Duhamel et al. A preprocessing method for improving data mining techniques. Application to a large medical diabetes database
CN108122005B (zh) 一种临床药物层次分类的方法
Amara Multilevel modelling of individual fertility decisions in Tunisia: Household and regional contextual effects
CN117095828A (zh) 基于糖尿病患者随访记录的血糖值预测和告警方法
CN116721730A (zh) 一种基于数字疗法的患者全程管理系统
US20230068453A1 (en) Methods and systems for determining and displaying dynamic patient readmission risk and intervention recommendation
CN112183861B (zh) 基于lasso回归预测治疗费用的方法
CN114358618A (zh) 基于病例组合的医生住院服务绩效评估方法及系统
CN116631586A (zh) 一种医院红细胞最优化智能分配决策方法和系统

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
CB02 Change of applicant information

Address after: 214000 1000 Hefeng Road, Binhu District, Wuxi City, Jiangsu Province

Applicant after: AFFILIATED HOSPITAL OF JIANGNAN University

Address before: No. 1-2202-8, Financial 8th Street, Wuxi Economic Development Zone, Jiangsu Province, 214000

Applicant before: AFFILIATED HOSPITAL OF JIANGNAN University

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant