CN116959693B - 一种互联网医院数据管理平台 - Google Patents
一种互联网医院数据管理平台 Download PDFInfo
- Publication number
- CN116959693B CN116959693B CN202311219890.0A CN202311219890A CN116959693B CN 116959693 B CN116959693 B CN 116959693B CN 202311219890 A CN202311219890 A CN 202311219890A CN 116959693 B CN116959693 B CN 116959693B
- Authority
- CN
- China
- Prior art keywords
- target
- target information
- medical
- region
- module
- 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
- 238000013523 data management Methods 0.000 title claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 13
- 208000015181 infectious disease Diseases 0.000 claims abstract description 10
- 239000003814 drug Substances 0.000 claims description 91
- 201000010099 disease Diseases 0.000 claims description 38
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 38
- 229940079593 drug Drugs 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000013439 planning Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 2
- 208000024891 symptom Diseases 0.000 description 6
- 238000000034 method Methods 0.000 description 3
- 230000002458 infectious effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 201000009240 nasopharyngitis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗系统管理技术领域,具体涉及一种互联网医院数据管理平台。包括即时监测采集系统,即时监测采集系统的输出端连接有医疗数据分析系统,医疗数据分析系统的输出端连接有范围特征分析系统。通过确定目标信息所处的地区传染病情况,以该地区创建延展地区,使经过特征分级后的目标数据结合初始地区、延展地区来再次对目标信息进行筛分缩减,提升本案中特征分级内目标信息所对应人群的精确性,并按照特征分级给目标人员划定医疗保险支出购药量,以此来限制该特征分级内人群采用医疗保险不合理购药支出,降低该地区医疗保险不合理支出的额度。
Description
技术领域
本发明涉及医疗系统管理技术领域,具体涉及一种互联网医院数据管理平台。
背景技术
民众在生病前往医院或药店购入药品时,目前的医疗保险通常会在医院或一些药店内会设置医疗定点标志,其是代表该医疗机构能够使民众在看病或购药时可使用医疗保险进行支出;
但是因社会中的人口众多,社会环境也较为复杂,在生活中难免有一些不法分子假借生病、病况的理由,去医疗机构以医疗保险报销的渠道大量购入且无需自身使用的药品,其通常的目的是以医疗保险报销的功能来低价购入药品,然后以高假私自售出,此种情况产生时,不仅会给社会民众带来极大的安全风险(因为用药通常需要医师的指导方可,当民众在购入后私自用药因不了解药品的副作用就会产生极大的药品安全隐患,且对于身体抵抗力低的一些孩童、孕妇及老人来说更会产生极大的安全隐患),同时也会导致医疗保险报销额度的过量支出,从而产生支出不合理的现象,以至于该地区的医疗保险额度等受到影响,但是目前无法针对该情况做出有利的控制来降低医疗保险的支出。
因此,目前亟需一种能够合理控制医疗保险合理支出的管控措施。
发明内容
针对现有技术所存在的上述缺点,本发明提供了一种互联网医院数据管理平台,能够有效解决现有技术中因民众不合理使用医疗保险导致医疗保险报销额度产生不合理支出,从而导致该地区医疗保险额度异常的问题。
为实现以上目的,本发明通过以下技术方案予以实现:
本发明提供一种互联网医院数据管理平台,至少包括:
即时监测采集系统,所述即时监测采集系统用于对线下医疗机构实施监控并设置药品售出量额定区间,采集购入量超过额定区间的用户信息并将其记为目标信息,所述即时监测采集系统的输出端连接有医疗数据分析系统,医疗数据分析系统用于将目标信息输入至互联网医疗数据系统中进行比对分析,判定该目标信息的疾病特征,且医疗数据分析系统同步采集与目标信息相关的目标附属人群,判定该目标附属人群的疾病特征,以此对目标信息进行特征分级;
所述医疗数据分析系统的输出端连接有范围特征分析系统,范围特征分析系统用于确定目标信息所在的地区,将其设定为目标地区,随之判定受目标地区影响的延展地区,以延展地区、目标地区匹配上述目标信息与目标附属人群,并对目标信息再次进行特征分级,所述范围特征分析系统的输出端连接有依据特征分级限制目标信息中医疗保险支出的数据特征限制系统。
进一步地,所述即时监测采集系统包括用于设定药品售出量额定区间的增量购入采集模块,且增量购入采集模块同步对药品售出量进行监控,并采集药品售出量超出额定区间的用户信息,所述增量购入采集模块的输出端连接有用于将用户信息设定为目标信息的实时数据传输模块,且实时数据传输模块并将目标信息传输至医疗数据分析系统中。
进一步地,所述医疗数据分析系统包括用于接收实时数据传输模块传输的目标信息的病历数据分析模块,所述病历数据分析模块的输出端连接有关联数据分析模块,所述关联数据分析模块用于依据目标信息确定与其关联的家属人群,并将家属人群记为目标附属人群,通过将目标信息、目标附属人群在互联网医疗数据系统中比对分析,确定目标信息、目标附属人群均是否存在病历。
进一步地,所述医疗数据分析系统还包括分级区间模块,所述分级区间模块用于形成特征区间,且特征区间包括:
优级、中级、次级及常规级,且优级、中级、次级及常规级按照风险等级高至低顺序排列,所述特征区间通过比对分析将目标信息划定至对应的区间中。
进一步地,所述医疗数据分析系统在将目标信息与目标附属人群输入至互联网医疗数据系统进行查验病历时,设定疾病存在时间,并以疾病存在时间分析该病历对目标信息与目标附属人群产生的影响。
进一步地,所述范围特征分析系统包括获取该目标信息所对应的地区,并分析该地区是否存在传染性疾病的病况地区分析模块,所述病况地区分析模块的输出端连接有延展地区判定模块;
当存在传染性疾病时,将该地区设定为目标地区,延展地区判定模块确定该地区的风力数据,且基于目标地区以风力数据创建延展地区,延展地区判定模块获取目标地区、延展地区的人员出入数据,所述延展地区判定模块的输出端连接有两相数据匹配模块,所述两相数据匹配模块用于将目标信息与目标附属人员与出入数据进行比对,判定目标信息与目标附属人员是否途径目标地区、延展地区;
当不存在传染性疾病时,不执行此步骤。
进一步地,所述数据特征限制系统包括按照特征区间对用户以医疗保险购入药品量进行限制的支出控制保护模块,其中:
特征区间的医疗保险购入药品量限制为:
优级:0-3天医疗保险药品的备用量;
中级:0-4天医疗保险药品的备用量;
次级:0-6天医疗保险药品的备用量;
常规级:0-7天医疗保险药品的备用量。
进一步地,所述支出控制保护模块的输出端连接有支出数据分析模块,所述支出数据分析模块用于记录特征区间内目标信息通过医疗保险支出所购入的药品量、购入次数,并通过设置规划模块来改变支出控制保护模块对目标信息医疗保险购入药品量的限制,其中:
规划模块通过对医疗保险支出所购入的药品量、购入次数进行设置,设置步骤为:
S1、当月的药品量符合在医疗保险购入药品量限制范围内,且购入次数在本案中设定为该月不超过两次,当目标信息达到此标准五次及以上时,将目标信息所处在特征区间内的等级执行逐级递减操作;
S2、当目标信息不符合上述S1中任意一情况时,则不执行上述S1步骤,使目标信息所在的特征区间保持不变;
S3、当目标信息此后12个月及以上均无药品通过医疗保险购入记录时,再次执行上述S1步骤。
本发明提供的技术方案,与已知的现有技术相比,具有如下有益效果:
1、通过提取使用医疗保险过量购入药品的人员,将其记为目标信息,通过目标信息确定其相关的人群,并结合当前的互联网医疗数据系统,按照特征分级将目标人员划分至医疗保险不合理支出的分等级中,预先对社会众多人口中不合理使用医疗保险购药操作的人群筛分。
2、在目标信息经过特征分级的基础上,按照目标信息所处的地区传染病情况,并以该地区创建延展地区,以使经过特征分级后的目标数据结合初始地区、延展地区来再次对目标信息进行筛分缩减,以此提升本案中特征分级内目标信息所对应人群的精确性,并按照特征分级给目标人员划定医疗保险支出购药量,以此来限制该特征分级内人群采用医疗保险不合理购药支出,降低该地区医疗保险不合理支出的额度;
同时降低医疗机构内药品备用存储量的消耗,以确保医疗机构有药品来应对不时之需。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的整体模块框图。
图中的标号分别代表:
10、即时监测采集系统;101、增量购入采集模块;102、实时数据传输模块;
20、医疗数据分析系统;201、病历数据分析模块;202、关联数据分析模块;203、分级区间模块;
30、范围特征分析系统;301、病况地区分析模块;302、延展地区判定模块;303、两相数据匹配模块;
40、数据特征限制系统;401、支出控制保护模块;402、支出数据分析模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
下面结合实施例对本发明作进一步的描述。
实施例1:一种互联网医院数据管理平台,至少包括:
即时监测采集系统10,即时监测采集系统10用于对线下医疗机构实施监控并设置药品售出量额定区间,采集购入量超过额定区间的用户信息并将其记为目标信息,即时监测采集系统10的输出端连接有医疗数据分析系统20,医疗数据分析系统20用于将目标信息输入至互联网医疗数据系统中进行比对分析,判定该目标信息的疾病特征,且医疗数据分析系统20同步采集与目标信息相关的目标附属人群,判定该目标附属人群的疾病特征,以此对目标信息进行特征分级;在本案中,通过即时监测采集系统10与线下医疗机构进行数据联通,线下医疗机构是指具有医疗保险报销的指定药店,并对部分药品设置售出量额定区间,部分药品是指能够进行医疗保险报销的药品,然后根据疾病症状严重等级设置符合该症状等级的药品使用量,例如:感冒,药物治疗通常设定为0-10天,即药物的最大购入量便为0-10天的药量,当超过该额定区间的售出量时,即时监测采集系统10随之采集该医疗保险购入药品的用户信息,并同步将该用户信息记为目标信息,通过医疗数据分析系统20对目标信息在互联网医疗数据系统中进行分析比对(对于互联网医疗数据系统来说,通常是线下医疗机构的线上数据管理平台,且多个医疗机构之间数据信息在常规情况下也是互通的,以便于在患者前往医院诊治时,医师能够获取该患者的过往病历对患者进行更为安全、合理的治疗方式),且医疗数据分析系统20预先设置特征区间(特征区间是指上述中的特征分级,其包括优级、中级、次级及常规级,等级含义具体通过下文示出),然后通过比对确定该目标信息及与目标信息关联的目标附属人群均是否在线下医疗机构中存在病历,当存在时,目标信息预先分入至次级内;反之,当不存在时,目标信息预先分入至中级内,此时,就对目标信息做出特征分级处置,能够预先确定哪些人员是不符合药品购入条件;
基于上述:医疗数据分析系统20的输出端连接有范围特征分析系统30,范围特征分析系统30用于确定目标信息所在的地区,将其设定为目标地区,随之判定受目标地区影响的延展地区,以延展地区、目标地区匹配上述目标信息与目标附属人群,并对目标信息再次进行特征分级,范围特征分析系统30的输出端连接有依据特征分级限制目标信息中医疗保险支出的数据特征限制系统40;即将上述中的目标信息与目标附属人群均通过范围特征分析系统30在传染性地区进行二次特征比对,当不存在传染性特征时,以此就能再次对目标信息所涵盖的人群进行缩减,通过对目标信息逐步缩减的方式,能够选取目标信息中医疗保险不合理支出概率较大的一些人群,因此,通过数据特征限制系统40按照上述特征区间分别给目标信息设置医疗保险药品购入量,通过限制医疗保险药品的售出量,同步限制该医疗保险报销的支出量,以给目前的医疗保险提供更为合理的支出规划设置,降低该地区的医疗保险报销额度的损耗,确保该地区民生的医疗保险报销比例正常。
综上,示出本实施例实现该方案的基础组成部分,以下针对上述方案进行逐步分开阐述并做出优化设计:
即时监测采集系统10包括用于设定药品售出量额定区间的增量购入采集模块101,且增量购入采集模块101同步对药品售出量进行监控,并采集药品售出量超出额定区间的用户信息,增量购入采集模块101的输出端连接有用于将用户信息设定为目标信息的实时数据传输模块102,且实时数据传输模块102并将目标信息传输至医疗数据分析系统20中。对于增量购入采集模块101设定额定区间来说,其对存在疾病症状设定针对该疾病治疗的额定区间,如上述中示例的感冒疾病,且还对不存在疾病症状时,同步设定药品售出量额定区间,此处无疾病药品售出量额定区间可按照国家药品监管范围进行设定,例如用户在无疾病症状但是需要购入药品,可将其设定为0-7天的购入量,且此范围需小于上述中存在疾病症状所对应的药品售出量额定区间,以此,就能确保对药品售出量进行实时的监管;对于无症状的用户来说,其通常购入药品多用于备存,以供不时之需;
进而,本方案预先确保用户在此种情况时依旧能够购入药品,同步限制药品售出量,以确保该医疗机构的药品存储量不会过量降低,来确保后续存在疾病状况的患者能够购买到此药品,尽可能的降低患者存在疾病但因药品供需不及时导致疾病加重的情况。
紧接着,医疗数据分析系统20包括用于接收实时数据传输模块102传输的目标信息的病历数据分析模块201,病历数据分析模块201的输出端连接有关联数据分析模块202,关联数据分析模块202用于依据目标信息确定与其关联的家属人群,并将家属人群记为目标附属人群,通过将目标信息、目标附属人群在互联网医疗数据系统中比对分析,确定目标信息、目标附属人群均是否存在病历;通过病历数据分析模块201接收发送的目标信息,由关联数据分析模块202确定与目标信息相关联的其他人群,其他人群为目标信息中人群的家属,采用这样的确定方式,是因为在生活中,会有着部分人群为家庭其他成员代购入药品,例如孩童、孕妇、年迈或行动不便的老龄人,因此,为了进一步提高本案确定数据的精准性:
其中:医疗数据分析系统20还包括分级区间模块203,分级区间模块203用于形成特征区间,且特征区间包括:
优级、中级、次级及常规级,且优级、中级、次级及常规级按照风险等级高至低顺序排列,特征区间通过比对分析将目标信息划定至对应的区间中,其中,优级是指该目标信息支出医疗保险存在不合理概率最大的情况,中级、次级以此递减,在此就不进行赘述了,对于常规级来说,其说明目标信息支出医疗保险处于合理的概率情况。
通过将目标信息与所确定的家庭成员目标附属人员同步通过互联网医疗数据系统进行检验核对,来对比是否存在病历,因此,对比后会产生多种结果,具体如下:
其一:目标信息存在病历,目标附属人群存在病历;
其二:目标信息存在病历,目标附属人群不存在病历;
其三:目标信息不存在病历,目标附属人群存在病历;
其四:目标信息不存在病历,目标附属人群不存在病历;
因此,根据上述比对结果,将其二、其三预先纳入至次级特征区间内,将其四预先纳入至中级特征区间内,将其一预先纳入至常规级特征区间内,此时通过特征区间就预先对上述中的目标信息进行等级处置划分;
对于本案中的目标附属人群来说,因其没有实施直接购买药品的操作,本案不将其考虑入特征区间内,以确保特征区间分析判定数据的精确性。
对上述方案的补充阐述:医疗数据分析系统20在将目标信息与目标附属人群输入至互联网医疗数据系统进行查验病历时,设定疾病存在时间,并以疾病存在时间分析该病历对目标信息与目标附属人群产生的影响。本实施例中,通过设定疾病的存在时间,也就是说,当人员产生疾病并就医形成病历时,病历距离当前人员购入药品的时间,可按照常规的疾病发展等级进行设定,例如:
轻型病历(临床症状轻微,如轻微的感冒等,本案中的具体时间可按照当前的疾病时间参数对应调整,并不受局限)可将其设定为0-14天;
中型病历将其设定为0-30天;
重型病历将其设定为0-100天;
危重型病历将其设定为大于100天;
对于上述中的疾病病型来说,其可直接获取病历上的数据得知,因为医师在下达病历时,需填写该患者的疾病情况及其严重等级,因此,当病历符合在该上述中的疾病存在时间时,说明该患者购入药品是合理的;反之,系统当判定该患者疾病已经好转,即将原始的疾病等级递减一个等级,此时分级区间模块203便会再次按照上述即时监测采集系统10设定的药品额定区间进行判定,分析该用户当前是否超过购入药品额定区间,以此重新判定并筛选该目标信息,并再次通过医疗数据分析系统20对目标信息按照特征区间进行划分。
本实施例为了对上述特征区间分类后的目标信息做出进一步的分析判定,以确保本方案所分析出的数据更为精确:
范围特征分析系统30包括获取该目标信息所对应的地区,并分析该地区是否存在传染性疾病的病况地区分析模块301,病况地区分析模块301的输出端连接有延展地区判定模块302;
当存在传染性疾病时,将该地区设定为目标地区,延展地区判定模块302确定该地区的风力数据,且基于目标地区以风力数据创建延展地区,延展地区判定模块302获取目标地区、延展地区的人员出入数据,延展地区判定模块302的输出端连接有两相数据匹配模块303,两相数据匹配模块303用于将目标信息与目标附属人员与出入数据进行比对,判定目标信息与目标附属人员是否途径目标地区、延展地区;
当不存在传染性疾病时,不执行此步骤;
基于上述:通过病况地区分析模块301获取目标信息中人员的所在地,随之分析该所在地是否存在传染性疾病,传染性疾病例如:易于通过空气传播的流感等,因此,当存在时,延展地区判定模块302确定该地区的风力数据,对于风力数据来说,可直接通过气象站获取,因此,根据风力数据中的风向、风速,便可判定该目标地区受到风力数据的影响时,对附近地区造成影响的范围,即延展地区,因此,再次通过延展地区判定模块302获取目标地区、延展地区的人员出入数据即可(地区的出入数据可预先将该地区的监控设置调为人员自动识别记录,因此出入数据便可形成),由两相数据匹配模块303将目标信息、目标附属人群与出入数据进行比对即可,判定该出入数据中是否存在目标信息、目标附属人群中所对应的人员;
当存在时,判定目标信息、目标附属人群受到传染性疾病的影响,其购入药品存在合理的情况;
反之,将其判定为不合理操作,执行特征区间调入操作,即对处于上述中级特征区间的目标信息调入至优级区间,此时再次对目标信息所涵盖的人群进行缩减,并提高对其存在使用医疗保险不合理支付判定的精准性。
数据特征限制系统40包括按照特征区间对用户以医疗保险购入药品量进行限制的支出控制保护模块401,其中:
特征区间的医疗保险购入药品量限制为:
优级:0-3天医疗保险药品的备用量;
中级:0-4天医疗保险药品的备用量;
次级:0-6天医疗保险药品的备用量;
常规级:0-7天医疗保险药品的备用量;
根据上述,通过支出控制保护模块401的处置分级,限制该特征区间内人员通过医疗保险购入的药品量,这样就能降低医疗保险在不合理情况下的报销支出,确保该地区医疗保险数据支出的正常,也能够给该医疗机构预存适当的药品备用量,避免供需不足的情况出现,确保切实存在疾病的人群能够通过医疗保险合理支出购入药品;
值得说明的是,常规级与上述无疾病症状但是需要购入药品的人员的购入量相同,以便于对民众的医疗保险支出进行管控。
实施例2
基于实施例1,本实施例示出第二实施例2以对实施例1进行优化,具体如下:
支出控制保护模块401的输出端连接有支出数据分析模块402,支出数据分析模块402用于记录特征区间内目标信息通过医疗保险支出所购入的药品量、购入次数,并通过设置规划模块来改变支出控制保护模块401对目标信息医疗保险购入药品量的限制,其中:
规划模块通过对医疗保险支出所购入的药品量、购入次数进行设置,设置步骤为:
S1、当月的药品量符合在医疗保险购入药品量限制范围内,且购入次数在本案中设定为该月不超过两次,当目标信息达到此标准五次及以上时,将目标信息所处在特征区间内的等级执行逐级递减操作;
S2、当目标信息不符合上述S1中任意一情况时,则不执行上述S1步骤,使目标信息所在的特征区间保持不变;
S3、当目标信息此后12个月及以上均无药品通过医疗保险购入记录时,再次执行上述S1步骤。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的保护范围。
Claims (5)
1.一种互联网医院数据管理平台,其特征在于,至少包括:
即时监测采集系统(10),所述即时监测采集系统(10)用于对线下医疗机构实施监控并设置药品售出量额定区间,采集购入量超过额定区间的用户信息并将其记为目标信息,所述即时监测采集系统(10)的输出端连接有医疗数据分析系统(20),医疗数据分析系统(20)用于将目标信息输入至互联网医疗数据系统中进行比对分析,判定该目标信息的疾病特征,且医疗数据分析系统(20)同步采集与目标信息相关的目标附属人群,判定该目标附属人群的疾病特征,以此对目标信息进行特征分级;
所述医疗数据分析系统(20)的输出端连接有范围特征分析系统(30),范围特征分析系统(30)用于确定目标信息所在的地区,将其设定为目标地区,随之判定受目标地区影响的延展地区,以延展地区、目标地区匹配上述目标信息与目标附属人群,并对目标信息再次进行特征分级,所述范围特征分析系统(30)的输出端连接有依据特征分级限制目标信息中医疗保险支出的数据特征限制系统(40);
医疗数据分析系统(20)包括用于接收实时数据传输模块(102)传输的目标信息的病历数据分析模块(201),所述病历数据分析模块(201)的输出端连接有关联数据分析模块(202),所述关联数据分析模块(202)用于依据目标信息确定与其关联的家属人群,并将家属人群记为目标附属人群,通过将目标信息、目标附属人群在互联网医疗数据系统中比对分析,确定目标信息、目标附属人群均是否存在病历;
所述医疗数据分析系统(20)还包括分级区间模块(203),所述分级区间模块(203)用于形成特征区间,且特征区间包括:
优级、中级、次级及常规级,且优级、中级、次级及常规级按照风险等级高至低顺序排列,所述特征区间通过比对分析将目标信息划定至对应的区间中;
所述范围特征分析系统(30)包括获取该目标信息所对应的地区,并分析该地区是否存在传染性疾病的病况地区分析模块(301),所述病况地区分析模块(301)的输出端连接有延展地区判定模块(302);
当存在传染性疾病时,将该地区设定为目标地区,延展地区判定模块(302)确定该地区的风力数据,且基于目标地区以风力数据创建延展地区,延展地区判定模块(302)获取目标地区、延展地区的人员出入数据,所述延展地区判定模块(302)的输出端连接有两相数据匹配模块(303),所述两相数据匹配模块(303)用于将目标信息与目标附属人员与出入数据进行比对,判定目标信息与目标附属人员是否途径目标地区、延展地区;
当不存在传染性疾病时,则不执行将该地区设定为目标地区,延展地区判定模块(302)确定该地区的风力数据,且基于目标地区以风力数据创建延展地区,延展地区判定模块(302)获取目标地区、延展地区的人员出入数据,所述两相数据匹配模块(303)用于将目标信息与目标附属人员与出入数据进行比对,判定目标信息与目标附属人员是否途径目标地区、延展地区的步骤。
2.根据权利要求1所述的一种互联网医院数据管理平台,其特征在于,所述即时监测采集系统(10)包括用于设定药品售出量额定区间的增量购入采集模块(101),且增量购入采集模块(101)同步对药品售出量进行监控,并采集药品售出量超出额定区间的用户信息,所述增量购入采集模块(101)的输出端连接有用于将用户信息设定为目标信息的实时数据传输模块(102),且实时数据传输模块(102)并将目标信息传输至医疗数据分析系统(20)中。
3.根据权利要求1所述的一种互联网医院数据管理平台,其特征在于,所述医疗数据分析系统(20)在将目标信息与目标附属人群输入至互联网医疗数据系统进行查验病历时,设定疾病存在时间,并以疾病存在时间分析该病历对目标信息与目标附属人群产生的影响。
4.根据权利要求1所述的一种互联网医院数据管理平台,其特征在于,所述数据特征限制系统(40)包括按照特征区间对用户以医疗保险购入药品量进行限制的支出控制保护模块(401),其中:
特征区间的医疗保险购入药品量限制为:
优级:0-3天医疗保险药品的备用量;
中级:0-4天医疗保险药品的备用量;
次级:0-6天医疗保险药品的备用量;
常规级:0-7天医疗保险药品的备用量。
5.根据权利要求4所述的一种互联网医院数据管理平台,其特征在于,所述支出控制保护模块(401)的输出端连接有支出数据分析模块(402),所述支出数据分析模块(402)用于记录特征区间内目标信息通过医疗保险支出所购入的药品量、购入次数,并通过设置规划模块来改变支出控制保护模块(401)对目标信息医疗保险购入药品量的限制,其中:
规划模块通过对医疗保险支出所购入的药品量、购入次数进行设置,设置步骤为:
S1、当月的药品量符合在医疗保险购入药品量限制范围内,且购入次数在本案中设定为该月不超过两次,当目标信息达到此标准五次及以上时,将目标信息所处在特征区间内的等级执行逐级递减操作;
S2、当目标信息不符合上述S1中任意一情况时,则不执行上述S1步骤,使目标信息所在的特征区间保持不变;
S3、当目标信息此后12个月及以上均无药品通过医疗保险购入记录时,再次执行上述S1步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219890.0A CN116959693B (zh) | 2023-09-21 | 2023-09-21 | 一种互联网医院数据管理平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311219890.0A CN116959693B (zh) | 2023-09-21 | 2023-09-21 | 一种互联网医院数据管理平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116959693A CN116959693A (zh) | 2023-10-27 |
CN116959693B true CN116959693B (zh) | 2023-12-29 |
Family
ID=88458748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311219890.0A Active CN116959693B (zh) | 2023-09-21 | 2023-09-21 | 一种互联网医院数据管理平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116959693B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070053604A (ko) * | 2005-11-21 | 2007-05-25 | 김용우 | 개방형 약품정보 관리 시스템 및 방법 |
CN105868977A (zh) * | 2016-04-01 | 2016-08-17 | 深圳市至高通信技术发展有限公司 | 药品售卖监管的方法、系统及装置 |
CN109615540A (zh) * | 2018-12-13 | 2019-04-12 | 平安医疗健康管理股份有限公司 | 违规购药的识别方法、装置、终端及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200294153A1 (en) * | 2019-03-14 | 2020-09-17 | Guardian Pharmacy, LLC | Systems and methods for monitoring pharmacy insurance claim costs |
-
2023
- 2023-09-21 CN CN202311219890.0A patent/CN116959693B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070053604A (ko) * | 2005-11-21 | 2007-05-25 | 김용우 | 개방형 약품정보 관리 시스템 및 방법 |
CN105868977A (zh) * | 2016-04-01 | 2016-08-17 | 深圳市至高通信技术发展有限公司 | 药品售卖监管的方法、系统及装置 |
CN109615540A (zh) * | 2018-12-13 | 2019-04-12 | 平安医疗健康管理股份有限公司 | 违规购药的识别方法、装置、终端及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于商业智能技术的阳光用药电子监察数据分析系统的研究与应用;陈文戈;陈康;舒婷;秦萍;林忠晓;唐丹;;中国药房(10);第185-186页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116959693A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7263492B1 (en) | Sequencing models of healthcare related states | |
Corrigan et al. | Toward the development of uniform reporting standards for managed care organizations: the Health Plan Employer Data and Information Set (Version 2.0) | |
US11250954B2 (en) | Patient readmission prediction tool | |
US7392201B1 (en) | Insurance claim forecasting system | |
CN107798621B (zh) | 疾病诊断信息审核方法及装置 | |
US20190180379A1 (en) | Life insurance system with fully automated underwriting process for real-time underwriting and risk adjustment, and corresponding method thereof | |
US20080109315A1 (en) | Method and apparatus for determining a customer's likelihood of paying off a financial account | |
US20080177567A1 (en) | System and method for predictive modeling driven behavioral health care management | |
WO2003048891A2 (en) | System and method for developing loss assumptions | |
CA2473463A1 (en) | Medical billing system to prevent fraud | |
CA2432055A1 (en) | Preferred life mortality systems and methods | |
US20030144933A1 (en) | Method and apparatus for determining a customer's likelihood of reusing a financial account | |
Smalley et al. | Emergency department patients who leave before treatment is complete | |
CN108648091A (zh) | 保单风险评估方法、装置、设备和计算机存储介质 | |
US10121192B2 (en) | Electronic system for healthcare insurance accounts receivable and patient financing | |
Wickizer et al. | The impact of HMO competition on private health insurance premiums, 1985—1992 | |
Scowcroft | Suicide statistics report 2017 | |
CN109522301A (zh) | 一种数据处理方法、电子设备及存储介质 | |
CN110232636B (zh) | 一种核保方法和装置 | |
CN113903439A (zh) | 基于大数据的医院运营分析系统 | |
US20190355052A1 (en) | Electronic System for Financing Healthcare Treatment | |
CN116959693B (zh) | 一种互联网医院数据管理平台 | |
CN111242779B (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
US20200075166A1 (en) | Feature selection for artificial intelligence in health delivery | |
US20130204644A1 (en) | Generating and editing claims processing rules |
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 |