WO2019001278A1 - 医疗保险基金精算预测方法、装置以及计算机设备 - Google Patents
医疗保险基金精算预测方法、装置以及计算机设备 Download PDFInfo
- Publication number
- WO2019001278A1 WO2019001278A1 PCT/CN2018/091095 CN2018091095W WO2019001278A1 WO 2019001278 A1 WO2019001278 A1 WO 2019001278A1 CN 2018091095 W CN2018091095 W CN 2018091095W WO 2019001278 A1 WO2019001278 A1 WO 2019001278A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- predicted
- population
- data
- historical
- annual
- Prior art date
Links
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种医疗保险基金精算预测方法,包括:接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
Description
本申请要求于2017年6月29日提交中国专利局,申请号为2017105179717,申请名称为“医疗保险基金精算预测方法及装置”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
本申请涉及计算机技术领域,特别是涉及一种医疗保险基金精算预测方法、装置、计算机设备以及存储介质。
医疗保险是社会保险的重要组成部分,对未来医疗保险基金收支平衡进行预测能够及时进行医疗保险基金收支政策调整,以避免出现医保基金亏空风险,保证医保基金收支平衡。传统医保基金收支平衡预测为人工根据历史医保基金数据预测未来医保基金收支平衡,该种医疗保险基金收支平衡预测方式需要人工收集、整理、分析复杂繁多的医疗保险收入数据及医疗保险支出数据,并进行大量计算得到未来医疗保险基金收支平衡预测结果,人工劳动强度非常大,预测效率低,并且容易出现计算错误,影响预测精度。
发明内容
根据本申请公开的各种实施例,提供一种医疗保险基金精算预测方法、装置、计算机设备以及存储介质。
一种医疗保险基金精算预测方法,包括:
接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;
根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;
根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;
根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及
当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
一种医疗保险基金精算预测装置,包括:
数据接收模块,用于接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;
预测人口计算模块,用于根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;
预测基金流入量计算模块,用于根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;
预测基金流出量计算模块,用于根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及
风险提示模块,用于当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
一种计算机设备,包括存储器和一个或多个处理器,所述存储器中储存有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述一个或多个处理器执行以下步骤:
接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;
根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;
根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;
根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及
当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
一个或多个存储有计算机可读指令的非易失性计算机可读存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:
接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗 支出费用数据;
根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;
根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;
根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及
当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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它的附图。
图1为根据一个或多个实施例中医疗保险基金精算预测方法的应用场景示意图;
图2为根据一个或多个实施例中医疗保险基金精算预测方法的流程图;
图3为根据一个或多个实施例中医疗保险基金精算预测方法的补充流程图;
图4为根据又一个实施例中医疗保险基金精算预测方法的补充流程图;
图5为根据一个或多个实施例中医疗保险基金精算预测装置的框图;
图6为根据又一个实施例中医疗保险基金精算预测装置的框图;
图7为根据一个或多个实施例中计算机设备的框图。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例中所提供的医疗保险基金精算预测方法可以应用于如图1所示的应用环境中。多个终端102与服务器104通过网络连接。终端102可以是计算机、笔记本电脑、平板电脑或智能手机等智能设备。服务器104内部署医疗保险基金精算预测模块,终端102发送历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据至服务器104,服务器104根据历史参保人口数据计算预测年参保人口数,并根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;再将得到的预测年医疗保险基金流入量与预测年医疗保险基金流出量进行比较,当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端102,提示用户存在医疗保险基金亏空风险。
在一个实施例中,如图2所示,提供了一种医疗保险基金精算预测方法,以应用于图1所示的服务器进行说明,包括以下步骤:
步骤202:接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据。
具体地,历史基本医保结构数据包括历史每年缴费工资基数、个人缴费比例、缴费基数增长率等医保结构数据。历史参保人口数据包括历史每年参保人口数及历史每年参保人口增长率。历史医疗支出费用数据包括历史每年单位风险发生率、每年诊疗人次、诊疗人次增长率、每年单位次均费用、次均费用增长率及年龄性别风险因子及赔付率。在一个实施例中,历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据均来自社保局数据库。
步骤204:根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数。
具体地,服务器接收到历史参保人口数据后,根据历史每年参保人口数获取基准年参保人口数据,并根据历史每年参保人口增长率确认历史参保人口平均增长率,历史参保人口平均增长率为历史每年参保人口增长率之和与历史年数的比值。获取基准年参保人口数据并确认历史参保人口平均增长率后,服务器根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数。在一个实施例中,服务器根据以下公式计算预测年参保人口数:预测年参保人口数=基准年参保人口数*(1+历史参保人口平均增长率*(预 测年-基准年))。
步骤206:根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量。
具体地,预测年医疗保险基金流入量按以下公式计算:预测年医疗保险基金流入量=参保人口*(缴费工资基数*个人缴费比例*(1+缴费基数增长率)*(预测年-基准年))。在一个实施例中,缴费基数增长率为历史每年缴费基数增长率的平均值。
步骤208:根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量。
具体地,通过以下步骤确定预测年医疗保险基金流出量:首先,根据预测参保人口确定预测年诊疗人次,预测年诊疗人次=参保人口*基准年单位风险发生率*(1+诊疗人次增长率)*(预测年-基准年)*年龄性别风险因子;之后,根据历史医疗支出费用数据计算次均费用,次均费用=基准年单位次均费用*(1+次均费用增长率)*(预测年-基准年)*年龄性别风险因子;然后,计算医疗范围内费用=诊疗人次*次均费用,最后,根据赔付率计算医疗保险基金流出量,医疗保险基金流出量=医疗范围内费用*赔付率。
步骤210:当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
具体地,确定预测年医疗保险基金流入量及预测年医疗保险基金流出量后,服务器将预测年医疗保险基金流入量和预测年医疗保险基金流出量进行比较,判断预测年医疗保险基金流入量是否大于或等于预测年医疗保险基金流出量,当预测年医疗保险基金流入量是否大于或等于预测年医疗保险基金流出量时,预测年医疗保险基金收支平衡,不存在基金亏空风险,无需政策调整处理,服务器发送医疗保险基金收支平衡的提示信息至终端;当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,预测年医疗保险基金存在亏空风险,服务器发送风险提示信息至终端。
上述医疗保险基金精算预测方法,通过结合未来人口趋势预测未来医疗保险基金流入量和流出量,将未来医疗保险基金流入量和流出量进行比较,预测未来医疗保险基金收支是否平衡,当医疗保险基金流入量小于流出量时,发送风险提示至终端,以提醒用户及时对政策做出调整避免出现基金亏空,有效保障医保基金收支平衡。上述医疗保险基金精算预测方法实现了医疗保险基金精算自动预警分析,大大降低了人工劳动强度,提高了医疗保险基金 精算预警分析效率,且有效保证了预测精度。
如图3所示,在一个实施例中,根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数的步骤之后,还包括:
步骤212:从大数据源获取预测年参保人口参考数据,根据预测年参保人口参考数据确定得到预测年参保人口数参考值。
具体地,服务器从大数据源获取预测年参保人口参考数据,并对从不同大数据源获取的预测年参保人口参考数据进行整合,计算从不同大数据源获取的预测年参保人口参考数据的预测年参保人口参考数平均值,将得到的预测年参保人口参考数平均值作为预测年参保人口数参考值,确定预测年参保人口数参考值。在一个实施例中,大数据源可以是存储或记录有与预测年参保人口相关的各种信息的存储器、数据库、数据仓库等。
步骤214:确定预测年参保人口数与预测年参保人口数参考值的差值。
步骤216:当预测年参保人口数与预测年参保人口数参考值的差值大于预设差值阈值时,执行以下步骤218至步骤222。
具体地,服务器将预测年参保人口数与预测年参保人口数参考值的差值与预设差值阈值进行比较,判断预测年参保人口数与预测年参保人口数参考值的差值是否大于预设差值阈值,当预测年参保人口数与预测年参保人口数参考值的差值小于或等于预设差值阈值时,服务器不做处理,以预测年参保人口数计算预测年医疗保险基金流入量和预测年医疗保险基金流出量。当预测年参保人口数与预测年参保人口数参考值的差值大于预设差值阈值时,执行以下步骤218至步骤222,对预测年参保人口数进行修正。
步骤218:从大数据源获取与历史参保人口数据相关的历史人口参考数据,对历史参保人口数据和历史人口参考数据进行马尔萨斯拟合,得到基准年参保人口数修正值。
当预测年参保人口数与预测年参保人口数参考值的差值大于预设差值阈值时,服务器从大数据源获取与历史参保人口数据相关的历史人口参考数据,对历史参保人口数据和历史人口参考数据进行马尔萨斯拟合,得到基准年参保人口数修正值。具体地,服务器通过马尔萨斯人口预测模型对历史参保人口数据和从不同大数据源获取的历史人口参考数据进行拟合,得到基准年参保人口数修正值。本实施例中,大数据源可以是存储或记录有与历史参保人口数据相关的各种信息的存储器、数据库、数据仓库等。
步骤220:采用最小二乘法计算得到参保人口平均增长率修正值。
具体地,服务器对历史参保人口平均增长率与从大数据源获取的历史人口参考数据进行最小二乘法计算,得到参保人人口平均增长率修正值。
步骤222:根据基准年参保人口数修正值和参保人口平均增长率修正值计算预测年参保人口数修正值,将预测年参保人口数修正值作为预测年参保人口数。
具体地,服务器根据基准年参保人口数修正值和参保人口平均增长率修正值计算预测年参保人口数修正值,将预测年参保人口数修正值作为预测年参保人口数,进一步根据预测年参保人口数修正值执行步骤206和步骤208,确定预测年医疗保险基金流入量和预测年医疗保险基金流出量。
本实施例中,根据历史参保人口数据计算得到预测年参保人口数后,服务器进一步结合大数据对参保人口预测结果进行修正,当预测年参保人口数与预测年参保人口数参考值的差值大于预设差值阈值时,通过大数据对预测年参保人口数进行修正,得到预测年参保人口数修正值,并根据预测年参保人口数修正值确定预测年医疗保险基金流入量和预测年医疗保险基金流出量,进一步提高了预测精度。
如图4所示,在一个实施例中,上述医疗保险基金精算预测方法还包括:
步骤224:接收终端发送的预测修改请求,预测修改请求携带缴费规则参数调整值和/或支付规则参数调整值。
具体地,当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,存在基金亏空风险,需要调整缴费规则、支付规则等参数。一般的,支付规则参数包括个人缴费比例、单位缴费比例、政府补贴额等;规则参数包括起付线、报销比例及封顶线。在一个实施例中,当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,服务器发送风险提示信息至终端,终端接收到风险提示信息后输出风险提示信息的同时还展示是否进行预测调整的界面元素,如,通过的显示界面显示预测年基金流入量小于基金流出量,收支不平衡,存在亏空风险,并展示是否进行预测调整的按钮。进一步的,终端检测是否获取到对是否进行预测调整的界面元素的选中操作,当检测到用户对进行预测调整的界面元素的选中操作后,显示预测调整界面,在预测调整界面中显示缴费规则参数及支付规则参数,用户可输入对各参数的调整值后重新进行预测,终端获取到用户输入缴费规则参数调整值和/或支付规则参数调整值后生成预测修改请求发送至服务器,服务器接收终端发送的预测修改请求,获取预测修改请求携带的缴费规则参数调整值和/或支付规则参数 调整值。
步骤226:根据缴费规则参数调整值和/或支付规则参数调整值与预测年参保人口数计算得到预测修改结果。
具体地,服务器接获取到缴费规则参数调整值和/或支付规则参数调整值后,根据缴费规则参数调整值和/或支付规则参数调整值与预测年参保人口数重新确定调整后的预测年医疗保险基金流入量和预测年医疗保险基金流出量,并对得到的调整后的预测年医疗保险基金流入量和预测年医疗保险基金流出量进行比骄傲,计算得到预测修改结果。
步骤228:当预测修改结果为预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
具体地,当预测修改结果为预测年医疗保险基金流入量是否大于或等于预测年医疗保险基金流出量时,则调整后预测年医疗保险基金收支平衡,不存在基金亏空风险,无需政策调整处理,服务器发送医疗保险基金收支平衡的提示信息至终端;当预测修改结果为预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,调整后的预测年医疗保险基金仍然存在亏空风险,服务器发送风险提示信息至终端。本实施例中,当预测年收支不平衡时可根据用户输入的缴费规则参数调整值和/或支付规则参数调整值进行政策调整预测,大大方便用户进行政策调整预测,提高预测调整效率。
进一步地,在一个实施例中,步骤212中,接收终端发送的预测修改请求的步骤之后,还包括:计算接收到终端发送的预测修改请求的次数;当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值,对多次预测修改的预测修改结果及与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值进行线性拟合,得到能够达到医疗保险收支平衡的缴费规则参数预测范围或预测值和/或支付规则参数预测范围或预测值,并发送至终端。
具体地,服务器存储每次预测调整的预测修改结果及与预测修改结果对应的缴费规则和/或支付规则参数调整值,接收终端发送的预测修改请求后,服务器计算接收到终端发送的预测修改请求的次数,判断收到终端发送的预测修改请求的次数是否大于预设修改次数阈值,当接收到终端发送的预测修改请求的次数小于或等于预设修改次数阈值时,服务器根据预测修改请求携带的缴费规则参数调整值和/或支付规则参数调整值进行政策调整预测;当接 收到终端发送的预测修改请求的次数大于预设修改次数阈值时,服务器获取存储的多次预测修改的预测修改结果和与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值,通过matlab函数对多次预测修改的预测修改结果及与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值进行线性拟合,得到能够达到医疗保险收支平衡的缴费规则参数预测范围或预测值和/或支付规则参数预测范围或预测值,并发送至终端。在一个实施例中,预设修改次数阈值的取值范围为2次~10次,本实施例中,为同时兼顾预测调整的精度与效率,预设修改次数阈值为3次。
本实施例中,通过对多次预测修改结果进行线性拟合得到满足医疗保险基金收支平衡的缴费规则参数预测范围或预测值和/或支付规则参数预测范围或预测值,实现了预测年医疗保险基金政策调整自动预测以对医保政策调整提供决策支持,大大减少了人工预测调整参数的工作量,提高预测调整效率,并保证了预测调整精度。同时,通过对多次调整的预测修改结果及与预测修改结果对应的缴费规则和/或支付规则参数调整值进行存储还能够方便用户对调整数据进行查看分析,进一步方便用户使用。
在一个实施例中,上述医疗保险基金精算预测方法还包括:获取预设标化逻辑数据,根据预设标化逻辑数据对接收到的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据进行标准化处理。
具体地,由于各地社保局的数据系统的功能或完整性标准不同,使得服务器接收到的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据可能会存在一定的数据质量问题,本实施例中,服务器接收到历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据后根据预设标化逻辑数据对接收到的数据进行标准化处理,如,全部字段全角半角转换、中英文转换、单位大小写统一、形式统一、删除字符串首位空格、删除无关字符(如※¤⊿●☆)等,及数据去重等数据标准化处理。本实施例中,通过对接收到的数据进行标准化处理对数据及逆行清理与核查,重新提取数据,能够减少医疗保险基金精算预测过程中服务器数据处理量,提高精算预测效率,并且,通过对数据进行规范化处理,还有助于提高预测精度。
应该理解的是,虽然图2至4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至4中的至少一部分步骤可以包括多个子步骤 或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示,一种医疗保险基金精算预测装置500,包括:
数据接收模块502,用于接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;
预测人口计算模块504,用于根据历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;
预测基金流入量计算模块506,用于根据预测年参保人口数和历史基本医保结构数据确定预测年医疗保险基金流入量;
预测基金流出量计算模块508,用于根据预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;
风险提示模块510,用于当预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示信息至终端。
在一个实施例中,上述医疗保险基金精算预测装置500还包括:
预测人口参考值获取模块512,用于从大数据源获取预测年参保人口参考数据,根据预测年参保人口参考数据确定得到预测年参保人口数参考值;
预测人口差值计算模块514,用于确定预测年参保人口数与预测年参保人口数参考值的差值;
预测人口修正模块516,用于当预测年参保人口数与预测年参保人口数参考值的差值大于预设差值阈值时,从大数据源获取与历史参保人口数据相关的历史人口参考数据,对历史参保人口数据和历史人口参考数据进行马尔萨斯拟合,得到基准年参保人口数修正值;采用最小二乘法计算得到参保人口平均增长率修正值;根据基准年参保人口数修正值和参保人口平均增长率修正值计算预测年参保人口数修正值,将预测年参保人口数修正值作为预测年参保人口数。
在一个实施例中,上述医疗保险基金精算预测装置还包括:
修改请求接收模块518,用于接收终端发送的预测修改请求,预测修改请求携带缴费规则参数调整值和/或支付规则参数调整值;
预测修改模块520,用于根据缴费规则参数调整值和/或支付规则参数调 整值与预测年参保人口数计算得到预测修改结果,当预测修改结果为预测年医疗保险基金流入量小于预测年医疗保险基金流出量时,发送风险提示指令至风险提示模块;
风险提示模块510还用于接收风险提示指令,并根据风险提示指令发送风险提示信息至终端。
在一个实施例中,上述医疗保险基金精算预测装置500还包括:
修改次数计算模块522,用于计算接收到终端发送的预测修改请求的次数;
预测调整模块524,用于当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值,对多次预测修改的预测修改结果及与预测修改结果对应的缴费规则参数调整值和/或支付规则参数调整值进行线性拟合,得到能够达到医疗保险收支平衡的缴费规则参数预测范围或预测值和/或支付规则参数预测范围或预测值,并发送至终端。
在一个实施例中,上述医疗保险基金精算预测装置500还包括:
数据标化模块526,用于获取预设标化逻辑数据,根据预设标化逻辑数据对接收到的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据进行标准化处理。
如图7所示,在一个实施例中,上述的计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。非易失性存储介质可以是非易失性计算机可读存储介质。该计算机设备的内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。非易失性存储介质可以是非易失性计算机可读存储介质。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种医疗保险基金精算预测方法。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
关于医疗保险基金精算预测装置的具体限定可以参见上文中医疗保险基金精算预测方法的限定,在此不再赘述。上述医疗保险基金精算预测装置中 的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一个或多个存储有计算机可读指令的非易失性存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (20)
- 一种医疗保险基金精算预测方法,包括:接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;根据所述历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据所述基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;根据所述预测年参保人口数和所述历史基本医保结构数据确定预测年医疗保险基金流入量;根据所述预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及当所述预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求1所述的方法,其特征在于,在所述根据所述基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数之后,所述方法还包括:从大数据源获取预测年参保人口参考数据,根据所述预测年参保人口参考数据确定得到预测年参保人口数参考值;确定所述预测年参保人口数与所述预测年参保人口数参考值的差值;当所述预测年参保人口数与所述预测年参保人口数参考值的差值大于预设差值阈值时,执行以下步骤:从大数据源获取与历史参保人口数据相关的历史人口参考数据,对所述历史参保人口数据和历史人口参考数据进行拟合,得到基准年参保人口数修正值;计算得到参保人口平均增长率修正值;及根据所述基准年参保人口数修正值和所述参保人口平均增长率修正值计算预测年参保人口数修正值,将所述预测年参保人口数修正值作为预测年参保人口数。
- 根据权利要求1所述的方法,其特征在于,还包括:接收终端发送的预测修改请求,所述预测修改请求携带缴费规则参数调整值和支付规则参数调整值;根据所述缴费规则参数调整值和所述支付规则参数调整值与所述预测年 参保人口数计算得到预测修改结果;及当所述预测修改结果为预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求3所述的方法,其特征在于,在所述接收终端发送的预测修改请求之后,所述方法还包括:计算接收到终端发送的预测修改请求的次数;及当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值;对多次预测修改的预测修改结果及与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值进行线性拟合,得到达到医疗保险收支平衡的缴费规则参数预测范围或预测值和支付规则参数预测范围或预测值;及发送至所述终端。
- 根据权利要求1至4任一项所述的方法,其特征在于,还包括:获取预设标化逻辑数据;及根据所述预设标化逻辑数据对接收到的所述历史基本医保结构数据、所述历史参保人口数据和所述历史医疗支出费用数据进行标准化处理。
- 一种医疗保险基金精算预测装置,包括:数据接收模块,用于接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;预测人口计算模块,用于根据所述历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据所述基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;预测基金流入量计算模块,用于根据所述预测年参保人口数和所述历史基本医保结构数据确定预测年医疗保险基金流入量;预测基金流出量计算模块,用于根据所述预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及风险提示模块,用于当所述预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求6所述的装置,其特征在于,还包括:预测人口参考值获取模块,用于从大数据源获取预测年参保人口参考数 据,根据所述预测年参保人口参考数据确定得到预测年参保人口数参考值;预测人口差值计算模块,用于确定所述预测年参保人口数与所述预测年参保人口数参考值的差值;及预测人口修正模块,用于当所述预测年参保人口数与所述预测年参保人口数参考值的差值大于预设差值阈值时,从大数据源获取与历史参保人口数据相关的历史人口参考数据,对所述历史参保人口数据和历史人口参考数据进行拟合,得到基准年参保人口数修正值;计算得到参保人口平均增长率修正值;根据所述基准年参保人口数修正值和所述参保人口平均增长率修正值计算预测年参保人口数修正值,将所述预测年参保人口数修正值作为预测年参保人口数。
- 根据权利要求6所述的装置,其特征在于,还包括:修改请求接收模块,用于接收终端发送的预测修改请求,所述预测修改请求携带缴费规则参数调整值和支付规则参数调整值;预测修改模块,用于根据所述缴费规则参数调整值和所述支付规则参数调整值与所述预测年参保人口数计算得到预测修改结果,当所述预测修改结果为预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示指令至所述风险提示模块;及所述风险提示模块还用于接收所述风险提示指令,并根据所述风险提示指令发送风险提示信息至所述终端。
- 根据权利要求8所述的装置,其特征在于,还包括:修改次数计算模块,用于计算接收到终端发送的预测修改请求的次数;及预测调整模块,用于当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值;对多次预测修改的预测修改结果及与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值进行线性拟合,得到达到医疗保险收支平衡的缴费规则参数预测范围或预测值和支付规则参数预测范围或预测值;发送至所述终端。
- 根据权利要求6至9中任一项所述的装置,其特征在于,还包括:数据标化模块,用于获取预设标化逻辑数据;及根据所述预设标化逻辑数据对接收到的所述历史基本医保结构数据、所述历史参保人口数据和所述历史医疗支出费用数据进行标准化处理。
- 一种计算机设备,包括存储器和一个或多个处理器,存储器中储存有计算机可读指令,所述计算机可读指令被处理器执行时,使得一个或多个处理器执行以下步骤:接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;根据所述历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据所述基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;根据所述预测年参保人口数和所述历史基本医保结构数据确定预测年医疗保险基金流入量;根据所述预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及当所述预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求11所述的计算机设备,其特征在于,所述计算机可读指令被处理器执行时,使得一个或多个处理器还执行以下步骤:从大数据源获取预测年参保人口参考数据,根据所述预测年参保人口参考数据确定得到预测年参保人口数参考值;确定所述预测年参保人口数与所述预测年参保人口数参考值的差值;当所述预测年参保人口数与所述预测年参保人口数参考值的差值大于预设差值阈值时,执行以下步骤:从大数据源获取与历史参保人口数据相关的历史人口参考数据,对所述历史参保人口数据和历史人口参考数据进行拟合,得到基准年参保人口数修正值;计算得到参保人口平均增长率修正值;及根据所述基准年参保人口数修正值和所述参保人口平均增长率修正值计算预测年参保人口数修正值,将所述预测年参保人口数修正值作为预测年参保人口数。
- 根据权利要求11所述的计算机设备,其特征在于,所述计算机可读指令被处理器执行时,使得一个或多个处理器还执行以下步骤:接收终端发送的预测修改请求,所述预测修改请求携带缴费规则参数调整值和支付规则参数调整值;根据所述缴费规则参数调整值和所述支付规则参数调整值与所述预测年参保人口数计算得到预测修改结果;及当所述预测修改结果为预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求13所述的计算机设备,其特征在于,所述计算机可读指令被处理器执行时,使得一个或多个处理器还执行以下步骤:计算接收到终端发送的预测修改请求的次数;及当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值;对多次预测修改的预测修改结果及与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值进行线性拟合,得到达到医疗保险收支平衡的缴费规则参数预测范围或预测值和支付规则参数预测范围或预测值;及发送至所述终端。
- 根据权利要求11至14所述的计算机设备,其特征在于,所述计算机可读指令被处理器执行时,使得一个或多个处理器还执行以下步骤:获取预设标化逻辑数据;及根据所述预设标化逻辑数据对接收到的所述历史基本医保结构数据、所述历史参保人口数据和所述历史医疗支出费用数据进行标准化处理。
- 一个或多个存储有计算机可读指令的非易失性存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:接收终端发送的历史基本医保结构数据、历史参保人口数据和历史医疗支出费用数据;根据所述历史参保人口数据获取基准年参保人口数据,计算历史参保人口平均增长率,并根据所述基准年参保人口数据和历史参保人口平均增长率计算预测年参保人口数;根据所述预测年参保人口数和所述历史基本医保结构数据确定预测年医疗保险基金流入量;根据所述预测年参保人口数和历史医疗支出费用数据确定预测年医疗保险基金流出量;及当所述预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求16所述的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器还执行以下步骤:从大数据源获取预测年参保人口参考数据,根据所述预测年参保人口参考数据确定得到预测年参保人口数参考值;确定所述预测年参保人口数与所述预测年参保人口数参考值的差值;当所述预测年参保人口数与所述预测年参保人口数参考值的差值大于预设差值阈值时,执行以下步骤:从大数据源获取与历史参保人口数据相关的历史人口参考数据,对所述历史参保人口数据和历史人口参考数据进行拟合,得到基准年参保人口数修正值;计算得到参保人口平均增长率修正值;及根据所述基准年参保人口数修正值和所述参保人口平均增长率修正值计算预测年参保人口数修正值,将所述预测年参保人口数修正值作为预测年参保人口数。
- 根据权利要求16所述的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器还执行以下步骤:接收终端发送的预测修改请求,所述预测修改请求携带缴费规则参数调整值和支付规则参数调整值;根据所述缴费规则参数调整值和所述支付规则参数调整值与所述预测年参保人口数计算得到预测修改结果;及当所述预测修改结果为预测年医疗保险基金流入量小于所述预测年医疗保险基金流出量时,发送风险提示信息至所述终端。
- 根据权利要求18所述的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器还执行以下步骤:计算接收到终端发送的预测修改请求的次数;及当接收到终端发送的预测修改请求的次数大于预设修改次数阈值时,获取多次预测修改的预测修改结果和与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值;对多次预测修改的预测修改结果及与所述预测修改结果对应的缴费规则参数调整值和支付规则参数调整值进行线性拟合,得到达到医疗保险收支平 衡的缴费规则参数预测范围或预测值和支付规则参数预测范围或预测值;及发送至所述终端。
- 根据权利要求16至19任一项所述的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器还执行以下步骤:获取预设标化逻辑数据;及根据所述预设标化逻辑数据对接收到的所述历史基本医保结构数据、所述历史参保人口数据和所述历史医疗支出费用数据进行标准化处理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710517971.7A CN107767009A (zh) | 2017-06-29 | 2017-06-29 | 医疗保险基金精算预测方法及装置 |
CN201710517971.7 | 2017-06-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019001278A1 true WO2019001278A1 (zh) | 2019-01-03 |
Family
ID=61264949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/091095 WO2019001278A1 (zh) | 2017-06-29 | 2018-06-13 | 医疗保险基金精算预测方法、装置以及计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107767009A (zh) |
WO (1) | WO2019001278A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
CN109035034A (zh) * | 2018-06-12 | 2018-12-18 | 昆明理工大学 | 一种基于支付数据的健康保险精算系统与方法 |
CN109492885B (zh) * | 2018-10-25 | 2024-02-09 | 平安医疗健康管理股份有限公司 | 医保风险项目分析方法装置、终端及可读介质 |
CN109598378A (zh) * | 2018-11-30 | 2019-04-09 | 平安医疗健康管理股份有限公司 | 医保费用预测方法、装置、设备及计算机可读存储介质 |
CN109472710A (zh) * | 2018-12-13 | 2019-03-15 | 平安科技(深圳)有限公司 | 一种医保基金风险预测方法和装置 |
CN109785152B (zh) * | 2018-12-13 | 2023-04-07 | 平安医疗健康管理股份有限公司 | 基于人工智能的医保基金收入预测方法及相关装置 |
CN109492829A (zh) * | 2018-12-13 | 2019-03-19 | 平安医疗健康管理股份有限公司 | 基于人工智能的医保基金支出预测方法及相关装置 |
CN109785154A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种基于智能决策的风险预测方法和装置 |
CN109785150A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 一种基于智能决策的医保基金风险预测方法和装置 |
CN111161084A (zh) * | 2019-11-27 | 2020-05-15 | 陕西医链区块链集团有限公司 | 一种基于医疗大数据建模分析的医疗保险动态筹资系统 |
CN111062004A (zh) * | 2019-12-20 | 2020-04-24 | 北京软通智慧城市科技有限公司 | 一种预测模型调整方法、装置、预测模拟器以及存储介质 |
CN111652614B (zh) * | 2020-06-01 | 2023-08-22 | 泰康保险集团股份有限公司 | 数据处理系统、数据处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160063636A1 (en) * | 2014-08-28 | 2016-03-03 | Cerner Innovation, Inc. | Predictive insurance transaction error system |
CN105844527A (zh) * | 2016-03-18 | 2016-08-10 | 深圳市前海安测信息技术有限公司 | 医疗保险费折扣精算系统及方法 |
CN105938573A (zh) * | 2016-03-10 | 2016-09-14 | 深圳市前海安测信息技术有限公司 | 医疗保险基金精算预警系统及方法 |
CN106897935A (zh) * | 2017-02-27 | 2017-06-27 | 上海源烁信息科技有限公司 | 一种职工医疗保险基金支出平衡算法及模型 |
CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
-
2017
- 2017-06-29 CN CN201710517971.7A patent/CN107767009A/zh active Pending
-
2018
- 2018-06-13 WO PCT/CN2018/091095 patent/WO2019001278A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160063636A1 (en) * | 2014-08-28 | 2016-03-03 | Cerner Innovation, Inc. | Predictive insurance transaction error system |
CN105938573A (zh) * | 2016-03-10 | 2016-09-14 | 深圳市前海安测信息技术有限公司 | 医疗保险基金精算预警系统及方法 |
CN105844527A (zh) * | 2016-03-18 | 2016-08-10 | 深圳市前海安测信息技术有限公司 | 医疗保险费折扣精算系统及方法 |
CN106897935A (zh) * | 2017-02-27 | 2017-06-27 | 上海源烁信息科技有限公司 | 一种职工医疗保险基金支出平衡算法及模型 |
CN107767009A (zh) * | 2017-06-29 | 2018-03-06 | 平安医疗健康管理股份有限公司 | 医疗保险基金精算预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107767009A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019001278A1 (zh) | 医疗保险基金精算预测方法、装置以及计算机设备 | |
US11119842B2 (en) | Input data correction | |
EP3104248B1 (en) | Operational constraint optimization apparatuses, methods and systems | |
CN111950738B (zh) | 机器学习模型优化效果评估方法、装置、终端及存储介质 | |
US20190267141A1 (en) | Patient readmission prediciton tool | |
WO2017133615A1 (zh) | 一种业务参数获取方法及装置 | |
US20200125359A1 (en) | Systems and methods for providing predictive quality analysis | |
CN114138625A (zh) | 服务器健康状态的评估方法、系统、电子设备和存储介质 | |
US20170235884A1 (en) | Identifying Medical Codes Applicable to a Patient Based on Patient History and Probability Determination | |
CA3028291A1 (en) | Systems and methods for determining an optimal strategy | |
JP2016099915A (ja) | 与信審査用サーバと与信審査用システム及び与信審査用プログラム | |
JP2021508096A (ja) | 複数のシステムインジケータの監視 | |
CN112182067A (zh) | 个体身高预测方法、装置、电子设备及存储介质 | |
US9116804B2 (en) | Transient detection for predictive health management of data processing systems | |
US20150095119A1 (en) | Managing key performance indicators | |
US20190051411A1 (en) | Decision making platform | |
US20180261309A1 (en) | Methods and systems for estimating costs of perinatological or neonatological care | |
Lee et al. | Backfitting and smooth backfitting in varying coefficient quantile regression | |
JP2019532407A (ja) | 患者医療記録リンクシステム | |
US20180032931A1 (en) | Resource monitoring method and system | |
JP2015103246A (ja) | 価格決定の方法、システム、およびコンピュータ・プログラム(製品およびサービスのためのロバストな価格決定解決法) | |
US20240062117A1 (en) | System and Method for Examining Data from a Source | |
US11768753B2 (en) | System and method for evaluating and deploying data models having improved performance measures | |
US11928730B1 (en) | Training machine learning models with fairness improvement | |
WO2023155425A1 (zh) | 调货方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18824377 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 14/05/2020) |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18824377 Country of ref document: EP Kind code of ref document: A1 |