CN109523404A - 基于数据分析的违规行为检测方法、装置及终端 - Google Patents
基于数据分析的违规行为检测方法、装置及终端 Download PDFInfo
- Publication number
- CN109523404A CN109523404A CN201811266291.3A CN201811266291A CN109523404A CN 109523404 A CN109523404 A CN 109523404A CN 201811266291 A CN201811266291 A CN 201811266291A CN 109523404 A CN109523404 A CN 109523404A
- Authority
- CN
- China
- Prior art keywords
- treatment
- project
- permission levels
- medical
- insurance card
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 114
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 114
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 230000001225 therapeutic effect Effects 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 208000001130 gallstones Diseases 0.000 description 3
- 206010003011 Appendicitis Diseases 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000001352 cholecystitis Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Pathology (AREA)
- Development Economics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种基于数据分析的违规行为检测方法、装置和终端,其中,该方法包括:接收医保卡付费请求指令,获取医保卡付费请求中至少一个治疗项目中每个治疗项目对应的权限等级,进而从获取的所有权限等级中确定最高权限等级,通过检测医保卡付费请求指令中的就诊医院的权限等级是否大于或等于最高权限等级来确定该就诊医院是否具有承担该治疗项目的权限,若具有,则进一步计算医保卡付费请求指令中的目标治疗方案与目标病种对应的临床路径的相似度,若相似度大于预设相似度,则执行医保卡付费处理。通过上述方式,可以自动检测出异常的医保卡付费请求指令,有效防止出现骗保行为,减少公众利益损失。
Description
技术领域
本发明涉及医疗保险技术领域,尤其涉及一种基于数据分析的违规行为检测方法、装置及终端。
背景技术
在医疗保障社会体系中,由于缺乏有效的监管措施,可能存在违规行为,如参保人在没有生病的情况下开药、医生将应当由参保个人自付、自费的医疗费用申报医疗保险基金支付、挂床住院或将可门诊治疗的参保个人收治住院等。
上述违规行为严重影响了医疗保险基金的收支平衡,侵害了其他参保人的利益。为了解决这一问题,现阶段主要依靠人工对医疗数据进行计算和分析,以检测其中的违规行为,这种方式效率低下,且容易出现计算错误。
发明内容
本申请实施例提供一种基于数据分析的违规行为检测方法、装置及终端,可以自动地检测出异常的医保卡付费请求指令,有效防止出现骗保行为,减少公众利益损失。
第一方面,本发明实施例提供了一种基于数据分析的违规行为检测方法,所述方法包括:
接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
从获取的所有权限等级中确定最高权限等级;
检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
若所述相似度大于预设相似度,则执行医保卡付费处理。
第二方面,本发明实施例提供了一种基于数据分析的违规行为检测装置,所述装置包括:
接收模块,用于接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
获取模块,用于获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
确定模块,用于从获取的所有权限等级中确定最高权限等级;
检测模块,用于检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
计算模块,用于若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
执行模块,用于若所述相似度大于预设相似度,则执行医保卡付费处理。
第三方面,本发明实施例提供了一种终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面所述的方法。
本发明实施例中,终端接收医保卡付费请求指令,获取医保卡付费请求中至少一个治疗项目中每个治疗项目对应的权限等级,进而从获取的所有权限等级中确定最高权限等级,通过检测医保卡付费请求指令中的就诊医院的权限等级是否大于或等于最高权限等级来确定该就诊医院是否具有承担该治疗项目的权限,若具有,则进一步计算医保卡付费请求指令中的目标治疗方案与目标病种对应的临床路径的相似度,若相似度大于预设相似度,则执行医保卡付费处理。通过上述方式,可以自动检测出异常的医保卡付费请求指令,有效防止出现骗保行为,减少公众利益损失。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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是本发明实施例提供的一种基于数据分析的违规行为检测方法的流程示意图;
图2是本发明实施例提供的另一种基于数据分析的违规行为检测方法的流程示意图;
图3是本发明实施例提供的一种基于数据分析的违规行为检测装置的结构示意图;
图4是本发明实施例提供的一种终端的结构示意图。
具体实施方式
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。
图1是本发明实施例中一种基于数据分析的违规行为检测方法的流程示意图。如图所示本实施例中的基于数据分析的违规行为检测方法的流程可以包括:
S101、终端接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,目标治疗方案包括至少一个治疗项目。
本发明实施例中,就诊医院为参保人进行就诊的医院,目标病种为参保人所患的病种,目标治疗方案为参保人接受的治疗方案。当参保人在治疗完成之后,需要使用医保卡进行刷卡付费,参保人使用医保卡进行刷卡时则会生成一个医保卡付费请求指令,其中,付费请求指令中携带有患者的处方单信息,处方单信息中包含参保人身份信息、参保人的就诊医院、参保人主治医生、参保人接受的治疗方案以及治疗方案中各个治疗项目的费用清单等信息等。该医保卡付费请求指令具体用于对参保人接受的治疗项目进行付费,并进行相应的医疗报销。其中,目标病种具体可以为阑尾炎、胆囊炎,胆结石等,治疗项目可以包括抽血、CT、服用药品、住院、手术等。终端将会接收到该付费请求指令,其中,终端可以是电脑、笔记本电脑、手机等。
S102、终端获取至少一个治疗项目中每个治疗项目对应的权限等级。
本发明实施例中,每个治疗项目可以对应一个权限等级,该权限等级可以用于限定医院是否具有承担医疗项目的权限。其中,权限等级可以分为第一等级、第二等级和第三等级,其中,第一等级大于第二等级,第二等级大于第三等级。
在一种实现方式中,治疗项目对应的权限等级可以由治疗项目的费用所确定,若治疗项目的费用大于第一预设费用,则确定治疗项目对应的权限等级为第一等级,若治疗项目的费用介于第一预设费用与第二预设费用之间,则确定治疗项目对应的权限等级为第二等级,若治疗项目的费用小于第二预设费用,则确定治疗项目对应的权限等级为第三等级。其中,第一预设费用可以50000元、100000元等,第二预设费用可以为5000元、10000元等,第一预设费用大于第二预设费用,具体可以由研发人员预先设定。
在一种实现方式中,治疗项目对应的权限等级可以由治疗项目的治疗难度所确定,针对不同治疗难度的治疗项目,设置对应的权限等级,其中,治疗项目的治疗难度可以由医疗人员预先设定,例如,心脏搭桥手术的治疗难度为一级、冠心病支架手术的治疗难度为二级、阑尾切除手术的治疗难度为三级,则可以确定心脏搭桥手术对应的权限等级为第一等级,冠心病支架手术对应的权限等级为第二等级,阑尾切除手术对应的权限等级为第三等级。
终端接收到医保卡付费请求指令之后,将检测医保卡付费请求中各个治疗项目对应的权限等级。
S103、终端从获取的所有权限等级中确定最高权限等级。
本发明实施例中,终端确定医保卡付费请求指令中各个治疗项目对应的权限等级之后,将从获取的所有权限等级中确定最高权限等级。
S104、终端检测就诊医院的权限等级是否大于或等于最高权限等级。
本发明实施例中,就诊医院可以为参保人进行就诊的医院,终端获取到医保卡付费请求中治疗项目对应的最高权限等级之后,将检测参保人进行就诊的医院的权限等级是否大于或等于最高权限等级。
在一种实现方式中,就诊医院的权限等级可以由该就诊医院的医院等级所确定,其中,医院等级可以按照《医院分级管理标准》进行划分,医院经过评审,确定为三级,每级再划分为甲、乙、丙三等,其中三级医院增设特等,因此医院共分三级十等。若就诊医院为三级医院,则确定就诊医院的权限等级为第一等级,若就诊医院为二级医院,则确定就诊医院的权限等级为第二等级,若就诊医院为一级医院,则确定就诊医院的权限等级为第三等级。
在一种实现方式中,就诊医院的权限等级可以由就诊医院中医务人员的数量所确定,若医务人员的数量大于第一预设数量,则确定就诊医院的权限等级为第一等级,若医务人员的数量介于第一预设数量与第二预设数量之间,则确定就诊医院的权限等级为第二等级,若医务人员的数量小于第二预设数量,则确定就诊医院的权限等级为第三等级。其中,第一预设数量大于第二预设数量。
若就诊医院的权限等级小于最高权限等级,则可以确定该医保卡付费请求指令存在异常,终端输出审核未通过,不予进行医保卡付费报销的提示信息,或者,将该医保卡付费请求指令提交至人工审核终端,由工作人员对该指令进行审核。若就诊医院的权限等级大于或等于最高权限等级,则执行步骤S105。
S105、若就诊医院的权限等级大于或等于最高权限等级,则终端计算目标治疗方案与目标病种对应的临床路径的相似度。
本发明实施例中,终端检测到就诊医院的权限等级大于或等于最高权限等级之后,将计算目标治疗方案与目标病种对应的临床路径的相似度。其中,目标病种为参保人所患的病种,目标治疗方案为所述参保人接受的治疗方案,目标治疗方案包括至少一个治疗项目。
在一种实现方式中,目标治疗方案与目标病种对应的临床路径的相似度的计算方式可以为,终端计算目标治疗方案的治疗费用与目标病种对应的临床路径的治疗费用的差值,若该差值大于或等于预设差值,则终端确定目标治疗方案与目标病种对应的临床路径的相似度为0,若该差值小于预设差值,则终端获取目标治疗方案与目标病种对应的临床路径中相同的治疗项目的数量,并计算得到该相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值,终端将计算得到的比值确定为目标治疗方案与目标病种对应的临床路径的相似度。例如,目标治疗方案包括治疗项目A、治疗项目B、治疗项目D、治疗项目E,目标病种对应的临床路径包括治疗项目A、治疗项目B、治疗项目C、治疗项目D,则确定相同的治疗项目数量为3,计算得到相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值为75%,终端确定目标治疗方案与目标病种对应的临床路径的相似度为75%。
在一种实现方式中,目标治疗方案与目标病种对应的临床路径的相似度的计算方式可以为,终端计算目标治疗方案与目标病种对应的临床路径中相同的治疗项目的数量与目标治疗方案中治疗项目的总数量的比值,并计算目标治疗方案的治疗费用与目标病种对应的临床路径的治疗费用之间的目标差值,并根据差值与加权系数的对应关系确定该目标差值对应目标加权系数。需要说明的是,针对不同的病种,差值与加权系数的对应关系可以不同。例如,针对阑尾炎和胆结石,差值与加权系数的对应关系如表1所示:
表1:
如表1所示,若目标病种为阑尾炎,且目标差值为2500元,则确定目标差值对应的目标加权系数为0.8。终端确定目标差值对应的目标加权系数之后,将采用该目标加权系数对比值进行加权处理,得到目标治疗方案与目标病种对应的临床路径的相似度,例如,计算得到的比值为75%,目标加权系数为0.8,则确定目标治疗方案与目标病种对应的临床路径之间的相似度为60%。
S106、若相似度大于预设相似度,则终端执行医保卡付费处理。
本发明实施例中,终端确定目标治疗方案与目标病种对应的临床路径的相似度之后,将检测该相似度是否大于预设相似度。
在一种实现方式中,不同的权限等级对应不同的预设相似度,等级越低,对应的预设相似度越大,例如,就诊医院的权限等级为第一等级,则对应的预设相似度为30%,就诊医院的权限等级为第二等级,则对应的预设相似度为40%,就诊医院的权限等级为第三等级,则对应的预设相似度为50%,
进一步的,终端可以针对每一个病种设置不同的相似度与权限等级的对应关系,例如,若病种为阑尾炎,则第一等级对应的预设相似度为10%,第二等级对应的预设相似度为20%,第三等级对应的预设相似度为30%。若病种为胆结石,则第一等级对应的预设相似度为20%,第二等级对应的预设相似度为30%,第三等级对应的预设相似度为40%。
若相似度大于预设相似度,则终端执行医保卡付费处理,即终端确定该医保卡付费请求指令不存在异常,扣除医保卡中相应的费用,并进行相应的医疗报销处理。
本发明实施例中,终端接收医保卡付费请求指令,获取医保卡付费请求中至少一个治疗项目中每个治疗项目对应的权限等级,进而从获取的所有权限等级中确定最高权限等级,通过检测医保卡付费请求指令中的就诊医院的权限等级是否大于或等于最高权限等级来确定该就诊医院是否具有承担该治疗项目的权限,若具有,则进一步计算医保卡付费请求指令中的目标治疗方案与目标病种对应的临床路径的相似度,若相似度大于预设相似度,则执行医保卡付费处理。通过上述方式,可以自动检测出异常的医保卡付费请求指令,有效防止出现骗保行为,减少公众利益损失。
图2是本发明实施例中另一种基于数据分析的违规行为检测方法的流程示意图。如图所示本实施例中的基于数据分析的违规行为检测方法的流程可以包括:
S201、终端接收医保卡付费请求指令医保卡付费请求指令包括参保人的身份特征数据、主治医生信息、就诊医院、目标病种、目标治疗方案,目标治疗方案包括至少一个治疗项目。
本发明实施例中,医保卡付费请求指令包括参保人的身份特征数据、主治医生信息、就诊医院、目标病种、目标治疗方案,其中,参保人的身份特征数据为参保人进行医保卡付费操作时输入的身份特征数据,身份特征数据包括人脸数据、指纹数据和虹膜数据中的至少一种,主治医生信息包括主治医生的类别和权限等级,就诊医院为参保人进行就诊的医院,目标病种为参保人所患的病种,目标治疗方案为所述参保人接受的治疗方案,目标治疗方案包括至少一个治疗项目。
S202、终端检测医保卡付费请求指令中的身份特征数据是否与医保卡对应的历史身份特征数据相匹配。
本发明实施例中,终端接收到医保卡付费请求指令之后,将提取出该医保卡付费请求指令中携带的参保人的身份特征数据,并获取到该医保卡对应的历史身份特征数据,历史身份特征数据为历史记录的使用该医保卡的参保人的身份特征数据。终端检测历史身份特征数据是否与医保卡付费请求指令中的参保人的身份特征数据相匹配,若匹配,则执行获取所述至少一个治疗项目中每个治疗项目对应的权限等级的操作。若不匹配,则发出预警提示信息,该预警提示信息用于提示参保人的身份数据存在异常。例如,身份特征数据为人脸数据,终端通过医保卡中的信息查询到历史记录的使用该医保卡的参保人的人脸数据为第一人脸,而本次使用该医保卡进行付费操作的人脸数据为第二人脸,其中,第一人脸和第二人脸不相同,则终端确定参保人的身份数据存在异常,发出预警提示信息。通过上述方式,可以防止盗刷医保卡的行为。
S203、若匹配,则终端获取医保卡付费请求指令中至少一个治疗项目中每个治疗项目对应的权限等级,并从获取的所有权限等级中确定最高权限等级。
本发明实施例中,终端检测到医保卡付费请求指令中的身份特征数据与医保卡对应的历史身份特征数据相匹配之后,将获取医保卡付费请求指令中至少一个治疗项目中每个治疗项目对应的权限等级,并从获取的所有权限等级中确定最高权限等级,其中,每个治疗项目可以对应一个权限等级,该权限等级可以用于限定医院是否具有承担医疗项目的权限。其中,权限等级可以分为第一等级、第二等级和第三等级,其中,第一等级大于第二等级,第二等级大于第三等级。
S204、终端检测医保卡付费请求指令中的主治医生的权限等级是否大于或等于最高权限等级。
本发明实施例中,医保卡付费请求指令中包括主治医生的信息,主治医生信息包括主治医生的的类别和权限等级。终端从获取的所有权限等级中确定最高权限等级之后,将检测医保卡付费请求指令中的主治医生的权限等级是否大于或等于最高权限等级。其中,医生的权限等级可以由医生的职称所确定,对于正高级的职称的医生设置和副高级职称的医生确定为权限等级为第一等级,中级职称的医生设置和初级职称的医生的确定为权限等级为第二等级,对于初级职称以下的医生的权限等级确定为第三等级。
具体实现中,终端根据预先存储的医生类别与病种的对应关系,确定所述主治医生的类别是否与目标病种相对应,其中,医生类别可以分为骨科医生、内科医生、神经外科医生等,每一类的医生可以治疗相应的病种,如骨科医生治疗骨错位、股损伤等病种,内科医生治疗心肌梗塞、冠心病等病种,若主治医生的类别与参保人所患的病种不对应,如患者所患病种为阑尾炎,而主治医生为骨科医生,则终端输出主治医生的类别异常的提示信息,并结束本流程,若主治医生的类别与参保人所患的病种相对应,则终端检测所述主治医生的权限等级是否大于或等于所述最高权限等级。若主治医生的权限等级小于最高权限等级,则输出主治医生权限等级不足的提示信息,并结束本流程,若主治医生的权限等级大于或等于最高权限等级,则执行检测就诊医院的权限等级是否大于或等于最高权限等级的操作。通过上述方式,可以检测出医生在医疗过程中的违规行为。
S205、若主治医生的权限等级大于或等于最高权限等级,则终端检测就诊医院的权限等级是否大于或等于最高权限等级。
S206、若就诊医院的权限等级大于或等于最高权限等级,则终端检测医保卡付费请求指令中的各个治疗项目是否与目标病种对应的参考治疗项目相匹配。
本发明实施例中,终端确定就诊医院的权限等级大于或等于预设权限等级之后,将检测医保卡付费请求指令中的各个治疗项目是否与目标病种对应的参考治疗项目相匹配。
具体实现中,终端在预置数据库中获取所述目标病种对应的目标参考治疗项目集合,其中,预置数据库中存储了至少一个病种以及至少一个病种中每个病种对应的参考治疗项目集合,参考治疗项目集合中包括至少一个参考治疗项目,参考治疗项目用于治疗对应的病种,预置数据库中还存储了所述参考治疗项目的标准治疗费用。终端检测第一治疗项目是否与目标参考治疗项目集合中的任意一个参考治疗项目相匹配,其中,第一治疗项目为目标治疗方案中的任意一个治疗项目。终端检测第一治疗项目是否与目标参考治疗项目集合中的任意一个参考治疗项目相匹配的具体方式可以为,终端检测第一治疗项目的名称是否与第一参考治疗项目的名称相同,第一参考治疗项目为目标参考治疗项目集合中的任意一个参考治疗项目,若第一治疗项目的名称与第一参考治疗项目名称不相同,则终端对第一治疗项目添加异常标识,若第一治疗项目的名称与第一参考治疗项目名称相同,则终端计算第一治疗项目的费用与第一参考治疗项目的标准治疗费用的差值,其中,第一治疗项目的费用为参保人接受第一治疗项目所需支付的实际费用,若计算得到的差值小于预设阈值,则确定所述第一治疗项目与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配。若不匹配,则终端将第一治疗项目确定为异常治疗项目,并对第一治疗项目添加异常标识,其中,异常标识用于标识所述第一治疗项目存在异常,且不可参与医保卡付费,终端输出第一治疗项目存在异常的提示信息。
例如,病种与参考治疗项目的对应关系如表2所示。
表2:
其中,不同的字母用于表示不同的治疗项目,针对不同的参考治疗项目,若目标病种为阑尾炎,医保卡付费请求指令中包含的第一治疗项目为治疗项目C,如表1可知,治疗项目C不存在于阑尾炎对应的参考治疗项目集合中,则终端对第一治疗项目添加异常标识。若目标病种为阑尾炎,预设阈值为2000元,医保卡付费请求指令中包含的第一治疗项目为治疗项目A,且治疗项目A的实际治疗费用为10000元,而治疗项目A的标准治疗费用为5000元,则确定治疗项目A的费用与治疗项目A的标准治疗费用的差值大于预设阈值,终端对第一治疗项目添加异常标识。
若第一治疗项目与目标参考治疗项目集合中的任意一个参考治疗项目相匹配,则执行计算所述目标治疗方案与所述目标病种对应的临床路径的相似度的操作。
S207、若匹配,则终端计算目标治疗方案与目标病种对应的临床路径的相似度。
S208、若相似度大于预设相似度,则终端执行医保卡付费处理。
本发明实施例中,若计算得到的相似度小于或等于预设相似度,则终端输出预警提示信息,该预警提示信息用于提示该付费请求指令疑似存在异常,若相似度大于预设相似度,则终端执行医保卡付费处理,即终端确定该医保卡付费请求指令不存在异常,扣除医保卡中相应的费用,并进行相应的医疗报销处理。
本发明实施例中,终端接收医保卡付费请求指令,检测医保卡付费请求指令中的身份特征数据是否与医保卡对应的历史身份特征数据相匹配,若匹配,则终端获取医保卡付费请求指令中至少一个治疗项目中每个治疗项目对应的权限等级,并从获取的所有权限等级中确定最高权限等级,检测医保卡付费请求指令中的主治医生的权限等级是否大于或等于最高权限等级,若主治医生的权限等级大于或等于最高权限等级,则终端检测就诊医院的权限等级是否大于或等于最高权限等级,若就诊医院的权限等级是否大于或等于最高权限等级,则终端检测医保卡付费请求指令中的各个治疗项目是否与目标病种对应的参考治疗项目相匹配,若匹配,则终端计算目标治疗方案与目标病种对应的临床路径的相似度,若相似度大于预设相似度,则终端执行医保卡付费处理。通过上述方式,可以自动地检测出医疗数据中的异常数据,有效防止出现骗保行为,减少公众利益损失。
下面将结合附图3对本发明实施例提供的基于数据分析的违规行为检测装置进行详细介绍。需要说明的是,附图3所示的基于数据分析的违规行为检测装置,用于执行本发明图1-图2所示实施例的方法,为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,经参照本发明图1-图2所示的实施例。
请参见图3,为本发明提供的一种基于数据分析的违规行为检测装置的结构示意图,该基于数据分析的违规行为检测装置30可包括:接收模块301、获取模块302、确定模块303和检测模块304、计算模块305和执行模块306。
接收模块301,用于接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
获取模块302,用于获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
确定模块303,用于从获取的所有权限等级中确定最高权限等级;
检测模块304,用于检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
计算模块305,用于若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
执行模块306,用于若所述相似度大于预设相似度,则执行医保卡付费处理。
在一种实现方式中,所述医保卡付费请求指令还包括主治医生信息,所述主治医生信息包括主治医生的类别和权限等级,所述确定模块303,具体用于:
根据预先存储的医生类别与病种的对应关系,确定所述主治医生的类别是否与所述目标病种相对应;
若相对应,则检测所述主治医生的权限等级是否大于或等于所述最高权限等级;
若是,则执行所述检测所述就诊医院的权限等级是否大于或等于所述最高权限等级的操作。
在一种实现方式中,所述医保卡付费请求指令包括参保人的身份特征数据,所述身份特征数据包括人脸数据、指纹数据和虹膜数据中的至少一种,所述检测模块304还用于:
获取所述医保卡对应的历史身份特征数据,所述历史身份特征数据为历史记录的使用所述医保卡的参保人的身份特征数据;
检测所述历史身份特征数据是否与所述医保卡付费请求指令中所述参保人的身份特征数据相匹配;
若匹配,则执行获取所述至少一个治疗项目中每个治疗项目对应的权限等级的操作。
在一种实现方式中,所述检测模块304还用于:
在预置数据库中获取所述目标病种对应的目标参考治疗项目集合,所述预置数据库中存储了至少一个病种以及至少一个病种中每个病种对应的参考治疗项目集合,所述参考治疗项目集合中包括至少一个参考治疗项目,所述参考治疗项目用于治疗对应的病种;
检测第一治疗项目是否与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配,所述第一治疗项目为所述目标治疗方案中的任意一个治疗项目;
若匹配,则执行计算所述目标治疗方案与所述目标病种对应的临床路径的相似度的操作。
在一种实现方式中,所述检测模块304具体用于:
检测第一治疗项目的名称是否与第一参考治疗项目的名称相同,所述第一参考治疗项目为所述目标参考治疗项目集合中的任意一个参考治疗项目;
若第一治疗项目的名称与所述第一参考治疗项目名称相同,则计算所述第一治疗项目的费用与所述第一参考治疗项目的标准治疗费用的差值;
若所述差值小于预设阈值,则确定所述第一治疗项目与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配。
在一种实现方式中,所述检测模块304具体用于:
若不匹配,则将所述第一治疗项目确定为异常治疗项目;
对所述第一治疗项目添加异常标识,所述异常标识用于标识所述第一治疗项目存在异常,且不可参与医保卡付费;
输出所述第一治疗项目存在异常的提示信息。
在一种实现方式中,所述确定模块303具体用于:
计算所述目标治疗方案的治疗费用与所述目标病种对应的临床路径的治疗费用的差值;
若所述差值小于预设阈值,则获取所述目标治疗方案与所述目标病种对应的临床路径中相同的治疗项目的数量;
将所述相同的治疗项目的数量与所述目标治疗方案中治疗项目的总数量的比值确定为所述目标治疗方案与所述目标病种对应的临床路径的相似度。
本发明实施例中,接收模块301接收医保卡付费请求指令,获取模块302获取至少一个治疗项目中每个治疗项目对应的权限等级,确定模块303从获取的所有权限等级中确定最高权限等级,检测模块304检测就诊医院的权限等级是否大于或等于最高权限等级来确定该医院是否具有承担该治疗项目的权限,若具有,则计算模块305计算目标治疗方案与目标病种对应的临床路径的相似度,若所述相似度大于预设相似度,则执行模块306执行医保卡付费处理。通过上述方式,可以自动地检测出医疗数据中的异常数据,有效防止出现骗保行为,减少公众利益损失。
请参见图4,为本发明实施例提供了一种终端的结构示意图。如图4所示,该终端包括:至少一个处理器401,输入设备403,输出设备404,存储器405,至少一个通信总线402。其中,通信总线402用于实现这些组件之间的连接通信。其中,输入设备403可以是控制面板或者麦克风等,输出设备404可以是显示屏等。其中,存储器405可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器405可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以结合图3所描述的装置,存储器405中存储一组程序代码,且处理器401,输入设备403,输出设备404调用存储器405中存储的程序代码,用于执行以下操作:
输入设备403,用于接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
处理器401,用于获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
处理器401,用于从获取的所有权限等级中确定最高权限等级;
处理器401,用于检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
处理器401,用于若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
处理器401,用于若所述相似度大于预设相似度,则执行医保卡付费处理。
在一种实现方式中,所述医保卡付费请求指令还包括主治医生信息,所述主治医生信息包括主治医生的类别和权限等级,处理器401具体用于:
根据预先存储的医生类别与病种的对应关系,确定所述主治医生的类别是否与所述目标病种相对应;
若相对应,则检测所述主治医生的权限等级是否大于或等于所述最高权限等级;
若是,则执行所述检测所述就诊医院的权限等级是否大于或等于所述最高权限等级的操作。
在一种实现方式中,所述医保卡付费请求指令包括参保人的身份特征数据,所述身份特征数据包括人脸数据、指纹数据和虹膜数据中的至少一种,处理器401具体用于:
获取所述医保卡对应的历史身份特征数据,所述历史身份特征数据为历史记录的使用所述医保卡的参保人的身份特征数据;
检测所述历史身份特征数据是否与所述医保卡付费请求指令中所述参保人的身份特征数据相匹配;
若匹配,则执行获取所述至少一个治疗项目中每个治疗项目对应的权限等级的操作。
在一种实现方式中,处理器401具体用于:
在预置数据库中获取所述目标病种对应的目标参考治疗项目集合,所述预置数据库中存储了至少一个病种以及至少一个病种中每个病种对应的参考治疗项目集合,所述参考治疗项目集合中包括至少一个参考治疗项目,所述参考治疗项目用于治疗对应的病种;
检测第一治疗项目是否与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配,所述第一治疗项目为所述目标治疗方案中的任意一个治疗项目;
若匹配,则执行计算所述目标治疗方案与所述目标病种对应的临床路径的相似度的操作。
在一种实现方式中,所述预置数据库中还存储了所述参考治疗项目的标准治疗费用,处理器401具体用于:
检测第一治疗项目的名称是否与第一参考治疗项目的名称相同,所述第一参考治疗项目为所述目标参考治疗项目集合中的任意一个参考治疗项目;
若第一治疗项目的名称与所述第一参考治疗项目名称相同,则计算所述第一治疗项目的费用与所述第一参考治疗项目的标准治疗费用的差值;
若所述差值小于预设阈值,则确定所述第一治疗项目与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配。
在一种实现方式中,处理器401具体用于:
若不匹配,则将所述第一治疗项目确定为异常治疗项目;
对所述第一治疗项目添加异常标识,所述异常标识用于标识所述第一治疗项目存在异常,且不可参与医保卡付费;
输出所述第一治疗项目存在异常的提示信息。
在一种实现方式中,处理器401具体用于:
计算所述目标治疗方案的治疗费用与所述目标病种对应的临床路径的治疗费用的差值;
若所述差值小于预设阈值,则获取所述目标治疗方案与所述目标病种对应的临床路径中相同的治疗项目的数量;
将所述相同的治疗项目的数量与所述目标治疗方案中治疗项目的总数量的比值确定为所述目标治疗方案与所述目标病种对应的临床路径的相似度。
本发明实施例中,输入设备403接收医保卡付费请求指令,处理器401获取至少一个治疗项目中每个治疗项目对应的权限等级,处理器401从获取的所有权限等级中确定最高权限等级,处理器401检测就诊医院的权限等级是否大于或等于最高权限等级来确定该医院是否具有承担该治疗项目的权限,若具有,则处理器401计算目标治疗方案与目标病种对应的临床路径的相似度,若所述相似度大于预设相似度,则处理器401执行医保卡付费处理。通过上述方式,可以自动地检测出医疗数据中的异常数据,有效防止出现骗保行为,减少公众利益损失。
本发明实施例中所述模块,可以通过通用集成电路,例如CPU(CentralProcessing Unit,中央处理器),或通过ASIC(Application Specific IntegratedCircuit,专用集成电路)来实现。
应当理解,在本发明实施例中,所称处理器401可以是中央处理模块(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
总线402可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互联(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等,该总线402可以分为地址总线、数据总线、控制总线等,为便于表示,图4仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
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,所述的程序可存储于计算机存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的计算机存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种基于数据分析的违规行为检测方法,其特征在于,包括:
接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
从获取的所有权限等级中确定最高权限等级;
检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
若所述相似度大于预设相似度,则执行医保卡付费处理。
2.根据权利要求1所述的方法,其特征在于,所述医保卡付费请求指令还包括主治医生信息,所述主治医生信息包括主治医生的类别和权限等级;
所述从获取的所有权限等级中确定最高权限等级之后,还包括:
根据预先存储的医生类别与病种的对应关系,确定所述主治医生的类别是否与所述目标病种相对应;
若相对应,则检测所述主治医生的权限等级是否大于或等于所述最高权限等级;
若是,则执行所述检测所述就诊医院的权限等级是否大于或等于所述最高权限等级的操作。
3.根据权利要求1所述的方法,其特征在于,所述医保卡付费请求指令包括参保人的身份特征数据,所述身份特征数据包括人脸数据、指纹数据和虹膜数据中的至少一种;
所述接收医保卡付费请求指令之后,还包括:
获取所述医保卡对应的历史身份特征数据,所述历史身份特征数据为历史记录的使用所述医保卡的参保人的身份特征数据;
检测所述历史身份特征数据是否与所述医保卡付费请求指令中所述参保人的身份特征数据相匹配;
若匹配,则执行获取所述至少一个治疗项目中每个治疗项目对应的权限等级的操作。
4.根据要求1所述的方法,其特征在于,所述计算所述目标治疗方案与所述目标病种对应的临床路径的相似度之前,还包括:
在预置数据库中获取所述目标病种对应的目标参考治疗项目集合,所述预置数据库中存储了至少一个病种以及至少一个病种中每个病种对应的参考治疗项目集合,所述参考治疗项目集合中包括至少一个参考治疗项目,所述参考治疗项目用于治疗对应的病种;
检测第一治疗项目是否与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配,所述第一治疗项目为所述目标治疗方案中的任意一个治疗项目;
若匹配,则执行计算所述目标治疗方案与所述目标病种对应的临床路径的相似度的操作。
5.根据权利要求4所述的方法,其特征在于,所述预置数据库中还存储了所述参考治疗项目的标准治疗费用;
所述检测第一治疗项目是否与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配,包括:
检测第一治疗项目的名称是否与第一参考治疗项目的名称相同,所述第一参考治疗项目为所述目标参考治疗项目集合中的任意一个参考治疗项目;
若第一治疗项目的名称与所述第一参考治疗项目名称相同,则计算所述第一治疗项目的费用与所述第一参考治疗项目的标准治疗费用的差值;
若所述差值小于预设阈值,则确定所述第一治疗项目与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配。
6.根据权利要求4所述的方法,其特征在于,所述检测第一治疗项目是否与所述目标参考治疗项目集合中的任意一个参考治疗项目相匹配之后,还包括:
若不匹配,则将所述第一治疗项目确定为异常治疗项目;
对所述第一治疗项目添加异常标识,所述异常标识用于标识所述第一治疗项目存在异常,且不可参与医保卡付费;
输出所述第一治疗项目存在异常的提示信息。
7.根据权利要求1所述的方法,其特征在于,所述计算所述目标治疗方案与所述目标病种对应的临床路径的相似度,包括:
计算所述目标治疗方案的治疗费用与所述目标病种对应的临床路径的治疗费用的差值;
若所述差值小于预设阈值,则获取所述目标治疗方案与所述目标病种对应的临床路径中相同的治疗项目的数量;
将所述相同的治疗项目的数量与所述目标治疗方案中治疗项目的总数量的比值确定为所述目标治疗方案与所述目标病种对应的临床路径的相似度。
8.一种基于数据分析的违规行为检测装置,其特征在于,所述装置包括:
接收模块,用于接收医保卡付费请求指令,所述医保卡付费请求指令包括就诊医院、目标病种、目标治疗方案,所述就诊医院为参保人进行就诊的医院,所述目标病种为所述参保人所患的病种,所述目标治疗方案为所述参保人接受的治疗方案,所述目标治疗方案包括至少一个治疗项目;
获取模块,用于获取所述至少一个治疗项目中每个治疗项目对应的权限等级;
确定模块,用于从获取的所有权限等级中确定最高权限等级;
检测模块,用于检测所述就诊医院的权限等级是否大于或等于所述最高权限等级;
计算模块,用于若所述就诊医院的权限等级大于或等于所述最高权限等级,则计算所述目标治疗方案与所述目标病种对应的临床路径的相似度;
执行模块,用于若所述相似度大于预设相似度,则执行医保卡付费处理。
9.一种终端,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266291.3A CN109523404B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811266291.3A CN109523404B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523404A true CN109523404A (zh) | 2019-03-26 |
CN109523404B CN109523404B (zh) | 2024-06-25 |
Family
ID=65772497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811266291.3A Active CN109523404B (zh) | 2018-10-27 | 2018-10-27 | 基于数据分析的违规行为检测方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523404B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111710413A (zh) * | 2020-06-17 | 2020-09-25 | 安徽科大讯飞医疗信息技术有限公司 | 一种患者对比方法、装置、设备及存储介质 |
CN112542239A (zh) * | 2020-12-16 | 2021-03-23 | 河南翔宇医疗设备股份有限公司 | 多治疗终端控制方法、***、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的***和方法 |
CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控***及监控方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验***及校验方法 |
CN106169165A (zh) * | 2015-05-20 | 2016-11-30 | 詹宇 | 面向诊疗数据的症状层次关联及预测方法 |
CN107038344A (zh) * | 2017-04-24 | 2017-08-11 | 大连诺道认知医学技术有限公司 | 一种病种实际临床路径与标准临床路径比较方法及装置 |
CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和*** |
CN107451400A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医疗行为监控方法和*** |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
-
2018
- 2018-10-27 CN CN201811266291.3A patent/CN109523404B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421734A (zh) * | 2006-03-17 | 2009-04-29 | 英吉尼克斯股份有限公司 | 用于识别和分析医疗赔付中的模式或者异常的***和方法 |
CN104134092A (zh) * | 2014-08-08 | 2014-11-05 | 平安养老保险股份有限公司 | 一种医保报销行为监控***及监控方法 |
CN104182824A (zh) * | 2014-08-08 | 2014-12-03 | 平安养老保险股份有限公司 | 一种识别医保报销违规行为的规则校验***及校验方法 |
CN106169165A (zh) * | 2015-05-20 | 2016-11-30 | 詹宇 | 面向诊疗数据的症状层次关联及预测方法 |
CN107038344A (zh) * | 2017-04-24 | 2017-08-11 | 大连诺道认知医学技术有限公司 | 一种病种实际临床路径与标准临床路径比较方法及装置 |
CN107451401A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医保智能审核方法和*** |
CN107451400A (zh) * | 2017-07-11 | 2017-12-08 | 武汉金豆医疗数据科技有限公司 | 一种医疗行为监控方法和*** |
CN107609980A (zh) * | 2017-09-07 | 2018-01-19 | 平安医疗健康管理股份有限公司 | 医疗数据处理方法、装置、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111710413A (zh) * | 2020-06-17 | 2020-09-25 | 安徽科大讯飞医疗信息技术有限公司 | 一种患者对比方法、装置、设备及存储介质 |
CN111710413B (zh) * | 2020-06-17 | 2023-12-22 | 讯飞医疗科技股份有限公司 | 一种患者对比方法、装置、设备及存储介质 |
CN112542239A (zh) * | 2020-12-16 | 2021-03-23 | 河南翔宇医疗设备股份有限公司 | 多治疗终端控制方法、***、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109523404B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6637135B2 (ja) | 年配者コホートの慢性的重大疾患リスクについてリスク共有するための、患者データによりトリガされるプーリングシステム、及びその対応する方法 | |
CN109544364A (zh) | 基于数据分析的违规行为检测方法、装置及终端 | |
Weiner | I can’t afford that! Dilemmas in the care of the uninsured and underinsured | |
CN109523404A (zh) | 基于数据分析的违规行为检测方法、装置及终端 | |
CN109523403A (zh) | 基于异常操作识别的医疗监管方法、装置及终端 | |
CN109523395A (zh) | 基于异常操作识别的医疗监管方法、装置、终端及介质 | |
US20170301032A1 (en) | Patient data triggered system for risk transfer linked to prolonging independent living by elderly illness occurrence and corresponding method thereof | |
CN109544363A (zh) | 基于数据可视化的医疗监管方法、装置、终端及介质 | |
US20150112735A1 (en) | Parametric system for risk sharing of critical illness risks and corresponding method thereof | |
Coffey | Casemix information in the United States: fifteen years of management and clinical experience | |
Harris | The organization and funding of the treatment of end-stage renal disease in Australia | |
BR112019021892A2 (pt) | Aplicativo, sistema de processamento de serviço e sistema de processamento de serviço de seguro usando o mesmo | |
Memia | Health care insurance system in the Republic of Albania and development perspective | |
CN111667134B (zh) | 自动风险转移的动态可扩展事件触发***及其相应方法 | |
CN109545382A (zh) | 一种基于大数据的雷同病例识别方法及计算设备 | |
JP2009104559A (ja) | 保険支払請求システム | |
Xusniddinovna | HEALTH INSURANCE | |
Peters | The quality of healthcare: how good is it? | |
Rajendran et al. | The Revolution of Digital Therapeutics (DTx) in the Pharmaceutical Industry and Their Quality Impacts | |
EP3058535A1 (en) | Patient data triggered pooling-system for risk sharing of cronic critical illness risks of cohorts of elderly persons and corresponding method thereof | |
Mills | Data privacy and confidentiality in the public arena. | |
Sheehan | Medicare in the USA: a review of 45 years of health provision | |
Shajahan et al. | Risk Issues Related to Medicare Reimbursement Practices of Hospitals. | |
Wilkerson | Medicaid Officials Would Limit Rx Coverage Based On Cost-Effectiveness | |
Gliklich | When clinical trials aren't enough |
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 |