CN109785155A - 基于医保报销模型调整医保策略的方法及相关产品 - Google Patents
基于医保报销模型调整医保策略的方法及相关产品 Download PDFInfo
- Publication number
- CN109785155A CN109785155A CN201811527702.XA CN201811527702A CN109785155A CN 109785155 A CN109785155 A CN 109785155A CN 201811527702 A CN201811527702 A CN 201811527702A CN 109785155 A CN109785155 A CN 109785155A
- Authority
- CN
- China
- Prior art keywords
- medical insurance
- reimbursement
- input data
- adjustment
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000000694 effects Effects 0.000 claims abstract description 48
- 238000005070 sampling Methods 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006735 deficit Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种基于医保报销模型调整医保策略的方法及相关产品,该方法应用于电子设备,该方法包括:获取预设的与医保基金支出相关的多个影响因子;从医保数据库中提取与所述多个影响因子相关的医保数据;按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;根据所述目标影响因子调整医保报销策略。本申请可实现针对性的调整医保报销策略。
Description
技术领域
本申请涉及电子技术领域,具体涉及一种基于医保报销模型调整医保策略及相关产品。
背景技术
医疗保险是社会保险的重要组成部分,是保障用户放心就医的重要措施,对医保基金的收支进行预测能够及时对医保基金的收支政策作出调整,以避免出现医保基金亏空风险,从而保证医保基金收支平衡。传统对医保基金管理时,首先获得对医保基金收支有影响的所有影响因子,然后对所有影响因子整体分析,以调整医保策略。但是,整体分析所有影响因子,耗时久,分析过程繁琐,不具有针对性,对医保基金的管理效率低。
发明内容
本申请实施例提供了一种基于医保报销模型调整医保策略及相关产品,以期确定与医保基金相关的目标影响因子,提高对医保基金的管理效率。
第一方面,本申请实施例提供一种基于医保报销模型调整医保策略的方法,所述方法应用于电子设备,所述方法包括:
获取预设的与医保基金支出相关的多个影响因子;
从医保数据库中提取与所述多个影响因子相关的医保数据;
按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
根据所述目标影响因子调整医保报销策略。
第二方面,本申请实施例提供一种基于医保报销模型调整医保策略的电子设备,所述电子设备包括:
获取单元,用于获取预设的与医保基金支出相关的多个影响因子;
提取单元,用于从医保数据库中提取与所述多个影响因子相关的医保数据;
确定单元,用于按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
调整单元,用于根据所述目标影响因子调整医保报销策略。
第三方面,本申请实施例提供一种电子设备,包括一个或多个处理器、一个或多个存储器、一个或多个收发器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述一个或多个处理器执行,所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,具有如下有益效果:
可以看出,在本申请实施例中,获取预设的多个影响因子,基于预先训练好的医保报销模型确定该多个影响因子中的目标影响因子,其中,该目标影响因子为对医保基金支出影响最大的因子,然后,调整与该目标影响因子相关的医保策略,从而实现针对性调整医保报销策略,提高对医保报销制度改革的效率以及准确度。
附图说明
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他的附图。
图1为本申请实施例提供的一种基于医保报销模型调整医保策略的方法的流程示意图;
图2为本申请实施例提供的另一种基于医保报销模型调整医保策略的方法的流程示意图;
图3为本申请实施例提供的另一种基于医保报销模型调整医保策略的方法的流程示意图;
图4是本申请实施例提供的一种基于医保报销模型调整医保策略的电子设备的结构示意图;
图5是本申请实施例提供的一种基于医保报销模型调整医保策略的电子设备的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中的电子设备可以包括智能手机(如Android手机、iOS手机、WindowsPhone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile InternetDevices,简称:MID)或穿戴式设备等,上述电子设备仅是举例,而非穷举,包含但不限于上述电子设备,为了描述的方便,下面实施例中将上述电子设备称为用户设备UE(Userequipment,简称:UE)。当然在实际应用中,上述用户设备也不限于上述变现形式,例如还可以包括:智能车载终端、计算机设备等等。
首先参阅图1,图1为本申请实施例提供的一种基于医保报销模型调整医保策略的方法的流程示意图,该方法应用于电子设备,该方法包括如步骤S101~S104中所示的内容:
步骤S101、获取预设的与医保基金支出相关的多个影响因子。
其中,所述影响因子为对医保基金支出有影响的因子,即该因子的变化会引起医保基金的变化,所述影像因子具体包括:人口结构、参保人的数量、医保目录、医保报销政策,等等,其医保报销政策具体包括:医保报销比例、医保报销起付线,等等。
步骤S102、从医保数据库中提取与所述多个影响因子相关的医保数据。
可选的,与医保相关的医保数据保存在医保服务器中,存储医保数据的具体包括:医保服务器检验医保数据的完整性,如确定所述医保数据完整时,将所述医保数据缓存在医保服务器的Redis中,其中,Redis是一个开源的可基于内存亦可持久化的日志型的Key-Value(键-值)数据库,Redis存储和读取数据的速率都很高,以便后续从所述Redis读取医保数据。
可选的,从医保数据库中提取与所述多个影响因子相关的医保数据具体包括:基于关键字识别,识别所述影响因子中的关键词,从所述Redis读取与所述关键词匹配的医保数据,实现对所述多个影响因子相关的医保数据的调取。
步骤S103、按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子。
可选的,按照预设规则调整所述医保数据,得到输入数据集具体包括:从医保数据库中提取一组与所述多个影响因子相关的医保数据,将所述医保数据组成第一组输入数据;确定所述多个影响因子中任意一个影响因子在所述第一组输入数据中对应的医保数据,将所述影响因子对应的医保数据标记为基数,基于控制变量法,按照预设规律调整所述基数,得到调整后的多个调整结果,即多次调整所述基数,在调整所述基数时保持该第一组数据中的其他医保数据的值不变,从实现仅调整该影响因子对应的医保数据,且每次调整后,将对该基数的调整结果与该第一组数据中的其他医保数据组成一组输入数据,得到多组输入数据,将第一组输入数据和该多组输入数据组成输入数据集。
进一步地,按照预设规律调整所述基数,得到调整后的多个调整结果具体包括:其调整所述基数包括依次增加该基数或者依次减少该基数,其具体为:获取预先设置的调整次数N,按照等差规律将所述基数增加或者减少N次;或者,按照等比规律将所述基数增加或者减少N次,即将所述基数标记为首项,获取预先设置的公差,根据所述公差按照等差规律调整所述首项,得到调整后的多个调整结果;或者,获取预先设置的公比,根据所述公比按照等比规律调整所述首项,得到所述调整后的多个调整结果。其中,该公差可由用户自定义设定,也可以在每次调整时,利用随机函数random自动生成一个随机数,将该随机数标记为该公差或者公比。在此不做唯一限定。
举例来说,如该基数为a,预先设定的调整次数为N,公差为d,公比为q,如以等差规律调整所述基数a时,可得到调整结果分别为:a+d、a+2d、…、a+N*d,故可将第一组输入数据中基数a依次替换为a+d、a+2d、…、a+N*d,得到多组输入数据;如以等比规律调整所述基数a时,可得到调整结果分别为:a*q、a*q2、…a*qN,故可将第一组输入数据中的基数a依次替换为a*q、a*q2、…a*qN,得到多组输入数据。可以理解的时,当d大于零时,按照增加的顺序依次调整所述基数a,小于零时,按照减小的顺序依次调整所述基数a,当q大于1时,按照增加的顺序依次调整所述基数a,当小于1时,按照减小的顺序依次调整基数a。
可选的,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果具体包括:将所述输入数据集中的输入数据依次输入到预设训练好的医保报销模型,依次得到所述输入数据集中每组输入数据在医保基金支出上的预测结果,其中,依次输入到预设训练好的医保报销模型可以为获取对每组输入数据中与基数相关的医保数据的大小,按照与基数相关的医保数据从小到大的顺序将所述输入数据集中的输入数据依次输入到预设训练好的医保报销模型。例如,按照a、a+d、a+2d、…、a+N*d所在的输入数据的顺序,将该输入数据中的输入数据输入到训练好的医保报销模型;或者将该输入数据集中的每组输入数据同时输入到多个设备运算得到进行运算,得到每组输入数据在医保基金上的运算结果,其中,每个设备中均嵌入该预设训练好的医保报销模型,其中,每组输入数据输入到一个设备,可实现同步执行运算,同步得到所述输入数据集中所有输入数据的预测结果,明显加快对输入数据的处理速度,解决单个设备对输入数据进行运算带来的时耗问题。
进一步地,根据所述预测结果确定所述多个影响因子中的目标影响因子具体包括:将所述输入数据集中每组输入数据输入到预先训练好的医保报销模型,输出每组输入数据对医保基金支出的预测结果;将所述输入数据集中任意一组输入数据与第一组输入数据进行比对,确定所述基数的调整比例,所述调整比例为所述变量的调整幅度与所述基数的比值;将该组输入数据在医保基金支出上的预测结果与第一组输入数据在医保基金进行比对,确定预测结果的变化比例,所述变化比例为预测结果的变化幅度与第一组输入数据的预测结果的比值;确定所述变化比例与调整比例的比值,将所述比值标记为所述影响因子对医保基金支出的相对贡献度;获取所述影响因子的多个调整结果所对应的多个相对贡献度,确定所述多个相对贡献度的平均值,如所述平均大于阈值,将所述影响因子标记为所述多个影响因子中的目标影响因子。
举例来说,假定该基数对应的影响因子为报销人数时,当一组输入数据与第一组输入数据对报销人数的调整比例为4%时,而与该两组输入数据对应的医保基金的变化比例为5%,则确定报销人数对医保基金支出的一个相对贡献度为125%,故可获取调整报销人数后的所有输入数据对医保基金支出的所有相对贡献度,从而确定报销人数对医保基金支出的相对贡献度。
其中,所述阈值可以为80%、120%、150%、200%或者其他值。
步骤S104、根据所述目标影响因子调整医保报销策略。
可选的,在确定所述目标影响因子后,获取与所述目标影响因子相关的医保政策,例如,当目标影响因子为报销人数时,与报销人数相关的医保政策为可参与报销的参保人的年龄、报销起付线,当目标影响因子为医保目录时,与医保目录相关的医保报销策略为能参与医保报销的疾病信息、能参与医保报销的医疗机构,等等。
可以看出,在本申请实施例中,获取预设的多个影响因子,基于预先训练好的医保报销模型确定该多个影响因子中的目标影响因子,其中,该目标影响因子为对医保基金支出的变动贡献度最大的因子,然后,调整与该目标影响因子相关的医保策略,忽略其他对医保基金支出贡献较小的因子,避免处理大量的医保数据带来的数据处理困难以及时耗问题,从而实现针对性调整医保报销策略,提高对医保报销制度改革的效率以及准确度。
参阅图2,图2为本申请实施例提供的另一种基于医保报销模型调整医保策略的方法的流程示意图,该方法应用于电子设备,该方法包括如步骤S201~S209中所示的内容:
步骤S201、获取预先设置的采样时长和采样间隔。
可在预设时间段内利用采样技术从医保数据库中获取医疗数据,其具体包括:在任务触发器中预先设置的采样间隔和采样时长,并将采样间隔和采样时长存储至医保服务器的配置文件中,在启动所述任务触发器采集医疗数据时,解析所述配置文件,调取采样间隔和采样时长,控制数据采集器根据所述采样间隔和采样时长从医保数据库中进行采样,获取医保数据样本。可以理解的是,调整采样间隔以及采样时长以调整获取到的医保数据样本的数量。
步骤S202、根据所述采样时长和采样间隔从医保数据库中获取若干个医保数据样本,将所述若干个医保数据样本分成第一比例的训练集和第二比例的测试集。
其中,所述第一比例可以为90%、80%、70%、60%或者其他值。
其中,所述第二比例可以为10%、20%、30%、40%或者其他值。
步骤S203、利用所述训练集中的医保数据样本训练预设的医保报销模型,以得到预先训练好的医保报销模型。
步骤S204、利用所述测试集中的医保数据样本对所述预设训练好的医保报销模型进行测试。
可选的,利用所述测试集中的医保数据样本对所述预设训练好的医保报销模型进行测试具体包括:利用所述预设训练好的医保报销模型对所述测试集中的各个医保数据样本进行运算,以得出各个医保数据在医保基金支出上的预测结果;解析各个医保数据的标签,(所述标签用于记录所述各个医保数据对应在医保基金支出上的实际结果),获取在医保基金上的实际支出结果,确定利用所述预设训练好的医保报销模型在医保基金支出上的预测结果与在医保基金支出上的实际结果的差值,得到对所述预设训练好的医保报销模型的准确性测试结果,其输出结果为二值数据,即0和1的二值数据,0代表准确性测试结果为错误,1代表准确性测试结果为正确,具体为如所述差值落入预设区间内[-a,a]内,得到准确性测试结果为1,如所述差值落入预设区间内[-a,a]外,得到准确性测试结果为0,其中,a为提前设定的误差阈值,确定准确性测试结果为1占所有准确性测试结果的百分比,如所述百分比大于百分比阈值(例如,80%),则确定对所述预设训练好的医保报销模型的测试通过,或者,如所述百分比比小于或者等于百分比阈值,确定对所述预设训练好的医保报销模型的测试不通过。
步骤S205、确定所述预先训练好的医保报销模型是否通过测试;
如是,执行步骤S206;
如否,调整采样时长和/或采样间隔,以从医保数据库中增加医保数据样的数量本,执行步骤S202。
其中,通过增大采样时长或者减小采样间隔,提高采样频率,以增加医保数据样的数量本的数量。
步骤S206、获取预设的与医保基金支出相关的多个影响因子。
步骤S207、从医保数据库中提取与所述多个影响因子相关的医保数据。
步骤S208、按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子。
步骤S209、根据所述目标影响因子调整医保报销策略。
可以看出,在本申请实施例中,首先训练模型,得到预设训练好的医保报销模型,然后获取预设的多个影响因子,基于预先训练好的医保报销模型确定该多个影响因子中的目标影响因子,利用模型处理医保数据,避免了人工处理带来的主观影响;而且,目标影响因子为对医保基金支出的变动贡献度最大的因子,调整与该目标影响因子相关的医保策略,忽略其他对医保基金支出贡献较小的因子,避免处理大量的医保数据带来的数据处理困难以及时耗问题,从而实现针对性调整医保报销策略,提高对医保报销制度改革的效率以及准确度。
参阅图3,图3为本申请实施例提供的另一种基于医保报销模型调整医保策略的方法的流程示意图,该方法应用于电子设备,该方法包括如步骤S301~S306中所示的内容:
步骤S301、获取预设的与医保基金支出相关的多个影响因子。
当然,在执行步骤S301之前,需执行第二个实施例中的步骤S201~S205中训练医保报销模型的过程,不再赘述。
步骤S302、从医保数据库中提取与所述多个影响因子相关的医保数据。
步骤S303、按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子。
步骤S304、如确定所述目标影响因子为报销人数,基于所述医保数据库中的报销人数和医保政策预测医保基金支出,基于所述医保数据库中的参保人数和医保政策预测医保基金收入。
可选的,基于所述医保数据库中的报销人数和医保政策预测医保基金支出具体包括:获取医保政策中的医保目录、医保报销比例、以及报销起付线,基于多元线性回归方程预测医保基金支出;获取参保人的数量以及医保政策中规定的对参保人的收费标准,预测医保基金收入。
步骤S305、基于所述医保基金支出和医保基金收入确定医保基金收支是否平衡,如确定医保基金收支赤字时,调整医保的报销起付线。
可选的,调整医保的报销起付线具体包括:根据所述医保基金支出和医保基金收入确定医保基金的超支金额;从所述医保数据库中获取当前的报销起付线;根据所述超支金额、当前的报销起付线以及报销人数确定调整后的报销起付线为y=s/n+x,其中,所述y为调整后的报销起付线,s为超支金额,n为报销人数,x为当前的报销起付线。本申请提供一种调整报销起付线的估计方法,即将超支金额平均到所有参保人上,然后,将该超支部分作为需要增加的起付线,从而在一定程度上减少每个人可报销的医疗费用,减少医保基金的支出。
步骤S306、将所述调整后的报销起付线发送至相关部门的终端设备,以在所述终端设备的信息显示界面显示所述报销起付线,指示负责人调整报销起付线。
可以看出,在本申请实施例中,首先训练模型,得到预设训练好的医保报销模型,然后获取预设的多个影响因子,基于预先训练好的医保报销模型确定该多个影响因子中的目标影响因子,利用模型处理医保数据,避免了人工处理带来的主观影响;而且,目标影响因子为对医保基金支出的变动贡献度最大的因子,调整与该目标影响因子相关的医保策略,忽略其他对医保基金支出贡献较小的因子,避免处理大量的医保数据带来的数据处理困难以及时耗问题,从而实现针对性调整医保报销策略,提高对医保报销制度改革的效率以及准确度。而且,在确定目标影响因子为报销人数时,调整报销起付线,从而解决医保基金收支不平衡问题。
与上述图1、图2、图3所示的实施例一致的,请参阅图4,图4为本申请实施例提供的一种基于医保报销模型调整医保策略的电子设备400的结构示意图,如图4所示,该电子设备400包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序不同于上述一个或多个应用程序,且上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行以下步骤的指令;
获取预设的与医保基金支出相关的多个影响因子;
从医保数据库中提取与所述多个影响因子相关的医保数据;
按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
根据所述目标影响因子调整医保报销策略。
在一可能的示例中,在按照预设规则调整所述医保数据,得到输入数据集方面,上述程序中的指令具体用于执行以下操作:
将所述医保数据标记为第一组输入数据;
确定所述多个影响因子中任意一个影响因子在所述第一组输入数据中对应的医保数据,将所述影响因子对应的医保数据标记为基数,基于控制变量法,按照预设规律调整所述基数,得到调整后的多个调整结果;
将所述基数依次替换为所述多个调整结果后得到输入数据集。
在一可能的示例中,在按照预设规律调整所述基数,得到调整后的多个调整结果;方面,上述程序中的指令具体用于执行以下操作:
将所述基数标记为首项,获取预先设置的公差,根据所述公差按照等差规律调整所述首项,得到调整后的多个调整结果;或者,获取预先设置的公比,根据所述公比按照等比规律调整所述首项,得到所述调整后的多个调整结果。
在一可能的示例中,在将所述输入数据集中的输入数据依次输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子方面,上述程序中的指令具体用于执行以下操作:
将所述输入数据集中每组输入数据输入到预先训练好的医保报销模型,输出每组输入数据对医保基金支出的预测结果;
将所述输入数据集中任意一组输入数据与第一组输入数据进行比对,确定所述基数的调整比例,所述调整比例为所述变量的调整幅度与所述基数的比值;
将该组输入数据在医保基金支出上的预测结果与第一组输入数据在医保基金上的预测结果进行比对,确定预测结果的变化比例,所述变化比例为预测结果的变化幅度与第一组输入数据在医保基金上的预测结果的比值;
确定所述变化比例与调整比例的比值,将所述比值标记为所述影响因子对医保基金支出的相对贡献度;
获取所述影响因子的多个调整结果所对应的多个相对贡献度,确定所述多个相对贡献度的平均值,如所述平均大于阈值,将所述影响因子标记为所述多个影响因子中的目标影响因子。
在一可能的示例中,在获取预设的与医保基金支出相关的多个影响因子之前,上述程序中的指令还用于执行以下操作:
获取预先设置的采样时长和采样间隔;
根据所述采样时长和采样间隔从医保数据库中获取若干个医保数据样本;
将所述若干个医保数据样本分成第一比例的训练集和第二比例的测试集;
利用所述训练集中的医保数据样本训练预设的医保报销模型,以得到预先训练好的医保报销模型,利用所述测试集中的医保数据样本对所述预设训练好的医保报销模型进行测试,若测试通过,则训练结束,若测试不通过,调整采样时长和/或采样间隔,以从医保数据库中增加医保数据样的数量本;
在增加医保数据样的数量本后,重新训练所述预设的医保报销模型。
在一可能的示例中,当所述多个影响因子中包括报销人数时,在根据所述目标影响因子调整医保报销策略方面,上述程序中的指令具体用于执行以下操作:
如确定所述目标影响因子为报销人数,基于所述医保数据库中的报销人数和医保政策预测医保基金支出,基于所述医保数据库中的参保人数和医保政策预测医保基金收入;
基于所述医保基金支出和医保基金收入确定医保基金收支是否平衡,如确定医保基金收支赤字时,调整医保的报销起付线。
在一可能的示例中,在增加医保报销的起付线方面,上述程序中的指令具体用于执行以下操作:
根据所述医保基金支出和医保基金收入确定医保基金的超支金额;
从所述医保数据库中获取当前的报销起付线;
根据所述超支金额、当前的报销起付线以及报销人数确定调整后的报销起付线为y=s/n+x,其中,所述y为调整后的报销起付线,s为超支金额,n为报销人数,x为当前的报销起付线;
将所述调整后的报销起付线y发送至相关部门的终端设备,以在所述终端设备的信息显示界面显示所述报销起付线y,指示负责人调整报销起付线。
参阅图5,图5示出了上述实施例中所涉及的基于医保报销模型调整医保策略的电子设备500的一种可能的功能单元组成框图,电子设备500包括:获取单元510、提取单元520、确定单元530、调整单元540,其中;
获取单元510,用于获取预设的与医保基金支出相关的多个影响因子;
提取单元520,用于从医保数据库中提取与所述多个影响因子相关的医保数据;
确定单元530,用于按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
调整单元540,用于根据所述目标影响因子调整医保报销策略。
在一可能的示例中,在按照预设规则调整所述医保数据,得到输入数据集时,确定单元530,具体用于:将所述医保数据标记为第一组输入数据;以及用于确定所述多个影响因子中任意一个影响因子在所述第一组输入数据中对应的医保数据,将所述影响因子对应的医保数据标记为基数,基于控制变量法,按照预设规律调整所述基数,得到调整后的多个调整结果;以及用于将所述基数依次替换为所述多个调整结果后得到输入数据集。
在一可能的示例中,在按照预设规律调整所述基数,得到调整后的多个调整结果时,确定单元530,具体用于:将所述基数标记为首项,获取预先设置的公差,根据所述公差按照等差规律调整所述首项,得到调整后的多个调整结果;或者,获取预先设置的公比,根据所述公比按照等比规律调整所述首项,得到所述调整后的多个调整结果。
在一可能的示例中,在将所述输入数据集中的输入数据依次输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子时,确定单元530,具体用于:将所述输入数据集中每组输入数据输入到预先训练好的医保报销模型,输出每组输入数据对医保基金支出的预测结果;以及用于将所述输入数据集中任意一组输入数据与第一组输入数据进行比对,确定所述基数的调整比例,所述调整比例为所述变量的调整幅度与所述基数的比值;以及用于将该组输入数据在医保基金支出上的预测结果与第一组输入数据在医保基金上的预测结果进行比对,确定预测结果的变化比例,所述变化比例为预测结果的变化幅度与第一组输入数据在医保基金上的预测结果的比值;以及用于确定所述变化比例与调整比例的比值,将所述比值标记为所述影响因子对医保基金支出的相对贡献度;以及用于获取所述影响因子的多个调整结果所对应的多个相对贡献度,确定所述多个相对贡献度的平均值,如所述平均大于阈值,将所述影响因子标记为所述多个影响因子中的目标影响因子。
在一可能的示例中,在获取预设的与医保基金支出相关的多个影响因子之前,电子设备500还包括:训练单元550;
其中,训练单元550,用于获取预先设置的采样时长和采样间隔;
以及用于根据所述采样时长和采样间隔从医保数据库中获取若干个医保数据样本;以及用于将所述若干个医保数据样本分成第一比例的训练集和第二比例的测试集;以及用于利用所述训练集中的医保数据样本训练预设的医保报销模型,以得到预先训练好的医保报销模型,利用所述测试集中的医保数据样本对所述预设训练好的医保报销模型进行测试,若测试通过,则训练结束,若测试不通过,调整采样时长和/或采样间隔,以从医保数据库中增加医保数据样的数量本;以及用于在增加医保数据样的数量本后,重新训练所述预设的医保报销模型。
在一可能的示例中,当所述多个影响因子中包括报销人数时,在根据所述目标影响因子调整医保报销策略时,调整单元540,具体用于:如确定所述目标影响因子为报销人数,基于所述医保数据库中的报销人数和医保政策预测医保基金支出,基于所述医保数据库中的参保人数和医保政策预测医保基金收入;以及用于基于所述医保基金支出和医保基金收入确定医保基金收支是否平衡,如确定医保基金收支赤字时,调整医保的报销起付线。
在一可能的示例中,在调整医保的报销起付线时,调整单元540,具体用于:根据所述医保基金支出和医保基金收入确定医保基金的超支金额;以及用于从所述医保数据库中获取当前的报销起付线;以及用于根据所述超支金额、当前的报销起付线以及报销人数确定调整后的报销起付线为y=s/n+x,其中,所述y为调整后的报销起付线,s为超支金额,n为报销人数,x为当前的报销起付线;以及用于将所述调整后的报销起付线y发送至相关部门的终端设备,以在所述终端设备的信息显示界面显示所述报销起付线y,指示负责人调整报销起付线。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种基于医保报销模型调整医保策略的方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种基于医保报销模型调整医保策略的方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,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 (10)
1.一种基于医保报销模型调整医保策略的方法,其特征在于,所述方法应用于电子设备,所述方法包括:
获取预设的与医保基金支出相关的多个影响因子;
从医保数据库中提取与所述多个影响因子相关的医保数据;
按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
根据所述目标影响因子调整医保报销策略。
2.根据权利要求1所述的方法,其特征在于,所述按照预设规则调整所述医保数据,得到输入数据集具体包括:
将所述医保数据标记为第一组输入数据;
确定所述多个影响因子中任意一个影响因子在所述第一组输入数据中对应的医保数据,将所述影响因子对应的医保数据标记为基数,基于控制变量法,按照预设规律调整所述基数,得到调整后的多个调整结果;
将所述基数依次替换为所述多个调整结果后得到输入数据集。
3.根据权利要求2所述的方法,其特征在于,所述按照预设规律调整所述基数,得到调整后的多个调整结果具体包括:
将所述基数标记为首项,获取预先设置的公差,根据所述公差按照等差规律调整所述首项,得到调整后的多个调整结果;或者,获取预先设置的公比,根据所述公比按照等比规律调整所述首项,得到所述调整后的多个调整结果。
4.根据权利要求2或3所述的方法,其特征在于,所述将所述输入数据集中的输入数据依次输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子具体包括:
将所述输入数据集中每组输入数据输入到预先训练好的医保报销模型,输出每组输入数据对医保基金支出的预测结果;
将所述输入数据集中任意一组输入数据与第一组输入数据进行比对,确定所述基数的调整比例,所述调整比例为所述变量的调整幅度与所述基数的比值;
将该组输入数据在医保基金支出上的预测结果与第一组输入数据在医保基金上的预测结果进行比对,确定预测结果的变化比例,所述变化比例为预测结果的变化幅度与第一组输入数据在医保基金上的预测结果的比值;
确定所述变化比例与调整比例的比值,将所述比值标记为所述影响因子对医保基金支出的相对贡献度;
获取所述影响因子的多个调整结果所对应的多个相对贡献度,确定所述多个相对贡献度的平均值,如所述平均大于阈值,将所述影响因子标记为所述多个影响因子中的目标影响因子。
5.根据权利要求4所述的方法,其特征在于,所述在获取预设的与医保基金支出相关的多个影响因子之前,所述方法还包括:
获取预先设置的采样时长和采样间隔;
根据所述采样时长和采样间隔从医保数据库中获取若干个医保数据样本;
将所述若干个医保数据样本分成第一比例的训练集和第二比例的测试集;
利用所述训练集中的医保数据样本训练预设的医保报销模型,以得到预先训练好的医保报销模型,利用所述测试集中的医保数据样本对所述预设训练好的医保报销模型进行测试,若测试通过,则训练结束,若测试不通过,调整采样时长和/或采样间隔,以从医保数据库中增加医保数据样的数量本;
在增加医保数据样的数量本后,重新训练所述预设的医保报销模型。
6.根据权利要求5所述的方法,其特征在于,当所述多个影响因子中包括报销人数时,所述根据所述目标影响因子调整医保报销策略具体包括:
如确定所述目标影响因子为报销人数,基于所述医保数据库中的报销人数和医保政策预测医保基金支出,基于所述医保数据库中的参保人数和医保政策预测医保基金收入;
基于所述医保基金支出和医保基金收入确定医保基金收支是否平衡,如确定医保基金收支赤字时,调整医保的报销起付线。
7.根据权利要求6所述的方法,其特征在于,所述调整医保的报销起付线具体包括:
根据所述医保基金支出和医保基金收入确定医保基金的超支金额;
从所述医保数据库中获取当前的报销起付线;
根据所述超支金额、当前的报销起付线以及报销人数确定调整后的报销起付线为y=s/n+x,其中,所述y为调整后的报销起付线,s为超支金额,n为报销人数,x为当前的报销起付线;
将所述调整后的报销起付线y发送至相关部门的终端设备,以在所述终端设备的信息显示界面显示所述报销起付线y,指示负责人调整报销起付线。
8.一种基于医保报销模型调整医保策略的电子设备,其特征在于,所述电子设备包括:
获取单元,用于获取预设的与医保基金支出相关的多个影响因子;
提取单元,用于从医保数据库中提取与所述多个影响因子相关的医保数据;
确定单元,用于按照预设规则调整所述医保数据,得到输入数据集,将所述输入数据集中的输入数据输入到预先训练好的医保报销模型,输出对医保基金支出的预测结果,根据所述预测结果确定所述多个影响因子中的目标影响因子;
调整单元,用于根据所述目标影响因子调整医保报销策略。
9.一种电子设备,其特征在于,包括处理器、存储器、通信接口以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行权利要求1-7任一项方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,其用于存储计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527702.XA CN109785155A (zh) | 2018-12-13 | 2018-12-13 | 基于医保报销模型调整医保策略的方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527702.XA CN109785155A (zh) | 2018-12-13 | 2018-12-13 | 基于医保报销模型调整医保策略的方法及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109785155A true CN109785155A (zh) | 2019-05-21 |
Family
ID=66495946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811527702.XA Pending CN109785155A (zh) | 2018-12-13 | 2018-12-13 | 基于医保报销模型调整医保策略的方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785155A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907137A (zh) * | 2021-03-26 | 2021-06-04 | 平安科技(深圳)有限公司 | 医保策略评估方法、装置和计算机设备 |
CN113643140A (zh) * | 2021-08-27 | 2021-11-12 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105587297A (zh) * | 2014-10-23 | 2016-05-18 | 中国石油化工股份有限公司 | 复杂断块油藏仿强边水驱技术适应性定量评价方法 |
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 |
CN107145987A (zh) * | 2017-05-27 | 2017-09-08 | 中国海洋石油总公司 | 一种监测聚合物驱注采井间窜流通道发育的预警方法 |
CN108446795A (zh) * | 2018-02-28 | 2018-08-24 | 广东电网有限责任公司电力调度控制中心 | 电力***负荷波动分析方法、装置及可读存储介质 |
CN108921710A (zh) * | 2018-06-08 | 2018-11-30 | 东莞迪赛软件技术有限公司 | 医保异常检测的方法及*** |
-
2018
- 2018-12-13 CN CN201811527702.XA patent/CN109785155A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105587297A (zh) * | 2014-10-23 | 2016-05-18 | 中国石油化工股份有限公司 | 复杂断块油藏仿强边水驱技术适应性定量评价方法 |
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 |
CN107145987A (zh) * | 2017-05-27 | 2017-09-08 | 中国海洋石油总公司 | 一种监测聚合物驱注采井间窜流通道发育的预警方法 |
CN108446795A (zh) * | 2018-02-28 | 2018-08-24 | 广东电网有限责任公司电力调度控制中心 | 电力***负荷波动分析方法、装置及可读存储介质 |
CN108921710A (zh) * | 2018-06-08 | 2018-11-30 | 东莞迪赛软件技术有限公司 | 医保异常检测的方法及*** |
Non-Patent Citations (4)
Title |
---|
日本信息处理学会 * |
石全: "《***决策与建模》", 31 December 2016 * |
许红华: "城镇职工基本医疗保险基金筹资比例测算与费用支付管理研究", 《中国优秀博士学位论文全文数据库信息科技辑》 * |
陈亮: "双轴转向架单轨走行轮胎偏磨损分析及影响因素研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907137A (zh) * | 2021-03-26 | 2021-06-04 | 平安科技(深圳)有限公司 | 医保策略评估方法、装置和计算机设备 |
CN113643140A (zh) * | 2021-08-27 | 2021-11-12 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
CN113643140B (zh) * | 2021-08-27 | 2023-05-30 | 泰康保险集团股份有限公司 | 确定医保支出影响因素的方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919684A (zh) | 用于生成信息预测模型的方法、电子设备和计算机可读存储介质 | |
US11049594B2 (en) | Computer-implemented system and method of facilitating artificial intelligence based revenue cycle management in healthcare | |
CN109242261A (zh) | 基于大数据评估保全风险的方法及终端设备 | |
CN106097044A (zh) | 一种数据推荐处理方法以及装置 | |
CN110502516A (zh) | 表格数据解析方法、装置、计算机设备及存储介质 | |
CN106875110A (zh) | 业务指标分层计算方法及装置、分布式计算方法及*** | |
CN106875206A (zh) | 信息获取、评估、问卷调查方法、装置及服务器 | |
CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
CN106407280A (zh) | 查询目标匹配方法及装置 | |
CN110097170A (zh) | 信息推送对象预测模型获取方法、终端及存储介质 | |
CN109508874A (zh) | ***质量分析方法、装置、服务器及存储介质 | |
CN109255480A (zh) | 间佣率预测方法、装置、计算机设备及存储介质 | |
CN116544999B (zh) | 储能***的装机容量确定方法、装置、设备和介质 | |
CN109409559A (zh) | 油田产量递减率的确定方法及装置 | |
CN109785155A (zh) | 基于医保报销模型调整医保策略的方法及相关产品 | |
CN109978342A (zh) | 电子装置、风险评估方法和计算机可读存储介质 | |
CN109492863A (zh) | 金融单证的自动生成方法及装置 | |
CN109460942A (zh) | 基于数据分析评价医院的方法及相关产品 | |
CN109785966A (zh) | 基于机器学习的病案审核方法、装置、设备及存储介质 | |
CN108062423A (zh) | 信息推送方法和装置 | |
CN114693011A (zh) | 一种政策匹配方法、装置、设备和介质 | |
CN108830663B (zh) | 电力客户价值评价方法、***及终端设备 | |
CN116860805A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN110262906A (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
CN109472710A (zh) | 一种医保基金风险预测方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |