CN111340636B - 数据有效性检测方法、装置、计算机设备和存储介质 - Google Patents

数据有效性检测方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111340636B
CN111340636B CN202010124009.9A CN202010124009A CN111340636B CN 111340636 B CN111340636 B CN 111340636B CN 202010124009 A CN202010124009 A CN 202010124009A CN 111340636 B CN111340636 B CN 111340636B
Authority
CN
China
Prior art keywords
data
preset
disability
incapability
standardized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010124009.9A
Other languages
English (en)
Other versions
CN111340636A (zh
Inventor
王秋艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Medical and Healthcare Management Co Ltd
Original Assignee
Ping An Medical and Healthcare Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Medical and Healthcare Management Co Ltd filed Critical Ping An Medical and Healthcare Management Co Ltd
Priority to CN202010124009.9A priority Critical patent/CN111340636B/zh
Publication of CN111340636A publication Critical patent/CN111340636A/zh
Application granted granted Critical
Publication of CN111340636B publication Critical patent/CN111340636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及一种基于数据分析的数据有效性检测方法、装置、计算机设备和存储介质。所述方法包括：获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表。通过获取预设标准表格的字段名，并提取各字段名对应的预设关键字，根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系。根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段，并对标准化失能数据进行有效性检测。采用本方法对综合后的大量标准化失能数据进行有效性检测，避免出现各地区的信息或数据混乱的情况，利用通过有效性检测的标准化失能数据提高了对参保人行为能力进行评估的准确度。

Description

数据有效性检测方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种数据有效性检测方法、装置、计算机设备和存储介质。
背景技术
随着我国社会结构变迁以及家庭功能改变，引致家庭照护功能逐渐势微的情况，导致人口老龄化正处于加速且高龄化的趋势，人社部陆续在各地开始进行长期护理保险制度试点，当前市面上的长期护理商业险也在蓬勃发展中。
在此背景下，虽然各试点城市采用的评估量表不同，但都是通过同一套评估标准对全体参保人进行普遍筛查。如目前的通行标准为《日常生活活动能力评定标准》(即巴氏量表)，通过列举的10个问题对参保人进行失能等级评估。但这种评估模式较为单一，可以获取到的有效数据较少，导致根据单一的有效数据得到的用户画像不具有普适性，无法准确地对参保人的行为能力进行评估和判定。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高对参保人行为能力进行判定的准确度的数据有效性检测方法、装置、计算机设备和存储介质。
一种数据有效性检测方法，所述方法包括：
获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对所述标准化失能数据进行有效性检测。
在其中一个实施例中，所述对所述标准化失能数据进行有效性检测，包括：
根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
在其中一个实施例中，所述参保人的基本信息包括参保人居住地；所述根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别，包括：
获取预设区域划分；
基于所述参保人的居住地和预设区域划分，确定所述参保人所属地方区域；
基于所述标准化失能数据和所述参保人所属地方区域，对所述地方区域内的各所述参保人进行初步筛选，删除未通过所述初步筛选的参保人信息；
根据所述标准化失能数据确定所述参保人所属用户类别。
在其中一个实施例中，所述失能诱因数据包括机能诱因数据以及病症诱因数据；所述根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测，包括：
将所述机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果；
当所述标准化失能数据与所述机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定所述标准化失能数据通过初步有效性检测；
将通过所述初步有效性检测的标准化失能数据，与所述病症诱因数据进行比对；
当所述标准化失能数据与所述病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定所述标准化失能数据有效。
在其中一个实施例中，所述根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系，包括：
获取所述初始失能数据表的各字段，确定主字段与各从字段之间的对应关系；
确定所述预设标准表格的主字段和从字段之间的对应关系，并分别获取所述预设标准表格的主字段和从字段对应的预设关键字；
根据所述预设标准表格的主字段的预设关键字，建立所述初始失能数据表的主字段和所述预设标准表格的主字段的映射关系，确定为第一映射关系；
根据所述预设标准表格的从字段的预设关键字，建立所述初始失能数据表的从字段和所述预设标准表格的从字段的映射关系，确定为第二映射关系；
基于所述第一映射关系和所述第二映射关系，得到所述预设标准表格和所述初始失能数据表之间的映射关系。
一种数据有效性检测装置，所述装置包括：
失能数据获取模块，用于获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
预设关键字提取模块，用于获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
映射关系建立模块，用于根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
转换模块，用于根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
有效性检测模块，用于对所述标准化失能数据进行有效性检测。
在其中一个实施例中，所述有效性检测模块还用于：
根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
在其中一个实施例中，所述有效性检测模块包括用户类别确定模块，用于：
获取预设区域划分；
基于所述参保人的居住地和预设区域划分，确定所述参保人所属地方区域；
基于所述标准化失能数据和所述参保人所属地方区域，对所述地方区域内的各所述参保人进行初步筛选，删除未通过所述初步筛选的参保人信息；
根据所述标准化失能数据确定所述参保人所属用户类别。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对所述标准化失能数据进行有效性检测。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对所述标准化失能数据进行有效性检测。
上述数据有效性检测方法、装置、计算机设备和存储介质，通过获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表，并获取预设标准表格的字段名，提取各字段名对应的预设关键字。进而根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系，根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段，实现了不同地区的失能数据的标准化处理，避免出现各地区的信息或数据混乱的情况。同时通过对综合后的大量标准化失能数据进行有效性检测，根据通过有效性检测的标准化失能数据可实现参保人的行为能力评估，提高了对参保人行为能力进行评估的准确度。
附图说明
图1为一个实施例中数据有效性检测方法的应用场景图；
图2为一个实施例中数据有效性检测方法的流程示意图；
图3为一个实施例中对标准化失能数据进行有效性检测的流程示意图；
图4为一个实施例中数据有效性检测装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
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。
本申请提供的数据有效性检测方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。服务器104通过获取用户在终端102发送的理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表，并获取预设标准表格的字段名，提取各字段名对应的预设关键字。服务器104根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系，进而根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段，并对标准化失能数据进行有效性检测。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种数据有效性检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表。
具体地，当接收到参保人在终端发起的理赔申请时，获取理赔申请对应的参保人的失能评估信息，并对失能评估信息对应的失能数据进行数据预处理，得到与理赔申请对应的失能数据。进而根据失能数据生成对应的初始失能数据表，其中，初始失能数据表包括多个初始失能字段。
其中，参保人的失能评估信息包括参保人的健康信息以及病例信息，健康信息包括参保人的年龄、生活习惯以及身体机能数据等，病例信息包括参保人诊疗信息以及病例报告信息等。
进一步地，通过对失能评估信息对应的失能数据进行数据预处理，即数据清洗操作，得到与理赔申请对应的失能数据。其中，数据清洗包括数据过滤以及数据去重，数据过滤是通过滤掉失能数据中不完整、不符合样本的数据，数据去重是通过去掉失能数据中的重复数据。
在一些实施例中，还包括收集各试点城市内预设周期(比如两年内)的所有失能人员的信息，主要通过长护经办***或者社保核心***获取失能者信息。收集到各失能人员的信息后进行数据清洗，而由于各地市数据格式不统一，需要对其进行标准化存储。通过大量的失能数据，及地方区域内特征失能群体分析，可进一步精细化划分失能诱因。
步骤S204，获取预设标准表格的字段名，并提取各字段名对应的预设关键字。
具体地，预设标准表格设置有多个标准化失能数据字段，字段名可以包括用户姓名、病情诊疗记录、治疗时间、用药、费用以及治疗地点等，对应设置的预设关键字可以包括：姓名、诊疗、出入院时间、用药、医药费以及治疗地点等。
步骤S206，根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系。
具体地，通过获取初始失能数据表的各字段，并确定主字段与各从字段之间的对应关系。同时，根据确定所获取的预设标准表格的主字段和从字段之间的对应关系，并分别获取预设标准表格的主字段和从字段对应的预设关键字。
针对初始失能数据表，初始失能数据表中的初始失能数据字段，可以包括多个地区不同参保人的基本数据、机能数据以及病例数据等。其中，基本数据包括参保人的姓名、年龄等，机能数据包括生活习惯以及身体机能数据，病例数据包括参保人的诊疗记录数据以及病例报告数据，具体可以包括病情诊疗、用药、费用、治疗时间和治疗地点等。
在一个实施例中，可将预设标准表格中标准化失能数据字段中的用户姓名作为主字段，将病情诊疗记录、治疗时间、用药、费用以及治疗地点作为从字段，其中用户姓名与病情诊疗记录、治疗时间、用药、费用以及治疗地点存在一对多的关联关系。也就是说同一位病人，可在不同医院存储有不同病情诊疗记录，同时，根据诊疗记录的不同，相应的治疗时间、用药及费用均不同。
可将初始失能数据表中的参保人姓名作为主字段，将年龄、生活习惯、身体机能数据、诊疗记录数据以及病例报告数据作为从字段。
进一步地，根据预设标准表格的主字段的预设关键字，建立初始失能数据表的主字段和预设标准表格的主字段的映射关系，确定为第一映射关系。同时根据预设标准表格的从字段的预设关键字，建立初始失能数据表的从字段和预设标准表格的从字段的映射关系，确定为第二映射关系。进而基于第一映射关系和第二映射关系，可得到预设标准表格和初始失能数据表之间的映射关系。
其中，通过预设关键字姓名，将建立预设标准表格的用户姓名和初始失能数据表中的参保人姓名的映射关系。同样地，通过预设关键字诊疗，可建立预设标准表格的病情诊疗记录与初始失能数据表中的诊疗记录数据之间的映射关系。关于预设标准表格和初始失能数据表中其他从字段之间的映射关系，建立过程类似。
步骤S208，根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段。
具体地，根据映射关系，通过将各标准字段的预设关键字分别匹配初始失能数据字段，从初始失能数据字段中确定与预设关键字段匹配的各字段名，并从失能数据中提取各字段名对应的数据，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段。
其中，失能数据可包括多个地区不同参保人的健康数据以及病例数据等，健康数据包括参保人的年龄、生活习惯以及身体机能数据，病例数据包括参保人的诊疗记录数据以及病例报告数据，具体可以包括病情诊疗、用药、费用、治疗时间和治疗地点等。
步骤S210，对标准化失能数据进行有效性检测。
具体地，根据标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别。通过获取预设的失能诱因数据，并根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
其中，参保人的基本信息包括个人基本信息、居住环境、家庭状况、职业以及财务状况等，个人基本信息包括姓名、性别以及年龄等，居住环境、家庭状态和财务状况相关，可通过参保人的居住环境以及家庭状态，对参保人的财务状况进行核实。根据监控数据可判断参保人是否当前处于健康状态，如处于非健康状态，则需要获取参保人的病例数据和诊治报告等病例信息。
在一个实施例中，失能诱因数据包括机能诱因数据以及病症诱因数据。根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测，具体包括：
将机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果。当标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定标准化失能数据通过初步有效性检测。
其中，机能诱因数据包括遗传性机能诱因数据、后天损伤性机能诱因数据以及不良生活习惯诱因数据。通过将不同用户类别的参保人的标准化失能数据，与机能诱因数据进行比对，具体可将不同用户类别的参保人的身体机能数据以及年龄分别与遗传性机能诱因数据、后天损伤性机能诱因数据进行比对，以及将参保人的生活习惯与不良生活习惯诱因数据进行比对，得到比对结果。
进而通过获取第一预设误差阈值，并判断标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，是否处于第一预设误差阈值范围内。当标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定标准化失能数据通过初步有效性检测。
进一步地，将通过初步有效性检测的标准化失能数据，与病症诱因数据进行比对，当标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定标准化失能数据有效。
具体地，病症诱因机能数据包括事故诱因数据、先天疾病诱因数据、后天疾病诱因数据等。通过将不同用户类别的参保人的诊疗记录数据以及病例报告数据，分别与事故诱因数据、先天疾病诱因数据、后天疾病诱因数据进行比对，得到比对结果。进而痛获取第二预设误差阈值，并判断通过初步有效性检测的标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，是否处于第二预设误差阈值范围内。当标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定标准化失能数据有效。
上述数据有效性检测方法中，通过获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表，并获取预设标准表格的字段名，提取各字段名对应的预设关键字。进而根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系，根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段，实现了不同地区的失能数据的标准化处理，避免出现各地区的信息或数据混乱的情况。同时通过对综合后的大量标准化失能数据进行有效性检测，根据通过有效性检测的标准化失能数据可实现参保人的行为能力评估，提高了对参保人行为能力进行评估的准确度。
在一个实施例中，如图3所示，对标准化失能数据进行有效性检测的步骤包括以下S302至S306的步骤：
步骤S302，根据标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别。
具体地，通过获取预设区域划分，并基于参保人的居住地和预设区域划分，确定参保人所属地方区域。基于标准化失能数据和参保人所属地方区域，对地方区域内的各参保人进行初步筛选，删除未通过初步筛选的参保人信息，进而根据标准化失能数据确定参保人所属用户类别。
步骤S304，获取预设的失能诱因数据。
具体地，预设的失能诱因数据包括机能诱因数据以及病症诱因数据，病症诱因数据包括事故以及疾病，机能诱因数据包括习惯、年龄以及身体机能老化等，用户类别包括第一用户类别，具体包括伤残人员或罹患重大疾病人员、第二用户类别，具体包括人体机能老化人员、以及第三用户类别，具体包括失智人员。
进一步地，与第一用户类别对应的失能诱因数据包括意外事故，可导致参保人员处于伤残状态，还包括重大疾病，比如创伤性截瘫、股骨头无菌性坏死以及渐冻人症等。由于第二用户类别包括人体机能老化人员，而人体机能老化的原因包括遗传性的以及后天损伤性，则与第二用户类别对应的失能诱因数据包括年龄以及不良生活习惯，分别和遗传性人体机能老化和后天损伤性人体机能老化。由于失智的种类包括退化性失智以及疾病性失智，因此与第三用户类别对应的失能诱因数据包括年龄和失智性疾病。
步骤S306，根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
具体地，预设的失能诱因数据包括机能诱因数据以及病症诱因数据。将机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果。当标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定标准化失能数据通过初步有效性检测。
进一步地，将通过初步有效性检测的标准化失能数据，与病症诱因数据进行比对，当标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定标准化失能数据有效。
在一个实施例中，针对参保人员进行失能等级评估的步骤，具体包括：
获取与不同用户类别对应的评估方法，具体包括与第一用户类别对应的第一评估方法、与第二用户类别对应的第二评估方法以及与第三用户类别对应的第三评估方法。其中，第一评估方法通过获取第一用户类别下的参保人员的病例数据，具体包括伤残鉴定报告以及诊疗记录等，根据病例数据判定该参保人员的失能等级。第二评估方法基于“日常生活活动能力”等量表作为评定标准，对参保人员的失能等级进行评定。第三评估方法基于“失智评估”类量表作为评定标准，对参保人员的失能等级进行评定。
具体地，利用对应的评估方法，分别对对应用户类别下的各参保人的标准化失能数据进行评估，确定参保人的失能等级，并根据参保人的失能等级，得到参保人的行为能力评估结果。
在一个实施例中，利用对应的评估方法确定参保人的失能等级，包括：
根据第一评估方法获取第一用户类别下的参保人的病历数据，并对病例数据进行评估，确定参保人的失能等级；或
根据第二评估方法获取日常生活活动能力等量表，基于日常生活活动能力等量表确定参保人的失能等级；或
根据第三评估方法获取失智评估等量表，基于失智评估等量表确定参保人的失能等级。
其中，失能等级包括轻度失能、中度失能以及重度失能。根据第一评估方法，确定第一用户类别下的参保人员的失能等级，通过获取第一用户类别下的参保人员的病历数据，具体包括伤残鉴定报告以及诊疗报告等病例数据，根据病例数据判定该参保人员的失能等级。其中，病例数据还可包括病历材料、既往病史以及查体信息(即体格检查信息)等。
进一步地，可根据参保人员的伤残鉴定报告中伤残等级，来确定参保人员的失能等级，包括重度伤残与重度失能对应，中度伤残与中度失能对应，轻度伤残与轻度失能对应。
同样地，根据第二评估方法，确定第二用户类别下的参保人员的失能等级，具体来说可以通过将日常生活活动能力等量表作为评定逻辑，对参保人员的失能等级评定。其中，日常生活活动包括基础性日常生活活动，比如进食、梳妆、洗漱、洗澡、如厕以及穿衣等，以及功能性日常生活活动，比如翻身、从床上坐起、转移、行走、驱动轮椅以及上下楼梯等，针对参保人员是否可进行基础性以及功能性日常生活活动，或者可进行日常生活活动的程度，即可以完成日常生活活动中的具体哪一些部分，来判定参保人员属于何种失能等级。
根据第三评估方法，确定第三用户类别下的参保人员的失能等级，具体来说，可通过将“失智评估”量表作为评定逻辑，对参保人员的失能等级进行评定。其中，可通过判定参保人员的记忆力、定向力、判断及解决问题能力、社会事务处理能力、家居及嗜好以及自我照顾能力等，来判定参保人员处于何种失能等级。
在一些实施例中，用户类别还包括第四用类别，与第四用户类别即高龄参保人对应的失能诱因为年龄，第四用户类别具体为年龄超过90岁的高龄参保人员，对应的第四评估方法则为直接评定第四用户类别下的参保人员的失能等级为重度失能。
上述步骤中，基于标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别，并根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测，避免出现所获取的有效数据单一，从而根据单一的有效数据得到的用户画像不具备普适性的问题。
在一个实施例中，基于标准化失能数据进行行为能力评估之后，还包括根据所评定的失能等级确定复评时间，将评定的失能等级和复评时间发送给参保人所在用户终端。
具体地，针对失能等级判定的评估完成后，生成对应的失能等级评估结果，并根据参保人员的病情、恢复期以及生存期等信息，确定参保人员是否需要复评以及复评时间，将失能等级的评估结果和复评时间发送给参保人员。
上述步骤中，通过将根据失能等级确定的复评时间以及失能等级发送至参保人所在终端，使得参保人可及时获知失能等级评估结果，根据复评时间可准备所需材料或者数据，以便及时复评，得到失能等级评定结果。
应该理解的是，虽然图2-3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2-3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。
在一个实施例中，如图4所示，提供了一种数据有效性检测装置，包括：失能数据获取模块402、预设关键字提取模块404、映射关系建立模块406、转换模块408以及有效性检测模块410，其中：
失能数据获取模块402，用于获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表。
预设关键字提取模块404，用于获取预设标准表格的字段名，并提取各字段名对应的预设关键字。
映射关系建立模块406，用于根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系。
转换模块408，用于根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段。
有效性检测模块410，用于对标准化失能数据进行有效性检测。
上述数据有效性检测装置中，通过获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表，并获取预设标准表格的字段名，提取各字段名对应的预设关键字。进而根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系，根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段，实现了不同地区的失能数据的标准化处理，避免出现各地区的信息或数据混乱的情况。同时通过对综合后的大量标准化失能数据进行有效性检测，根据通过有效性检测的标准化失能数据可实现参保人的行为能力评估，提高了对参保人行为能力进行评估的准确度。
在一个实施例中，有效性检测模块还用于：
根据标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别；获取预设的失能诱因数据；根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
上述有效性检测模块，基于标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别，并根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测，避免出现所获取的有效数据单一，从而根据单一的有效数据得到的用户画像不具备普适性的问题。
关于数据有效性检测装置的具体限定可以参见上文中对于数据有效性检测方法的限定，在此不再赘述。上述数据有效性检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，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。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。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储行为能力数据。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。该计算机程序被处理器执行时以实现一种数据有效性检测方法。
本领域技术人员可以理解，图5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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各字段名对应的预设关键字；
根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系；
根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对标准化失能数据进行有效性检测。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取预设区域划分；
基于参保人的居住地和预设区域划分，确定参保人所属地方区域；
基于标准化失能数据和参保人所属地方区域，对地方区域内的各参保人进行初步筛选，删除未通过初步筛选的参保人信息；
根据标准化失能数据确定参保人所属用户类别。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果；
当标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定标准化失能数据通过初步有效性检测；
将通过初步有效性检测的标准化失能数据，与病症诱因数据进行比对；
当标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定标准化失能数据有效。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取初始失能数据表的各字段，确定主字段与各从字段之间的对应关系；
确定预设标准表格的主字段和从字段之间的对应关系，并分别获取预设标准表格的主字段和从字段对应的预设关键字；
根据预设标准表格的主字段的预设关键字，建立初始失能数据表的主字段和预设标准表格的主字段的映射关系，确定为第一映射关系；
根据预设标准表格的从字段的预设关键字，建立初始失能数据表的从字段和预设标准表格的从字段的映射关系，确定为第二映射关系；
基于第一映射关系和第二映射关系，得到预设标准表格和初始失能数据表之间的映射关系。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取理赔申请对应的失能数据，根据失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各字段名对应的预设关键字；
根据预设关键字，建立预设标准表格和初始失能数据表之间的映射关系；
根据映射关系，将初始失能数据表中与预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对标准化失能数据进行有效性检测。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取预设区域划分；
基于参保人的居住地和预设区域划分，确定参保人所属地方区域；
基于标准化失能数据和参保人所属地方区域，对地方区域内的各参保人进行初步筛选，删除未通过初步筛选的参保人信息；
根据标准化失能数据确定参保人所属用户类别。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果；
当标准化失能数据与机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定标准化失能数据通过初步有效性检测；
将通过初步有效性检测的标准化失能数据，与病症诱因数据进行比对；
当标准化失能数据与病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定标准化失能数据有效。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取初始失能数据表的各字段，确定主字段与各从字段之间的对应关系；
确定预设标准表格的主字段和从字段之间的对应关系，并分别获取预设标准表格的主字段和从字段对应的预设关键字；
根据预设标准表格的主字段的预设关键字，建立初始失能数据表的主字段和预设标准表格的主字段的映射关系，确定为第一映射关系；
根据预设标准表格的从字段的预设关键字，建立初始失能数据表的从字段和预设标准表格的从字段的映射关系，确定为第二映射关系；
基于第一映射关系和第二映射关系，得到预设标准表格和初始失能数据表之间的映射关系。
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，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，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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 (10)

1.一种数据有效性检测方法，所述方法包括：
获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
对所述标准化失能数据进行有效性检测；
所述根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系，包括：
获取所述初始失能数据表的各字段，确定主字段与各从字段之间的对应关系；确定所述预设标准表格的主字段和从字段之间的对应关系，并分别获取所述预设标准表格的主字段和从字段对应的预设关键字；根据所述预设标准表格的主字段的预设关键字，建立所述初始失能数据表的主字段和所述预设标准表格的主字段的映射关系，确定为第一映射关系；根据所述预设标准表格的从字段的预设关键字，建立所述初始失能数据表的从字段和所述预设标准表格的从字段的映射关系，确定为第二映射关系；基于所述第一映射关系和所述第二映射关系，得到所述预设标准表格和所述初始失能数据表之间的映射关系。
2.根据权利要求1所述的方法，其特征在于，所述对所述标准化失能数据进行有效性检测，包括：
根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
3.根据权利要求2所述的方法，其特征在于，所述参保人的基本信息包括参保人居住地；所述根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别，包括：
获取预设区域划分；
基于所述参保人的居住地和预设区域划分，确定所述参保人所属地方区域；
基于所述标准化失能数据和所述参保人所属地方区域，对所述地方区域内的各所述参保人进行初步筛选，删除未通过所述初步筛选的参保人信息；
根据所述标准化失能数据确定所述参保人所属用户类别。
4.根据权利要求2所述的方法，其特征在于，所述失能诱因数据包括机能诱因数据以及病症诱因数据；所述根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测，包括：
将所述机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果；
当所述标准化失能数据与所述机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定所述标准化失能数据通过初步有效性检测；
将通过所述初步有效性检测的标准化失能数据，与所述病症诱因数据进行比对；
当所述标准化失能数据与所述病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定所述标准化失能数据有效。
5.一种数据有效性检测装置，其特征在于，所述装置包括：
失能数据获取模块，用于获取理赔申请对应的失能数据，根据所述失能数据生成对应的初始失能数据表；
预设关键字提取模块，用于获取预设标准表格的字段名，并提取各所述字段名对应的预设关键字；
映射关系建立模块，用于根据所述预设关键字，建立所述预设标准表格和所述初始失能数据表之间的映射关系；
转换模块，用于根据所述映射关系，将所述初始失能数据表中与所述预设关键字匹配的初始失能数据字段，转换成对应的标准化失能数据字段；
有效性检测模块，用于对所述标准化失能数据进行有效性检测；
所述映射关系建立模块，还用于：
获取所述初始失能数据表的各字段，确定主字段与各从字段之间的对应关系；确定所述预设标准表格的主字段和从字段之间的对应关系，并分别获取所述预设标准表格的主字段和从字段对应的预设关键字；根据所述预设标准表格的主字段的预设关键字，建立所述初始失能数据表的主字段和所述预设标准表格的主字段的映射关系，确定为第一映射关系；根据所述预设标准表格的从字段的预设关键字，建立所述初始失能数据表的从字段和所述预设标准表格的从字段的映射关系，确定为第二映射关系；基于所述第一映射关系和所述第二映射关系，得到所述预设标准表格和所述初始失能数据表之间的映射关系。
6.根据权利要求5所述的数据有效性检测装置，其特征在于，所述有效性检测模块还用于：
根据所述标准化失能数据和参保人的基本信息，进行区域特征失能群体分析，确定所述参保人所属用户类别；
获取预设的失能诱因数据；
根据预设的所述失能诱因数据，分别对不同用户类别的参保人的标准化失能数据进行有效性检测。
7.根据权利要求5所述的数据有效性检测装置，其特征在于，所述有效性检测模块包括用户类别确定模块，用于：
获取预设区域划分；
基于所述参保人的居住地和预设区域划分，确定所述参保人所属地方区域；
基于所述标准化失能数据和所述参保人所属地方区域，对所述地方区域内的各所述参保人进行初步筛选，删除未通过所述初步筛选的参保人信息；
根据所述标准化失能数据确定所述参保人所属用户类别。
8.根据权利要求6所述的数据有效性检测装置，其特征在于，所述失能诱因数据包括机能诱因数据以及病症诱因数据；所述有效性检测模块还用于：
将所述机能诱因数据，分别与不同用户类别的参保人的标准化失能数据进行比对，得到比对结果；
当所述标准化失能数据与所述机能诱因数据之间的比对结果存在的比对误差，处于第一预设误差阈值内时，确定所述标准化失能数据通过初步有效性检测；
将通过所述初步有效性检测的标准化失能数据，与所述病症诱因数据进行比对；
当所述标准化失能数据与所述病症诱因数据之间的比对结果存在的比对误差，处于第二预设误差阈值内时，确定所述标准化失能数据有效。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
CN202010124009.9A 2020-02-27 2020-02-27 数据有效性检测方法、装置、计算机设备和存储介质 Active CN111340636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010124009.9A CN111340636B (zh) 2020-02-27 2020-02-27 数据有效性检测方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010124009.9A CN111340636B (zh) 2020-02-27 2020-02-27 数据有效性检测方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111340636A CN111340636A (zh) 2020-06-26
CN111340636B true CN111340636B (zh) 2022-11-04

Family

ID=71185724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010124009.9A Active CN111340636B (zh) 2020-02-27 2020-02-27 数据有效性检测方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111340636B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112706768B (zh) * 2021-01-08 2021-10-01 上海伯镭智能科技有限公司 一种无人驾驶重卡纵向跟随控制方法
CN113353091A (zh) * 2021-05-21 2021-09-07 龙岩学院 一种具有冗余功能的电子控制方法及控制***

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105447090B (zh) * 2015-11-05 2018-10-26 华中科技大学 一种自动化数据挖掘预处理方法
CN109189769A (zh) * 2018-08-14 2019-01-11 平安医疗健康管理股份有限公司 数据标准化处理方法、装置、计算机设备和存储介质
CN109544370A (zh) * 2018-10-27 2019-03-29 平安科技（深圳）有限公司 一种基于智能决策的照护对象的评定方法及相关设备
CN110277171A (zh) * 2019-07-01 2019-09-24 太平洋医疗健康管理有限公司 失能人群测算方法及***
CN110347662B (zh) * 2019-07-12 2021-08-03 之江实验室 一种基于通用数据模型的多中心医疗数据结构标准化***

Also Published As

Publication number Publication date
CN111340636A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
Lewis et al. Which frailty scale for patients admitted via Emergency Department? A cohort study
Dunlop et al. Arthritis prevalence and activity limitations in older adults
Balsa et al. Testing for statistical discrimination in health care
Taylor Jr et al. The accuracy of medicare claims data in identifying Alzheimer's disease
CN109545317B (zh) 基于住院预测模型判定住院行为的方法及相关产品
National Center for Health Statistics (US) Plan and operation of the NHANES I Epidemiologic Followup Study, 1992
Kates et al. Assessing the impact of the Affordable Care Act on health insurance coverage of people with HIV
CN111340636B (zh) 数据有效性检测方法、装置、计算机设备和存储介质
CN106257471B (zh) 一种客户评测方法、装置、可读存储介质及电子设备
Hawthorne et al. Measuring the value of program outcomes: a review of multiattribute utility measures
Woodward et al. The drug abuse treatment gap: Recent estimates
CN117476217B (zh) 一种慢性心脏病病情发展趋势预测***
Karnon et al. A risk adjusted cost‐effectiveness analysis of alternative models of nurse involvement in obesity management in primary care
KR20180002229A (ko) 치매 정보 데이터베이스 구축을 위한 에이전트 장치 및 그 운영방법
Kaplan Application of a general health policy model in the American health care crisis
Ankuda et al. Assessing health care use trajectories after the onset of functional disability: Application of a group-based trajectory model
Corrigan et al. Comparison of the Traumatic Brain Injury (TBI) Model Systems national dataset to a population-based cohort of TBI hospitalizations
Popovici et al. The effects of health insurance parity laws for substance use disorder treatment on traffic fatalities: evidence of unintended benefits
Rooney et al. Mapping drug overdose demographic and socioeconomic characteristics in the community
KR20210126408A (ko) 질병 빅데이터를 활용한 ai 손해사정 산출 장치 및 방법
Kelman et al. It's time: Record linkage—The vision and the reality
Campbell Modelling deterioration of foot health in older people following discharge from NHS podiatry services
Schulman et al. A claims data approach to defining an episode of care
Neufeld et al. Allocation of rehabilitation services: who gets a home evaluation
Rajini Elder abuse among rural community dwellling elders in Kuala Pilah District, Negeri Sembilan state, Malaysia/Rajini Sooryanarayana.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40024124

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant