KR102577034B1 - An apparatus for generating quantitative prescription data of target pharmaceuticals - Google Patents

An apparatus for generating quantitative prescription data of target pharmaceuticals Download PDF

Info

Publication number
KR102577034B1
KR102577034B1 KR1020230077869A KR20230077869A KR102577034B1 KR 102577034 B1 KR102577034 B1 KR 102577034B1 KR 1020230077869 A KR1020230077869 A KR 1020230077869A KR 20230077869 A KR20230077869 A KR 20230077869A KR 102577034 B1 KR102577034 B1 KR 102577034B1
Authority
KR
South Korea
Prior art keywords
pharmacy
payment information
medical institution
prescription
information
Prior art date
Application number
KR1020230077869A
Other languages
Korean (ko)
Inventor
이홍기
Original Assignee
주식회사 비저너리데이터
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 주식회사 비저너리데이터 filed Critical 주식회사 비저너리데이터
Priority to KR1020230077869A priority Critical patent/KR102577034B1/en
Application granted granted Critical
Publication of KR102577034B1 publication Critical patent/KR102577034B1/en

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a transaction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Medical Informatics (AREA)
  • Finance (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법이 제공된다. 방법은, 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하는 단계; 상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계; 및 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성하는 단계; 를 포함한다. A method for generating quantitative prescription data for a target drug is provided. The method includes obtaining quantitative distribution data including an evaluation value of the distribution amount of the target drug for each of the first pharmacy and the second pharmacy; distributing the distribution volume evaluation value of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies; And generating quantitative prescription data reflecting the prescription amount of the target drug by each of the first and second medical institutions based on the sum of the distributed distribution volume evaluation values for each of the first and second medical institutions. steps; Includes.

Description

타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법 및 장치{AN APPARATUS FOR GENERATING QUANTITATIVE PRESCRIPTION DATA OF TARGET PHARMACEUTICALS}Method and apparatus for generating quantitative prescription data of target drug {AN APPARATUS FOR GENERATING QUANTITATIVE PRESCRIPTION DATA OF TARGET PHARMACEUTICALS}

본 발명은 의약품 관련 통계에 관한 것으로서, 보다 구체적으로는 의약품의 유통 데이터를 기반으로 처방 데이터를 획득하는 방법에 관한 것이다. The present invention relates to statistics related to medicines, and more specifically, to a method of obtaining prescription data based on distribution data of medicines.

전문 의약품은 병원 또는 의원과 같은 의료 기관에서 환자가 받은 처방전을 기반으로 약국에 조제 의뢰하여 판매하도록 규정되어 있다. 의료 기관에서는 환자에게 처방전을 발행하여 전달할 뿐, 어느 약국에서 의약품을 구매할지 여부를 지정하지 않으며, 따라서 처방전을 수령한 환자는 자신이 원하는 약국에 방문하여 의약품을 구매하고 있다. 이 때, 특정 의료 기관에서 처방전을 받은 환자들이 어느 약국으로 방문하는지 여부가 관심의 대상이 될 수 있으나, 이에 대한 공개적인 데이터는 제공되고 있지 않다. 뿐만 아니라, 의약품의 판매는 약국에서 이루어지므로 의약품에 대한 유통 데이터를 통해 어느 약국에서 어떤 의약품이 많이 판매되었는지와 같은 정보는 손쉽게 확보할 수 있으나, 어느 의료 기관에서 어떤 의약품을 많이 처방했는지 여부에 대한 데이터는 공개되지 않으므로, 의약품의 처방 데이터를 확보하기 위한 방안이 요구된다. Specialty drugs are regulated to be sold by medical institutions such as hospitals or clinics by requesting dispensing from pharmacies based on the prescription received by the patient. Medical institutions only issue and deliver prescriptions to patients, but do not specify which pharmacy to purchase the medicine from. Therefore, patients who receive a prescription visit the pharmacy of their choice and purchase the medicine. At this time, it may be of interest whether patients who receive prescriptions from a specific medical institution visit which pharmacy, but public data on this is not provided. In addition, since medicines are sold at pharmacies, it is easy to obtain information such as which pharmacies have sold the most medicines through distribution data on medicines, but it is also possible to obtain information about which medicines were most frequently prescribed by which medical institution. Since the data is not made public, a method to secure drug prescription data is required.

한국 공개특허공보 제 10-2023-0085561 호 ("의약품 유통 관리 플랫폼", 주식회사 제이앤메디)Korean Patent Publication No. 10-2023-0085561 (“Pharmaceutical Distribution Management Platform”, J&Medi Co., Ltd.)

전술한 문제점을 해결하기 위한 본 발명의 목적은 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 의약품의 유통 데이터를 처방 데이터로 전환하는 것에 의해 합리적으로 의약품의 처방에 대한 정량적 정보를 확보하기 위한 장치 및 방법을 제공하는 것이다. The purpose of the present invention to solve the above-mentioned problems is to convert distribution data of medicines into prescription data by utilizing big data of payment information on payment methods such as credit cards, thereby reasonably providing quantitative information on prescriptions of medicines. The purpose is to provide devices and methods for securing it.

전술한 문제점을 해결하기 위한 본 발명의 다른 목적은 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 특정 의료 기관에서 복수의 약국으로 처방이 분배되는 처방 분배율에 대한 정보를 확보하기 위한 장치 및 방법을 제공하는 것이다. Another purpose of the present invention to solve the above-described problems is to secure information on the prescription distribution rate at which prescriptions are distributed from a specific medical institution to multiple pharmacies by utilizing big data of payment information on payment methods such as credit cards. To provide a device and method.

다만, 본 발명의 해결하고자 하는 과제는 이에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.However, the problem to be solved by the present invention is not limited to this, and may be expanded in various ways without departing from the spirit and scope of the present invention.

전술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법은, 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하는 단계; 상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계; 및 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성하는 단계; 를 포함할 수 있다. A method for generating quantitative prescription data for a target drug according to an embodiment of the present invention to achieve the above-described object includes quantitative distribution data including an evaluation value of the distribution volume of the target drug for each of the first pharmacy and the second pharmacy. Obtaining a; distributing the distribution volume evaluation value of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies; And generating quantitative prescription data reflecting the prescription amount of the target drug by each of the first and second medical institutions based on the sum of the distributed distribution volume evaluation values for each of the first and second medical institutions. steps; may include.

일 측면에 따르면, 상기 유통량 평가값은, 상기 타겟 의약품에 대한 납품량; 또는 상기 타겟 의약품에 대한 매출액; 중 적어도 하나를 기반으로 결정될 수 있다. According to one aspect, the distribution volume evaluation value includes the delivery volume for the target drug; or sales for the target drug; It can be decided based on at least one of:

일 측면에 따르면, 상기 처방 유입률 정보는, 상기 제 1 의료 기관 및 제 2 의료 기관을 포함하는 복수의 의료 기관에 대한 복수의 결제 정보와, 상기 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보 사이의 매칭을 기반으로 결정될 수 있다. According to one aspect, the prescription inflow rate information includes a plurality of payment information for a plurality of medical institutions including the first medical institution and a second medical institution, and a plurality of pharmacies including the first pharmacy and the second pharmacy. It may be determined based on matching between a plurality of payment information for.

일 측면에 따르면, 상기 제 1 약국의 처방 유입률 정보는, 상기 복수의 의료 기관에 대한 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 매칭되는 결제 정보들을 추출하는 단계; 상기 추출된 결제 정보들 중 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율에 기초하여 상기 제 1 약국에 대한 제 1 의료 기관과 제 2 의료 기관으로부터의 처방 유입률 정보를 결정하는 단계; 를 기반으로 생성될 수 있다. According to one aspect, the prescription inflow rate information of the first pharmacy may include extracting payment information that matches payment information for the first pharmacy from among payment information for the plurality of medical institutions; Determining prescription inflow rate information from the first medical institution and the second medical institution for the first pharmacy based on the quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution among the extracted payment information. steps; It can be created based on .

일 측면에 따르면, 상기 제 1 의료 기관에 대한 결제 정보와 상기 제 1 약국에 대한 결제 정보의 매칭은, 상기 제 1 의료 기관에 대한 결제 정보와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 상기 제 1 약국에서 결제가 이루어졌다는 결정에 기초할 수 있다. According to one aspect, matching the payment information for the first medical institution and the payment information for the first pharmacy is a payment method corresponding to the payment information for the first medical institution, and the first pharmacy within a predetermined time interval. 1 May be based on the determination that payment has been made at the pharmacy.

일 측면에 따르면, 상기 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율은, 상기 제 1 의료 기관의 결제 정보 건수와 제 2 의료 기관의 결제 정보 건수의 비율; 또는 상기 제 1 의료 기관의 결제 정보에 대응하는 상기 제 1 약국의 결제 정보들의 매출액 합과 상기 제 2 의료 기관의 결제 정보에 대응하는 상기 제 1 약국의 결제 정보들의 매출액 합 사이의 비율; 중 적어도 하나에 기초하여 결정될 수 있다. According to one aspect, the quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution includes: a ratio of the number of payment information items of the first medical institution and the number of payment information items of the second medical institution; or a ratio between the sum of sales of the payment information of the first pharmacy corresponding to the payment information of the first medical institution and the sum of the sales of the payment information of the first pharmacy corresponding to the payment information of the second medical institution; It may be determined based on at least one of:

일 측면에 따르면, 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는, 상기 타겟 의약품이 처방되는 진료 과목들 간의 비율을 반영하는 처방 과목 비율 정보, 상기 제 1 의료 기관의 진료 과목, 상기 제 2 의료 기관의 진료 과목을 더 반영하여 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배할 수 있다. According to one aspect, the step of distributing the distribution volume evaluation value of each of the first pharmacy and the second pharmacy to the first medical institution and the second medical institution includes prescription subjects that reflect the ratio between medical subjects for which the target drug is prescribed. The distribution volume evaluation values of each of the first pharmacy and the second pharmacy are distributed to the first medical institution and the second medical institution by further reflecting the ratio information, the medical treatment subjects of the first medical institution, and the medical subjects of the second medical institution. You can.

일 측면에 따르면, 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는, 상기 제 1 약국의 유통량 평가값에 상기 제 1 약국에 대한 상기 제 1 의료 기관의 처방 유입률과 상기 제 1 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 상기 제 1 의료 기관에 대한 상기 제 1 약국의 유통량 평가값의 분배량을 결정할 수 있다. According to one aspect, the step of distributing the distribution volume evaluation value of each of the first pharmacy and the second pharmacy to the first medical institution and the second medical institution includes dividing the distribution volume evaluation value of the first pharmacy with the distribution volume evaluation value for the first pharmacy. The distribution amount of the distribution volume evaluation value of the first pharmacy for the first medical institution may be determined based on multiplying the prescription inflow rate of the first medical institution by the prescription subject ratio according to the treatment subject of the first medical institution.

일 측면에 따르면, 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는, 상기 제 1 약국의 유통량 평가값에 상기 제 1 약국에 대한 상기 제 2 의료 기관의 처방 유입률과 상기 제 2 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 상기 제 2 의료 기관에 대한 상기 제 1 약국의 유통량 평가값의 분배량을 결정할 수 있다. According to one aspect, the step of distributing the distribution volume evaluation value of each of the first pharmacy and the second pharmacy to the first medical institution and the second medical institution includes dividing the distribution volume evaluation value of the first pharmacy with the distribution volume evaluation value for the first pharmacy. The distribution amount of the distribution volume evaluation value of the first pharmacy for the second medical institution can be determined based on multiplying the prescription inflow rate of the second medical institution by the ratio of prescription subjects according to the treatment subjects of the second medical institution.

일 측면에 따르면, 상기 처방 과목 비율 정보는, 상기 제 1 약국, 제 2 약국, 제 1 의료 기관, 또는 제 2 의료 기관 중 적어도 하나의 소재 지역 구분에 따라 상이하게 결정될 수 있다. According to one aspect, the prescription subject ratio information may be determined differently depending on the regional classification of at least one of the first pharmacy, the second pharmacy, the first medical institution, and the second medical institution.

전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 장치는, 프로세서 및 메모리를 포함하고, 상기 프로세서는, 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하고; 상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하고; 그리고 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성; 하도록 구성될 수 있다. An apparatus for generating quantitative prescription data of a target drug according to another embodiment of the present invention to solve the above-described problem includes a processor and a memory, wherein the processor determines the target drug for each of the first pharmacy and the second pharmacy. Obtain quantitative distribution data including distribution volume estimates of pharmaceutical products; distributing the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies; And generating quantitative prescription data reflecting the prescription amount of the target drug by each of the first and second medical institutions based on the sum of the distributed distribution volume evaluation values for each of the first and second medical institutions. ; It can be configured to do so.

전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법은, 제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하는 단계; 상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계; 상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계; 및 추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정하는 단계; 를 포함할 수 있다. A method for generating prescription distribution rate information of a medical institution according to another embodiment of the present invention to solve the above-described problem includes a plurality of payment information for a first medical institution, a plurality of items including a first pharmacy and a second pharmacy. Obtaining a plurality of payment information for the pharmacy; extracting payment information matching payment information for the first medical institution from among the payment information for the first pharmacy; extracting payment information matching payment information for the first medical institution from payment information for the second pharmacy; And determining a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on the quantitative ratio of the payment information for the first pharmacy and the payment information for the second pharmacy among the extracted payment information. step; may include.

일 측면에 따르면, 상기 제 1 의료 기관에 대한 결제 정보와 상기 제 1 약국에 대한 결제 정보의 매칭은, 상기 제 1 의료 기관에 대한 결제 정보와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 상기 제 1 약국에서 결제가 이루어졌다는 결정에 기초할 수 있다. According to one aspect, matching the payment information for the first medical institution and the payment information for the first pharmacy is a payment method corresponding to the payment information for the first medical institution, and the first pharmacy within a predetermined time interval. 1 May be based on the determination that payment has been made at the pharmacy.

전술한 문제점을 해결하기 위한 본 발명의 다른 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 장치는 프로세서 및 메모리를 포함하고, 상기 프로세서는, 제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하고; 상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고; 상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고; 그리고 추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정; 하도록 구성될 수 있다. An apparatus for generating prescription distribution rate information of a medical institution according to another embodiment of the present invention for solving the above-described problem includes a processor and a memory, wherein the processor includes a plurality of payment information for a first medical institution, a first Obtain multiple payment information for multiple pharmacies, including a first pharmacy and a second pharmacy; extracting payment information that matches payment information for the first medical institution from among the payment information for the first pharmacy; extracting payment information matching payment information for the first medical institution from payment information for the second pharmacy; and determining a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on the quantitative ratio of the payment information for the first pharmacy and the payment information for the second pharmacy among the extracted payment information; It can be configured to do so.

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology can have the following effects. However, since it does not mean that a specific embodiment must include all of the following effects or only the following effects, the scope of rights of the disclosed technology should not be understood as being limited thereby.

전술한 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 장치 및 방법에 따르면, 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 의약품의 유통 데이터를 처방 데이터로 전환하는 것에 의해 합리적으로 의약품의 처방에 대한 정량적 정보를 확보할 수 있다. 따라서, 의약품의 판매량에 큰 영향을 끼치는 의료 기관의 처방 경향, 즉 약물의 처방 특성에 대한 정보를 파악할 수 있다. According to the apparatus and method for generating quantitative prescription data for target medicines according to an embodiment of the present invention described above, distribution data of medicines is converted into prescription data by utilizing big data of payment information on payment methods such as credit cards. By converting, it is possible to reasonably secure quantitative information on drug prescriptions. Therefore, it is possible to obtain information about the prescription characteristics of drugs, that is, the prescription trends of medical institutions that have a significant impact on the sales volume of drugs.

또한, 본 발명의 다른 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 장치 및 방법에 따르면, 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 특정 의료 기관에서 복수의 약국으로 처방이 분배되는 처방 분배율에 대한 정보를 확보할 수 있다. 따라서, 환자가 의료 기관에서 발급받은 처방전을 기반으로 어느 약국에서 의약품을 많이 조제하는지에 대한 소비자 행동 양식에 대한 정보를 파악할 수 있다. In addition, according to an apparatus and method for generating prescription distribution rate information of a medical institution according to another embodiment of the present invention, big data of payment information on payment methods such as credit cards is utilized to distribute information from a specific medical institution to a plurality of pharmacies. Information on the prescription distribution rate at which prescriptions are distributed can be obtained. Therefore, it is possible to obtain information about consumer behavior patterns such as which pharmacies patients dispense most of their medicines based on prescriptions issued by medical institutions.

도 1 은 복수의 의료 기관과 복수의 약국들 간의 처방 및 조제 의뢰 관계의 예시도이다.
도 2 는 의료 기관의 처방 분배율에 대한 예시도이다.
도 3 은 약국의 처방 유입률에 대한 예시도이다.
도 4 는 처방 분배율을 파악하기 위한 의료 기관의 결제 정보와 복수의 약국들의 결제 정보 간의 매칭을 예시한다.
도 5 는 처방 유입률을 파악하기 위한 복수의 의료 기관들의 결제 정보와 약국의 결제 정보 간의 매칭을 예시한다.
도 6 은 특정 의약품에 대한 지역에 따른 처방 과목 비율 정보의 예시이다.
도 7 은 처방 과목 비율을 반영한 처방 유입률 계산의 예시도이다.
도 8 은 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법의 예시적인 흐름도이다.
도 9 는 본 발명의 일 측면에 따른 처방 유입률 결정 절차의 예시적인 흐름도이다.
도 10 은 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법의 예시적인 흐름도이다.
도 11 은 본 발명의 실시예들에 따른 방법이 수행될 수 있는 컴퓨팅 디바이스의 예시적인 구성을 나타내는 블록도이다. 1 is an exemplary diagram of a prescription and dispensing request relationship between a plurality of medical institutions and a plurality of pharmacies.
Figure 2 is an exemplary diagram of the prescription distribution rate of a medical institution.
Figure 3 is an exemplary diagram of the pharmacy's prescription inflow rate.
Figure 4 illustrates matching between payment information of a medical institution and payment information of a plurality of pharmacies to determine the prescription distribution rate.
Figure 5 illustrates matching between payment information of a plurality of medical institutions and payment information of a pharmacy to determine the prescription inflow rate.
Figure 6 is an example of prescription subject ratio information according to region for a specific drug.
Figure 7 is an example of calculating the prescription inflow rate reflecting the ratio of prescription subjects.
Figure 8 is an exemplary flowchart of a method for generating quantitative prescription data for a target drug according to an embodiment of the present invention.
9 is an exemplary flow diagram of a prescription inflow rate determination procedure according to an aspect of the present invention.
Figure 10 is an exemplary flowchart of a method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention.
11 is a block diagram illustrating an example configuration of a computing device on which methods according to embodiments of the present invention can be performed.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.Since the present invention can make various changes and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all changes, equivalents, and substitutes included in the spirit and technical scope of the present invention.

제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.Terms such as first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, a first component may be referred to as a second component, and similarly, the second component may be referred to as a first component without departing from the scope of the present invention. The term and/or includes any of a plurality of related stated items or a combination of a plurality of related stated items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. When a component is said to be "connected" or "connected" to another component, it is understood that it may be directly connected to or connected to the other component, but that other components may exist in between. It should be. On the other hand, when it is mentioned that a component is “directly connected” or “directly connected” to another component, it should be understood that there are no other components in between.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in this application are only used to describe specific embodiments and are not intended to limit the invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that this does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person of ordinary skill in the technical field to which the present invention pertains. Terms defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and should not be interpreted in an ideal or excessively formal sense unless explicitly defined in the present application. No.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다. Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the attached drawings. In order to facilitate overall understanding when describing the present invention, the same reference numerals are used for the same components in the drawings, and duplicate descriptions for the same components are omitted.

개요outline

전술한 바와 같이, 전문 의약품은 병원 또는 의원과 같은 의료 기관에서 환자가 받은 처방전을 기반으로 약국에 조제 의뢰하여 판매하도록 규정되어 있다. 의료 기관에서는 환자에게 처방전을 발행하여 전달할 뿐, 어느 약국에서 의약품을 구매할지 여부를 지정하지 않으며, 따라서 처방전을 수령한 환자는 자신이 원하는 약국에 방문하여 의약품을 구매하고 있다.As mentioned above, specialty drugs are regulated to be sold at medical institutions such as hospitals or clinics by requesting dispensing from a pharmacy based on a prescription received by a patient. Medical institutions only issue and deliver prescriptions to patients, but do not specify which pharmacy to purchase the medicine from. Therefore, patients who receive a prescription visit the pharmacy of their choice and purchase the medicine.

도 1 은 복수의 의료 기관과 복수의 약국들 간의 처방 및 조제 의뢰 관계의 예시도이다. 도 1 에 도시된 바와 같이, 소정 범위 내의 지역 (10) 에 예를 들어 제 1 의료 기관 (100-1), 제 2 의료 기관 (100-2), 제 3 의료 기관 (100-3) 과 같은 복수의 의료 기관들이 위치할 수 있으며, 그 주변에 예를 들어 제 1 약국 (200-1), 제 2 약국 (200-2), 제 3 약국 (200-3), 제 4 약국 (200-4) 과 같은 복수의 약국들이 존재할 수 있다. 1 is an exemplary diagram of a prescription and dispensing request relationship between a plurality of medical institutions and a plurality of pharmacies. As shown in FIG. 1, in an area 10 within a predetermined range, for example, a first medical institution 100-1, a second medical institution 100-2, and a third medical institution 100-3. Multiple medical institutions may be located nearby, for example, the first pharmacy (200-1), the second pharmacy (200-2), the third pharmacy (200-3), and the fourth pharmacy (200-4). ) There may be multiple pharmacies such as .

도 1 에 도시된 바와 같이, 먼저, 제 1 의료 기관 (100-1) 에 방문하여 처방전을 발급받은 환자들은 취향에 따라 예를 들어 제 1 약국 (200-1), 제 2 약국 (200-2), 제 3 약국 (200-3) 중 적어도 하나의 약국에 방문하여 조제 의뢰를 할 수 있다. 마찬가지로 제 2 의료 기관 (100-2) 에 방문하여 처방전을 발급받은 환자들은 취향에 따라 예를 들어 제 1 약국 (200-1) 또는 제 4 약국 (200-4) 중 적어도 하나에 방문하여 조제 의뢰를 할 수 있다. 이와 같이 특정 의료 기관에 방문하여 처방전을 발급받은 환자들은 임의의 약국에 방문하여 조제 의뢰를 하게 되는데, 특정 의료 기관에서 어떤 약국에 얼마나 많은 환자가 방문하여 조제 의뢰를 하고 있는지 여부를 의미할 수 있는 처방 분배율은 다양한 목적에 있어 중요한 정보가 될 수 있다. 이와 같은 처방 분배율은 소비자 행동 양식에 대한 정보로서 가치를 가진다. As shown in Figure 1, first, patients who visit the first medical institution (100-1) and receive a prescription may, for example, go to the first pharmacy (200-1) or the second pharmacy (200-2) according to their preference. ), you can visit at least one of the 3rd pharmacies (200-3) and request dispensing. Likewise, patients who visit the second medical institution (100-2) and receive a prescription can visit at least one of, for example, the first pharmacy (200-1) or the fourth pharmacy (200-4) to request dispensing, depending on their preference. You can. In this way, patients who visit a specific medical institution and receive a prescription visit a random pharmacy to request dispensing. This can refer to how many patients are visiting which pharmacy and making dispensing requests at a specific medical institution. Prescription dispensing rates can be important information for a variety of purposes. Such prescription distribution rates are valuable as information about consumer behavior patterns.

반대로, 약국의 관점에서 살펴보면, 도 1 에 도시된 바와 같이 예를 들어 제 1 약국 (200-1) 에는 예를 들어 제 1 의료 기관 (100-1), 제 2 의료 기관 (100-2), 제 3 의료 기관 (100-3) 을 포함하는 복수의 의료 기관에 방문하여 처방전을 발급받은 복수의 환자들이 방문하여 조제 의뢰를 하게 된다. 이와 같이 특정 약국에 방문하여 조제 의뢰를 하는 환자들이 어느 의료 기관으로부터 많은 환자가 방문하였는지 여부를 나타내는 처방 유입률 역시 다양한 목적에 있어 중요한 정보가 될 수 있다. 이와 같은 처방 유입율도 소비자 행동 양식에 대한 정보로서 가치를 가진다. Conversely, looking at it from the perspective of a pharmacy, as shown in FIG. 1, the first pharmacy 200-1 includes, for example, a first medical institution 100-1, a second medical institution 100-2, Multiple patients who have been issued prescriptions by visiting multiple medical institutions, including a third medical institution (100-3), visit and request dispensing. Likewise, the prescription inflow rate, which indicates which medical institution a large number of patients visit a specific pharmacy to request dispensing, can also be important information for various purposes. This prescription inflow rate is also valuable as information on consumer behavior patterns.

한편, 예를 들어 제약 회사의 관점에서 살펴보면, 제약 회사는 특정 의약품을 복수의 약국들로 납품하기 때문에, 어떤 의약품을 어떤 약국에 얼마나 많이 납품하였는지, 매출액이 어떤지와 같은 특정 의약품의 특정 약국들에 대한 유통량에 대한 정보는 용이하게 확보할 수 있다. 즉, 의약품에 대한 유통 데이터는 제약 회사의 입장에서 기확보하고 있는 정보이다. 그런데, 약국의 입장에서는 처방전에 적시된 의약품만을 포함하여 조제해야만 하므로, 특정 의약품의 환자에 대한 판매 행위가 발생할지 여부는 약국에서 결정되는 것이 아니라 의료 기관에 의해 결정된다. 따라서, 제약 회사로서는 어떤 의료 기관에서 특정 의약품에 대해 많은 처방전을 발행했는지 여부를 반영하는 의약품의 처방 데이터에 대해 매우 높은 수요를 가지고 있다. 이와 같은 특정 의료 기관에 의한 특정 의약품에 대한 처방 정보는 공공 기관의 의료 데이터로서 존재할 수 있으나, 다양한 부작용을 고려하여 이를 공중에 공개하지는 아니할 수 있다. 따라서, 불법적인 요소 없이, 공개된 데이터를 기반으로 처방 데이터를 확보하기 위한 방안이 요구된다. Meanwhile, for example, from the perspective of a pharmaceutical company, since a pharmaceutical company supplies a specific drug to multiple pharmacies, it has information on specific pharmacies of a specific drug, such as how much of the drug was delivered to which pharmacy and what the sales volume was. Information on distribution volume can be easily obtained. In other words, distribution data on pharmaceuticals is information already secured from the pharmaceutical company's perspective. However, from the pharmacy's perspective, it must dispense only the medicines specified in the prescription, so whether or not a specific medicine will be sold to a patient is determined not by the pharmacy but by the medical institution. Therefore, pharmaceutical companies have a very high demand for drug prescription data that reflects which medical institutions have issued many prescriptions for a particular drug. Such prescription information for specific drugs by specific medical institutions may exist as medical data of public institutions, but may not be disclosed to the public in consideration of various side effects. Therefore, a method is required to secure prescription data based on publicly available data without illegal elements.

본 기재는 이와 같은 문제점을 해결하기 위한 것으로서, 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 의약품의 유통 데이터를 처방 데이터로 전환하는 것에 의해 합리적으로 의약품의 처방에 대한 정량적 정보를 확보하기 위한 장치 및 방법을 제공할 수 있다. 또한, 신용 카드와 같은 결제 수단에 대한 결제 정보의 빅데이터를 활용하여 특정 의료 기관에서 복수의 약국으로 처방이 분배되는 처방 분배율에 대한 정보를 확보하기 위한 장치 및 방법을 제공할 수 있다. This description is intended to solve this problem. By converting drug distribution data into prescription data by utilizing big data of payment information for payment methods such as credit cards, quantitative information on drug prescriptions can be reasonably obtained. Devices and methods for securing can be provided. In addition, it is possible to provide a device and method for securing information on the prescription distribution rate at which prescriptions are distributed from a specific medical institution to multiple pharmacies by utilizing big data of payment information on payment methods such as credit cards.

관련하여, 정보통신 기술의 발전에 따라 현금을 통한 상품의 거래에 비해 전자 결제 수단을 통한 거래가 활발하게 이루어지고 있다. 특히, 신용카드가 결제 수단으로서 사용되는 비중은 압도적이다. 이와 같은 신용카드를 통한 결제 정보들은 신용카드 사업자의 데이터 서버에 저장될 수 있으며, 소정 요건 하에 결제 정보들을 다양한 분석을 위해 제공하고 있다. 본 기재의 실시예들에 따르면, 이와 같은 신용카드 결제 정보들의 빅데이터를 이용하여 의료 기관과 약국 간의 처방 분배율이나 처방 유입률과 같은 소비자 행동 양식을 분석할 수 있으며, 또한 이와 같은 신용카드 결제 정보들의 빅데이터를 활용하여 의약품의 정량적 유통 데이터를 생성할 수 있다. 따라서, 특정 의약품의 제약 회사로 하여금 어떤 의료 기관에서 특정 의약품을 많이 처방하는지 여부에 대한 정보를 확보하도록 할 수 있고, 보다 효율적인 프로모션을 수행하도록 보조할 수 있다. In relation to this, with the development of information and communication technology, transactions through electronic payment methods are becoming more active than transactions of products through cash. In particular, the proportion of credit cards used as a payment method is overwhelming. Such credit card payment information can be stored in the credit card company's data server, and the payment information is provided for various analyzes under certain requirements. According to embodiments of the present disclosure, it is possible to analyze consumer behavior patterns such as prescription distribution rates and prescription inflow rates between medical institutions and pharmacies using big data of credit card payment information, and also use such big data of credit card payment information. Big data can be used to generate quantitative distribution data for pharmaceuticals. Accordingly, it is possible to enable pharmaceutical companies of specific drugs to secure information on which medical institutions prescribe a lot of specific drugs, and to assist them in carrying out more efficient promotions.

처방 분배율 결정Determination of Prescription Dispensing Rate

도 2 는 의료 기관의 처방 분배율에 대한 예시도이다. 도 4 는 처방 분배율을 파악하기 위한 의료 기관의 결제 정보와 복수의 약국들의 결제 정보 간의 매칭을 예시한다. 도 10 은 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법의 예시적인 흐름도이다. 이하, 도 2, 도 4 및 도 10 을 참조하여 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법에 대해서 보다 구체적으로 설명한다. Figure 2 is an exemplary diagram of the prescription distribution rate of a medical institution. Figure 4 illustrates matching between payment information of a medical institution and payment information of a plurality of pharmacies to determine the prescription distribution rate. Figure 10 is an exemplary flowchart of a method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention. Hereinafter, a method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention will be described in more detail with reference to FIGS. 2, 4, and 10.

도 2 에는 예시적인 의료 기관으로서 제 1 의료 기관 (100-1) 이 도시된다. 제 1 의료 기관 (100-1) 에서 처방전을 발급받은 환자는 제 1 약국 (200-1), 제 2 약국 (200-2), 제 3 약국 (200-3) 중 어느 하나의 약국에 방문하여 조제를 의뢰하는 상황을 고려할 수 있다. 의료 기관은 조제를 의뢰할 약국을 지정할 수 없으므로 환자들은 본인의 취향이나 사정을 고려하여 어느 하나의 약국을 선택하게 된다. 도 2 에 예시적으로 도시된 바와 같이, 제 1 의료 기관 (100-1) 에 방문하여 처방전을 발급받은 환자들 중 70 % 는 제 1 약국 (200-1) 에 조제를 의뢰하고, 20 % 는 제 2 약국 (200-2) 에 조제를 의뢰하고, 10 % 는 제 3 약국 (200-3) 에 조제를 의뢰하고 있을 수 있다. 이와 같이 특정 의료 기관에 방문한 환자가 어느 약국으로 많이 방문하는지 여부는 예를 들어 마케팅과 같이 다양한 측면에서 중요한 근거 자료로 활용될 수 있다. 그러나, 이와 같은 자료는 별도로 공개되고 있지 않으므로 이를 유추하여 처방 분배율을 결정하기 위한 방법이 요구된다. 2 shows a first medical institution 100-1 as an exemplary medical institution. Patients who have received a prescription from the first medical institution (100-1) visit any one of the first pharmacy (200-1), second pharmacy (200-2), or third pharmacy (200-3) Circumstances in which dispensing is requested may be considered. Since medical institutions cannot designate which pharmacy to request for dispensing, patients choose a pharmacy based on their preferences or circumstances. As exemplarily shown in Figure 2, among patients who visited the first medical institution (100-1) and received a prescription, 70% requested dispensing at the first pharmacy (200-1), and 20% requested the prescription to be dispensed. Dispensing may be requested from a second pharmacy (200-2), and 10% may be requested from a third pharmacy (200-3). In this way, whether patients who visit a specific medical institution frequently visit which pharmacy can be used as important evidence in various aspects, such as marketing. However, since such data is not separately disclosed, a method to determine the prescription distribution rate by inferring this is required.

본 발명의 일 실시예에 따르면, 예를 들어 신용카드 결제정보 빅데이터와 같이 복수의 결제 정보들을 이용하여 특정 의료 기관의 처방 분배율을 결정할 수 있다. 근래에는 신용카드 업체들이 일정 요건 하에서 신용카드 결제 내역과 관련된 빅데이터를 분석 목적으로 제공하고 있다. 이하, 본 기재에서 설명의 편의를 위해 신용 카드에 대한 결제 정보를 기반으로 예시될 수 있으나, 본 발명의 기술적 사상이 이에 한정되는 것은 아님에 유의한다. 통상의 기술자라면, 예를 들어 신용 카드 결제 정보 뿐만 아니라 QR 결제나 바코드 결제 기반의 이체 서비스와 같이, 결제 주체와 결제처에 대한 정보를 확인할 수 있는 임의의 결제 정보들에 대해 본 발명의 기술적 사상이 적용될 수 있다고 이해할 수 있을 것이다. According to one embodiment of the present invention, the prescription distribution rate of a specific medical institution can be determined using a plurality of payment information, for example, big data of credit card payment information. Recently, credit card companies have been providing big data related to credit card payment details for analysis purposes under certain requirements. Hereinafter, for convenience of explanation, examples may be given based on credit card payment information, but please note that the technical idea of the present invention is not limited thereto. Those skilled in the art will understand the technical idea of the present invention regarding any payment information that can confirm information about the payment subject and payment destination, such as credit card payment information as well as QR payment or barcode payment-based transfer service. You will understand that this can be applied.

도 4 및 도 10 을 참조하여, 결제 정보를 이용한 의료 기관의 처방 분배율 정보를 생성하기 위한 방법에 대해서 보다 구체적으로 설명한다. 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법은, 컴퓨팅 디바이스에 의해 수행될 수 있다. Referring to FIGS. 4 and 10 , a method for generating prescription distribution rate information of a medical institution using payment information will be described in more detail. The method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention may be performed by a computing device.

도 10 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법은, 제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하는 단계 (단계 1010), 상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계 (단계 1020), 상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계 (단계 1030) 및 추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정하는 단계 (단계 1040) 를 포함할 수 있다. As shown in FIG. 10, the method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention includes a plurality of payment information for a first medical institution, a first pharmacy, and a second pharmacy. Obtaining a plurality of payment information for a plurality of pharmacies (step 1010), extracting payment information that matches the payment information for the first medical institution from among the payment information for the first pharmacy (step 1020) , extracting payment information matching the payment information for the first medical institution from among the payment information for the second pharmacy (step 1030), and extracting payment information for the first pharmacy from among the extracted payment information and the It may include determining a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on the quantitative rate of payment information for the second pharmacy (step 1040).

비한정적이나 보다 구체적으로는, 도 10 에 도시된 바와 같이 컴퓨팅 디바이스는 먼저 제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득 (단계 1010) 할 수 있다. 도 4 에는 예시적인 제 1 의료 기관의 복수의 결제 정보 (1100) 와 제 1 약국의 결제 정보 (1200) 및 제 2 약국의 결제 정보 (1300) 가 도시된다. 도 4 에 도시된 바와 같이, 제 1 의료 기관의 결제 정보 (1100) 는 1번 내지 5 번의 복수의 결제 정보를 포함하고, 예를 들어 각 결제 정보의 결제 수단 및/또는 결제 금액이 포함될 수 있다. 즉, A 카드를 사용하여 15,000원의 결제를 진행한 내역, B 카드를 사용하여 12,000원의 결제를 진행한 내역, C 카드를 이용하여 16,000원의 결제를 진행한 내역, D 카드를 이용하여 8,000 원의 결제를 진행한 내역 및 E 카드를 이용하여 11,000원의 결제를 진행한 내역이 포함될 수 있다. 도 4 에는 도시되어 있지 않지만, 각각의 결제 정보에는 결제 일자, 결제 시간, 또는 결제 수단의 소유자 정보 중 적어도 하나와 같은 다양한 부가 정보가 포함될 수도 있다. 제 1 약국의 결제 정보 (1200) 및 제 2 약국의 결제 정보 (1300) 에도 유사한 취지의 정보들이 포함될 수 있다. 이와 같은 결제 정보들은 예를 들어 신용카드 빅데이터 센터 서버에서 제공될 수 있으나, 이에 한정되지 아니한다. 또한 정보의 획득 절차 역시 유선 또는 무선 네트워크를 통한 데이터 파일의 전송이나 센터 방문을 통한 분석 및 분석 결과의 저장 매체의 저장과 같이, 다양한 획득 절차들 중 임의의 데이터 획득 절차들이 본 발명의 기술적 사상에 포함된다고 할 것이다. More specifically, but not exclusively, as shown in FIG. 10 , the computing device first generates a plurality of payment information for a first medical institution, a plurality of payment information for a plurality of pharmacies, including a first pharmacy and a second pharmacy. Can be obtained (step 1010). 4 illustrates exemplary plurality of payment information 1100 of a first medical institution, payment information 1200 of a first pharmacy, and payment information 1300 of a second pharmacy. As shown in FIG. 4, the payment information 1100 of the first medical institution includes a plurality of payment information Nos. 1 to 5, and may include, for example, the payment method and/or payment amount of each payment information. . That is, a payment of 15,000 won using card A, a payment of 12,000 won using card B, a payment of 16,000 won using card C, and a payment of 8,000 won using card D. Details of payment of KRW and details of payment of 11,000 won using an E card may be included. Although not shown in FIG. 4, each payment information may include various additional information such as at least one of payment date, payment time, or payment method owner information. The first pharmacy's payment information 1200 and the second pharmacy's payment information 1300 may also include information with a similar purpose. Such payment information may be provided, for example, by a credit card big data center server, but is not limited to this. Additionally, any of the various acquisition procedures, such as transmission of data files through a wired or wireless network, analysis through a visit to a center, and storage of the analysis results on a storage medium, are not included in the technical idea of the present invention. It will be said to be included.

이후, 컴퓨팅 디바이스는, 제 1 약국에 대한 결제 정보들 중 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출 (단계 1020) 할 수 있다. 이와 같은 제 1 의료 기관에 대한 결제 정보 (1100) 와 제 1 약국에 대한 결제 정보 (1200) 의 매칭은, 예를 들어 제 1 의료 기관에 대한 결제 정보 (1100) 와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 제 1 약국에서 결제가 이루어졌다는 결정에 기초하여 수행될 수 있다. 예를 들어, 제 1 의료 기관에 대한 결제 정보 (1100) 중 제 1 번 결제 정보는 A 카드를 결제 수단으로 하여 진행되었으므로, 제 1 약국의 결제 정보들 (1200) 중에서, A 카드를 결제 수단으로 하여 진행된 결제 정보 (1210-1) 를 추출할 수 있다. 유사한 취지로 제 1 약국에 대한 결제 정보들 (1200) 중에서, 제 1 의료 기관에 대한 결제 정보 (1100) 의 제 3 번 결제 정보의 C 카드에 대해 매칭되는 결제 정보 (1210-2) 및 제 1 의료 기관에 대한 결제 정보 (1100) 의 제 4 번 결제 정보의 D 카드에 대해 매칭되는 결제 정보 (1210-3) 역시 추출 대상이 된다. Thereafter, the computing device may extract payment information that matches the payment information for the first medical institution from among the payment information for the first pharmacy (step 1020). The matching of the payment information 1100 for the first medical institution and the payment information 1200 for the first pharmacy is, for example, a payment method corresponding to the payment information 1100 for the first medical institution, and is determined in advance. It may be performed based on a determination that payment has been made at the first pharmacy within a determined time interval. For example, among the payment information 1100 for the first medical institution, the first payment information was processed using card A as the payment method, so among the payment information 1200 for the first pharmacy, card A was used as the payment method. Then, the payment information (1210-1) can be extracted. In a similar sense, among the payment information 1200 for the first pharmacy, the payment information 1210-2 and the 1st payment information matched to the C card of the 3rd payment information of the payment information 1100 for the first medical institution The payment information (1210-3) matching the D card of the fourth payment information of the payment information (1100) for the medical institution is also subject to extraction.

추출되는 결제 정보들은, 제 1 의료 기관에 대한 결제 정보 (1100) 에 포함된 결제 수단에 대응되는지 여부 뿐만 아니라, 제 1 의료 기관에서의 결제가 이루어진 시점으로부터 미리 결정된 소정의 시간 구간 이내에 제 1 약국에서 결제가 이루어졌는지 여부를 더 고려하여 결정될 수 있다. 예를 들어, 추출되는 결제 정보는 제 1 의료 기관에 대한 결제 정보 (1100) 에 포함된 결제 수단에 대응되는 결제 수단으로, 제 1 의료 기관에서의 결제 일자와 동일자에 결제된 결제 정보일 수 있으나, 이에 한정되지 아니한다. 제 1 의료 기관의 결제 시점으로부터의 제 1 약국의 결제 시점까지의 시간 구간을 더 짧게 설정할 수도 있고 더 길게 설정할 수도 있다. The extracted payment information not only determines whether it corresponds to the payment method included in the payment information 1100 for the first medical institution, but also determines whether the payment is made at the first medical institution within a predetermined time interval from the time the payment is made at the first pharmacy. It can be determined by further considering whether payment has been made. For example, the extracted payment information is a payment method corresponding to the payment method included in the payment information 1100 for the first medical institution, and may be payment information made on the same day as the payment date at the first medical institution. , but is not limited to this. The time interval from the point of payment at the first medical institution to the point of payment at the first pharmacy may be set shorter or longer.

제 1 약국의 결제정보들 (1200) 중에서, 추출되지 않은 결제 정보들은 제 1 의료 기관이 아닌 다른 의료 기관으로부터 발급받은 처방전을 기반으로 조제 의뢰를 한 환자에 의한 것일 수도 있고, 일반 의약품이나 건강 보조 식품 등에 대한 결제 정보일 수도 있다. Among the first pharmacy's payment information (1200), the payment information that has not been extracted may be from a patient who requested dispensing based on a prescription issued by a medical institution other than the first medical institution, or may be for general medicines or health supplements. It may be payment information for food, etc.

다시 도 10 을 참조하면, 컴퓨팅 디바이스는, 제 2 약국에 대한 결제 정보들 중 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출 (단계 1030) 할 수 있다. 이와 같은 제 1 의료 기관에 대한 결제 정보 (1100) 와 제 2 약국에 대한 결제 정보 (1300) 의 매칭은, 예를 들어 제 1 의료 기관에 대한 결제 정보 (1100) 와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 제 2 약국에서 결제가 이루어졌다는 결정에 기초하여 수행될 수 있다. 예를 들어, 제 1 의료 기관에 대한 결제 정보 (1100) 중 제 2 번 결제 정보는 B 카드를 결제 수단으로 하여 진행되었으므로, 제 2 약국의 결제 정보들 (1300) 중에서, B 카드를 결제 수단으로 하여 진행된 결제 정보 (1310-1) 를 추출할 수 있다. 유사한 취지로 제 2 약국에 대한 결제 정보들 (1300) 중에서, 제 1 의료 기관에 대한 결제 정보 (1100) 의 제 5 번 결제 정보의 E 카드에 대해 매칭되는 결제 정보 (1310-3) 역시 추출 대상이 된다. Referring again to FIG. 10 , the computing device may extract payment information that matches payment information for the first medical institution from among payment information for the second pharmacy (step 1030). Such matching of the payment information 1100 for the first medical institution and the payment information 1300 for the second pharmacy is, for example, a payment method corresponding to the payment information 1100 for the first medical institution, and is determined in advance. It may be performed based on a determination that payment has been made at the second pharmacy within a determined time interval. For example, among the payment information 1100 for the first medical institution, the second payment information was processed using card B as the payment method, so among the payment information 1300 for the second pharmacy, card B was used as the payment method. Then, the payment information (1310-1) can be extracted. For a similar purpose, among the payment information 1300 for the second pharmacy, the payment information 1310-3 matching the E card of the 5th payment information of the payment information 1100 for the first medical institution is also subject to extraction. This happens.

추출되는 결제 정보들은, 제 1 의료 기관에 대한 결제 정보 (1100) 에 포함된 결제 수단에 대응되는지 여부 뿐만 아니라, 제 1 의료 기관에서의 결제가 이루어진 시점으로부터 미리 결정된 소정의 시간 구간 이내에 제 2 약국에서 결제가 이루어졌는지 여부를 더 고려하여 결정될 수 있다. 예를 들어, 추출되는 결제 정보는 제 1 의료 기관에 대한 결제 정보 (1100) 에 포함된 결제 수단에 대응되는 결제 수단으로, 제 1 의료 기관에서의 결제 일자와 동일자에 결제된 결제 정보일 수 있으나, 이에 한정되지 아니한다. 제 1 의료 기관의 결제 시점으로부터의 제 2 약국의 결제 시점까지의 시간 구간을 더 짧게 설정할 수도 있고 더 길게 설정할 수도 있다. The extracted payment information not only determines whether it corresponds to the payment method included in the payment information 1100 for the first medical institution, but also determines whether the payment is made at the second pharmacy within a predetermined time interval from the time the payment is made at the first medical institution. It can be determined by further considering whether payment has been made. For example, the extracted payment information is a payment method corresponding to the payment method included in the payment information 1100 for the first medical institution, and may be payment information made on the same day as the payment date at the first medical institution. , but is not limited to this. The time interval from the point of payment at the first medical institution to the point of payment at the second pharmacy may be set shorter or longer.

제 2 약국의 결제 정보들 (1300) 중에서, 추출되지 않은 결제 정보들은 제 1 의료 기관이 아닌 다른 의료 기관으로부터 발급받은 처방전을 기반으로 조제 의뢰를 한 환자에 의한 것일 수도 있고, 일반 의약품이나 건강 보조 식품 등에 대한 결제 정보일 수도 있다. Among the payment information 1300 of the second pharmacy, the payment information that has not been extracted may be from a patient who requested dispensing based on a prescription issued by a medical institution other than the first medical institution, or may be for general medicines or health supplements. It may be payment information for food, etc.

다시 도 10 을 참조하면, 컴퓨팅 디바이스는, 추출된 결제 정보들 (1210-1, 1210-2, 1210-3, 1310-1, 1310-3) 중 제 1 약국에 대한 결제 정보 (1210-1, 1210-2, 1210-3) 와 제 2 약국에 대한 결제 정보 (1310-1, 1310-3) 의 정량적 비율에 기초하여 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정 (단계 1040) 할 수 있다. 도 4 의 예시에 따르면, 제 1 의료 기관의 5 건의 결제는 5 건의 처방전이 발행된 것으로 간주할 수 있고, 그 중 3 건의 처방전에 대해서는 제 1 약국에 조제 의뢰되고 나머지 2 건의 처방전에 대해서는 제 2 약국에 조제 의뢰된 것으로 간주할 수 있다. 따라서, 제 1 의료 기관의 제 1 약국 및 제 2 약국에 대한 처방 분배율은 3:2 또는 60 % : 40 % 로 결정될 수 있다. Referring again to FIG. 10, the computing device includes payment information (1210-1, Determine the prescription distribution rate for the first and second pharmacies of the first medical institution based on the quantitative ratio of payment information for the first pharmacy (1210-2, 1210-3) and the second pharmacy (1310-1, 1310-3) ( Step 1040) can be done. According to the example of FIG. 4, 5 payments at the first medical institution can be regarded as 5 prescriptions issued, of which 3 prescriptions are requested to be filled at the first pharmacy, and the remaining 2 prescriptions are requested to be dispensed at the 2nd pharmacy. It can be considered as a request for dispensing to a pharmacy. Accordingly, the prescription distribution ratio to the first pharmacy and the second pharmacy of the first medical institution may be determined as 3:2 or 60%:40%.

제 1 의료 기관 주변의 다수의 약국으로 분석 범위를 넓히면, 복수의 약국들 각각에 대한 처방 분배율을 산출할 수도 있다. 예를 들어, 도 2 에 도시된 바와 같이 제 1 의료 기관 (100-1) 주변에 제 1 약국 (200-1), 제 2 약국 (200-2), 제 3 약국 (200-3) 이 존재할 때, 제 1 의료 기관에 대응하는 각각의 약국의 결제 정보는 예를 들어 특정 날짜에 제 1 약국 7 건, 제 2 약국 3 건, 제 3 약국 1 건일 수 있다. 다시 예를 들어, 특정 의료 기관의 일일 처방 건수는 약 100 건 정도일 수 있고, 그렇다면 월간 처방 건수가 2,000 건 내지 3,000 건에 이를 수 있으며, 분기별 처방 건수는 10,000 건 이상의 데이터가 확보될 수 있다. 따라서, 특정 의료 기관의 특정 약국으로의 처방 분배 비율에 대해 상당히 정확성이 높은 데이터를 확보할 수 있다. 제 1 약국 내지 제 3 약국의 제 1 의료 기관의 결제 정보와 매칭되는 결제 정보들 간의 비율이 7:2:1 인 경우, 도 2 에 도시된 바와 같이 제 1 의료 기관의 제 1 약국 내지 제 3 약국에 대한 처방 분배율은 70 % : 20 % : 10 % 인 것으로 결정될 수 있다. 따라서, 본 발명의 실시예에 따르면, 예를 들어 신용카드 빅데이터와 같은 복수의 결제 정보들에 대한 분석만으로 특정 의료 기관의 특정 약국으로의 처방 분배율에 대한 상당히 정확성이 높은 추측 정보를 확보할 수 있다. If the scope of analysis is expanded to a plurality of pharmacies around the first medical institution, the prescription distribution rate for each of the plurality of pharmacies may be calculated. For example, as shown in FIG. 2, a first pharmacy (200-1), a second pharmacy (200-2), and a third pharmacy (200-3) may exist around the first medical institution (100-1). At this time, the payment information for each pharmacy corresponding to the first medical institution may be, for example, 7 cases for the first pharmacy, 3 cases for the second pharmacy, and 1 case for the third pharmacy on a specific date. For example, the number of daily prescriptions at a specific medical institution may be about 100, then the number of monthly prescriptions may reach 2,000 to 3,000, and the number of quarterly prescriptions may be more than 10,000. Therefore, it is possible to obtain fairly accurate data on the prescription distribution ratio from a specific medical institution to a specific pharmacy. If the ratio between the payment information of the first medical institution and the matching payment information of the first pharmacy to the third pharmacy is 7:2:1, the first to third pharmacies of the first medical institution as shown in FIG. 2 The prescription dispensing ratio for the pharmacy may be determined to be 70%:20%:10%. Therefore, according to an embodiment of the present invention, for example, it is possible to secure highly accurate guessing information about the prescription distribution rate from a specific medical institution to a specific pharmacy just by analyzing a plurality of payment information such as credit card big data. there is.

처방 유입률 결정Determination of Prescription Inflow Rate

도 3 은 약국의 처방 유입률에 대한 예시도이다. 도 5 는 처방 유입률을 파악하기 위한 복수의 의료 기관들의 결제 정보와 약국의 결제 정보 간의 매칭을 예시한다. 도 9 는 본 발명의 일 측면에 따른 처방 유입률 결정 절차의 예시적인 흐름도이다. 이하, 도 3, 도 5 및 도 9 를 참조하여 본 발명의 일 실시예에 따른 약국의 처방 유입률 정보를 생성하기 위한 방법에 대해서 보다 구체적으로 설명한다. Figure 3 is an exemplary diagram of the pharmacy's prescription inflow rate. Figure 5 illustrates matching between payment information of a plurality of medical institutions and payment information of a pharmacy to determine the prescription inflow rate. Figure 9 is an exemplary flow diagram of a prescription inflow rate determination procedure according to an aspect of the present invention. Hereinafter, a method for generating prescription inflow rate information of a pharmacy according to an embodiment of the present invention will be described in more detail with reference to FIGS. 3, 5, and 9.

도 3 에는 예시적인 약국으로서 제 1 약국 (200-1) 이 도시된다. 제 1 약국 (200-1) 에 조제 의뢰하는 환자들은 제 1 의료 기관 (100-1), 제 2 의료 기관 (100-2), 제 3 의료 기관 (100-3) 중 어느 하나의 의료 기관에서 발급받은 처방전을 기반으로 제 1 약국에 조제 의뢰하는 것일 수 있다. 의료 기관은 조제를 의뢰할 약국을 지정할 수 없으므로 환자들은 본인의 취향이나 사정을 고려하여 어느 하나의 약국을 선택하게 된다. 도 3 에 예시적으로 도시된 바와 같이, 제 1 약국 (200-1) 에 방문하여 조제 의뢰하는 환자들 중 60 % 는 제 1 의료 기관 (100-1) 에서 발급받은 처방전을 기반으로 하고, 10 % 는 제 2 의료 기관 (100-2) 에서 발급받은 처방전을 기반으로 하고, 30 % 는 제 3 의료 기관 (100-3) 에서 발급받은 처방전을 기반으로 하는 상황을 가정할 수 있다. 3 shows a first pharmacy 200-1 as an exemplary pharmacy. Patients requesting dispensing at the first pharmacy (200-1) are dispensed from any one of the first medical institution (100-1), second medical institution (100-2), or third medical institution (100-3). It may be a request for dispensing to the first pharmacy based on the issued prescription. Since medical institutions cannot designate which pharmacy to request for dispensing, patients choose a pharmacy based on their preferences or circumstances. As exemplarily shown in Figure 3, 60% of patients who visit the first pharmacy (200-1) and request dispensing are based on prescriptions issued by the first medical institution (100-1), and 10% It can be assumed that % is based on a prescription issued by a second medical institution (100-2), and 30% is based on a prescription issued by a third medical institution (100-3).

이와 같이 특정 약국에 방문한 환자가 어느 의료 기관으로부터 얼마나 많은 환자가 유입된 것인지 여부는 예를 들어 약국 및/또는 제약 회사의 마케팅 측면과 같이 다양한 측면에서 중요한 근거 자료로 활용될 수 있다. 그러나, 약국의 입장에서도 어떤 의료 기관에서 얼마나 많은 환자가 유입되어 조제 의뢰하는지 여부에 대해 정확한 정보를 확보하고 있지는 않다. 따라서, 이를 유추하여 특정 약국에 대한 의료 기관들로부터의 처방 유입율을 결정하기 위한 방법이 요구된다. In this way, how many patients who visited a specific pharmacy came from which medical institution can be used as important evidence in various aspects, such as in the marketing aspect of pharmacies and/or pharmaceutical companies. However, from the perspective of pharmacies, they do not have accurate information on how many patients are coming from any medical institution and requesting dispensing. Therefore, a method is required to determine the prescription inflow rate from medical institutions to a specific pharmacy by inferring this.

본 발명의 일 실시예에 따르면, 예를 들어 신용카드 결제정보 빅데이터와 같이 복수의 결제 정보들을 이용하여 특정 약국의 처방 유입률을 결정할 수 있다. 근래에는 신용카드 업체들이 일정 요건 하에서 신용카드 결제 내역과 관련된 빅데이터를 분석 목적으로 제공하고 있다. 전술한 바와 같이, 본 기재에서 설명의 편의를 위해 신용 카드에 대한 결제 정보를 기반으로 예시될 수 있으나, 본 발명의 기술적 사상이 이에 한정되는 것은 아님에 유의한다. 통상의 기술자라면, 예를 들어 신용 카드 결제 정보 뿐만 아니라 QR 결제나 바코드 결제 기반의 이체 서비스와 같이, 결제 주체와 결제처에 대한 정보를 확인할 수 있는 임의의 결제 정보들에 대해 본 발명의 기술적 사상이 적용될 수 있다고 이해할 수 있을 것이다. According to one embodiment of the present invention, the prescription inflow rate of a specific pharmacy can be determined using a plurality of payment information, for example, big data of credit card payment information. Recently, credit card companies have been providing big data related to credit card payment details for analysis purposes under certain requirements. As described above, this description may be exemplified based on credit card payment information for convenience of explanation, but note that the technical idea of the present invention is not limited thereto. Those skilled in the art will understand the technical idea of the present invention regarding any payment information that can confirm information about the payment subject and payment destination, such as credit card payment information as well as QR payment or barcode payment-based transfer service. You will understand that this can be applied.

도 5 및 도 9 를 참조하여, 결제 정보를 이용한 약국의 처방 유입률 정보를 생성하기 위한 방법에 대해서 보다 구체적으로 설명한다. 본 발명의 일 실시예에 따른 약국의 처방 유입률 정보를 생성하기 위한 방법은, 컴퓨팅 디바이스에 의해 수행될 수 있다. With reference to FIGS. 5 and 9 , a method for generating prescription inflow rate information of a pharmacy using payment information will be described in more detail. The method for generating prescription inflow rate information of a pharmacy according to an embodiment of the present invention may be performed by a computing device.

본 발명의 일 측면에 따르면, 약국의 처방 유입률 정보는, 전술한 의료 기관의 처방 분배율 정보 생성과 유사한 취지로 예를 들어 신용카드 빅데이터와 같은 결제 정보들로부터 결정될 수 있다. 보다 구체적으로, 예를 들어 제 1 약국에 대한 처방 유입률 정보는, 제 1 의료 기관 및 제 2 의료 기관을 포함하는 복수의 의료 기관에 대한 복수의 결제 정보와, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국들 중 적어도 제 1 약국에 대한 복수의 결제 정보 사이의 매칭을 기반으로 결정될 수 있다. According to one aspect of the present invention, the pharmacy's prescription inflow rate information may be determined from payment information, such as credit card big data, in a similar manner to the above-described creation of the prescription distribution rate information of the medical institution. More specifically, for example, prescription inflow rate information for a first pharmacy includes a plurality of payment information for a plurality of medical institutions, including a first medical institution and a second medical institution, and a first pharmacy and a second pharmacy. It may be determined based on matching between a plurality of payment information for at least a first pharmacy among a plurality of pharmacies.

이를 위해, 컴퓨팅 디바이스는 먼저 제 1 약국에 대한 복수의 결제 정보, 제 1 의료 기관 및 제 2 의료 기관을 포함하는 복수의 의료 기관에 대한 복수의 결제 정보를 획득할 수 있다. 도 5 에는 예시적인 제 1 의료 기관의 복수의 결제 정보 (1100) 와 제 2 의료 기관의 복수의 결제 정보 (1400), 그리고 제 1 약국의 결제 정보 (1200) 가 도시된다. 도 5 에 도시된 바와 같이, 제 1 약국의 결제 정보 (1200) 는 1번 내지 5 번의 복수의 결제 정보를 포함하고, 예를 들어 각 결제 정보의 결제 수단 및/또는 결제 금액이 포함될 수 있다. 즉, A 카드를 사용하여 15,000원의 결제를 진행한 내역, G 카드를 사용하여 12,000원의 결제를 진행한 내역, C 카드를 이용하여 16,000원의 결제를 진행한 내역, D 카드를 이용하여 8,000 원의 결제를 진행한 내역 및 H 카드를 이용하여 11,000원의 결제를 진행한 내역이 포함될 수 있다. 도 5 에는 도시되어 있지 않지만, 각각의 결제 정보에는 결제 일자, 결제 시간, 또는 결제 수단의 소유자 정보 중 적어도 하나와 같은 다양한 부가 정보가 포함될 수도 있다. 제 1 의료 기관의 결제 정보 (1100) 및 제 2 의료 기관의 결제 정보 (1400) 에도 유사한 취지의 정보들이 포함될 수 있다. 이와 같은 결제 정보들은 예를 들어 신용카드 빅데이터 센터 서버에서 제공될 수 있으나, 이에 한정되지 아니한다. 또한 정보의 획득 절차 역시 유선 또는 무선 네트워크를 통한 데이터 파일의 전송이나 센터 방문을 통한 분석 및 분석 결과의 저장 매체의 저장과 같이, 다양한 획득 절차들 중 임의의 데이터 획득 절차들이 본 발명의 기술적 사상에 포함된다고 할 것이다. To this end, the computing device may first obtain a plurality of payment information for the first pharmacy and a plurality of payment information for the plurality of medical institutions including the first medical institution and the second medical institution. 5 illustrates exemplary plurality of payment information 1100 of a first medical institution, plurality of payment information 1400 of a second medical institution, and payment information 1200 of a first pharmacy. As shown in FIG. 5, the payment information 1200 of the first pharmacy includes a plurality of payment information Nos. 1 to 5, and may include, for example, a payment method and/or payment amount for each payment information. That is, a payment of 15,000 won using card A, a payment of 12,000 won using card G, a payment of 16,000 won using card C, and a payment of 8,000 won using card D. Details of payment of KRW and details of payment of 11,000 Won using H Card may be included. Although not shown in FIG. 5, each payment information may include various additional information such as at least one of payment date, payment time, or payment method owner information. The payment information 1100 of the first medical institution and the payment information 1400 of the second medical institution may also include information with a similar purpose. Such payment information may be provided, for example, by a credit card big data center server, but is not limited to this. Additionally, any of the various acquisition procedures, such as transmission of data files through a wired or wireless network, analysis through a visit to a center, and storage of the analysis results on a storage medium, are not included in the technical idea of the present invention. It will be said to be included.

다시 도 9 를 참조하면, 컴퓨팅 디바이스는, 복수의 의료 기관에 대한 결제 정보들 (1100, 1400) 중 제 1 약국에 대한 결제 정보 (1200) 와 매칭되는 결제 정보들을 추출 (단계 910) 할 수 있다. Referring again to FIG. 9, the computing device may extract payment information that matches payment information 1200 for the first pharmacy from among payment information 1100 and 1400 for a plurality of medical institutions (step 910). .

먼저, 컴퓨팅 디바이스는, 제 1 의료 기관에 대한 결제 정보들 (1100) 중 제 1 약국에 대한 결제 정보 (1200) 와 매칭되는 결제 정보를 추출할 수 있다. 이와 같은 제 1 의료 기관에 대한 결제 정보 (1100) 와 제 1 약국에 대한 결제 정보 (1200) 의 매칭은, 예를 들어 제 1 의료 기관에 대한 결제 정보 (1100) 와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 제 1 약국에서 결제가 이루어졌다는 결정에 기초하여 수행될 수 있다. 예를 들어, 제 1 의료 기관에 대한 결제 정보 (1100) 중 제 1 번 결제 정보는 A 카드를 결제 수단으로 하여 진행되었고, 제 1 약국에 대한 결제 정보 (1200) 중 제 1 번 결제 정보 역시 A 카드를 결제 수단으로 하여 진행되었으므로, 제 1 의료 기관의 결제 정보들 (1100) 중에서, 제 1 결제 정보 (1110-1) 를 추출할 수 있다. 유사한 취지로, 제 1 의료 기관에 대한 결제 정보들 (1100) 중에서, 제 1 약국에 대한 결제 정보 (1200) 의 제 3 번 결제 정보의 C 카드에 대해 매칭되는 결제 정보 (1110-2) 및 제 1 약국에 대한 결제 정보 (1200) 의 제 4 번 결제 정보의 D 카드에 대해 매칭되는 결제 정보 (1110-3) 역시 추출 대상이 된다. First, the computing device may extract payment information that matches payment information 1200 for the first pharmacy among payment information 1100 for the first medical institution. The matching of the payment information 1100 for the first medical institution and the payment information 1200 for the first pharmacy is, for example, a payment method corresponding to the payment information 1100 for the first medical institution, and is determined in advance. It may be performed based on a determination that payment has been made at the first pharmacy within a determined time interval. For example, the first payment information among the payment information (1100) for the first medical institution was processed using card A as a payment method, and the first payment information among the payment information (1200) for the first pharmacy was also A. Since the process was performed using a card as a payment method, the first payment information (1110-1) can be extracted from the payment information (1100) of the first medical institution. In a similar sense, among the payment information 1100 for the first medical institution, the payment information 1110-2 and the C card matching the third payment information of the payment information 1200 for the first pharmacy The payment information (1110-3) matching the D card of the fourth payment information of the payment information (1200) for the first pharmacy is also subject to extraction.

추출되는 결제 정보들은, 제 1 약국에 대한 결제 정보 (1200) 에 포함된 결제 수단에 대응되는지 여부 뿐만 아니라, 제 1 의료 기관에서의 결제가 이루어진 시점으로부터 미리 결정된 소정의 시간 구간 이내에 제 1 약국에서 결제가 이루어졌는지 여부를 더 고려하여 결정될 수 있다. 예를 들어, 추출되는 결제 정보는 제 1 약국에 대한 결제 정보 (1200) 에 포함된 결제 수단에 대응되는 결제 수단으로, 제 1 약국에서의 결제 일자와 동일자에 결제된 결제 정보일 수 있으나, 이에 한정되지 아니한다. 제 1 의료 기관의 결제 시점으로부터의 제 1 약국의 결제 시점까지의 시간 구간을 더 짧게 설정할 수도 있고 더 길게 설정할 수도 있다. The extracted payment information not only determines whether it corresponds to the payment method included in the payment information 1200 for the first pharmacy, but also determines whether the payment is made at the first pharmacy within a predetermined time interval from the time the payment is made at the first medical institution. The decision may be made by further considering whether payment has been made. For example, the extracted payment information is a payment method corresponding to the payment method included in the payment information 1200 for the first pharmacy, and may be payment information paid on the same day as the payment date at the first pharmacy. It is not limited. The time interval from the point of payment at the first medical institution to the point of payment at the first pharmacy may be set shorter or longer.

제 1 의료 기관의 결제정보들 (1100) 중에서, 추출되지 않은 결제 정보들은 제 1 약국이 아닌 다른 약국으로 조제 의뢰를 한 환자에 의한 것일 수도 있고, 의약품 처방 없이 진료 또는 치료를 받은 환자의 결제 정보일 수도 있다. Among the payment information 1100 of the first medical institution, the payment information that was not extracted may be from a patient who requested dispensing from a pharmacy other than the first pharmacy, or may be payment information of a patient who received treatment or care without a prescription for medicine. It may be.

한편, 컴퓨팅 디바이스는, 제 2 의료 기관에 대한 결제 정보들 (1400) 중 제 1 약국에 대한 결제 정보 (1200) 와 매칭되는 결제 정보를 추출할 수 있다. 이와 같은 제 2 의료 기관에 대한 결제 정보 (1400) 와 제 1 약국에 대한 결제 정보 (1200) 의 매칭은, 예를 들어 제 2 의료 기관에 대한 결제 정보 (1400) 와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 제 1 약국에서 결제가 이루어졌다는 결정에 기초하여 수행될 수 있다. 예를 들어, 제 2 의료 기관에 대한 결제 정보 (1400) 중 제 1 번 결제 정보는 G 카드를 결제 수단으로 하여 진행되었고, 제 1 약국에 대한 결제 정보 (1200) 중 제 2 번 결제 정보 역시 G 카드를 결제 수단으로 하여 진행되었으므로, 제 2 의료 기관의 결제 정보들 (1400) 중에서, 제 1 결제 정보 (1410-1) 를 추출할 수 있다. 유사한 취지로, 제 2 의료 기관에 대한 결제 정보들 (1400) 중에서, 제 1 약국에 대한 결제 정보 (1200) 의 제 5 번 결제 정보의 H 카드에 대해 매칭되는 결제 정보 (1410-2) 역시 추출 대상이 된다. Meanwhile, the computing device may extract payment information that matches payment information 1200 for the first pharmacy from payment information 1400 for the second medical institution. The matching of the payment information 1400 for the second medical institution and the payment information 1200 for the first pharmacy is, for example, a payment method corresponding to the payment information 1400 for the second medical institution, and is determined in advance. It may be performed based on a determination that payment has been made at the first pharmacy within a determined time interval. For example, the first payment information among the payment information (1400) for the second medical institution was processed using G card as a payment method, and the second payment information among the payment information (1200) for the first pharmacy was also G. Since the payment was made using a card as a payment method, the first payment information (1410-1) can be extracted from the payment information (1400) of the second medical institution. For a similar purpose, from the payment information 1400 for the second medical institution, the payment information 1410-2 matching the H card of the 5th payment information of the payment information 1200 for the first pharmacy is also extracted. becomes a target.

추출되는 결제 정보들은, 제 1 약국에 대한 결제 정보 (1200) 에 포함된 결제 수단에 대응되는지 여부 뿐만 아니라, 제 2 의료 기관에서의 결제가 이루어진 시점으로부터 미리 결정된 소정의 시간 구간 이내에 제 1 약국에서 결제가 이루어졌는지 여부를 더 고려하여 결정될 수 있다. 예를 들어, 추출되는 결제 정보는 제 1 약국에 대한 결제 정보 (1200) 에 포함된 결제 수단에 대응되는 결제 수단으로, 제 1 약국에서의 결제 일자와 동일자에 결제된 결제 정보일 수 있으나, 이에 한정되지 아니한다. 제 2 의료 기관의 결제 시점으로부터의 제 1 약국의 결제 시점까지의 시간 구간을 더 짧게 설정할 수도 있고 더 길게 설정할 수도 있다. The extracted payment information not only determines whether it corresponds to the payment method included in the payment information 1200 for the first pharmacy, but also determines whether the payment is made at the first pharmacy within a predetermined time interval from the time the payment is made at the second medical institution. The decision may be made by further considering whether payment has been made. For example, the extracted payment information is a payment method corresponding to the payment method included in the payment information 1200 for the first pharmacy, and may be payment information paid on the same day as the payment date at the first pharmacy. It is not limited. The time interval from the time of payment at the second medical institution to the time of payment at the first pharmacy may be set shorter or longer.

제 2 의료 기관의 결제정보들 (1400) 중에서, 추출되지 않은 결제 정보들은 제 1 약국이 아닌 다른 약국으로 조제 의뢰를 한 환자에 의한 것일 수도 있고, 의약품 처방 없이 진료 또는 치료를 받은 환자의 결제 정보일 수도 있다. Among the payment information 1400 of the second medical institution, the payment information that was not extracted may be from a patient who requested dispensing from a pharmacy other than the first pharmacy, or may be payment information of a patient who received treatment or care without a prescription for medicine. It may be.

다시 도 9 를 참조하면, 컴퓨팅 디바이스는, 추출된 결제 정보들 (1110-1, 1110-2, 1110-3, 1410-1, 1420-1) 중 제 1 의료 기관의 결제 정보 (1110-1, 1110-2, 1110-3) 와 제 2 의료 기관의 결제 정보 (1410-1, 1410-2) 의 정량적 비율에 기초하여 제 1 약국에 대한 제 1 의료 기관과 제 2 의료 기관으로부터의 처방 유입률 정보를 결정 (단계 920) 할 수 있다. 도 5 의 예시에 따르면, 제 1 약국의 5 건의 결제는 5 건의 조제 의뢰가 이루어진 것으로 간주할 수 있고, 그 중 3 건의 조제 의뢰는 제 1 의료 기관으로부터의 환자에 의한 것이고, 나머지 2 건의 조제 의뢰는 제 2 의료 기관으로부터의 환자에 의한 것으로 간주할 수 있다. 따라서, 제 1 약국에 대한 제 1 의료 기관 및 제 2 의료 기관으로부터의 처방 유입률은 3:2 또는 60 % : 40 % 로 결정될 수 있다. Referring again to FIG. 9, the computing device selects the first medical institution's payment information (1110-1, Prescription inflow rate information from the first medical institution and the second medical institution to the first pharmacy based on the quantitative ratio of the payment information (1110-2, 1110-3) and the second medical institution (1410-1, 1410-2) can be determined (step 920). According to the example of FIG. 5, 5 payments at the first pharmacy can be considered as 5 dispensing requests, of which 3 dispensing requests were made by patients from the first medical institution, and the remaining 2 dispensing requests were made. can be considered to be by a patient from a second medical institution. Accordingly, the prescription inflow rate from the first medical institution and the second medical institution to the first pharmacy may be determined to be 3:2 or 60%:40%.

제 1 약국 주변의 다수의 의료 기관으로 분석 범위를 넓히면, 복수의 의료 기관들 각각에 대한 처방 유입률 산출할 수도 있다. 예를 들어, 도 3 에 도시된 바와 같이 제 1 약국 (200-1) 주변에 제 1 의료 기관 (100-1), 제 2 의료 기관 (100-2), 제 3 의료 (100-3) 이 존재할 때, 제 1 약국 (200-1) 에 대응하는 각각의 복수의 의료 기관의 결제 정보는 예를 들어 특정 날짜에 제 1 의료 기관 6 건, 제 2 의료 기관 1 건, 제 3 의료 기관 3 건일 수 있다. 다시 예를 들어, 특정 약국의 일일 조제 건수는 약 100 건 정도일 수 있고, 그렇다면 월간 조제 건수가 2,000 건 내지 3,000 건에 이를 수 있으며, 분기별 조제 건수는 10,000 건 이상의 데이터가 확보될 수 있다. 따라서, 특정 약국의 특정 의료 기관으로부터의 처방 유입 비율에 대해 상당히 정확성이 높은 데이터를 확보할 수 있다. 제 1 의료 기관 내지 제 3 의료 기관의 제 1 약국의 결제 정보와 매칭되는 결제 정보들 간의 비율이 6:1:3 인 경우, 도 3 에 도시된 바와 같이 제 1 약국의 제 1 의료 기관 내지 제 3 의료 기관으로부터의 처방 유입률은 60 % : 10 % : 30 % 인 것으로 결정될 수 있다. 따라서, 본 발명의 실시예에 따르면, 예를 들어 신용카드 빅데이터와 같은 복수의 결제 정보들에 대한 분석만으로 특정 약국의 특정 의료 기관으로부터의 처방 유입률에 대한 상당히 정확성이 높은 추측 정보를 확보할 수 있다. If the scope of analysis is expanded to include multiple medical institutions around the first pharmacy, the prescription inflow rate can be calculated for each of the multiple medical institutions. For example, as shown in FIG. 3, there are a first medical institution (100-1), a second medical institution (100-2), and a third medical institution (100-3) around the first pharmacy (200-1). When present, the payment information of each of the plurality of medical institutions corresponding to the first pharmacy 200-1 is, for example, 6 cases for the first medical institution, 1 case for the second medical institution, and 3 cases for the third medical institution on a specific date. You can. For example, the number of daily dispensings at a specific pharmacy may be approximately 100, then the number of monthly dispensings may reach 2,000 to 3,000, and the number of quarterly dispensings may be 10,000 or more. Therefore, it is possible to obtain fairly accurate data on the rate of prescription inflow from a specific medical institution to a specific pharmacy. If the ratio between the payment information of the first pharmacy of the first medical institution to the third medical institution and the matching payment information is 6:1:3, as shown in FIG. 3, the first medical institution to the third pharmacy of the first medical institution 3 The prescription inflow rate from medical institutions can be determined to be 60%:10%:30%. Therefore, according to an embodiment of the present invention, for example, it is possible to secure highly accurate guessing information about the prescription inflow rate from a specific medical institution at a specific pharmacy simply by analyzing a plurality of payment information such as credit card big data. there is.

한편, 상기에서는 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율이 제 1 의료 기관의 결제 정보 건수와 제 2 의료 기관의 결제 정보 건수의 비율에 따라 결정되는 것으로 예시되었으나, 다른 측면에 따르면, 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율은, 제 1 의료 기관의 결제 정보에 대응하는 제 1 약국의 결제 정보들의 매출액 합과 제 2 의료 기관의 결제 정보에 대응하는 제 1 약국의 결제 정보들의 매출액 합 사이의 비율에 기초하여 결정될 수도 있다. 즉, 단순히 처방 유입 건수가 많은 의료 기관에 높은 유입률이 산출되지 아니하고, 그 의료 기관에서 유입된 처방전에 따른 매출이 높을수록 그 의료 기관에 높은 유입률이 산출되도록 결정될 수도 있다. Meanwhile, in the above, the quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution is illustrated as being determined according to the ratio of the number of payment information of the first medical institution and the number of payment information of the second medical institution. According to another aspect, the quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution is the sum of the sales of the payment information of the first pharmacy corresponding to the payment information of the first medical institution and that of the second medical institution. It may be determined based on the ratio between the payment information and the sum of sales of the payment information of the corresponding first pharmacy. In other words, it may be determined that a high inflow rate is not calculated simply for a medical institution with a large number of inflows of prescriptions, but rather, the higher the sales based on prescriptions inflow from that medical institution, the higher the inflow rate is calculated for that medical institution.

처방 데이터 생성 방법How to generate prescription data

전술한 바와 같이, 특히 제약 회사의 관점에서 살펴보면, 제약 회사는 특정 의약품을 복수의 약국들로 납품하기 때문에, 어떤 의약품을 어떤 약국에 얼마나 많이 납품하였는지, 매출액이 어떤지와 같은 특정 의약품의 특정 약국들에 대한 유통량에 대한 정보는 용이하게 확보할 수 있다. 즉, 의약품에 대한 유통 데이터는 제약 회사의 입장에서 기확보하고 있는 정보이다. 그런데, 약국의 입장에서는 처방전에 적시된 의약품만을 포함하여 조제해야만 하므로, 특정 의약품의 환자에 대한 판매 행위가 발생할지 여부는 약국에서 결정되는 것이 아니라 의료 기관에 의해 결정된다. 따라서, 제약 회사로서는 어떤 의료 기관에서 특정 의약품에 대해 많은 처방전을 발행했는지 여부를 반영하는 의약품의 처방 데이터에 대해 매우 높은 수요를 가지고 있다. 이와 같은 특정 의료 기관에 의한 특정 의약품에 대한 처방 정보는 공공 기관의 의료 데이터로서 존재할 수 있으나, 다양한 부작용을 고려하여 이를 공중에 공개하지는 아니할 수 있다. 따라서, 불법적인 요소 없이, 공개된 데이터를 기반으로 처방 데이터를 확보하기 위한 방안이 요구된다. As mentioned above, especially from the perspective of a pharmaceutical company, since a pharmaceutical company supplies a specific drug to multiple pharmacies, the specific pharmacies of a specific drug, such as how much of the drug was delivered to which pharmacy and what the sales volume was, were Information on distribution volume can be easily obtained. In other words, distribution data on pharmaceuticals is information already secured from the pharmaceutical company's perspective. However, from the pharmacy's perspective, it must dispense only the medicines specified in the prescription, so whether or not a specific medicine will be sold to a patient is determined not by the pharmacy but by the medical institution. Therefore, pharmaceutical companies have a very high demand for drug prescription data that reflects which medical institutions have issued many prescriptions for a particular drug. Such prescription information for specific drugs by specific medical institutions may exist as medical data of public institutions, but may not be disclosed to the public in consideration of various side effects. Therefore, a method is required to secure prescription data based on publicly available data without illegal elements.

관련하여, 도 8 은 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법의 예시적인 흐름도이다. 이하, 도 8 을 참조하여, 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법에 대해서 보다 구체적으로 설명한다. In relation to this, Figure 8 is an exemplary flowchart of a method for generating quantitative prescription data for a target drug according to an embodiment of the present invention. Hereinafter, with reference to FIG. 8, a method for generating quantitative prescription data for a target drug according to an embodiment of the present invention will be described in more detail.

도 8 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법은, 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하는 단계 (단계 810), 상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계 (단계 820) 및 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성하는 단계 (단계 830) 를 포함할 수 있다. As shown in FIG. 8, the method for generating quantitative prescription data for a target drug according to an embodiment of the present invention includes quantitative distribution evaluation values of the target drug for each of the first and second pharmacies. In the step of acquiring data (step 810), based on the prescription inflow rate information of each of the first and second pharmacies, the distribution volume evaluation values of each of the first and second pharmacies are distributed to the first and second medical institutions. A distributing step (step 820) and a prescription amount of the target drug by each of the first and second medical institutions based on the sum of the distributed distribution volume evaluation values for each of the first and second medical institutions. A step of generating reflective quantitative prescription data (step 830) may be included.

비한정적이나 보다 구체적으로는, 도 8 에 도시된 바와 같이, 컴퓨팅 디바이스는 먼저 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득 (단계 810) 할 수 있다. 예를 들어, 제약 회사는 특정 의약품을 복수의 약국들로 납품하기 때문에, 어떤 의약품을 어떤 약국에 얼마나 많이 납품하였는지, 매출액이 어떤지와 같은 특정 의약품의 특정 약국들에 대한 유통량에 대한 정보는 용이하게 확보할 수 있다. 즉, 의약품에 대한 유통 데이터는 제약 회사의 입장에서 기확보하고 있는 정보이다. 따라서, 본 기재의 일 실시예에 따른 방법을 수행하는 컴퓨팅 디바이스는 예를 들어 컴퓨팅 디바이스의 메모리에 포함된 데이터베이스로부터 정보를 취출하는 것에 의해 용이하게 타겟 의약품에 대한 유통량 평가값을 포함하는 정량적 유통 데이터를 획득할 수 있다. 다만, 데이터베이스는 동일 컴퓨팅 디바이스 내의 메모리에 저장되는 것에 한정되지 아니하며 무선 또는 유선을 통해 원격 또는 동일 장소의 별도 저장 매체로부터 로딩될 수 있음은 자명하다. More specifically, but not exclusively, as shown in FIG. 8, the computing device may first obtain (step 810) quantitative distribution data including distribution volume estimates of the target drug for each of the first pharmacy and the second pharmacy. there is. For example, because a pharmaceutical company supplies a specific drug to multiple pharmacies, it is easy to obtain information about the distribution volume of a specific drug to specific pharmacies, such as how much of the drug was delivered to which pharmacy and what the sales volume was. It can be secured. In other words, distribution data on pharmaceuticals is information already secured from the pharmaceutical company's perspective. Therefore, a computing device that performs a method according to an embodiment of the present disclosure can easily obtain quantitative distribution data including a distribution volume evaluation value for the target drug by, for example, retrieving information from a database included in the memory of the computing device. can be obtained. However, it is obvious that the database is not limited to being stored in the memory of the same computing device and can be loaded wirelessly or wired from a separate storage medium remotely or at the same location.

여기서, 일 측면에 따른 유통량 평가값은, 타겟 의약품에 대한 납품량을 기반으로 결정될 수 있다. 예를 들어, 제 1 약국에 대한 타겟 의약품의 유통량 평가값은 제 1 약국에 대한 타겟 의약품의 납품량을 나타내는 정보일 수 있다. 일 측면에 따르면 기준 단위의 납품량 그 자체일 수도 있고, 납품량에 대한 평가 지수일 수도 있으나 이에 한정되지 아니한다. 따라서, 일 측면에 따르면 유통량 평가값은 그 약국에 타겟 의약품이 얼마나 많이 납품되었는지 여부를 나타내는 값일 수 있다. Here, the distribution volume evaluation value according to one aspect may be determined based on the delivery volume for the target drug. For example, the evaluation value of the distribution amount of the target drug to the first pharmacy may be information representing the delivery amount of the target drug to the first pharmacy. According to one aspect, it may be the delivery quantity of the standard unit itself, or it may be an evaluation index for the delivery quantity, but is not limited to this. Therefore, according to one aspect, the distribution volume evaluation value may be a value indicating how much of the target drug has been delivered to the pharmacy.

다른 측면에 따르면 유통량 평가값은, 타겟 의약품에 대한 매출액을 기반으로 결정될 수도 있다. 예를 들어, 제 1 약국에 대한 타겟 의약품의 유통량 평가값은 제 1 약국에 대한 타겟 의약품의 매출량을 나타내는 정보일 수 있다. 즉, 예를 들어 제약 회사에서 제 1 약국에 판매한 타겟 의약품 금액의 총 합을 반영할 수 있다. 따라서, 일 측면에 따르면 유통량 평가값은 그 약국이 타겟 의약품에 대해 얼마나 많은 매출액을 발생시켰는지 여부를 나타내는 값일 수 있다. According to another aspect, the distribution volume evaluation value may be determined based on sales for the target drug. For example, the evaluation value of the distribution volume of the target drug to the first pharmacy may be information representing the sales volume of the target drug to the first pharmacy. That is, for example, it may reflect the total amount of the target drug sold by a pharmaceutical company to the first pharmacy. Therefore, according to one aspect, the distribution volume evaluation value may be a value indicating how much sales the pharmacy has generated for the target drug.

다만, 유통량 평가값은 납품량이나 매출액 중 어느 하나에 기반하여 산정되는 것으로 한정되지 아니하며, 둘 모두를 합산하거나, 다른 유통 정도를 나타내는 요소에 의해 결정될 수도 있다. However, the distribution volume evaluation value is not limited to being calculated based on either delivery volume or sales, and may be determined by adding both together or by other factors indicating the degree of distribution.

다시 도 8 을 참조하면, 컴퓨팅 디바이스는, 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배 (단계 820) 할 수 있다. 여기서, 각각의 약국에 대한 처방 유입률 정보는 본 기재에서 앞서 살핀 바와 같은 일 실시예에 따른 처방 유입률 정보 결정 방법의 적어도 일부 절차에 따라 결정된 것일 수 있다. Referring again to FIG. 8, the computing device distributes the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies. (Step 820) You can. Here, the prescription inflow rate information for each pharmacy may be determined according to at least a partial procedure of the method for determining prescription inflow rate information according to an embodiment as discussed earlier in this description.

예를 들어, 제 1 약국을 기준으로 설명하면, 컴퓨팅 디바이스는, 제 1 약국의 처방 유입률 정보를 이용하여, 제 1 약국의 유통량 평가값을 제 1 의료 기관과 제 2 의료 기관으로 분배할 수 있다. For example, if the description is based on a first pharmacy, the computing device may distribute the distribution volume evaluation value of the first pharmacy to the first medical institution and the second medical institution using the prescription inflow rate information of the first pharmacy. .

예를 들어, 도 3 에 도시된 바와 같이 제 1 약국 (200-1) 에 대해 제 1 의료 기관 내지 제 3 의료 기관으로부터 처방이 유입되는 경우로 논의를 확대할 수 있다. 이 경우, 도 3 의 예시에서 제 1 약국 (200-1) 에는 제 1 의료 기관 (100-1) 에서 60 %, 제 2 의료 기관 (100-2) 에서 10 %, 제 3 의료 기관 (100-3) 에서 30 % 의 처방이 유입되고 있을 수 있다. 예를 들어 유통량 평가값이 납품량에 기초하는 경우를 가정하면, 제 1 약국 (200-1) 에 대한 기준 기간 동안의 타겟 의약품의 납품량이 1,000 유닛이라고 할 때, 제 1 의료 기관 (100-1) 에는 600 유닛이 분배되고, 제 2 의료 기관 (100-2) 에는 100 유닛이 분배되고, 제 3 의료 기관 (100-3) 에는 300 유닛이 분배될 수 있다. For example, as shown in FIG. 3, the discussion can be expanded to a case where prescriptions flow into the first pharmacy 200-1 from a first medical institution to a third medical institution. In this case, in the example of FIG. 3, the first pharmacy (200-1) has 60% from the first medical institution (100-1), 10% from the second medical institution (100-2), and 10% from the third medical institution (100-1). 3) 30% of prescriptions may be flowing in. For example, assuming that the distribution volume evaluation value is based on the delivery volume, assuming that the delivery volume of the target drug during the reference period to the first pharmacy (200-1) is 1,000 units, the first medical institution (100-1) 600 units may be distributed to, 100 units may be distributed to the second medical institution 100-2, and 300 units may be distributed to the third medical institution 100-3.

한편, 컴퓨팅 디바이스는, 제 2 약국의 처방 유입률 정보를 이용하여, 제 2 약국의 유통량 평가값을 제 1 의료 기관과 제 2 의료 기관으로 분배할 수 있다. 예를 들어, 제 2 약국에는 제 1 의료 기관 (100-1) 에서 30 %, 제 2 의료 기관 (100-2) 에서 40 %, 제 4 의료 기관 (미도시) 에서 30 % 의 처방이 유입되고 있을 수 있다. 예를 들어 유통량 평가값이 납품량에 기초하는 경우를 가정하면, 제 2 약국에 대한 기준 기간 동안의 타겟 의약품의 납품량이 2,000 유닛이라고 할 때, 제 1 의료 기관 (100-1) 에는 600 유닛이 분배되고, 제 2 의료 기관 (100-2) 에는 800 유닛이 분배되고, 제 4 의료 기관 (미도시) 에는 600 유닛이 분배될 수 있다. Meanwhile, the computing device may distribute the distribution volume evaluation value of the second pharmacy to the first medical institution and the second medical institution using the prescription inflow rate information of the second pharmacy. For example, the second pharmacy receives 30% of prescriptions from the first medical institution (100-1), 40% from the second medical institution (100-2), and 30% from the fourth medical institution (not shown). There may be. For example, assuming that the distribution volume evaluation value is based on the delivery volume, if the delivery volume of the target drug during the standard period to the second pharmacy is 2,000 units, 600 units are distributed to the first medical institution (100-1) 800 units may be distributed to the second medical institution 100-2, and 600 units may be distributed to the fourth medical institution (not shown).

다시 도 8 을 참조하면, 컴퓨팅 디바이스는, 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성 (단계 830) 할 수 있다. Referring again to FIG. 8, the computing device determines the prescription amount of the target drug by each of the first medical institution and the second medical institution based on the sum of the distribution volume evaluation values distributed for each of the first medical institution and the second medical institution. Quantitative prescription data reflecting can be generated (step 830).

예를 들어, 제 1 의료 기관을 기준으로 설명하면, 컴퓨팅 디바이스는, 제 1 약국으로부터 할당된 제 1 약국의 타겟 의약품에 대한 유통량 평가값의 일부와 제 2 약국으로부터 할당된 제 2 약국의 타겟 의약품에 대한 유통량 평가값의 일부를 합산하여, 제 1 의료 기관에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성할 수 있다. 예를 들어, 유통량 평가값이 납품량에 기초하는 경우의, 도 3 을 참조하여 전술한 제 1 약국 및 제 2 약국의 예시적인 수치를 가정하면, 제 1 약국에서는 제 1 의료 기관으로 600 유닛이 분배되고, 제 2 약국에서는 제 2 의료 기관으로 600 유닛이 분배될 수 있다. 따라서, 제 1 의료 기관에 의한 타겟 의약품에 대한 정량적 처방 데이터는 1,200 유닛을 반영하는 값일 수 있다.For example, if explained based on a first medical institution, the computing device may include a portion of the distribution volume evaluation value for the target drug of the first pharmacy allocated from the first pharmacy and the target drug of the second pharmacy allocated from the second pharmacy. By adding up some of the distribution volume evaluation values for , quantitative prescription data reflecting the prescription volume of the target drug by the first medical institution can be generated. For example, assuming the example figures for the first and second pharmacies described above with reference to FIG. 3 where the distribution volume estimate is based on delivery volume, 600 units would be distributed from the first pharmacy to the first health care facility. 600 units can be distributed from the second pharmacy to the second medical institution. Accordingly, quantitative prescription data for the target drug by the first medical institution may be a value reflecting 1,200 units.

유사한 취지로, 제 2 의료 기관의 경우, 컴퓨팅 디바이스는, 제 1 약국으로부터 할당된 제 1 약국의 타겟 의약품에 대한 유통량 평가값의 일부와 제 2 약국으로부터 할당된 제 2 약국의 타겟 의약품에 대한 유통량 평가값의 일부를 합산하여, 제 2 의료 기관에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성할 수 있다. 전술한 도 3 을 참조한 예시에서, 제 1 약국에서는 제 2 의료 기관으로 100 유닛이 분배되고, 제 2 약국에서는 제 2 의료 기관으로 800 유닛이 분배될 수 있다. 따라서, 제 2 의료 기관에 의한 타겟 의약품에 대한 정량적 처방 데이터는 900 유닛을 반영하는 값일 수 있다. In a similar sense, in the case of a second medical institution, the computing device may include a portion of the distribution volume evaluation value for the target drug of the first pharmacy allocated from the first pharmacy and the distribution amount of the target drug of the second pharmacy allocated from the second pharmacy. By adding up some of the evaluation values, quantitative prescription data reflecting the amount of prescriptions for the target drug by the second medical institution can be generated. In the example with reference to FIG. 3 described above, 100 units may be distributed from the first pharmacy to the second medical institution, and 800 units may be distributed from the second pharmacy to the second medical institution. Accordingly, quantitative prescription data for the target drug by the second medical institution may be a value reflecting 900 units.

따라서, 제 1 의료 기관 및 제 2 의료 기관 각각에서 타겟 의약품에 대해 얼마나 많은 처방이 발행되었는지 여부를 비교적 정확하고 합리적으로 추산할 수 있는 참고 데이터의 확보가 가능하다. 본 기재에서 제 1 약국, 제 2 약국과 제 1 의료 기관, 제 2 의료 기관을 예시하여 설명하였으나, 보다 많은 약국 및 의료 기관으로 유통량 평가값의 분배 대상이나 정량적 처방 데이터의 생성 대상을 확대할 수 있음은 물론이다. Therefore, it is possible to secure reference data that can relatively accurately and reasonably estimate how many prescriptions for the target drug have been issued in each of the first and second medical institutions. In this description, the first pharmacy, the second pharmacy, the first medical institution, and the second medical institution are used as examples, but the distribution target of the distribution evaluation value or the generation target of quantitative prescription data can be expanded to more pharmacies and medical institutions. Of course it exists.

한편, 본 발명의 일 측면에 따르면, 각각의 약국에 대한 처방 유입률에 따라 각각의 약국의 유통량 평가값을 복수의 의료 기관들로 분배함에 있어서, 타겟 의약품이 처방되는 진료 과목들 간의 비율을 반영하는 처방 과목 비율 정보가 더 반영될 수 있다. 즉, 일 측면에 따르면, 컴퓨팅 디바이스는, 타겟 의약품이 처방되는 진료 과목들 간의 비율을 반영하는 처방 과목 비율 정보, 제 1 의료 기관의 진료 과목, 제 2 의료 기관의 진료 과목을 더 반영하여 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하도록 구성될 수 있다. Meanwhile, according to one aspect of the present invention, in distributing the distribution volume evaluation value of each pharmacy to a plurality of medical institutions according to the prescription inflow rate for each pharmacy, the ratio between medical subjects for which the target drug is prescribed is reflected. Prescription subject ratio information may be further reflected. That is, according to one aspect, the computing device further reflects prescription subject ratio information reflecting the ratio between medical subjects for which the target drug is prescribed, medical subjects at the first medical institution, and medical subjects at the second medical institution, It may be configured to distribute the distribution volume evaluation values of each of the first pharmacy and the second pharmacy to the first medical institution and the second medical institution.

도 6 은 특정 의약품에 대한 지역에 따른 처방 과목 비율 정보의 예시이다. 도 6 에 도시된 바와 같이, 특정 성분이나 함량에 따른 의약품의 구분에 따라 어떤 진료 과목의 의료 기관에서 더 많이 처방되는지 여부는 상이할 수 있다. 예를 들어 소아 감기약의 경우, 소아청소년과에서 80 % 가 처방되고, 내과에서 10 %, 이비인후과에서 10 % 가 처방되는 상황을 가정할 수 있다. 예를 들어, 특정 소아 감기약에 대해 처방전이 100 건 발행되었다면, 소아청소년과 의료 기관에서 발행한 처방전이 80 건이고, 내과 의료 기관에서 발행한 처방전이 10 건이고, 이비인후과 의료 기관에서 발행한 처방전이 10 건일 수 있다. 이와 같은 처방 과목 비율 정보는, 예를 들어 건강보험심사평가원이나 건강보험공단과 같은 공공 의료 기관의 데이터베이스에서 제공되는 공개 자료들에 대해 데이터 분석을 수행하는 것에 의해 확보된 것일 수 있다. 이와 같은 데이터 분석에는 예를 들어 약물별로 부여된 코드 정보가 활용될 수도 있다. Figure 6 is an example of prescription subject ratio information according to region for a specific drug. As shown in FIG. 6, depending on the classification of medicines based on specific ingredients or contents, whether more medicines are prescribed by medical institutions may vary. For example, in the case of pediatric cold medicine, it can be assumed that 80% are prescribed in pediatrics, 10% in internal medicine, and 10% in otolaryngology. For example, if 100 prescriptions were issued for a specific pediatric cold medicine, 80 prescriptions were issued by pediatric and adolescent medical institutions, 10 prescriptions were issued by internal medicine medical institutions, and 10 prescriptions were issued by otolaryngology medical institutions. There may be 10 cases. Such prescription subject ratio information may be obtained, for example, by performing data analysis on public data provided in the database of a public medical institution such as the Health Insurance Review and Assessment Service or the National Health Insurance Corporation. For example, code information assigned to each drug may be used in such data analysis.

일 측면에 따르면, 처방 과목 비율 정보는, 제 1 약국, 제 2 약국, 제 1 의료 기관, 또는 제 2 의료 기관 중 적어도 하나의 소재 지역 구분에 따라 상이하게 결정될 수도 있다. 도 6 에 도시된 바와 같이, 의약품 A 의 경우 서울에서 신경외과, 내과, 소아청소년과, 이비인후과 순으로 각각 70 %, 10 %, 5 %, 5 % 의 처방 비율을 나타낼 수 있으나, 경기 지역에서 각각 60 %, 15 %, 5 %, 5 % 의 처방 비율을 나타낼 수 있다. According to one aspect, the prescription subject ratio information may be determined differently depending on the regional classification of at least one of the first pharmacy, the second pharmacy, the first medical institution, and the second medical institution. As shown in Figure 6, in the case of drug A, the prescription rates may be 70%, 10%, 5%, and 5% in the order of neurosurgery, internal medicine, pediatrics, and otolaryngology in Seoul, respectively, but in the Gyeonggi region, respectively. Prescription rates can be 60%, 15%, 5%, and 5%.

이와 같이, 타겟 의약품이 어떤 유형에 속하는지 또는 어떤 의약품인지 여부에 따라 각각의 의료 기관별로 그 타겟 의약품을 많이 처방하는지, 적게 처방하는지 여부는 상이할 수 있으므로, 특정 약국으로의 특정 의료 기관으로부터의 처방 유입률이 높게 결정되는 경우에도 실질적으로 그 의료 기관에서 타겟 의약품에 대해서는 많지 않은 처방을 발행하는 경우도 존재할 수 있다. 따라서, 본 발명의 일 측면에 따르면, 특정 약국에 대한 유통량 평가값을 처방 유입률에 따라 복수의 의료 기관들로 분배함에 있어서, 해당 의료 기관에 대한 처방 유입률에 가중치를 적용한 뒤 처방 유입률을 분배할 수도 있다. In this way, whether each medical institution prescribes more or less of the target drug may vary depending on what type or type of drug it is, so it may be different from a specific medical institution to a specific pharmacy. Even when the prescription inflow rate is determined to be high, there may be cases where the medical institution actually issues few prescriptions for the target drug. Therefore, according to one aspect of the present invention, when distributing the distribution volume evaluation value for a specific pharmacy to a plurality of medical institutions according to the prescription inflow rate, the prescription inflow rate may be distributed after applying a weight to the prescription inflow rate for the corresponding medical institution. there is.

비한정적이나 보다 구체적으로, 예를 들어 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배함에 있어서, 제 1 약국의 유통량 평가값을 제 1 의료 기관으로 분배하는 절차에 대해 먼저 설명한다. Non-limitingly, but more specifically, for example, in distributing the distribution volume evaluation value of each of the first pharmacy and the second pharmacy to the first medical institution and the second medical institution, the distribution volume evaluation value of the first pharmacy may be distributed to the first medical institution. The distribution procedure will first be explained.

일 측면에 따르면, 컴퓨팅 디바이스는, 제 1 약국의 유통량 평가값에 제 1 약국에 대한 제 1 의료 기관의 처방 유입률과 제 1 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 제 1 의료 기관에 대한 제 1 약국의 유통량 평가값의 분배량을 결정할 수 있다. 즉, 제 1 약국에 대해 제 1 의료 기관에서 얼마나 많은 비율로 처방이 유입되는지 여부에 더해서, 제 1 의료 기관의 진료 과목이 타겟 의약품에 대해 얼마나 많은 비율로 처방을 발행하는 진료 과목인지 여부를 더 반영하여, 제 1 약국의 유통량 평가값을 제 1 의료 기관으로 분배하는 정도를 결정할 수 있다. According to one aspect, the computing device provides a first medical treatment system based on multiplying the distribution volume estimate of the first pharmacy by the prescription inflow rate of the first medical institution to the first pharmacy and the prescription subject ratio according to the treatment subjects of the first medical institution. The distribution amount of the distribution volume estimate of the first pharmacy to the institution may be determined. In other words, in addition to determining what proportion of prescriptions flow from the first medical institution to the first pharmacy, we also need to determine what proportion of the medical subjects at the first medical institution issue prescriptions for the target drug. By reflecting this, it is possible to determine the degree to which the distribution volume evaluation value of the first pharmacy is distributed to the first medical institution.

마찬가지로, 컴퓨팅 디바이스는, 제 1 약국의 유통량 평가값에 제 1 약국에 대한 제 2 의료 기관의 처방 유입률과 제 2 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 제 2 의료 기관에 대한 제 1 약국의 유통량 평가값의 분배량을 결정할 수 있다. 즉, 제 1 약국에 대해 제 2 의료 기관에서 얼마나 많은 비율로 처방이 유입되는지 여부에 더해서, 제 2 의료 기관의 진료 과목이 타겟 의약품에 대해 얼마나 많은 비율로 처방을 발행하는 진료 과목인지 여부를 더 반영하여, 제 1 약국의 유통량 평가값을 제 2 의료 기관으로 분배하는 정도를 결정할 수 있다. Likewise, the computing device determines the distribution volume estimate for the second medical institution based on multiplying the first pharmacy's distribution volume estimate by the second medical institution's prescription inflow rate to the first pharmacy and the prescription subject ratio according to the second medical institution's subjects. The distribution amount of the distribution volume evaluation value of the first pharmacy can be determined. In other words, in addition to determining what proportion of prescriptions flow from the second medical institution to the first pharmacy, we also determine what proportion of the medical subjects at the second medical institution issue prescriptions for the target drug. By reflecting this, it is possible to determine the degree to which the distribution volume evaluation value of the first pharmacy is distributed to the second medical institution.

제 2 약국의 유통량 평가값을 제 1 의료 기관 또는 제 2 의료 기관으로 분배함에 있어서도 유사한 취지로 각 의료 기관의 처방 유입률과 진료 과목에 따른 처방 과목 비율을 곱하여 분배할 수 있다. In distributing the distribution volume evaluation value of the second pharmacy to the first or second medical institution, the distribution can be done by multiplying the prescription inflow rate of each medical institution by the prescription subject ratio according to treatment subject for a similar purpose.

도 7 은 처방 과목 비율을 반영한 처방 유입률 계산의 예시도이다. 본 기재에서 앞서 도 3 을 참조하여 예시한 바와 같은 제 1 약국의 처방 유입률 상황에서, 도 6 의 처방 과목 비율 정보에서 서울 지역에 따른 정보를 적용한 예시를 나타낸다. 제 1 의료 기관의 제 1 약국으로의 처방 유입률은 60 % 이지만, 의약품 A 의 서울에서의 내과에 대한 처방 과목 비율은 10 % 이므로, 실질적으로 제 1 약국의 유통량 평가값의 6 % 에 해당하는 값이 제 1 의료 기관으로 할당될 수 있다. 유사한 취지로, 제 2 의료 기관의 제 1 약국으로의 처방 유입률은 10 % 이지만, 의약품 A 의 서울에서의 이비인후과에 대한 처방 과목 비율은 10 % 이므로, 실질적으로 제 1 약국의 유통량 평가값의 1 % 에 해당하는 값이 제 2 의료 기관으로 할당될 수 있고, 제 3 의료 기관의 제 1 약국으로의 처방 유입률은 30 % 이지만, 의약품 A 의 서울에서의 신경외과에 대한 처방 과목 비율은 70 % 이므로, 실질적으로 제 1 약국의 유통량 평가값의 21 % 에 해당하는 값이 제 3 의료 기관으로 할당될 수 있다. 즉, 처방 유입률만 고려하는 경우와 달리, 제 3 의료 기관으로 제 1 약국의 유통량 평가값이 가장 많이 분배될 수 있다. 이와 같이 각 과목별 처방 비율을 더 반영하는 것에 의해 특정한 타겟 의약품이 어떤 의료 기관에 의해 더 많이 처방되었는지 여부를 반영하기 위한 정량적 처방 데이터의 정확성이 더 개선될 수 있다. Figure 7 is an example of calculating the prescription inflow rate reflecting the ratio of prescription subjects. In this description, in the situation of the prescription inflow rate of the first pharmacy as exemplified with reference to FIG. 3, an example of applying information according to the Seoul region from the prescription subject ratio information of FIG. 6 is shown. The prescription inflow rate from the first medical institution to the first pharmacy is 60%, but the prescription rate for medicine A for internal medicine in Seoul is 10%, so the value is actually 6% of the estimated distribution volume of the first pharmacy. This may be assigned to the first medical institution. In a similar sense, the prescription inflow rate from the second medical institution to the first pharmacy is 10%, but the prescription subject rate for otolaryngology in Seoul for drug A is 10%, so in reality, it is 1% of the estimated distribution volume of the first pharmacy. The value corresponding to can be assigned to the second medical institution, and the prescription inflow rate to the first pharmacy of the third medical institution is 30%, but the prescription subject rate for neurosurgery in Seoul for drug A is 70%, In practice, a value equivalent to 21% of the distribution volume evaluation value of the first pharmacy can be allocated to the third medical institution. In other words, unlike the case where only the prescription inflow rate is considered, the distribution volume evaluation value of the first pharmacy can be distributed to the third medical institution the most. In this way, by further reflecting the prescription rate for each subject, the accuracy of quantitative prescription data can be further improved to reflect whether a specific target drug was prescribed more by which medical institution.

컴퓨팅 디바이스computing device

도 11 은 본 발명의 실시예에 따른 방법들이 수행될 수 있는 컴퓨팅 디바이스 또는 컴퓨팅 시스템의 예시적인 구성을 나타내는 블록도이다. 11 is a block diagram illustrating an example configuration of a computing device or computing system on which methods according to embodiments of the present invention may be performed.

도 11 을 참조하면, 컴퓨팅 시스템 (800) 은 플래시 스토리지 (810) , 프로세서 (820), RAM (830), 입출력 장치 (840) 및 전원 장치 (850) 를 포함할 수 있다. 또한, 플래시 스토리지 (810) 는 메모리 장치 (811) 및 메모리 컨트롤러 (812) 를 포함할 수 있다. 한편, 도 8 에는 도시되지 않았지만, 컴퓨팅 시스템 (800) 은 비디오 카드, 사운드 카드, 메모리 카드, USB 장치 등과 통신하거나, 또는 다른 전자 기기들과 통신할 수 있는 포트 (port) 들을 더 포함할 수 있다.Referring to FIG. 11 , computing system 800 may include flash storage 810, processor 820, RAM 830, input/output device 840, and power device 850. Additionally, flash storage 810 may include a memory device 811 and a memory controller 812. Meanwhile, although not shown in FIG. 8, the computing system 800 may further include ports capable of communicating with a video card, sound card, memory card, USB device, etc., or with other electronic devices. .

컴퓨팅 시스템 (800) 은 퍼스널 컴퓨터로 구현되거나, 노트북 컴퓨터, 휴대폰, PDA (personal digital assistant) 및 카메라 등과 같은 휴대용 전자 장치로 구현될 수 있다.The computing system 800 may be implemented as a personal computer or as a portable electronic device such as a laptop computer, a mobile phone, a personal digital assistant (PDA), and a camera.

프로세서 (820) 는 특정 계산들 또는 태스크 (task) 들을 수행할 수 있다. 실시예에 따라, 프로세서 (820) 는 마이크로프로세서 (micro-processor), 중앙 처리 장치 (Central Processing Unit, CPU)일 수 있다. 프로세서 (820) 는 어드레스 버스 (address bus), 제어 버스 (control bus) 및 데이터 버스 (data bus) 등과 같은 버스 (860) 를 통하여 RAM (830), 입출력 장치 (840) 및 플래시 스토리지 (810) 와 통신을 수행할 수 있다. Processor 820 may perform certain calculations or tasks. Depending on the embodiment, the processor 820 may be a microprocessor or a central processing unit (CPU). The processor 820 communicates with the RAM 830, the input/output device 840, and the flash storage 810 through a bus 860 such as an address bus, a control bus, and a data bus. Communication can be performed.

일 실시예에 따라, 프로세서 (820) 는 주변 구성요소 상호연결 (Peripheral Component Interconnect, PCI) 버스와 같은 확장 버스에도 연결될 수 있다.According to one embodiment, processor 820 may also be connected to an expansion bus, such as a Peripheral Component Interconnect (PCI) bus.

RAM (830) 는 컴퓨팅 시스템 (800) 의 동작에 필요한 데이터를 저장할 수 있다. 예를 들어, 디램 (DRAM), 모바일 디램, 에스램 (SRAM), 피램 (PRAM), 에프램 (FRAM), 엠램 (MRAM), 알램 (RRAM) 을 포함하는 임의의 유형의 랜덤 액세스 메모리가 RAM (830)으로 이용될 수 있다.RAM 830 can store data necessary for operation of the computing system 800. For example, any type of random access memory is called RAM, including DRAM, Mobile DRAM, SRAM, PRAM, FRAM, MRAM, and RRAM. It can be used as (830).

입출력 장치 (840) 는 키보드, 키패드, 마우스 등과 같은 입력 수단 및 프린터, 디스플레이 등과 같은 출력 수단을 포함할 수 있다. 전원 장치 (850) 는 컴퓨팅 시스템 (800) 의 동작에 필요한 동작 전압을 공급할 수 있다.The input/output device 840 may include input means such as a keyboard, keypad, mouse, etc., and output means such as a printer, display, etc. Power supply 850 may supply operating voltage necessary for operation of computing system 800.

본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 장치는, 프로세서 (820) 및 메모리 (830) 를 포함하고, 프로세서 (820) 는, 제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하고, 상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하고, 그리고 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성하도록 구성될 수 있다. 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 장치의 보다 구체적인 동작은 전술한 본 발명의 일 실시예에 따른 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법의 적어도 일부 프로세스를 차용할 수 있다. An apparatus for generating quantitative prescription data of a target drug according to an embodiment of the present invention includes a processor 820 and a memory 830, and the processor 820 is configured to provide information on each of the first pharmacy and the second pharmacy. Obtain quantitative distribution data including the distribution volume evaluation value of the target drug, and based on the prescription inflow rate information of each of the first and second pharmacies, calculate the distribution volume evaluation value of each of the first and second pharmacies to the first medical institution. and distribution to a second medical institution, and prescription of the target drug by each of the first and second medical institutions based on the sum of the distribution volume evaluation values distributed to each of the first and second medical institutions. It can be configured to generate quantitative prescription data that reflects the amount. A more specific operation of the device for generating quantitative prescription data for a target drug according to an embodiment of the present invention includes at least some processes of the method for generating quantitative prescription data for a target drug according to an embodiment of the present invention described above. It can be borrowed.

본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 장치는, 프로세서 (820) 및 메모리 (830) 를 포함하고, 프로세서 (820) 는, 제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하고, 상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고, 상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고, 그리고 추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정하도록 구성될 수 있다. 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 장치의 보다 구체적인 동작은 전술한 본 발명의 일 실시예에 따른 의료 기관의 처방 분배율 정보를 생성하기 위한 방법의 적어도 일부 프로세스를 차용할 수 있다. An apparatus for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention includes a processor 820 and a memory 830, and the processor 820 stores a plurality of payment information for the first medical institution. , Obtaining a plurality of payment information for a plurality of pharmacies, including a first pharmacy and a second pharmacy, and extracting payment information that matches the payment information for the first medical institution among the payment information for the first pharmacy. and extracting payment information matching the payment information for the first medical institution from among the payment information for the second pharmacy, and extracting payment information for the first pharmacy and the second pharmacy from among the extracted payment information. It may be configured to determine a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on the quantitative ratio of payment information. A more specific operation of the device for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention includes at least some processes of the method for generating prescription distribution rate information of a medical institution according to an embodiment of the present invention described above. It can be borrowed.

상술한 본 발명에 따른 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래시 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터로 판독 가능한 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.The method according to the present invention described above can be implemented as computer-readable code on a computer-readable recording medium. Computer-readable recording media include all types of recording media storing data that can be deciphered by a computer system. For example, there may be read only memory (ROM), random access memory (RAM), magnetic tape, magnetic disk, flash memory, and optical data storage devices. Additionally, the computer-readable recording medium can be distributed to a computer system connected through a computer communication network, and stored and executed as a code that can be read in a distributed manner.

이상, 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. Although it has been described above with reference to the drawings and examples, it does not mean that the scope of protection of the present invention is limited by the drawings or examples, and those skilled in the art will recognize the present invention as set forth in the claims below. It will be understood that various modifications and changes can be made to the present invention without departing from its spirit and scope.

구체적으로, 설명된 특징들은 디지털 전자 회로, 또는 컴퓨터 하드웨어, 펌웨어, 또는 그들의 조합들 내에서 실행될 수 있다. 특징들은 예컨대, 프로그래밍 가능한 프로세서에 의한 실행을 위해, 기계 판독 가능한 저장 디바이스 내의 저장장치 내에서 구현되는 컴퓨터 프로그램 제품에서 실행될 수 있다. 그리고 특징들은 입력 데이터 상에서 동작하고 출력을 생성함으로써 설명된 실시예들의 함수들을 수행하기 위한 지시어들의 프로그램을 실행하는 프로그래밍 가능한 프로세서에 의해 수행될 수 있다. 설명된 특징들은, 데이터 저장 시스템으로부터 데이터 및 지시어들을 수신하기 위해, 및 데이터 저장 시스템으로 데이터 및 지시어들을 전송하기 위해 결합된 적어도 하나의 프로그래밍 가능한 프로세서, 적어도 하나의 입력 디바이스, 및 적어도 하나의 출력 디바이스를 포함하는 프로그래밍 가능한 시스템 상에서 실행될 수 있는 하나 이상의 컴퓨터 프로그램들 내에서 실행될 수 있다. 컴퓨터 프로그램은 소정 결과에 대해 특정 동작을 수행하기 위해 컴퓨터 내에서 직접 또는 간접적으로 사용될 수 있는 지시어들의 집합을 포함한다. 컴퓨터 프로그램은 컴파일된 또는 해석된 언어들을 포함하는 프로그래밍 언어 중 어느 형태로 쓰여지고, 모듈, 소자, 서브루틴(subroutine), 또는 다른 컴퓨터 환경에서 사용을 위해 적합한 다른 유닛으로서, 또는 독립 조작 가능한 프로그램으로서 포함하는 어느 형태로도 사용될 수 있다.Specifically, the described features may be implemented within digital electronic circuitry, or computer hardware, firmware, or combinations thereof. The features may be executed in a computer program product embodied in storage, such as within a machine-readable storage device, for execution by a programmable processor. And the features may be performed by a programmable processor that executes a program of instructions to perform the functions of the described embodiments by operating on input data and producing output. The described features include at least one programmable processor, at least one input device, and at least one output device coupled to receive data and instructions from the data storage system and to transmit data and instructions to the data storage system. It can be executed within one or more computer programs that can be executed on a programmable system including. A computer program includes a set of instructions that can be used directly or indirectly within a computer to perform a specific operation with a predetermined result. A computer program is written in any form of a programming language, including compiled or interpreted languages, and includes modules, elements, subroutines, or other units suitable for use in other computer environments, or as independently operable programs. It can be used in any form.

지시어들의 프로그램의 실행을 위한 적합한 프로세서들은, 예를 들어, 범용 및 특수 용도 마이크로프로세서들 둘 모두, 및 단독 프로세서 또는 다른 종류의 컴퓨터의 다중 프로세서들 중 하나를 포함한다. 또한 설명된 특징들을 구현하는 컴퓨터 프로그램 지시어들 및 데이터를 구현하기 적합한 저장 디바이스들은 예컨대, EPROM, EEPROM, 및 플래쉬 메모리 디바이스들과 같은 반도체 메모리 디바이스들, 내부 하드 디스크들 및 제거 가능한 디스크들과 같은 자기 디바이스들, 광자기 디스크들 및 CD-ROM 및 DVD-ROM 디스크들을 포함하는 비휘발성 메모리의 모든 형태들을 포함한다. 프로세서 및 메모리는 ASIC들(application-specific integrated circuits) 내에서 통합되거나 또는 ASIC들에 의해 추가되어질 수 있다.Suitable processors for execution of a program of instructions include, for example, both general-purpose and special-purpose microprocessors, and either a single processor or multiple processors of other types of computers. Storage devices suitable for implementing computer program instructions and data embodying the described features also include, for example, semiconductor memory devices such as EPROM, EEPROM, and flash memory devices, magnetic memory devices such as internal hard disks and removable disks. It includes all types of non-volatile memory, including devices, magneto-optical disks, and CD-ROM and DVD-ROM disks. Processors and memory may be integrated within or added by application-specific integrated circuits (ASICs).

이상에서 설명한 본 발명은 일련의 기능 블록들을 기초로 설명되고 있지만, 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.The present invention described above is explained based on a series of functional blocks, but is not limited to the above-described embodiments and the attached drawings, and various substitutions, modifications and changes are made without departing from the technical spirit of the present invention. It will be clear to those skilled in the art that this is possible.

전술한 실시 예들의 조합은 전술한 실시 예에 한정되는 것이 아니며, 구현 및/또는 필요에 따라 전술한 실시예들 뿐 아니라 다양한 형태의 조합이 제공될 수 있다.The combination of the above-described embodiments is not limited to the above-described embodiments, and various types of combinations in addition to the above-described embodiments may be provided depending on implementation and/or need.

전술한 실시 예들에서, 방법들은 일련의 단계 또는 블록으로서 순서도를 기초로 설명되고 있으나, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당해 기술 분야에서 통상의 지식을 가진 자라면 순서도에 나타난 단계들이 배타적이지 않고, 다른 단계가 포함되거나, 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.In the above-described embodiments, the methods are described based on flowcharts as a series of steps or blocks, but the present invention is not limited to the order of steps, and some steps may occur in a different order or simultaneously with other steps as described above. there is. Additionally, a person of ordinary skill in the art will recognize that the steps shown in the flowchart are not exclusive and that other steps may be included or one or more steps in the flowchart may be deleted without affecting the scope of the present invention. You will understand.

전술한 실시 예는 다양한 양태의 예시들을 포함한다. 다양한 양태들을 나타내기 위한 모든 가능한 조합을 기술할 수는 없지만, 해당 기술 분야의 통상의 지식을 가진 자는 다른 조합이 가능함을 인식할 수 있을 것이다. 따라서, 본 발명은 이하의 특허청구범위 내에 속하는 모든 다른 교체, 수정 및 변경을 포함한다고 할 것이다. The above-described embodiments include examples of various aspects. Although it is not possible to describe all possible combinations for representing the various aspects, those skilled in the art will recognize that other combinations are possible. Accordingly, the present invention is intended to include all other substitutions, modifications and changes falling within the scope of the following claims.

Claims (14)

컴퓨팅 디바이스에 의해 수행되는, 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 방법으로서,
제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하는 단계;
상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계; 및
상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성하는 단계; 를 포함하는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
A method for generating quantitative prescription data of a target drug, performed by a computing device, comprising:
Obtaining quantitative distribution data including an evaluation value of the distribution volume of the target drug for each of the first pharmacy and the second pharmacy;
distributing the distribution volume evaluation value of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies; and
Generating quantitative prescription data reflecting the prescription amount of the target drug by each of the first and second medical institutions based on the sum of the distributed distribution volume evaluation values for each of the first and second medical institutions. step; Including,
Method for generating quantitative prescription data for target drugs.
 제 1 항에 있어서,
상기 유통량 평가값은,
상기 타겟 의약품에 대한 납품량; 또는
상기 타겟 의약품에 대한 매출액; 중 적어도 하나를 기반으로 결정되는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 1,
The distribution volume evaluation value is,
Delivery volume for the target drug; or
Sales for the target drug; determined based on at least one of the following:
Method for generating quantitative prescription data for target drugs.
 제 1 항에 있어서,
상기 처방 유입률 정보는,
상기 제 1 의료 기관 및 제 2 의료 기관을 포함하는 복수의 의료 기관에 대한 복수의 결제 정보와, 상기 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보 사이의 매칭을 기반으로 결정되는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 1,
The above prescription inflow rate information is,
Based on matching between a plurality of payment information for a plurality of medical institutions including the first medical institution and the second medical institution and a plurality of payment information for a plurality of pharmacies including the first pharmacy and the second pharmacy determined by,
Method for generating quantitative prescription data for target drugs.
 제 3 항에 있어서,
상기 제 1 약국의 처방 유입률 정보는,
상기 복수의 의료 기관에 대한 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 매칭되는 결제 정보들을 추출하는 단계;
상기 추출된 결제 정보들 중 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율에 기초하여 상기 제 1 약국에 대한 제 1 의료 기관과 제 2 의료 기관으로부터의 처방 유입률 정보를 결정하는 단계; 를 기반으로 생성되는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 3,
The prescription inflow rate information of the first pharmacy is,
extracting payment information that matches payment information for the first pharmacy from among the payment information for the plurality of medical institutions;
Determining prescription inflow rate information from the first medical institution and the second medical institution for the first pharmacy based on the quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution among the extracted payment information. steps; Created based on
Method for generating quantitative prescription data for target drugs.
 제 4 항에 있어서,
상기 제 1 의료 기관에 대한 결제 정보와 상기 제 1 약국에 대한 결제 정보의 매칭은,
상기 제 1 의료 기관에 대한 결제 정보와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 상기 제 1 약국에서 결제가 이루어졌다는 결정에 기초하는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 4,
Matching the payment information for the first medical institution and the payment information for the first pharmacy,
A payment method corresponding to payment information for the first medical institution, based on a determination that payment has been made at the first pharmacy within a predetermined time interval,
Method for generating quantitative prescription data for target drugs.
 제 4 항에 있어서,
상기 제 1 의료 기관의 결제 정보와 제 2 의료 기관의 결제 정보의 정량적 비율은,
상기 제 1 의료 기관의 결제 정보 건수와 제 2 의료 기관의 결제 정보 건수의 비율; 또는
상기 제 1 의료 기관의 결제 정보에 대응하는 상기 제 1 약국의 결제 정보들의 매출액 합과 상기 제 2 의료 기관의 결제 정보에 대응하는 상기 제 1 약국의 결제 정보들의 매출액 합 사이의 비율; 중 적어도 하나에 기초하여 결정되는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 4,
The quantitative ratio of the payment information of the first medical institution and the payment information of the second medical institution is,
a ratio of the number of payment information items at the first medical institution and the number of payment information items at the second medical institution; or
a ratio between the sum of sales of the payment information of the first pharmacy corresponding to the payment information of the first medical institution and the sum of sales of the payment information of the first pharmacy corresponding to the payment information of the second medical institution; determined based on at least one of the following:
Method for generating quantitative prescription data for target drugs.
 제 1 항에 있어서,
상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는,
상기 타겟 의약품이 처방되는 진료 과목들 간의 비율을 반영하는 처방 과목 비율 정보, 상기 제 1 의료 기관의 진료 과목, 상기 제 2 의료 기관의 진료 과목을 더 반영하여 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 1,
The step of distributing the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions,
Prescription subject ratio information reflecting the ratio between medical subjects for which the target drug is prescribed, medical subjects at the first medical institution, and medical subjects at the second medical institution are further reflected in each of the first pharmacy and the second pharmacy. Distributing the distribution volume evaluation value to the first medical institution and the second medical institution,
Method for generating quantitative prescription data for target drugs.
 제 7 항에 있어서,
상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는,
상기 제 1 약국의 유통량 평가값에 상기 제 1 약국에 대한 상기 제 1 의료 기관의 처방 유입률과 상기 제 1 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 상기 제 1 의료 기관에 대한 상기 제 1 약국의 유통량 평가값의 분배량을 결정하는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 7,
The step of distributing the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions,
The distribution volume evaluation value of the first pharmacy is multiplied by the prescription inflow rate of the first medical institution to the first pharmacy and the ratio of prescription subjects according to the treatment subjects of the first medical institution. Determining the distribution volume of the distribution volume evaluation value of the first pharmacy,
Method for generating quantitative prescription data for target drugs.
 제 7 항에 있어서,
상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하는 단계는,
상기 제 1 약국의 유통량 평가값에 상기 제 1 약국에 대한 상기 제 2 의료 기관의 처방 유입률과 상기 제 2 의료 기관의 진료 과목에 따른 처방 과목 비율을 곱하는 것을 기반으로 상기 제 2 의료 기관에 대한 상기 제 1 약국의 유통량 평가값의 분배량을 결정하는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 7,
The step of distributing the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions,
The distribution volume assessment value of the first pharmacy is multiplied by the prescription inflow rate of the second medical institution to the first pharmacy and the ratio of prescription subjects according to the treatment subjects of the second medical institution. Determining the distribution volume of the distribution volume evaluation value of the first pharmacy,
Method for generating quantitative prescription data for target drugs.
 제 7 항에 있어서,
상기 처방 과목 비율 정보는,
상기 제 1 약국, 제 2 약국, 제 1 의료 기관, 또는 제 2 의료 기관 중 적어도 하나의 소재 지역 구분에 따라 상이하게 결정되는,
타겟 의약품의 정량적 처방 데이터 생성 방법.
According to claim 7,
The prescription subject ratio information is,
Determined differently depending on the regional classification of at least one of the first pharmacy, second pharmacy, first medical institution, or second medical institution,
Method for generating quantitative prescription data for target drugs.
 타겟 의약품의 정량적 처방 데이터를 생성하기 위한 장치로서, 상기 장치는 프로세서 및 메모리를 포함하고,
상기 프로세서는,
제 1 약국 및 제 2 약국 각각에 대한 타겟 의약품의 유통량 평가값을 포함하는 정량적 유통 데이터를 획득하고;
상기 제 1 약국 및 제 2 약국 각각의 처방 유입률 정보를 기반으로 상기 제 1 약국 및 제 2 약국 각각의 유통량 평가값을 제 1 의료 기관 및 제 2 의료 기관으로 분배하고; 그리고
상기 제 1 의료 기관 및 제 2 의료 기관 각각에 대해 분배된 유통량 평가값의 합을 기반으로 상기 제 1 의료 기관 및 제 2 의료 기관 각각에 의한 타겟 의약품의 처방량을 반영하는 정량적 처방 데이터를 생성; 하도록 구성되는,
타겟 의약품의 정량적 처방 데이터 생성 장치.
A device for generating quantitative prescription data of a target drug, the device comprising a processor and memory,
The processor,
Obtain quantitative distribution data including an estimate of the distribution volume of the target drug for each of the first pharmacy and the second pharmacy;
distributing the distribution volume evaluation values of each of the first and second pharmacies to the first and second medical institutions based on the prescription inflow rate information of each of the first and second pharmacies; and
Generating quantitative prescription data reflecting the prescription amount of the target drug by each of the first and second medical institutions based on the sum of distribution volume evaluation values distributed to each of the first and second medical institutions; configured to,
A device for generating quantitative prescription data for target drugs.
 컴퓨팅 디바이스에 의해 수행되는, 의료 기관의 처방 분배율 정보를 생성하기 위한 방법으로서,
제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하는 단계;
상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계;
상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하는 단계; 및
추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정하는 단계; 를 포함하는,
의료 기관의 처방 분배율 정보 생성 방법.
A method for generating prescription dispensing rate information for a medical institution, performed by a computing device, comprising:
Obtaining a plurality of payment information for a first medical institution and a plurality of payment information for a plurality of pharmacies including a first pharmacy and a second pharmacy;
extracting payment information matching payment information for the first medical institution from among the payment information for the first pharmacy;
extracting payment information matching payment information for the first medical institution from payment information for the second pharmacy; and
Determining a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on the quantitative ratio of the payment information for the first pharmacy and the payment information for the second pharmacy among the extracted payment information. ; Including,
How to generate prescription dispensing rate information for healthcare organizations.
 제 12 항에 있어서,
상기 제 1 의료 기관에 대한 결제 정보와 상기 제 1 약국에 대한 결제 정보의 매칭은,
상기 제 1 의료 기관에 대한 결제 정보와 대응되는 결제 수단으로, 미리 결정된 시간 구간 이내에 상기 제 1 약국에서 결제가 이루어졌다는 결정에 기초하는,
의료 기관의 처방 분배율 정보 생성 방법.
According to claim 12,
Matching the payment information for the first medical institution and the payment information for the first pharmacy,
A payment method corresponding to payment information for the first medical institution, based on a determination that payment has been made at the first pharmacy within a predetermined time interval,
How to generate prescription dispensing rate information for healthcare organizations.
 의료 기관의 처방 분배율 정보를 생성하기 위한 장치로서, 상기 장치는 프로세서 및 메모리를 포함하고,
상기 프로세서는,
제 1 의료 기관에 대한 복수의 결제 정보, 제 1 약국 및 제 2 약국을 포함하는 복수의 약국에 대한 복수의 결제 정보를 획득하고;
상기 제 1 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고;
상기 제 2 약국에 대한 결제 정보들 중 상기 제 1 의료 기관에 대한 결제 정보와 매칭되는 결제 정보를 추출하고; 그리고
추출된 결제 정보들 중 상기 제 1 약국에 대한 결제 정보와 상기 제 2 약국에 대한 결제 정보의 정량적 비율에 기초하여 상기 제 1 의료 기관의 제 1 약국과 제 2 약국에 대한 처방 분배율을 결정; 하도록 구성되는,
의료 기관의 처방 분배율 정보 생성 장치.
A device for generating prescription dispensing rate information for a medical institution, the device comprising a processor and a memory,
The processor,
Obtain a plurality of payment information for a first medical institution and a plurality of payment information for a plurality of pharmacies, including a first pharmacy and a second pharmacy;
extracting payment information that matches payment information for the first medical institution from among the payment information for the first pharmacy;
extracting payment information matching payment information for the first medical institution from payment information for the second pharmacy; and
determining a prescription distribution rate for the first pharmacy and the second pharmacy of the first medical institution based on a quantitative ratio of the payment information for the first pharmacy and the payment information for the second pharmacy among the extracted payment information; configured to,
Prescription dispensing rate information generating device for medical institutions.
KR1020230077869A 2023-06-19 2023-06-19 An apparatus for generating quantitative prescription data of target pharmaceuticals KR102577034B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230077869A KR102577034B1 (en) 2023-06-19 2023-06-19 An apparatus for generating quantitative prescription data of target pharmaceuticals

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230077869A KR102577034B1 (en) 2023-06-19 2023-06-19 An apparatus for generating quantitative prescription data of target pharmaceuticals

Publications (1)

Publication Number Publication Date
KR102577034B1 true KR102577034B1 (en) 2023-09-11

Family

ID=88020274

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230077869A KR102577034B1 (en) 2023-06-19 2023-06-19 An apparatus for generating quantitative prescription data of target pharmaceuticals

Country Status (1)

Country Link
KR (1) KR102577034B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120104826A (en) * 2011-03-14 2012-09-24 에스케이텔레콤 주식회사 Method and system for providing electric prescription statistics information, client device and apparatus for electric prescription service statistics information
KR20210050084A (en) * 2019-10-28 2021-05-07 주식회사 프라임제이이앤씨 pharmaceutical distribution platform
KR20230085561A (en) 2021-12-07 2023-06-14 주식회사 제이앤메디 Medicine distribution management platform

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120104826A (en) * 2011-03-14 2012-09-24 에스케이텔레콤 주식회사 Method and system for providing electric prescription statistics information, client device and apparatus for electric prescription service statistics information
KR20210050084A (en) * 2019-10-28 2021-05-07 주식회사 프라임제이이앤씨 pharmaceutical distribution platform
KR20230085561A (en) 2021-12-07 2023-06-14 주식회사 제이앤메디 Medicine distribution management platform

Similar Documents

Publication Publication Date Title
JP2003515823A (en) A system for creating and managing proprietary product data
Aitken Understanding the pharmaceutical value chain
US20100185461A1 (en) Method for controlling the purchase of health care products and services
US20210210185A1 (en) Systems and methods for automated processing of medical prescriptions
CN102364516A (en) Method and system for authenticating payment information of integrated circuit (IC) social security card
CN111081364A (en) Medical information processing system, medical insurance payment method, storage medium and intelligent terminal
Moodley et al. Evaluating the impact of the single exit price policy on a basket of originator medicines in South Africa from 1999 to 2014 using a time series analysis
US8442842B2 (en) Pharmaceutical clearinghouse for institutions
KR102577034B1 (en) An apparatus for generating quantitative prescription data of target pharmaceuticals
US11955215B2 (en) Data processing system for processing network data records transmitted from remote, distributed terminal devices
Baser et al. Use of Open Claims vs Closed Claims in Health Outcomes Research
KR102539084B1 (en) Method and device for managing product transactions
Nguyen et al. Pharmaceutical pricing policies in Vietnam
CN210378503U (en) Electronic prescription circulation system
Tortorice et al. Optimal global spending for group A Streptococcus vaccine research and development
JP2021114322A (en) Medicine taking inspection processing system, method, and computer program
US9953307B2 (en) Method of payment assessment to clinical study volunteers
US20170308674A1 (en) System and method for the generation and transfer of a contingently deliverable property right
CN110135998A (en) Accounting system and method are paid in medical expenses medical insurance
WO2022075231A1 (en) Payment assistance device
US20160378931A1 (en) Methods and systems for comparing and matching medical treatment versus diagnosis and/or other indicators related to medical treatment and/or diagnosis
Feldman et al. Orals in the bundle: a policy framework
JP5220228B1 (en) Point grant service system to promote the use of generic drugs
Kaltenboeck Drug pricing in the United States: Prospects for balancing affordability, access, and rewards for innovation
World Health Organization Measuring primary health care expenditure under SHA 2011: technical note, December 2021

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant