[发明专利]辅助用药检测方法、装置、设备及计算机可读存储介质在审
申请号: | 201811530684.0 | 申请日: | 2018-12-13 |
公开(公告)号: | CN109659004A | 公开(公告)日: | 2019-04-19 |
发明(设计)人: | 陈明东;黄越;胥畅 | 申请(专利权)人: | 平安医疗健康管理股份有限公司 |
主分类号: | G16H20/10 | 分类号: | G16H20/10;G16H70/40;G06Q40/08 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
地址: | 200000 上海市黄浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 辅助用药 计算机可读存储介质 异常数据 定点医疗 检测装置 门诊费用 大数据 局管理 检测 支出 预设 过量 门诊 基金 分析 | ||
1.一种辅助用药检测方法,其特征在于,所述辅助用药检测方法包括以下步骤:
获取参保人员的就诊辅助用药数据;
基于预设模型对所述就诊辅助用药数据进行分析,以判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据;
若存在,则基于所述异常数据中的辅助用药明细确定扣费依据,以便基于所述扣费依据向对应的定点医疗机构出具扣费通知。
2.如权利要求1所述的辅助用药检测方法,其特征在于,所述获取参保人员的就诊辅助用药数据的步骤包括:
获取定点医疗机构上传的参保人员的就诊辅助用药数据,其中,所述就诊辅助用药数据至少包括辅助用药购买时间、开具辅助用药的定点医疗机构、参保人信息、辅助用药信息以及费用明细信息。
3.如权利要求2所述的辅助用药检测方法,其特征在于,所述基于预设模型对所述就诊辅助用药数据进行分析,以判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据的步骤包括:
对所述就诊辅助用药数据进行预处理,以得到对应的辅助用药特征参数;
根据聚类算法对所述辅助用药特征参数进行聚类分析,得到聚类结果,并基于所述聚类结果判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据。
4.如权利要求3所述的辅助用药检测方法,其特征在于,所述对所述就诊辅助用药数据进行预处理,以得到对应的辅助用药特征参数的步骤包括:
对所述就诊辅助用药数据进行初步数据清洗,并基于循环神经网络RNN模型对初步数据清洗后的就诊辅助用药数据进行处理,得到辅助用药词条;
从所述辅助用药词条中进行辅助用药特征参数的提取,其中,所述辅助用药特征参数至少包括辅助用药的种类、开药次数、用药金额以及就诊总费用。
5.如权利要求3所述的辅助用药检测方法,其特征在于,所述对所述就诊辅助用药数据进行预处理,以得到对应的辅助用药特征参数的步骤之后,还包括:
判断所述辅助用药特征参数是否需要进行降维处理;
若需要,则基于线性方法对所述辅助用药特征参数进行降维处理,并执行所述根据聚类算法对所述辅助用药特征参数进行聚类分析,得到聚类结果,并基于所述聚类结果判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据的步骤。
6.如权利要求5所述的辅助用药检测方法,其特征在于,所述根据聚类算法对所述辅助用药特征参数进行聚类分析,得到聚类结果,并基于所述聚类结果判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据的步骤包括:
根据聚类算法对所述降维处理后的辅助用药特征参数进行聚类分析,将所述降维处理后的辅助用药特征参数分为不同的类;
判断所述不同的类中是否存在辅助用药的种类高于预设种类阈值的辅助用药特征参数,和/或开药次数高于预设次数阈值的辅助用药特征参数,和/或用药金额占所述就诊总费用的比例高于预设比例阈值辅助用药特征参数。
7.如权利要求6所述的辅助用药检测方法,其特征在于,所述基于所述异常数据中的辅助用药明细确定扣费依据的步骤包括:
基于所述辅助用药的种类与预设种类阈值的种类差值,和/或所述开药次数与预设次数阈值的次数差值,和/或所述用药金额占所述就诊总费用的比例与预设比例阈值的比例差值确定扣费依据。
8.一种辅助用药检测装置,其特征在于,所述辅助用药检测装置包括:
数据获取模块,用于获取参保人员的就诊辅助用药数据;
数据判断模块,用于基于预设模型对所述就诊辅助用药数据进行分析,以判断所述就诊辅助用药数据中是否存在辅助用药过量使用的异常数据;
确定扣费模块,用于若存在,则基于所述异常数据中的辅助用药明细确定扣费依据,以便基于所述扣费依据向对应的定点医疗机构出具扣费通知。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗健康管理股份有限公司,未经平安医疗健康管理股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811530684.0/1.html,转载请声明来源钻瓜专利网。