[发明专利]基于大数据建模分析的医疗保险动态筹资方法和系统

权利要求书

1.一种基于大数据建模分析的医疗保险动态筹资方法，其特征在于，其包括以下步骤：

步骤1、采集样本：采集历年的全部参保人的医疗保险报销明细数据、历年参保人信息、基本医保政策，所述基本医保政策包括当前基本医保政策和新基本医保政策；

步骤2、风险组分类：按照性别i、年龄j和医保险种k对历年参保人进行分类，i为男或女，j为j≤30岁或30岁＜j≤70岁或j＞70岁，k为城镇职工或城乡居民，共分为12个风险组，l表示第l个风险组，1≤l≤12；

步骤3、统计数据：统计出各风险组的历年参保人的医保支出，统计出当年全部参保人的当前政策下的第l个风险组的医保报销金额和新政策下的第l个风险组的医保报销金额；

步骤4、建模预测：

1)风险因子预测模型

各风险组的历年参保人的性别、年龄、医保险种和医保支出作为输入，利用Tweedie回归模型来测算对应风险组的性别回归系数、年龄回归系数和险种回归系数；

第l个风险组的风险因子建模公式：

风险因子₁＝exp(性别回归系数_{i＝男、女})*exp(年龄回归系数_{j＝＜30，...，70+})

*exp(险种回归系数_{k＝城镇职工，城乡居民})

参保人数_l，year表示当前第l个风险组对应的参保人数，风险因子_l表示第l个风险组对应的风险因子，year表示当前；

人均医保支出基数＝当前医保支出总额/全人群风险加权系数；

2)政策影响因子预测模型

3)费用增长率预测模型

第l个风险组的历年参保人的医保支出作为输入，利用指数回归拟合函数来测算第l个风险组的费用年增长率_l；

4)参保人数预测模型

第l个风险组的参保人数预测值＝当年第l个风险组的参保人数*第l个风险组的参保人数年增长率_l；

第l个风险组的历年参保人数作为输入，利用指数回归拟合函数来测算第l个风险组的参保人数年增长率_l；

2.如权利要求1所述的医疗保险动态筹资方法，其特征在于，医疗保险报销明细数据包括参保人身份证号，就诊类别，入院/出院/结算时间，疾病诊断代码，科室，医疗总金额，符合医保金额，医保报销金额，起付线，大病报销金额，其他(救助，补充等)报销金额，自付金额，自费金额，甲/乙/丙类金额，甲/乙类自付金额，药品/诊疗/材料金额等。

3.如权利要求1所述的医疗保险动态筹资方法，其特征在于，

费用增长率_l＝logest(医保支出_l,year-2医保支出_l,year-1医保支出_l,year,0,1,2)

医保支出_l,year表示当年第l个风险组的医保支出，医保支出_l,year-1表示当年之前的第一年第l个风险组的医保支出，医保支出_l,year-2表示当年之前的第二年第l个风险组的医保支出。

4.如权利要求1所述的医疗保险动态筹资方法，其特征在于，

参保人数年增长率_l＝logest(参保人数_l,year-2参保人数_l,year-1参保人数_l,year,0,1,2)参保人数_l,year表示当年第l个风险组的参保人数，参保人数_l,year-1表示当年之前的第一年第l个风险组的参保人数，参保人数_l,year-2表示当年之前的第二年第l个风险组的参保人数。