[发明专利]一种医疗费用数据处理方法及装置

说明书

本文提供了一种医疗费用数据处理方法及装置，其中，医疗费用数据处理方法包括：对预先采集的多个用户的社保数据进行筛选；根据筛选后社保数据，确定样本集，所述样本集中的每一样本包括：每人第一预定时间段内的基础变量值、衍生变量值及第二预定时间段内的总医疗费用；将每人第一预定时间段内的基础变量值及衍生变量值作为输入变量，每人第二预定时间段内的总医疗费用作为目标变量，在所述样本进行训练，得到医疗费用预测模型；根据获取的用户社保数据，确定医疗费用数据处理的输入变量数据；将输入变量数据输入至所述医疗费用预测模型，得到用户第二预定时间段内的总医疗费用。本文能够精确地预测用户一段时间内的总医疗费用。

技术领域

本文涉及医疗费用预测领域，尤其涉及一种医疗费用数据处理方法及装置。

背景技术

随着老龄化的加剧，慢性病成为中老年人群高发疾病，而慢性病需要长期就医，患者对就医花费并无预期，且由于我国医保制度还不够完善，就诊过程中往往存在过度用药的现象，医院或社会对此也无法监督，给国家和个人造成一定浪费。

因此，急需一种准确地预测用户医疗费用的技术方案，以防止用户过度用药、为监管部门提供监管依据。

发明内容

本文用于解决现有技术中对用户医疗费用预测存在不准确地缺陷，这可能会导致用户过度用药、花费增多、乱收费的问题。

为了解决上述技术问题，本文的第一方面提供一种医疗费用数据处理方法，包括：

对预先采集的多个用户的社保数据进行筛选；

根据筛选后社保数据，确定样本集，所述样本集中的每一样本包括：每人第一预定时间段内的基础变量值、衍生变量值及第二预定时间段内的总医疗费用，其中，所述第二预定时间段相邻于且晚于所述第一预定时间段；

将每人第一预定时间段内的基础变量值及衍生变量值作为输入变量，每人第二预定时间段内的总医疗费用作为目标变量，对所述样本进行训练，得到医疗费用预测模型；

根据获取的用户社保数据，确定医疗费用数据处理的输入变量数据；

将输入变量数据输入至所述医疗费用预测模型，得到用户第二预定时间段内的总医疗费用。

进一步实施例中，根据筛选后社保数据，确定样本集包括：

统计筛选后社保数据中各变量的特性，将特性小于第二预定值的变量作为基础变量，其中，所述特性包括空置率/或方差；

统计每人第一预定时间段内的基础变量值及每人第二预定时间段内的总医疗费用；

根据每人第一预定时间段内的基础变量值，确定每人第一预定时间段内的衍生变量值。

进一步实施例中，根据每人第一预定时间段内的基础变量值，确定每人第一预定时间段内的衍生变量值包括：

对每人第一预定时间段内的基础变量值按统计计划进行统计，将统计值作为每人第一预定时间段内的衍生变量值。

进一步实施例中，对所述样本进行训练，得到医疗费用预测模型包括：

在所述样本上执行随机森林算法，输出医疗费用预测模型、基础变量及衍生变量的重要度；

所述方法还包括：根据所述基础变量及衍生变量的重要度，调整样本集中基础变量值及衍生变量值，并重新对样本进行训练以更新医疗费用预测模型。

进一步实施例中，对多个用户的社保数据进行筛选之前，还包括：

补齐所述用户社保数据中缺少的变量值。

进一步实施例中，医疗费用数据处理方法还包括：

根据筛选后社保数据，统计每人所述第一预定时间段内各类疾病的就诊次数；