[发明专利]一种基于多策略的诊断无关不合理费用识别方法和装置

权利要求书

1.一种基于多策略的诊断无关不合理费用识别方法，其特征在于，包括以下步骤：

获取诊断数据，对诊断数据中的原始诊断名称和原始诊断编码进行标准化得到标准诊断；

获取收费项目数据，对收费项目数据中的原始收费项目名称和原始收费项目编码进行标准化得到标准收费项目；

依据标准诊断和标准收费项目统计每项收费项目关联的诊断类别后，依据基于诊断类别数量设定的两个数量阈值，将所有收费项目划分为高、中、低特异性费用项集合；

将诊断与收费项目之间的关联定义为一条关联规则，并计算关联规则的关联数据，依据关联数据将关联规则划分为正向规则集合和反向规则集合；

针对待识别的诊疗收费数据，基于正向规则集合和高特异性费用项目集合判断诊疗收费数据的合理性，或基于反向规则集合和中特异性费用项目集合判断诊疗收费数据的合理性，输出合理性判断结果。

2.根据权利要求1所述的基于多策略的诊断无关不合理费用识别方法，其特征在于，对诊断数据和收费项目数据进行标准化的流程相同，包括以下过程：

针对诊断数据，计算原始诊断名称和每个标准诊断名称之间的余弦相似度，计算原始诊断编码与每个标准诊断编码之间的Jaro-Winkle距离，综合余弦相似度和Jaro-Winkle距离得到每个标准化得分，筛选标准化得分最高对应的标准诊断名称和标准诊断编码作为最终标准诊断；

针对收费项目数据，计算原始收费项目名称和每个标准收费项目名称之间的余弦相似度，计算原始收费项目编码与每个标准收费项目编码之间的Jaro-Winkle距离，综合余弦相似度和Jaro-Winkle距离得到每个收费项目标准化得分，筛选收费项目标准化得分最高对应的标准收费项目名称和标准收费项目编码作为最终标准收费项目。

3.根据权利要求2所述的基于多策略的诊断无关不合理费用识别方法，其特征在于，在获得标准诊断和标准收费项目后，依据第一得分阈值剔除诊断标准化得分小于第一阈值的标准诊断，依据第二得分阈值剔除收费项目标准化得分小于第二阈值的标准收费项目，剩下的标准诊断和标准收费项目用于高、中、低特异性费用项集合的划分。

4.根据权利要求1所述的基于多策略的诊断无关不合理费用识别方法，其特征在于，依据标准诊断和标准收费项目统计每项收费项目关联的诊断类别，包括：当标准诊断出现在某个标准收费项目内，则认为标准诊断与标准收费项目关联，单个收费项目关联至少与一个诊断类别关联；

认为单个收费项目关联的诊断类别越多，表明该单个收费项目的特异性低，基于此，设置第一数量阈值和第二数量阈值，第一数量阈值大于第二数量阈值，将小于第二数量阈值的收费项目划分到高特异性费用项集合，将大于第一数量阈值的收费项目划分到低特异性费用项集合，将大于等于第二数量阈值且小于等于第一数量阈值的收费项目划分到中特异性费用项集合。

5.根据权利要求1所述的基于多策略的诊断无关不合理费用识别方法，其特征在于，所述计算关联规则的关联数据，依据关联数据将关联规则划分为正向规则集合和反向规则集合，包括：

依据于FP-growth关联算法计算标准诊断与标准收费项目之间的支持度、置信度和提升度，同时统计关联规则的跨地区数量和跨医院数量，支持度、置信度、提升度、跨地区数量和跨医院数量组成关联数据；

当依据关联数据判断组成关联规则的诊断和收费项目之间存在关联关系时，则将关联规则划分到正向规则集合，当依据关联数据判断组成关联规则的诊断和收费项目之间不存在关联关系时，则将关联规则划分到反向规则集合。

6.根据权利要求5所述的基于多策略的诊断无关不合理费用识别方法，其特征在于，采用机器学习分类模型依据关联数据判断组成关联规则的诊断和收费项目之间是否存在关联关系；

其中，机器学习分类模型包括逻辑回归模型、决策树模型、支持向量机、随机森林模型。