[发明专利]一种基于大数据分析的医保支付测算方法

摘要

本发明的目的是：构建支付测算模型以对就医时可能产生的医保支付费用进行测算。为了达到上述目的，本发明的技术方案是提供了一种基于大数据分析的医保支付测算方法。本发明解决如何在医保支付方式改革中，利用大量已积累的医疗就诊信息数据，使用大数据挖掘技术，规避目前在医保基金测算中过多的人为干扰因素，避免标准制定过程中的波动性和不确定性，科学而客观的测算医保基金支付费用。本发明在以患者为中心，提高医疗服务质量，保障患者安全的同时，减少不必要的医疗费用支出。

主权项

1.一种基于大数据分析的医保支付测算方法，其特征在于，包括以下步骤：步骤1、以结构化的方式整理并保存已有的医保就诊行为数据；步骤2、按照主要诊断ICD‑10编码，将步骤1得到的所有医保就诊行为数据按照不同大类病种分成不同大组，建立初步的在医保支付模式上具有特征性的大组，每个大组下的所有医保就诊行为数据构成了一个医保就诊行为数据集合；步骤3、按照医保就诊行为数据的主要诊断及次要诊断建立特征向量一，按照医保就诊行为数据的全部手术操作建立特征向量二，特征向量一及特征向量二结合患者的个人信息及住院信息建立输入空间X，式中，icd9^k表示第k个手术操作特征项目，icd10^j表示第j个诊断特征项目；按照医保就诊行为数据中与主要诊断、次要诊断、全部手术操作相对应的总费用及各个分类费用建立输出空间Y，式中，feeⁱ表示第i个分类费用；步骤4、医保就诊行为数据集合在输入空间X上的投影形成了医疗就诊行为向量集合，表示为：Project1(data，X)，式中，Project1(·)表示输入投射函数，data表示医保就诊行为数据集合；医保就诊行为数据集合在输出空间Y上的投影形成了医疗就诊费用向量集合，表示为：Project2(data，Y)，式中，Project2(·)表示输出投射函数；步骤5、计算每个大组中所有医疗就诊费用向量在逻辑空间上的距离，按照凝聚式层次聚类方法，从下到上做聚类，从而得到聚类数量和分布情况，每个聚类对应一个费用聚类类型，并为与医疗就诊费用向量相对应的医疗就诊行为向量标定相对应的费用聚类类型，所有费用聚类类型组成费用聚类类型数组F；步骤6、统计步骤5得到的每个聚类的总费用作为标准总费用及各个分类费用作为标准分类费用，由标准总费用及标准分类费用组成与当前聚类的费用聚类类型相对应的费用向量Fd；步骤7、建立神经网络模型后，以医疗就诊行为向量集合作为输入数据，以相对应的费用聚类类型数组F作为输出数据对神经网络模型进行训练，训练得到大数据医保支付测算模型；步骤8、将实时获得的医保就诊行为数据投影到输入空间X后输入大数据医保支付测算模型，依据大数据医保支付测算模型输出的费用聚类类型查找步骤6建立的费用向量Fd，从而得到总费用及各个分类费用的预测值。