辅助用药检测方法、装置、设备及计算机可读存储介质
阅读：2发布：2021-04-08
专利汇可以提供辅助用药检测方法、装置、设备及计算机可读存储介质专利检索，专利查询，专利分析的服务。并且本 发明 属于 大数据 技术领域，公开了一种辅助用药检测方法，包括：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。本发明还公开了一种辅助用药检测装置、设备及计算机可读存储介质。本发明实现了为各地人社局管理 门 诊统筹基金的支出，防止有不合理的门诊 费用 支出。，下面是辅助用药检测方法、装置、设备及计算机可读存储介质专利的具体信息内容。
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。
9.一种辅助用药检测设备，其特征在于，所述辅助用药检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的辅助用药检测程序，所述辅助用药检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的辅助用药检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有辅助用药检测程序，所述辅助用药检测程序被处理器执行时实现如权利要求1至7中任一项所述的辅助用药检测方法的步骤。
辅助用药检测方法、装置、设备及计算机可读存储介质
技术领域
背景技术
[0002] 医疗保险一般指基本医疗保险，是为了补偿劳动者因疾病风险造成的经济损失而建立的一项社会保险制度。通过用人单位与个人缴费，建立医疗保险基金，参保人员患病就诊发生医疗费用后，由医疗保险机构对其给予一定的经济补偿。现有技术中都是配备监管人员对参保人员的社保行为进行监控，以及对医保结算单据进行核算，以便管理门诊统筹基金的支出。但是，由于医保参保人员基数大，仅依靠监管人员对参保数据进行监管，力度不够，例如，在参保医疗数据中可能会出现辅助用药过量使用的情况，对门诊统筹基金造成极大的浪费。
发明内容
[0004] 为实现上述目的，本发明提供一种辅助用药检测方法，所述辅助用药检测方法包括：
[0005] 获取参保人员的就诊辅助用药数据；
[0006] 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；
[0007] 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。
[0008] 可选地，所述获取参保人员的就诊辅助用药数据的步骤包括：
[0009] 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。
[0010] 可选地，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：
[0011] 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；
[0013] 可选地，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:
[0014] 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；
[0015] 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。
[0016] 可选地，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：
[0017] 判断所述辅助用药特征参数是否需要进行降维处理；
[0018] 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。
[0019] 可选地，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：
[0020] 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；
[0021] 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。
[0022] 可选地，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：
[0023] 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。
[0024] 此外，为实现上述目的，本发明还提供一种辅助用药检测装置，所述辅助用药检测装置包括：
[0025] 数据获取模块，用于获取参保人员的就诊辅助用药数据；
[0026] 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；
[0027] 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。
[0028] 此外，为实现上述目的，本发明还提供一种辅助用药检测设备，所述辅助用药检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的辅助用药检测程序，所述辅助用药检测程序被所述处理器执行时实现如上所述的辅助用药检测方法的步骤。
[0029] 此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有辅助用药检测程序，所述辅助用药检测程序被处理器执行时实现如上所述的辅助用药检测方法的步骤。
[0030] 本发明提出的一种辅助用药检测方法，首先获取参保人员的就诊辅助用药数据，并基于预设模型对就诊辅助用药数据进行分析，以判断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，则基于异常数据中的辅助用药明细确定扣费依据，以便向对应的定点医疗机构出具扣费通知。通过本发明提出的辅助用药检测方法，对参保人员的辅助用药情况进行检测，判断其中是否存在辅助用药异常，并对出现辅助用药异常数据的定点医疗机构出具扣费通知，以防止有不合理的门诊费用支出，有效管理门诊统筹基金的支出，避免对门诊统筹基金造成浪费。附图说明
[0032] 图2为本发明辅助用药检测方法第一实施例的流程示意图；
[0033] 图3为图2中的步骤S20的细化流程示意图；
[0034] 图4为本发明辅助用药检测方法第二实施例的流程示意图；
[0035] 图5为本发明辅助用药检测装置第一实施例的功能模块示意图。
[0036] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0037] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0038] 本发明实施例的主要解决方案是：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。通过本发明实施例的技术方案，解决了现有技术中仅依靠监管人员对参保数据进行监管，力度不够，造成门诊统筹基金管理存在缺陷的技术问题。
[0039] 如图1所示，图1为本发明实施例方案中涉及的辅助用药检测设备的硬件结构示意图。
[0040] 本发明实施例涉及的辅助用药检测方法主要应用于辅助用药检测设备，该辅助用药检测设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
[0041] 如图1所示，该辅助用药检测设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0042] 可选地，辅助用药检测设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、Wi-Fi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。当然，辅助用药检测设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
[0043] 本领域技术人员可以理解，图1中示出的辅助用药检测设备结构并不构成对辅助用药检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0044] 如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及辅助用药检测程序。在图1中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001、存储器1005可以设置在辅助用药检测装置中，所述辅助用药检测装置通过处理器1001调用存储器1005中存储的辅助用药检测程序，并执行本发明实施例提供的辅助用药检测方法。
[0045] 本实施例提供的方案，首先获取参保人员的就诊辅助用药数据，并基于预设模型对就诊辅助用药数据进行分析，以判断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，则基于异常数据中的辅助用药明细确定扣费依据，以便向对应的定点医疗机构出具扣费通知。通过本发明提出的辅助用药检测方法，对参保人员的辅助用药情况进行检测，判断其中是否存在辅助用药异常，并对出现辅助用药异常数据的定点医疗机构出具扣费通知，以防止有不合理的门诊费用支出，有效管理门诊统筹基金的支出，避免对门诊统筹基金造成浪费。
[0046] 基于上述硬件结构，提出本发明辅助用药检测方法实施例。
[0047] 参照图2，图2为本发明辅助用药检测方法第一实施例的流程示意图，在该实施例中，所述方法包括：
[0048] 步骤S10，获取参保人员的就诊辅助用药数据；
[0049] 现有技术中，参保人员在定点医疗机构，例如医院、药店等地方使用医保卡进行就诊费用结算时，定点医疗机构的收费终端设备即可将对应的就诊数据上传至人社核心系统，即人力资源社会保障系统中负责对参保人员相应的医疗数据进行核对的系统，以此来管理门诊统筹基金的支出。在本实施例中，是通过对参保人员的辅助用药使用情况进行检测，因此，本实施例中的就诊数据具体指的是就诊辅助用药数据。辅助用药，是指有助于增加主要治疗药物的作用或通过影响主要治疗药物的吸收、作用机制、代谢以增加其疗效的药物；或在疾病常规治疗基础上，有助于疾病或功能紊乱的预防和治疗的药物。
[0050] 具体地，就诊辅助用药数据中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等，其中，参保人信息具体可以包括参保人的姓名、年龄以及参保人医保卡信息等。
[0051] 步骤S20，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，则执行步骤S30；
[0052] 在本实施例中，是通过将就诊辅助用药数据放入预设模型中运行，来判断参保人员的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，具体地，本实施例中所使用的预设模型主要是偏差检测模型，偏差具体指分类样本中的反常实例、不满足规则的特例，或者观测结果与模型预测值不一致且观测结果随时间变化而变化等等，偏差检测的基本目标是寻找观测结果与参照值之间有意义的差别。
[0053] 具体地，如图3所示，所述步骤S20具体包括：
[0054] 步骤S21，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；
[0055] 首先，对人社核心系统接收的就诊辅助用药数据进行预处理，在本实施例中，预处理的过程包括初步数据清洗、利用RNN(Recurrent Neural Network，循环神经网络)模型对就诊辅助用药数据进行分词处理以及去除无用词，以便得到相应的辅助用药词条，并进一步地从辅助用药词条中提取辅助用药特征参数。
[0056] 具体地，对于上传至人社核心系统的就诊辅助用药数据中，存在一些不必要的信息，初步数据清洗的目的就是为了过滤这些信息，数据清洗主要是删除原始数据集中的无关数据、重复数据，平滑噪声数据，并筛选掉与模型检测主题无关的数据，以及处理缺失值、异常值等，例如，就诊辅助用药数据中包含的与辅助用药无关的信息，如住院检查信息等。
[0057] 进一步地，利用RNN模型对清洗后的就诊辅助用药数据进行分词处理及去除无用词。对于中文文本数据，比如一个包含中文的句子，词与词之间是连续的，而数据分析的最小单位粒度是词语，因此，需要对就诊辅助用药数据进行分词处理。进一步地，对分词处理后的数据进行无用词的去除，停用词是指对文本特征没有任何贡献作用的词语，比如：啊、的、是的、你、我，当然，还有一些标点符号，这些停用词并不能反应出文本的意思，因此，需要进行停用词的去除处理。经过分词处理及去除无用词后，即可获得就诊辅助用药数据对应的辅助用药词条，实现了字段标准化的匹配。
[0058] 进一步地，为了便于预设模型对数据的处理，将辅助用药词条对应的文本特征转化为数值特征，更具体地说，是向量矩阵，以便通过该向量矩阵进行相应特征参数的提取。将文本特征转换为数值特征的方法，属于现有技术，在此不作描述。
[0059] 在本实施例中，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。例如，常用的用于治疗肝病的辅助药物可分为9类：抗病毒药、保护肝细胞辅助药物、免疫调节药、植物药和中药的有效成分、治疗胆汁淤积的药物、防治肝性脑病药物、解毒药、抗纤维化药及治疗和预防门静脉高压、静脉曲张出血的药物。若某一参保人员因肝病入院诊疗并开具辅助用药，则该参保人员对应的辅助用药特征参数中的辅助用药的种类应包括上述9类中的一种或多种，并对应有该种类的辅助用药的开药次数及药品金额。
[0060] 步骤S22，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。
[0061] 根据聚类算法对上述获得的辅助用药特征参数进行聚类分析，具体地，可以利用k-means算法实现数据的聚类，以便使所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小，并将聚类结果可视化。利用k-means算法进行聚类的方法如下：
[0062] k-means算法接受输入量k，然后将n个数据对象划分为k个聚类，以便使得所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。在本实施例中，输入量K即是指辅助用药的种类、开药次数、用药金额以及就诊总费用等，n个数据对象即是指待分类的所有辅助用药特征参数。具体过程如下：首先从n个数据对象中任意选择k个对象作为初始聚类中心，而对于所剩下的其它对象，则根据它们与这些初始聚类中心的相似度，分别将它们分配给与其最相似的聚类中心所代表的聚类，然后再计算每个所获新聚类的聚类中心，即该聚类中所有对象的均值，不断重复这一过程直到标准测度函数开始收敛为止，一般都采用均方差作为标准测度函数。k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
[0063] 通过上述聚类算法，将辅助用药特征参数基于辅助用药的种类、开药次数、用药金额以及就诊总费用，分为若干个不同的类。并将该聚类结果可视化，以便从中判断就诊辅助用药数据中是否存在异常数据。
[0064] 步骤S30，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。
[0065] 通过聚类结果对就诊辅助用药数据中是否存在异常数据进行判断，若存在，则基于该异常数据中的辅助用药明细确定扣费依据，以便基于该扣费依据向对应的定点医疗机构出具扣费通知。
[0066] 在本实施例中，首先获取参保人员的就诊辅助用药数据，并基于预设模型对就诊辅助用药数据进行分析，以判断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，则基于异常数据中的辅助用药明细确定扣费依据，以便向对应的定点医疗机构出具扣费通知。通过本发明提出的辅助用药检测方法，对参保人员的辅助用药情况进行检测，判断其中是否存在辅助用药异常，并对出现辅助用药异常数据的定点医疗机构出具扣费通知，以防止有不合理的门诊费用支出，有效管理门诊统筹基金的支出，避免对门诊统筹基金造成浪费。
[0067] 进一步的，参照图4，基于上述实施例，提出本发明辅助用药检测方法第二实施例，在本实施例中，所述步骤S21之后还包括：
[0068] 步骤S23，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，则执行步骤S24；
[0069] 对特征参数进行降维处理是为了进一步地进行有效信息的提取综合及无用信息的摈弃，首先，对辅助用药特征参数是否需要进行降维处理进行判断，具体地，将辅助用药词条对应的文本特征转换为向量矩阵形式表示的数值特征时，该向量矩阵所对应的维度即为辅助用药特征参数所对应的维度，若该维度过高，则需要进行降维处理。
[0070] 步骤S24，基于线性方法对所述辅助用药特征参数进行降维处理，并执行所述步骤S22。
[0071] 在本实施例中，主要是利用线性方法对多维数据进行降维处理，现有技术中，常用的多维度数据处理的降维方法主要包括以下几种：缺失值比率、低方差滤波、高相关滤波、随机森林/组合树、主成分分析、反向特征消除和前向特征构造。通过对多维数据进行降维处理，即可实现对辅助用药特征参数的降维。
[0072] 进一步地，根据聚类算法对降维处理后的辅助用药特征参数进行聚类分析，具体地，可以采用如上所述的k-means算法实现数据的聚类，将辅助用药特征参数分为不同的类，并判断不同的类中是否存在包含异常点的类。具体地，辅助用药特征参数中包括辅助用药的种类、开药次数、用药金额以及就诊总费用，包含异常点的类，是指某一聚类中辅助用药的种类高于预设种类阈值，或开药次数高于预设次数阈值，或用药金额占就诊总费用的比例高于预设比例阈值。例如上述所说的用于治疗肝病的辅助药物，若某一参保人员因肝病入院诊疗并开具辅助用药，但其开具的辅助治疗肝病的种类高于预设种类阈值3种；或开药的次数高于预设次数阈值3次；或辅助用药的金额超过了该参保人员本次诊疗总费用的60％及以上，即可判定该参保人员的当次就诊辅助用药数据中存在辅助用药异常。
[0073] 进一步地，如果存在辅助用药异常数据，则基于该异常数据中的辅助用药具体明细确定扣费依据，可以理解的是，对于辅助用药的种类高于预设种类阈值、开药次数高于预设次数阈值、用药金额占就诊总费用的比例高于预设比例阈值的情况，可以对应有不同的扣费细则，并将违规的辅助用药数据明细确定到每一个违规人员，以便向违规医疗机构出具扣费通知。
[0074] 在本发明另一实施例中，定点医疗机构的收费终端设备上传至人社核心系统的就诊辅助用药数据中，除了包括参保人员的辅助用药数据之外，还可以包括进行疾病诊疗的输液信息，因此，还可以通过该输液信息判断该参保人员的就诊数据中是否存在不需要输液的疾病却进行输液的情况。
[0075] 具体地，根据静脉输液管理相关政策，无需输液治疗的疾病不能采用静脉输液，其中，共53种疾病不能输液，涵盖了儿科、妇科、内科及外科的相应疾病。通过对输液信息进行分析，判断是否存在不需要输液的疾病诊疗，就诊数据中却存在输液记录，若是，则表明就诊数据中存在违规数据。
[0076] 在本实施例中，对辅助用药特征参数是否需要进行降维处理进行判断，并在确定需要降维处理后，利用线性方法对辅助用药特征参数进行降维处理，以便基于聚类算法对降维后的辅助用药特征参数进行聚类分析，从中确定出包含异常点的类，并出具对应的扣费通知至具体的定点医疗机构，对门诊统筹基金的支付进行管理，防止不合理的辅助用药支出。
[0077] 此外，本发明实施例还提供一种辅助用药检测装置。
[0078] 参照图5，图5为本发明辅助用药检测装置第一实施例的功能模块示意图。
[0079] 本实施例中，所述辅助用药检测装置包括：
[0080] 数据获取模块10，用于获取参保人员的就诊辅助用药数据；
[0081] 数据判断模块20，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；
[0082] 确定扣费模块30，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。
[0083] 进一步地，所述数据获取模块10具体包括：
[0084] 数据获取单元，用于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。
[0085] 进一步地，所述数据判断模块20具体包括：
[0086] 预处理单元，用于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；
[0087] 聚类分析单元，用于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。
[0088] 进一步地，所述预处理单元具体包括：
[0089] 数据清洗子单元，用于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；
[0090] 特征参数提取子单元，用于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。
[0091] 进一步地，所述辅助用药检测装置还包括：
[0092] 判断单元，用于判断所述辅助用药特征参数是否需要进行降维处理；
[0093] 降维处理单元，用于若需要，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。
[0094] 进一步地，所述聚类分析单元具体包括：
[0095] 聚类分析子单元，用于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；
[0096] 异常数据判断子单元，用于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。
[0097] 进一步地，所述辅助用药检测装置还包括：
[0098] 扣费单元，用于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。
[0099] 其中，上述辅助用药检测装置中各个模块与上述辅助用药检测方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
[0100] 此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有辅助用药检测程序，所述辅助用药检测程序被处理器执行时实现如上所述的辅助用药检测方法的步骤。
[0101] 其中，辅助用药检测程序被执行时所实现的方法可参照本发明辅助用药检测方法的各个实施例，此处不再赘述。
[0102] 本实施例提供的方案，首先获取参保人员的就诊辅助用药数据，并基于预设模型对就诊辅助用药数据进行分析，以判断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，则基于异常数据中的辅助用药明细确定扣费依据，以便向对应的定点医疗机构出具扣费通知。通过本发明提出的辅助用药检测方法，对参保人员的辅助用药情况进行检测，判断其中是否存在辅助用药异常，并对出现辅助用药异常数据的定点医疗机构出具扣费通知，以防止有不合理的门诊费用支出，有效管理门诊统筹基金的支出，避免对门诊统筹基金造成浪费。
[0103] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0104] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于大数据的电商客户关怀短信推送方法 | 2020-05-08 | 104 |
| 大数据量Excel文件导出方法、装置、计算机设备及存储介质 | 2020-05-08 | 182 |
| 一种用于构建多业务场景自动化流水线的方法 | 2020-05-11 | 874 |
| 用于电力保密数据的大数据云平台安全防护方法 | 2020-05-08 | 602 |
| 一种基于交通大数据的智能光感抓取方法及其系统 | 2020-05-08 | 713 |
| 一种移动互联网大数据处理系统及其处理方法 | 2020-05-08 | 135 |
| 无障碍出行智能眼镜 | 2020-05-11 | 979 |
| 数据上报方法与装置 | 2020-05-08 | 912 |
| 一种游戏平台用户问答业务的短文本分类方法 | 2020-05-08 | 340 |
| 基于大数据的定价方法、装置、计算机设备及存储介质 | 2020-05-08 | 373 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈