基于大数据建模分析的医疗保险动态筹资方法和系统技术方案

本发明专利技术一种基于大数据建模分析的医疗保险动态筹资方法和系统，包括：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；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

【技术实现步骤摘要】
基于大数据建模分析的医疗保险动态筹资方法和系统
本专利技术涉及医疗保险筹资预测
，特别是涉及一种基于大数据建模分析的医疗保险动态筹资方法和系统。
技术介绍
医保局的成立和医改的持续进行，使得新的基本医保政策频繁出台，新政策对医疗费用的影响巨大。同时，医疗费用受地区、性别、年龄、参加社会医疗保险类型以及经济水平的影响较大，人口老龄化和人均可支配收入持续增长，使医疗费用逐年增加。在“以支定收，收支平衡”的思路下，通过医疗保险基金的支出水平对保险的缴费进行动态的调整，以实现医保基金可持续平稳运行的目标。作为商业保险公司，通过对医疗支出水平的动态把控，合理调节大病/补充保险业务的筹资水平，以保证大病/补充保险业务的可持续发展。李亚青在【基本医疗保险财政补贴的动态调整机制研究】一文中提出了医保基金支出预测的数理模型，但是该模型中使用的医疗费用增长因子和政策影响因子都是基于假设，并非从真实的数据中分析得出。该方法适用于对长期医疗保险筹资水平进行宏观的审视，而对近期的筹资水平的预测缺乏精确性。
技术实现思路
本专利技术针对现有技术存在的问题和不足，提供一种基于大数据建模分析的医疗保险动态筹资方法和系统。本专利技术是通过下述技术方案来解决上述技术问题的：本专利技术提供一种基于大数据建模分析的医疗保险动态筹资方法，其特点在于，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；本专利技术还提供一种基于大数据建模分析的医疗保险动态筹资系统，其特点在于，其包括采集模块、分类模块、统计模块和建模预测模块；所述采集模块用于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；所述分类模块用于按照性别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；所述统计模块用于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；所述建模预测模块用于建模风险因子预测模型、政策影响因子预测模型、费用增长率预测模型和参保人数预测模型，从而预测来年医保支出预测值。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；在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。本专利技术的积极进步效果在于：本专利技术使用的医疗费用增长因子和政策影响因子都是基于历史医疗保险的报销数据建立模型计算得出，并同时考虑了不同年龄、性别、险种的人群的医疗费用支出和增长率的差异性，大大提高了近期医保基金筹资预测的精确性。本专利技术基于历史医疗保险报销数据的分析建模，对不同风险人群组的风险因子、费用增长因子和政策影响因子进行预测。同时，本专利技术对历年参保人群结构变化的进行分析建模，预测来年的各风险组的参保人数。能够大大提高了来年的医保基金筹资水平预测的精确性。附图说明图1为本专利技术较佳实施例的基于大数据建模分析的医疗保险动态筹资方法的流程示意图。图2为本专利技术较佳实施例的基于大数据建模分析的医疗保险动态筹资系统的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术基于大数据建模分析的医疗保险动态筹资方法，基于历史医疗保险报销数据的分析建模，对不同风险人群组的风险因子、费用增长因子和政策影响因子进行预测。同时，本专利技术对历年参保人群结构变化的进行分析建模，预测来年的各风险组的参保人数。能够大大提高了来年的医保基金筹资水平预测的精确性。本专利技术实用的数理模型如下所示，来年医保支出预测值表达式为：其中，人均医保支出基数，各风险组的风险因子、费用增长因子和政策影响因子均是在历史医疗保险报销数据中建模预测出。结合图1，下面具体介绍本方法。步骤1、采集样本至少两年以上的全部参保人的医疗保险报销明细数据，数据字段需要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。至少三年的参保人信本文档来自技高网...

【技术保护点】
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)

【技术特征摘要】
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。5.一种基于大数据建模分析的医疗保险动态筹资系统，其特征在于，其包括采集模...

【专利技术属性】
技术研发人员：万湘琳，
申请(专利权)人：太平洋医疗健康管理有限公司，
类型：发明
国别省市：上海,31