一种基于大数据分析的医保支付测算方法技术

本发明专利技术的目的是：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，本发明专利技术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。本发明专利技术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。本发明专利技术在以患者为中心，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。

A Method of Medicare Payment Measurement Based on Big Data Analysis

【技术实现步骤摘要】
一种基于大数据分析的医保支付测算方法
本专利技术涉及一种医保支付测算方法，用于对就医时可能产生的医保支付费用进行测算。
技术介绍
随着政府医疗保险事业的快速发展，医疗基金支出量巨大、服务量巨大，同时，目前实行的后付制度，单纯按照项目付费结算的方式，医疗机构普遍存在过度诊疗行为，容易诱导服务费用控制困难和医疗公平不足，导致一系列不合理的医疗费用增长，对医疗保险基金形成很大压力。为了解决上述问题，目前正在逐步向医保基金混合支付方式转变，实行支付方式改革，有利于规范医疗机构服务行为，促进合理诊疗、控制医药费用不合理上涨，有利于增强医疗机构成本控制意识，提高服务效率，促进运行机制转变。医保支付方式改革的核心是实现一套医保支付的标准，提供医疗机构参考支付实行，提供医保基金参考费用结算。目前在费用标准制定上，普遍采用专家人工评审，采用医疗业务经验来指导支付标准的确定。但是，该方法过多地引入了人为因素，会导致不客观和标准的波动性。利用大数据和数据挖掘的模型，选择合适的机器算法构建支付测算模型，没有主观的因素调动，可以做到更加的客观和标准，而这种新方法在目前的医保支付改革尚处在探索阶段，缺少相应研究。
技术实现思路
本专利技术的目的是：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，本专利技术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，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，icd9k表示第k个手术操作特征项目，icd10j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。优选地，步骤1中，将整理后的医保就诊行为数据按照统一格式存放在大数据平台上。优选地，步骤7中，对神经网络模型进行训练时，将80％的数据记录作为训练数据对神经网络模型进行训练，剩余的20％的数据记录做为测试数据来测试训练得到的大数据医保支付测算模型的精度，当精度未达到设定阈值时，重新对神经网络模型进行训练。本专利技术提供了一种基于大数据分析的医保支付测算的方法，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。本专利技术在以患者为中心，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。附图说明图1为本专利技术的系统框架图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本申请所涉及的技术由上海市经信委《基于大数据全景洞察的上海医保支付模式构建与应用》项目资助，项目编号：201702015。如图1所示，本专利技术包括以下几个阶段：数据处理阶段：数据处理主要为后续的模型训练和应用做数据上的准备，将医疗医保信息系统里沉淀的数据，汇总、转换、清洗成为医保支付测算模型能够识别的，有用的，有价值的数据和数据格式。主要以结构化的方式整理现有数据源，统一格式存放在大数据平台上。该阶段包括3个子任务。同类病种分组，按照主要诊断ICD-10编码，将医保就诊行为数据分成为不同大类病种下的大组；输入向量空间建立，描述医疗就诊行为的特征向量，如：ICD-10诊断编码，患者年龄和性别等信息；输出向量空间建立，描述就诊行为对应的医保总费用和分类费用等信息。模型训练阶段：在输出空间数据的基础上，首先在输出空间上做层次聚类，分析同类病种就医行为在医保费用分布上的情况，在每个聚类上做费用输出统计描述，以输出空间的层次聚类结果作为模型训练的输出数据，以数据处理阶段准备的输入向量空间作为训练模型的输入数据。将模型训练的输入输出数据，按照2:8的比例随机分成两组，2部分作为测试数据，8部分作为训练数据，将训练数据代入医保支付测算模型中，执行模型训练计算。训练完成后，可以根据需要继续其他同类病种大组上的“数据处理”，“模型训练”，“模型精度检测”，流程完全一致，或者可以直接结束。模型精度检测阶段：具体同类病种大组的医保支付测算模型训练完成后，需要对它的测算精度做检验，以判断该模型是否可用，是否满足应用条件。在模型训练阶段已准备好测试数据，将测试数据代入已训练完成的医保支付测算模型，模型的测算输出和测试数据的输出做比对，比对符合率做为模型的精度检验标准，一般认为，这个符合率大于90％时，医保支付测算模型可用，若不满足，回退到数据处理阶段，重新训练模型直到满足精度要求。模型应用阶段：医保支付测算模型精度检验通过后，进入医保费用测算应用，即可投入对实际医疗就诊行为相应产生医保费用的测算。将医疗就诊数据按照模型输入空间的格式做整理，然后代入模型执行计算，模型输出的费用聚类类型，结合在模型训练阶段产生的输出费用统计描述，可以测算出对应的医保费用情况。具体而言，本专利技术提供的一种基于大数据分析的医保支付测算方法包括以下步骤：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。本专利技术需要整理足够数量的住院病历、医嘱、收费、检查检验、出院病案首页、出院小结，各类明细费用数本文档来自技高网...

【技术保护点】
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，

【技术特征摘要】
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，icd9k表示第k个手术操作特征项目，icd10j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...

【专利技术属性】
技术研发人员：王霏，冯磊，龚佳靖，夏立，
申请(专利权)人：上海复高计算机科技有限公司，
类型：发明
国别省市：上海,31