The invention belongs to the field of artificial intelligence, and provides a detection method, device, equipment and computer storage medium for illness violation medication. The method includes: acquiring the original data of the insured to be detected; inputting the original data of the insured to the preset cleaning model for pretreatment, and obtaining the data of the insured to be detected, in which the data of the insured to be detected are included. Including hospitalization rate; Clustering the data of insured persons to be tested into the clustering model completed by training to divide the data of insured persons to be tested into several groups to be tested based on different hospitalization rate ranges; Analyzing the characteristic indicators of the data of insured persons to be tested and the data of insured persons to be detected, in order to detect the discrepancies between diseases and medication from the groups to be tested. The data of diagnosis and treatment of abnormal insured persons. From the perspective of hospitalization rate, the invention detects abnormal data of a large number of insured persons based on clustering model, which can reduce the difficulty of detection and improve the detection efficiency and accuracy.
【技术实现步骤摘要】
病种违规用药检测方法、装置、设备及计算机存储介质
本专利技术涉及人工智能领域,尤其涉及一种病种违规用药检测方法、装置、设备及计算机存储介质。
技术介绍
医保体系中,针对不同的病种,其用药有一定限制范围,比如白蛋白仅用于低蛋白血症,病种和用药范围相符时,相关药品可进行医保报销。为保障医保基金的合理支出,需要对参保人诊疗数据进行异常检测,以核验参保人的药品报销费用。由于需要检测的数据量大,传统仅依靠人工检测的方式,难度大,效率低。
技术实现思路
本专利技术的主要目的在于提供一种病种违规用药检测方法、装置、设备及计算机存储介质,旨在解决传统仅依靠人工检测参保人诊疗数据的方式,难度大,效率低的技术问题。为实现上述目的,本专利技术提供一种病种违规用药检测方法,所述病种违规用药检测方法包括以下步骤:获取原始待检测参保人诊疗数据;将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理,得到待检测参保人诊疗数据,其中,所述待检测参保人诊疗数据包括住院率;将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类,以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组;对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析,以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。可选地,所述获取原始待检测参保人诊疗数据的步骤之前,包括:采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型。可选地,所述采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型的步骤包括:获取用于训练聚类模型的参保人诊疗数据;将所述用于训练聚类模型的参保人诊疗 ...
【技术保护点】
1.一种病种违规用药检测方法,其特征在于,所述病种违规用药检测方法包括以下步骤:获取原始待检测参保人诊疗数据;将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理,得到待检测参保人诊疗数据,其中,所述待检测参保人诊疗数据包括住院率;将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类,以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组;对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析,以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。
【技术特征摘要】
1.一种病种违规用药检测方法,其特征在于,所述病种违规用药检测方法包括以下步骤:获取原始待检测参保人诊疗数据;将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理,得到待检测参保人诊疗数据,其中,所述待检测参保人诊疗数据包括住院率;将所述待检测参保人诊疗数据输入训练完成的聚类模型进行聚类,以将所述待检测参保人诊疗数据划分为若干个基于不同住院率范围的待检测群组;对所述待检测群组及其包含的待检测参保人诊疗数据的特征指标进行分析,以从所述待检测群组中检测出病种与用药不符的异常参保人诊疗数据。2.如权利要求1所述的病种违规用药检测方法,其特征在于,所述获取原始待检测参保人诊疗数据的步骤之前,包括:采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型。3.如权利要求2所述的病种违规用药检测方法,其特征在于,所述采用无监督学习方法训练聚类模型,得到所述训练完成的聚类模型的步骤包括:获取用于训练聚类模型的参保人诊疗数据;将所述用于训练聚类模型的参保人诊疗数据输入预设清洗模型进行预处理;根据预处理后的用于训练聚类模型的参保人诊疗数据,建立用于训练聚类模型的训练样本;根据所述训练样本,采用预设无监督学习聚类算法训练聚类模型,得到所述训练完成的聚类模型。4.如权利要求3所述的病种违规用药检测方法,其特征在于,所述根据所述训练样本,采用预设无监督学习聚类算法训练聚类模型,得到所述训练完成的聚类模型的步骤之后,包括:根据预设成熟度计算公式mature=ε*rate计算训练训练完成的聚类模型的成熟度,其中,mature表示成熟度,rate表示准确率,ε表示权重值;判断训练完成的聚类模型的成熟度是否达到预设成熟度阈值;若训练完成的聚类模型的成熟度达到预设成熟度阈值,则执行步骤:获取原始待检测参保人诊疗数据。5.如权利要求1所述的病种违规用药检测方法,其特征在于,所述将所述原始待检测参保人诊疗数据输入预设清洗模型进行预处理,得到待检测参保人诊疗数据的步骤包括:将所述原始待检测参保人诊疗数据输入预设清洗模型中依次进行数据切片、数据分词、文本转换、字段填充的清洗处理,得到待检测参保人诊疗数据。6.如权利要求1所述的病种违规用药检测方法,其特征在于,所述待检测参保人诊疗数据包括各病种...
【专利技术属性】
技术研发人员:陈明东,黄越,胥畅,
申请(专利权)人:平安医疗健康管理股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。