【技术实现步骤摘要】
一种基于医疗大数据的非正常医保识别方法及装置
本公开涉及医疗信息的
，尤其涉及一种基于医疗大数据的非正常医保识别方法及装置。
技术介绍
随着国家基本医保制度不断加强，越来越多的人加入了医保行列，这大大方便了参保人的就医，但是目前的医保制度仍然不够完善，导致报销过程会出现虚假报销的情况，出现了非正常医保行为(骗保)及套取医保资金多开药的行为。目前，对于这些目标人群的筛查和判断主要采用人工的方式，由于人工检验效率极低，在每年产生海量就诊信息的现状下，完全跟不上发现非正常医保人群的进度，而大批雇佣专业医生进行审核，在医疗资源紧缺的现代，又显得不太可能。
技术实现思路
为了解决上述技术问题中的至少一个，本公开提供了一种基于医疗大数据的非正常医保识别方法。根据本公开的一个方面，基于医疗大数据的非正常医保识别方法包括：步骤一，根据第一待检字段，服务器从已被授权的医疗数据库中获取群体原始医疗数据，所述群体原始医疗数据取自一自然年度，即从每年的1月1日至12月31日的医疗数据；步骤二，根据第...
【技术保护点】
1.一种基于医疗大数据的非正常医保识别方法，其特征在于，包括以下步骤：/n步骤一，根据第一待检字段，服务器从已被授权的医疗数据库中获取群体原始医疗数据，所述群体原始医疗数据取自一自然年度，即从每年的1月1日至12月31日的医疗数据；/n步骤二，根据第二待检字段，服务器从所述群体原始医疗数据筛选出目标医疗数据；/n步骤三，计算所述目标医疗数据与所述群体原始医疗数据之间的比值，若上述比值＜第一阈值，则表示目标医疗数据为所筛选到的目标对象；若上述比值≥第一阈值，则表示目标医疗数据过大，则返回步骤二，调整所述第二待检字段，缩小筛选出的目标医疗数据的数量，直至所述目标医疗数据与所述群...
【技术特征摘要】 【专利技术属性】
1.一种基于医疗大数据的非正常医保识别方法，其特征在于，包括以下步骤：
步骤一，根据第一待检字段，服务器从已被授权的医疗数据库中获取群体原始医疗数据，所述群体原始医疗数据取自一自然年度，即从每年的1月1日至12月31日的医疗数据；
步骤二，根据第二待检字段，服务器从所述群体原始医疗数据筛选出目标医疗数据；
步骤三，计算所述目标医疗数据与所述群体原始医疗数据之间的比值，若上述比值＜第一阈值，则表示目标医疗数据为所筛选到的目标对象；若上述比值≥第一阈值，则表示目标医疗数据过大，则返回步骤二，调整所述第二待检字段，缩小筛选出的目标医疗数据的数量，直至所述目标医疗数据与所述群体原始医疗数据之间的比值＜第一阈值。
2.如权利要求1所述的非正常医保识别方法，其特征在于，所述步骤一中，所述第一待检字段包括年龄，医保报销属性，诊断信息，12月份消费金额，全年消费金额数，医保余额数。
3.如权利要求1所述的非正常医保识别方法，其特征在于，所述步骤二中，所述第二待检字段包括：a)、年龄字段取大于50周岁；b)、诊断字段取糖尿病、冠心病、高血压、脑血管意外后遗症、慢性肾病、慢性支气管性肺炎、肺气肿、肺心病中的任一种；c)、12月份药费/全年药费>第二阈值；d)、12月31日医保余额<5。
技术研发人员：张贤鹏，孙龙超，张斌，孟继虹，张超凡，
申请(专利权)人：北京亚信数据有限公司，
类型：发明
国别省市：北京;11
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。