医保数据异常的检测方法和装置制造方法及图纸

本发明专利技术公开了一种医保数据异常的检测方法和装置，该方法包括对待检测数据进行切分，得到多个待处理数据，待处理数据包括特征数据和标签数据；将多个待处理数据中的特征数据输入到多个类型的分析模型中进行分析，得到多个预测结果；将所述多个预测结果与对应的标签数据进行比较，得到多个比较结果；基于所述多个比较结果，确定所述待检测数据是否异常。本实施例的方法通过将多个待处理数据输入多个分析模型中进行比较，输出多个预测结果，基于多个预测结果和对应的标签数据进行比较，得到多个比较结果，根据多个比较结果，能够准确地确定待检测数据是否异常，提高待检测数据异常的准确性。

Detection method and device of abnormal medical insurance data

【技术实现步骤摘要】
医保数据异常的检测方法和装置
本专利技术涉及医疗保险
，尤其涉及一种医保数据异常的检测方法和装置。
技术介绍
医保在目前社会中已经覆盖地越来越全面了，每年国家花费在医保上的资金在不断提高。但同时我们也发现，这其中有许多欺诈行为和不合理诊疗的行为。这些欺诈行为一是浪费了国家的资金，二是阻碍了将医保资金提供给真正有需求的人，因此医保反欺诈是一个不断受到重视的课题。然而，由于不同地市、省之间的数据千差万别，不同经济环境和地域环境所带来的天然的医疗行为差异，也会对欺诈行为的检测带来干扰和影响。因此，一套能够适应各地市特征并能不断学习新的欺诈模式的方法就显得尤为重要了。目前针对医保行为中欺诈行为的调查，多是采用线下人员举报、工作人员现场调查的方式进行，费时费力。且面对单个人员几十天的住院行为，成百上千的诊疗项目和药品使用情况，需要具有非常高的医学领域知识才可以发现异常和不合理。由此带来的是反欺诈成本高、效率低、难以铺开的难题。为解决上述难题，目前主流的方法基于统计来发现异常的趋势，由于只按照一个预设规则来发现异常的趋势，通常难以定位到个体，也就是说趋势性的异常不能准确地确定单次就诊数据是否异常。
技术实现思路
本专利技术实施例提供一种医保数据异常的检测方法和装置，以解决现在技术难以准确地确定单次就诊数据是否异常的问题。为了解决上述技术问题，本专利技术是这样实现的：第一方面，提供了一种医保数据异常的检测方法，该方法包括：对待检测数据进行切分，得到多个待处理数据，所述待处理数据包括特征数据和标签数据；将所述多个待处理数据中的特征数据输入到多个类型的分析模型中进行分析，得到多个预测结果；将所述多个预测结果与对应的标签数据进行比较，得到多个比较结果；基于所述多个比较结果，确定所述待检测数据是否异常。第二方面，提供了一种医保数据异常的检测装置，该装置包括：切分模块，用于对待检测数据进行切分，得到多个待处理数据，所述待处理数据包括特征数据和标签数据；分析模块，用于将所述多个待处理数据中的特征数据输入到多个类型的分析模型中进行分析，得到多个预测结果；比较模块，用于将所述多个预测结果与对应的标签数据进行比较，得到多个比较结果；第一确定模块，用于基于所述多个比较结果，确定所述待检测数据是否异常。第三方面，提供一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的方法的步骤。第四方面，提供了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计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。在本专利技术实施例中，通过对待检测数据进行切分，得到多个待处理数据，将多个待处理数据输入多个分析模型中进行比较，输出多个预测结果，基于多个预测结果和对应的标签数据进行比较，得到多个比较结果，根据多个比较结果，能够准确地确定待检测数据是否异常，提高待检测数据异常的准确性。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术的一个实施例的医保数据异常的检测方法的流程示意图；图2是本专利技术的一个实施例的医保数据异常的检测装置的结构示意图；图3是本专利技术的另一个实施例的电子设备的结构示意图。具体实施方式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作出创造性劳动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。单次就诊数据指的是以每一次就诊做为一个基本单位的数据，比如，看一次病，有一条完整的信息，这条完整的信息即是单次就诊数据。图1是本专利技术的一个实施例的医保数据异常的检测方法的流程示意图，图1所示的方法可以由医保数据异常的检测装置执行，如图1所示，该方法包括：步骤S102，对待检测数据进行切分，得到多个待处理数据，待处理数据包括特征数据和标签数据。应理解，待检测数据包括个人、年龄、疾病名称、治疗时间、药品名称、诊疗项目名称、耗材名称、医院名称、费用等。在步骤S102中，根据不同的应用场景对待检测数据进行多次切分，得到多个待处理数据，其中，待处理数据包括多个特征数据和一个标签数据，多个待处理数据包括多组特征数据和多个标签数据，每组特征数据包括多个特征数据。举例说明，假如根据不同的应用场景下对待检测数据进行四次切分，得到四个待处理数据，若第一个待处理数据中的多个特征数据为疾病名称、治疗时间等，则第一个待处理数据的标签数据为费用，比如治疗阑尾炎的费用在2千到8千以内。若第二个待处理数据中的多个特征数据为药品、年龄等，则第二个待处理数据的标签数据为疾病名称，比如老年人得老年痴呆。若第三个待处理数据中的多个特征数据为费用、疾病名称等，则第三个待处理数据的标签数据为医院特色科室，比如肝胆病患者应到医院肝胆科室治疗；若第四个待处理数据中的多个特征数据为疾病名称、费用等，则第四个待处理数据的标签数据为药品，比如感冒会用感冒药。可选地，在一些实施例中，在对待检测数据进行切分，得到多个待处理数据之前，包括：确定医疗数据的完整率；基于医疗数据的完整率，得到医疗数据对应的待检测数据。应理解，医疗数据包括医保挂号数据、医保结算数据和医保处方明细数据，其中，医保挂号数据包括个人、年龄、机构、就诊id、医院名称、疾病名称、治疗时间等，医保结算数据包括各类账户费用、报销比例等；医保处方明细数据包括药品名称、诊疗项目、耗材名称、使用数量和金额等。在一些实施例中，获取医疗数据，确定医疗数据的完整率，根据医疗数据的完整率，对医疗数据进行删除、补充、校验等处理，得到待检测数据。基于对待检测数据进行切分之前，选取完整率符合预设阈值条件的目标医疗数据作为待检测数据，可以提高待检测数据检测的效率和质量。具体地，基于医疗数据的完整率，得到医疗数据对应的待检测数据，可包括：在目标医疗数据的完整率满足第一阈值的情况下，确定第一目标医疗数据为待检测数据。应理解，第一阈值、第二阈值、第三阈值和第四阈值可以为一个数值，第一阈值、第二阈值、第三阈值和第四阈值也可以为一个区间。具体地，第一阈值、第二阈值、第三阈值和第四阈值可以根据预设设定的投票比例确定，若阈预设设定的三个比例的门限，分别为95％、80％和50％，则第一阈值为95％，第二阈值为(80％，95％)，第三阈值为(50％，80％)，第四阈值为50％。举例来说，若第一阈值为95％，则目标医疗数据的完整率满足第一阈值为≥95％，选取医疗数据中完整率≥95％的数据作为目标医疗数据，该类目标医疗数据为质量高的数据，直本文档来自技高网...

【技术保护点】
1.一种医保数据异常的检测方法，其特征在于，所述方法包括：/n对待检测数据进行切分，得到多个待处理数据，所述待处理数据包括特征数据和标签数据；/n将所述多个待处理数据中的特征数据输入到多个类型的分析模型中进行分析，得到多个预测结果；/n将所述多个预测结果与对应的标签数据进行比较，得到多个比较结果；/n基于所述多个比较结果，确定所述待检测数据是否异常。/n

【技术特征摘要】
1.一种医保数据异常的检测方法，其特征在于，所述方法包括：
对待检测数据进行切分，得到多个待处理数据，所述待处理数据包括特征数据和标签数据；
将所述多个待处理数据中的特征数据输入到多个类型的分析模型中进行分析，得到多个预测结果；
将所述多个预测结果与对应的标签数据进行比较，得到多个比较结果；
基于所述多个比较结果，确定所述待检测数据是否异常。


2.如权利要求1所述的方法，其特征在于，所述方法还包括：
确定医疗数据的完整率；
基于所述医疗数据的完整率，得到所述医疗数据对应的待检测数据。


3.如权利要求2所述的方法，其特征在于，所述基于所述医疗数据的完整率，得到所述医疗数据对应的待检测数据，包括：
在目标医疗数据的完整率满足第一阈值的情况下，确定所述目标医疗数据为待检测数据。


4.如权利要求3所述的方法，其特征在于，所述基于所述医疗数据的完整率，得到所述医疗数据对应的待检测数据，还包括：
在目标医疗数据的完整率满足第二阈值的情况下，应用插值法对所述目标医疗数据进行补充，得到待检测数据。


5.如权利要求3所述的方法，其特征在于，所述基于所述医疗数据的完整率，得到所述医疗数据对应的待检测数据，还包括：
在目标医疗数据的完整率满足第三阈值的情况下，通过人工对所述目标医疗数据进行校验，得到所述目标医疗数据对应的待检测数据。


6.如权利要求3所...

【专利技术属性】
技术研发人员：赵蒙海，
申请(专利权)人：上海金仕达卫宁软件科技有限公司，
类型：发明
国别省市：上海;31