一種病人特征刻畫方法和基于該特征刻畫方法的掛床行為檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種病人特征刻畫方法和基于該特征刻畫方法的掛床行為檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著社會(huì)經(jīng)濟(jì)的發(fā)展，國(guó)家為了給老百姓提供更好的醫(yī)保環(huán)境，醫(yī)保政策越來(lái)越 好。然而總有一些人，通過(guò)一些虛假的就醫(yī)行為來(lái)騙取醫(yī)保，嚴(yán)重的損害了其他真正需要醫(yī) 保救治的人的權(quán)益。一般可以通過(guò)醫(yī)保人員的就醫(yī)數(shù)據(jù)來(lái)幫助社保機(jī)構(gòu)來(lái)進(jìn)一步檢測(cè)出異 常數(shù)據(jù)，但是醫(yī)院每天產(chǎn)生大量的原始醫(yī)保數(shù)據(jù)，如果僅通過(guò)人工手段來(lái)進(jìn)行異常檢測(cè)的 話，不僅速度慢，浪費(fèi)人力，且難保證準(zhǔn)確度。再加上醫(yī)院每天的數(shù)據(jù)都是動(dòng)態(tài)增加，又加大 人工處理的難度。
[0003] 掛床又稱"假住院"，通過(guò)掛床住院"病人"享受醫(yī)保醫(yī)療報(bào)銷，醫(yī)院也可從中"套 取"醫(yī)保基金而"創(chuàng)收"。目前在"掛床"這種虛假就醫(yī)行為的甄別的方面主要采取的是相對(duì) 原始的方法，主要是工作人員在醫(yī)院蹲點(diǎn)守候，例如當(dāng)發(fā)現(xiàn)有病人在醫(yī)院有住院的記錄但 是該病人實(shí)際上并沒有在該醫(yī)院進(jìn)行住院治療，就是"掛床"住院，就可以認(rèn)定該病人是掛 床。這種方法不但浪費(fèi)人力財(cái)力，而且會(huì)起到事倍功半的效果。
[0004] 利用聚類算法可以有效地篩選異常數(shù)據(jù)，將具有相似特征的病人聚集在一起，利 用聚類算法可以大大的減少人工參與階段的的工作量。但是一些常用的聚類算法，并不能 起到較好的效果。例如：K-means算法K是事先給定的，這個(gè)K值的選定是非常難以估計(jì) 的。很多時(shí)候，事先并不知道給定的數(shù)據(jù)集應(yīng)該分成多少個(gè)類別才最合適；初始聚類中心 的選擇對(duì)聚類結(jié)果有較大的影響，一旦初始值選擇的不好，可能無(wú)法得到有效的聚類結(jié)果； K-means算法需要不斷地進(jìn)行樣本分類調(diào)整，不斷地計(jì)算調(diào)整后的新的聚類中心，因此當(dāng)數(shù) 據(jù)量非常大時(shí)，算法的時(shí)間開銷是非常大的。
[0005] 在這里本發(fā)明提出了一種針對(duì)掛床行為的檢測(cè)方法，利用統(tǒng)計(jì)技術(shù)和機(jī)器學(xué)習(xí)相 結(jié)合，通過(guò)病人的住院特征畫像、人工的參與確認(rèn)、機(jī)器學(xué)習(xí)構(gòu)建掛床就醫(yī)模型，可以實(shí)現(xiàn) 對(duì)掛床行為的有效甄別。通過(guò)此過(guò)程，能夠顯著的減少工作量，提高工作效率，并且在模型 的不斷優(yōu)化的過(guò)程中，對(duì)掛床行為的檢測(cè)的精確度也會(huì)越來(lái)越高。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種病人特征刻畫方法和基于該特 征刻畫方法的掛床行為檢測(cè)方法，該掛床行為檢測(cè)方法利用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)相結(jié)合，對(duì)病 人的住院行為進(jìn)行特征畫像、聚類、人工參與和機(jī)器學(xué)習(xí)，有效的甄別掛床就醫(yī)行為，對(duì)病 人的住院行為進(jìn)行特征刻畫，有效地刻畫病人，利用聚類的方法，篩選出離群點(diǎn)，大量減少 正常的數(shù)據(jù)，減少人工篩選階段的工作量；在掛床行為模型建立后，利用此模型對(duì)病人的 住院行為進(jìn)行預(yù)測(cè)。
[0007] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種病人特征刻畫方法，它包括病 人住院特征刻畫和病人基本個(gè)人信息刻畫，所述的病人住院特征刻畫從病人患病種數(shù)h、 住院次數(shù)t2、報(bào)銷費(fèi)用t3、是否有床位重疊t4、是否存在團(tuán)體住院15五個(gè)方面來(lái)進(jìn)行刻畫， 病人住院特征表示為Fi={ti，t2,t3,t4,t5}，所述的病人基本個(gè)人信息刻畫從病人的年齡 Sl、職業(yè)s2、文化程度s3、性別s4、收入s5和收入是否穩(wěn)定s6來(lái)進(jìn)行，病人基本個(gè)人信息表示 為F2={s!，s2,s3,s4,s5,s6}，病人特征畫像G表示為G=F!IIF2。
[0008] 所述的病人患病種數(shù)h的異常度表示方式為
[0009] a''1 -1 公式 1
[0010] 其中^代表患病種數(shù)，α代表病人在患病種數(shù)方面的異常程度的底數(shù)；
[0011] 病人住院次數(shù)t2的異常程度表示為
[0012] α2-1)*β公式 2
[0013] 其中t2代表病人患病次數(shù)，β代表病人在住院次數(shù)方面的異常程度的參數(shù)；
[0014] 所述的報(bào)銷費(fèi)用t3異常度由病人實(shí)際報(bào)銷費(fèi)用13和預(yù)計(jì)報(bào)銷費(fèi)用13'的比值表 示，比值越大，異常度越大；當(dāng)有床位重疊表示存在掛床行為；
[0015] 所述的是否存在團(tuán)體住院的異常程度表示為
[0016] e=ηη公式 3
[0017] 其中e代表病人在團(tuán)體住院方面的異常程度，η代表與該病人有相交住院區(qū)間且 相交天數(shù)大于閾值Α的病人數(shù)，τι代表病人在團(tuán)體住院方面的異常程度的常數(shù)。
[0018] 基于病人特征刻畫方法的掛床行為監(jiān)測(cè)方法，它包括如下步驟：
[0019] S1 :特征刻畫，根據(jù)病人住院特征和基本個(gè)人信息對(duì)病人特征進(jìn)行刻畫；
[0020] S2 :病人特征聚類，利用聚類算法將離群的病人檢測(cè)出來(lái)；
[0021] S3 :病人特征人工篩選，將聚類檢測(cè)出的離群的病人進(jìn)行人工篩選；
[0022] S4 :掛床行為模型建立，結(jié)合步驟S3標(biāo)注出的異常數(shù)據(jù)和步驟S2確定的正常數(shù)據(jù) 建立掛床行為模型；
[0023] S5 :新住院信息檢測(cè)，利用掛床模型篩選掛床就醫(yī)的病人。
[0024] 所述的病人特征聚類基于DBSCAN算法以半徑和最小包含點(diǎn)數(shù)為參數(shù)來(lái)進(jìn)行聚 類。
[0025] 所述的病人特征人工篩選通過(guò)人工參與進(jìn)行確認(rèn)，通過(guò)專業(yè)人員進(jìn)行實(shí)地考察、 追蹤、走訪或在醫(yī)院蹲點(diǎn)守候的方式進(jìn)彳丁篩選確認(rèn)，對(duì)掛床就醫(yī)病人進(jìn)彳丁標(biāo)注。
[0026] 所述的掛床行為模型建立利用機(jī)器學(xué)習(xí)的算法構(gòu)建掛床行為的模型，機(jī)器學(xué)習(xí)算 法包括隨機(jī)森林算法。
[0027] 本發(fā)明的有益效果是：本發(fā)明提供了一種病人特征刻畫方法和基于該特征刻畫方 法的掛床行為檢測(cè)方法，該掛床行為檢測(cè)方法利用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)相結(jié)合，對(duì)病人的住院 行為進(jìn)行特征畫像、聚類、人工參與和機(jī)器學(xué)習(xí)，有效的甄別掛床就醫(yī)行為，對(duì)病人的住院 行為進(jìn)行特征刻畫，有效地刻畫病人，利用聚類的方法，篩選出離群點(diǎn)，理論上可以對(duì)存在 掛床就醫(yī)行為的病人達(dá)到100 %的召回率，聚類能夠大量減少正常的數(shù)據(jù)，減少人工篩選階 段的工作量；在掛床行為模型建立后，利用此模型對(duì)病人的住院行為進(jìn)行預(yù)測(cè)。
【附圖說(shuō)明】
[0028] 圖1為特征刻畫示意圖；
[0029] 圖2為掛床檢測(cè)流程圖；
[0030] 圖3為新住院信息檢測(cè)流程圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于 以下所述。
[0032] 如圖1所不，一種病人特征刻畫方法，它包括病人住院特征刻畫和病人基本個(gè) 人信息刻畫，所述的病人住院特征刻畫從病人患病種數(shù)^、住院次數(shù)t2、報(bào)銷費(fèi)用t3、是 否有床位重疊t4、是否存在團(tuán)體住院t5五個(gè)方面來(lái)進(jìn)行刻畫，病人住院特征表示為F1 = {ti,t2,t3,t4,t5}，所述的病人基本個(gè)人信息刻畫從病人的年齡81、職業(yè)S2、文化程度S3、性別 s4、收入S5和收入是否穩(wěn)定S6來(lái)進(jìn)行，病人基本個(gè)人信息表示為F2={sDs2,s3,s4,s5,s6}， 病人特征畫像G表示為G=FiIIF2。
[0033] -個(gè)正常的病人所患的病種數(shù)只能是少數(shù)的，若是患的病種數(shù)超過(guò)一定的限度， 該病人的可疑度是成指數(shù)型增長(zhǎng)的。病人患病種數(shù)^的異常度表示方式為
[0034] ^-1 公式 1
[0035] 其中^代表患病種數(shù)，α代表病人在患病種數(shù)方面的異常程度的底數(shù)。當(dāng)患有一 種病時(shí)，病人的患病程度為〇 ;當(dāng)患兩種病時(shí)病人的異常程度是α。底數(shù)α可以在多次試 驗(yàn)后得到的一個(gè)較為合理的結(jié)果。
[0036] 由病人的歷史住院信息得到病人所換的病種數(shù)h，并初始化每個(gè)病人的異常程度 ω〇
[0037] 由病人的異常程度得到病人所在科室的異常程度Ε。主要利用公式：
[0038] Ε=~ω 公式4
[0039] Si代表該病人在該科室的住院次數(shù)，S代表病人總的住院次數(shù)，ω代表病人的異 常程度。利用此公式依次處理每一個(gè)病人，得到該科室總的異常程度，為了消除每個(gè)科室住 院人數(shù)的差異，本發(fā)明利用科室的平均異常程度代表科室的異常程度，利用公式： Ε
[0040] -公式 5 %
[0041] Ε代表科室總的異常程度，&代表科室總的住院人數(shù)
[0042] 利用該醫(yī)院異常程度最大的科室的異常程度Emax代表該醫(yī)院的異常程度Η，因?yàn)?若一個(gè)醫(yī)院的科室有問(wèn)題就有很大的可能說(shuō)明這個(gè)醫(yī)院有問(wèn)題。最后會(huì)得到所有醫(yī)院在