[發(fā)明專利]異常就診行為檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910972523.5
• 申請(qǐng)日: 2019-10-14
• 公開（公告）號(hào): CN110729054B
• 公開（公告）日: 2023-04-11
• 發(fā)明（設(shè)計(jì)）人: 梁潔;黃越
• 申請(qǐng)（專利權(quán)）人: 深圳平安醫(yī)療健康科技服務(wù)有限公司
• 主分類號(hào): G16H50/70
• 分類號(hào): G16H50/70;G16H40/20
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 曹瀚青

本申請(qǐng)涉及數(shù)據(jù)分析技術(shù)領(lǐng)域，提供了一種異常就診行為檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，首先，根據(jù)病種有針對(duì)性地完成就診數(shù)據(jù)的分類，然后根據(jù)CART算法構(gòu)建各就診病種對(duì)應(yīng)的就診次數(shù)決策樹，得到各就診病種屬性特征下的就診次數(shù)，并采用箱形圖算法基于各就診病種的屬性特征確定了異常就診次數(shù)范圍，最后，基于異常就診次數(shù)范圍對(duì)各就診病種屬性特征下的就診次數(shù)進(jìn)行檢測(cè)，得到異常就診行為的檢測(cè)結(jié)果，減小因人的主觀經(jīng)驗(yàn)給定閾值范圍篩選帶來(lái)的誤差，實(shí)現(xiàn)了根據(jù)病種的不同有針對(duì)性且合理地檢測(cè)出異常就診行為。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)分析技術(shù)領(lǐng)域，特別是涉及一種異常就診行為檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著社會(huì)醫(yī)療保險(xiǎn)制度的普及，越來(lái)越多的居民使用醫(yī)保卡到醫(yī)療機(jī)構(gòu)就診以便報(bào)銷，為避免醫(yī)療資源的浪費(fèi)，每次報(bào)銷費(fèi)用都設(shè)置有報(bào)銷限額，但是，為了達(dá)到頂額報(bào)銷，于是，出現(xiàn)了很多患者頻繁就診報(bào)銷的行為，造成了醫(yī)療資源的過(guò)度濫用。

為避免醫(yī)療資源的過(guò)度濫用，需要對(duì)大量的就診明細(xì)數(shù)據(jù)進(jìn)行審核，來(lái)判斷居民的就診行為是否異常，目前已有學(xué)者（技術(shù)）提出能夠識(shí)別用戶異常就診行為的方案，但是現(xiàn)有的識(shí)別用戶異常就診的方案，僅是憑借歷史經(jīng)驗(yàn)設(shè)置固定的閾值判定用戶就診次數(shù)是否異常，判定方式過(guò)于簡(jiǎn)單誤差較大。

發(fā)明內(nèi)容

基于此，有必要針對(duì)現(xiàn)有的識(shí)別異常就診用戶方法誤差較大的問(wèn)題，提供一種誤差小的異常就診行為檢測(cè)方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種異常就診行為檢測(cè)方法，方法包括：

獲取就診數(shù)據(jù)，就診數(shù)據(jù)包括就診病種；

根據(jù)就診病種對(duì)就診數(shù)據(jù)進(jìn)行分類，得到各就診病種下的就診明細(xì)數(shù)據(jù)；

基于各就診病種下的就診明細(xì)數(shù)據(jù)，采用CART（Classification?And?RegressionTree，分類回歸樹）算法，構(gòu)建各就診病種對(duì)應(yīng)的就診次數(shù)決策樹，就診次數(shù)決策樹的葉節(jié)點(diǎn)為各就診病種屬性特征下的就診次數(shù)；

根據(jù)箱形圖算法對(duì)就診次數(shù)決策樹中各就診病種屬性特征下的就診次數(shù)進(jìn)行劃分，由劃分結(jié)果確定異常就診次數(shù)范圍；

根據(jù)異常就診次數(shù)范圍對(duì)各就診病種屬性特征下的就診次數(shù)進(jìn)行檢測(cè)，得到異常就診行為檢測(cè)結(jié)果。

在其中一個(gè)實(shí)施例中，基于各就診病種下的就診明細(xì)數(shù)據(jù)，采用CART算法，構(gòu)建各就診病種對(duì)應(yīng)的就診次數(shù)決策樹包括：

對(duì)各就診病種下的就診明細(xì)數(shù)據(jù)進(jìn)行字段整理，構(gòu)建各就診病種下的屬性集；

根據(jù)就診數(shù)據(jù)，構(gòu)建訓(xùn)練集；

將各就診病種下的屬性集與訓(xùn)練集進(jìn)行屬性測(cè)試，得到測(cè)試結(jié)果；

根據(jù)測(cè)試結(jié)果和CART算法，完成對(duì)訓(xùn)練集的劃分，得到各就診病種對(duì)應(yīng)的就診次數(shù)決策樹。

在其中一個(gè)實(shí)施例中，根據(jù)箱形圖算法對(duì)就診次數(shù)決策樹中各就診病種屬性特征下的就診次數(shù)進(jìn)行劃分，由劃分結(jié)果確定異常就診次數(shù)范圍包括：

將就診次數(shù)按照升序排列，得到就診次數(shù)數(shù)列；

采用箱形圖算法對(duì)就診次數(shù)數(shù)列進(jìn)行劃分，得到上四分位數(shù)、下四分位數(shù)、上邊緣數(shù)以及下邊緣數(shù)；

將上四分位數(shù)至上邊緣數(shù)對(duì)應(yīng)的就診次數(shù)范圍以及下四分位數(shù)至下邊緣數(shù)對(duì)應(yīng)的就診次數(shù)范圍確定為第一異常就診次數(shù)范圍，將大于上邊緣數(shù)和小于下邊緣數(shù)對(duì)應(yīng)的就診次數(shù)范圍確定為第二異常就診次數(shù)范圍。

在其中一個(gè)實(shí)施例中，根據(jù)異常就診次數(shù)范圍對(duì)各就診病種屬性特征下的就診次數(shù)進(jìn)行檢測(cè)，得到異常就診行為檢測(cè)結(jié)果包括：

將各就診病種屬性特征下的就診次數(shù)與第一異常就診次數(shù)范圍以及第二異常就診次數(shù)范圍進(jìn)行比較；