庞晓燕，林辉 ，乔凯
浙江大学医学院附属邵逸夫医院 浙江省杭州市 310000
摘要：在大数据时代，随着行业发展数据信息数量的增加，为了从中发掘更多有价值的内容，并由此为医疗事业发展提供有效依据，需要结合大数据环境构建更为完善的缺陷监测和预警模型。本文在了解国内外医疗缺陷监测和预警模型研究现状的基础上，根据大数据时代发展趋势，分析如何构建医疗缺陷监测和预警模型。
关键词：大数据；医疗缺陷；预警模型；数据发掘；医保数据
1.研究介绍
随着我国进入大数据时代，医疗科研方向逐渐从逻辑或实验驱动转变为数据驱动，此时如何应对多样化信息技术，并从中发现更多有价值的数据信息，为行业决策提供有效依据，是现如今医疗行业发展关注的焦点。数据发掘技术最早出现在二十世纪七八十年代，主要用来发现潜藏的数据信息和隐藏模式，其有效集成了管理信息、模式识别以及机器学习等多项学科的研究成果。Marisa等人在研究数据挖掘技术时，将其引用到了医疗保险机构采集中，并结合关联规则和神经分割技术进行操作，以此在GB级得到位置模式。而Mohit Kumar等人提出利用数据发掘和机器学习来预测保险公司在处理医疗纠纷时的支付错误，并由此避免医疗保险机构因此产生过多的经济消耗。而我国针对这一技术与医疗行业的研究分析，主要集中在基金运行与风险因素分析上，会充分利用数据发掘与分析技术为医保基金风险防控构建基础的技术平台。这样不仅能避免医保基金机构在运行期间面临影响严重的风险，而且可以促使医疗保险机构稳步发展。[1]
2.基于大数据环境的医疗缺陷监测和预警模型分析
2.1总体架构
整理分析医疗保险业务中储备的数据信息可知，结合计算机技术、数据仓库技术和数据发掘技术等对参保单位、门诊和住院等费用支出等进行数据采集、聚合等，并结合实践发展需求构建系统化的多位数学模型。这样不仅能分析引发同类病的不同原因，并可以全面掌握近年来疾病发生年龄段的变化等信息，而且可以由此掌握国民健康指数，以此为调整医疗保险政策指标奠定基础。
2.2设计过程
第一，准备工作。研究医保数据是为了提升医保资金的应用率。通过整理分析现存医保数据，并跟踪调查病人的医保应用情况，可以为后续调整资金预算和管理决策提供有效依据，同时也能监管和支持各医疗单位疾病的治疗方案，以此提升医疗行业管理的精细化水平。不管是医院病人还是人社局，在处理和分析医疗数据时都要具备严谨和公正的态度。一般来讲，城市社会医疗保险的规章制度是明确问题主题的重要依据，其中主要涉及到三方面：第一，医保运行；第二，医保监督；第三，医保征收。在实践发展中整理收集的数据信息都是从这三方面进行思考的。[2]
第二，抽取与分类医保数据。通过从医保各业务系统中获取病人的原始数据，如药店、门诊等，这也是大数据环境下进行医疗缺陷监测和预警的基础内容。
通过了解知识组织有关理论，在将数据单位看作基础内容后，按照数据来源或方法等标准实施分类，并从系统层次、数据颗粒度等入手阐述静态医保数据网络。
第三，选择算法。这项内容需要结合医疗数据的特征进行选择。假如其具有数量大、开户类型多、开户日期无法进行关联分析等，需要在预处理期间按照时间间隔科学划分医保数据信息，如季度或月份等。通过添加权值参数处理因频率较低而被忽视的问题，并在关联规则挖掘期间利用多类权值来评估不同开户类型的差异性，而后从大保单当中得到有关关联规则。在这一过程中，需要利用以Apriori算法为依据的算法，首先找到其中的频集，且保障频集出现的概率和预定义的最小数值相同；其次要从频集入手获取强关联规则，且符合最小的支持度和可信度；再次要重新找频集，并利用它们产生期望的规则。[3]
第四，医保数据仓库。结合医保运行情况、监督管理和征收主题等内容设计医保数据仓库。因为医保数据分布在不同区域的药店或定点机构的业务系统中，所以需要利用抽取工具进行构建、分析以及转换等工作，并利用数据颗粒度原理，从医疗缺陷监测和预警角度入手实施数据组织。这项工作最关键的内容就是数据关联分析，也是基于医保数据抽取和分类提出的，最终将会构建具有动态性的医保数据网络系统。
第五，构建模型。对医疗行业而言，缺陷监测与预警模型是两项工作，一方面是指在构建监测指标系统的基础上，直接展现医保数据运行情况，并可以在抽取与发掘数据后构建与治疗方案有关的系统；另一方面是指在构建预警指标系统后，其直接决定了缺陷监测和预警模型的应用效果，此时结合数据挖掘算法构建相关模型，并提出适宜的预警结果，不仅能为医疗行业发展提供基础保障，而且可以避免在治疗期间出现不必要的纠纷和矛盾。通过了解当前医保静态数据分析模型可知，结合专家提出建议分析，医保基金运行实现平衡且稳定的缺陷监测与预警模型必须要符合以下要求：第一，财务性的指标；第二，客户性的指标；第三，成长性的指标。在监测与预警模型运行期间，医保数据可以在整理分析中直观展现现阶段医保基金的发展趋势，这不仅关系着医疗行业发展，而且影响着居民的医保报销与支付情况。
结语
综上所述，现如今我国各地医疗机构和药房都以开通医保报销平台。在这一背景下，随着社会保障信息信息的广泛推广，医保数据将会出现爆炸式增长趋势，再结合以往发展累积的大量数据分析，医疗行业必须要正确应对大数据时代及其涌现出的海量信息。通过构建系统化的医疗缺陷监测和预警模型，结合数据发掘技术和算法科学利用医保信息，不仅能科学管控医疗保险基金，而且可以及时发现不同地区、不同阶段的病人健康变化及相关指数。通过科学利用上述数据信息，既能为人社局发展决策提供有效依据，又能结合大数据环境变化有序落实资金预算和监管等工作。需要注意的是，随着大数据环境发生改变，医疗行业在构建缺陷监测和预警模型时，必须要加大相关领域人才的培育力度，只有这样才能保障模型运行的安全性和稳定性。
参考文献
[1]宋平平, 孙皓. 基于大数据的在线学习监测预警模型构建研究[J]. 管理观察, 2018, No.703(32):110-111.
[2]康俊生、晏绍庆、黎伟、宋敏. 大数据环境下的质量监测与预警体系构建研究[J]. 大众标准化, 2020, No.332(21):24-26.
[3]胡期欣. 基于大数据的“警务—医疗—家居”一体化和谐人居智慧社区构建探析[J]. 现代商业, 2018.
2018KY111 基于大数据技术的医疗缺陷预警模型及其应用的研究 浙江省医药卫生科技项目