CN109545297A - 一种基于大数据的病种编码方法及计算设备 - Google Patents
一种基于大数据的病种编码方法及计算设备 Download PDFInfo
- Publication number
- CN109545297A CN109545297A CN201811282998.3A CN201811282998A CN109545297A CN 109545297 A CN109545297 A CN 109545297A CN 201811282998 A CN201811282998 A CN 201811282998A CN 109545297 A CN109545297 A CN 109545297A
- Authority
- CN
- China
- Prior art keywords
- case
- disease
- code
- icd
- disease category
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 499
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 499
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003745 diagnosis Methods 0.000 claims description 137
- 238000004891 communication Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000012141 concentrate Substances 0.000 abstract 3
- 239000003550 marker Substances 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 11
- 238000007619 statistical method Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种病种编码方法及计算设备，该方法包括：计算设备接收病例集；针对病例集中的第一病例，根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前N位码，第一病例为病例集中任一病例，N为小于6的正整数，进而，当病例集中为第一ICD编码的前N位码的病例的例数大于第一阈值时，确定第一病例的病种分类码为ICD编码的前N位码；或，当病例集中为第一ICD编码的前N位码的病例的例数不大于第一阈值时确定第一病例的病种分类码为ICD编码的前L位码，L为小于N的正整数；建立病种分类字典，实现通过病例大数据对病种进行重新编码，减少病种分类，得到更加符合当前医疗环境的病种分类和编码方式。
Description
技术领域
本发明涉及医疗管理技术领域，具体涉及一种基于大数据的病种编码方法及计算设备。
背景技术
随着国家公共医疗的布局和医疗改革的不断深入，支付制度改革是系统工程是医保管理理念和医保经办机构角色发生重大转变的体现。推行按照病种付费，充分体现了支付制度才是全面医改的关键所在。
所谓按病种付费，就是指通过统一的疾病诊断分类，科学地制定出每一种疾病的定额偿付标准，社保机构按照该标准与住院人次，向定点医疗机构支付住院费用，使得医疗资源利用标准化，即医疗机构资源消耗与所治疗的住院病人的数量、疾病复杂程度和服务强度成正比。简而言之，就是明确规定某一种疾病该花多少钱，从而既避免了医疗单位滥用医疗服务项目、重复项目和分解项目，防止医院小病大治，又保证了医疗服务质量。
标准化的医疗信息对于医疗信息大数据应用于按病种收费的支付方式非常重要，医疗信息的标准化是实现医疗大数据进行应用的前提。病种的分类目前通常采用国际疾病分类(international Classification of diseases,ICD)。ICD-10根据病因、部位、病理及临床表现等特征将疾病划分为21章节、26000多种病种，并对各个病种进行编码。然而，对于中国的医疗的整体环境来说，各个地区常见的病种远远少于26000，且医疗人员在记录病例时，由于现有技术中病种的多样性、复杂性，医务人员往往不按照国际的标准来等级，各个地区有地区化的语言描述，给按病种付费的实施带来一定困难。
按照规定，各地确定按病种付费支付标准时，应充分考虑医疗服务成本、既往实际发生费用、医保基金承受能力和参保人负担水平等因素，结合病种主要操作和治疗方式，通过与医疗机构协商谈判合理确定，如何根据各地的医疗情况确定支付标准、如何管理按病种付费的医疗费用，检测和分析病例、医疗付费标准等都是目前急需解决的技术问题。
发明内容
本发明实施例提供了一种病种编码方法及计算设备，通过病例大数据对病种进行重新编码，减少病种分类，得到更加符合当前医疗环境的病种分类和编码方式。
第一方面，本发明实施例提供一种病种编码方法，包括
计算设备接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
针对所述病例集中的第一病例，所述计算设备根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数；
可选地，N为4，L为3。
可选地，所述第一病例诊断标识包括诊断名称，所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码包括：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
可选地，所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码包括：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一ICD编码，获取所述第一ICD编码的前N位码。
可选地，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，所述方法还包括：
根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算。
可选地，所述方法还包括：
接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据所述病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
可选地，所述第二病种的诊断标识包括诊断名称，所述根据所述诊断标识确定所述第二病种的病种分类包括：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
第二方面，本发明实施例还提供了一种计算设备，包括：
接收单元，用于接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
分类确定单元，用于：针对所述病例集中的第一病例，所述计算设备根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数；
字典建立单元，用于建立病种分类字典，所述病种分类字典包括病种分类的名称与病种分类码的对应关系。
可选地，N为4，L为3。
可选地，所述第一病例诊断标识包括诊断名称，所述分类确定单元执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
可选地，所述分类确定单元执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一ICD编码，获取所述第一ICD编码的前N位码。
可选地，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，所述计算设备还包括：
计算单元，用于根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算。
可选地，所述计算设备还包括分类识别单元，用于：
接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据所述病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
可选地，所述第二病种的诊断标识包括诊断名称，所述分类识别单元执行所述根据所述诊断标识确定所述第二病种的病种分类，具体包括执行：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
第三方面，本发明实施例还提供了一种计算设备，该计算设备包括处理器、存储器以及通信模块，所述处理器耦合到所述存储器、所述通信模块，所述处理器用于调用所述存储器存储的程序代码执行：
通过所述通信模块接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
针对所述病例集中的第一病例，根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数；
建立病种分类字典，所述病种分类字典包括病种分类的名称与病种分类码的对应关系。
可选地，N为4，L为3。
可选地，所述第一病例诊断标识包括诊断名称，所述处理器执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
可选地，所述处理器执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一病种或第一ICD编码。
可选地，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，所述处理器还用于执行：
根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算。
可选地，所述处理器还用于执行：
通过所述通信模块接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据所述病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
可选地，所述第二病种的诊断标识包括诊断名称，所述处理中执行所述根据所述诊断标识确定所述第二病种的病种分类，具体包括执行：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
第四方面，本申请实施例还提供一种计算机存储介质，所述计算机存储介质用于计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如第一方面所述的任意一种基于大数据的病种编码方法。
第五方面，本申请实施例还提供了一种计算机程序，所述计算机程序包括计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如第一方面所述的任意一种数据压缩方法。
综上，本申请中计算设备通过接收病例集，该病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；针对病例集中的第一病例，根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前N位码，第一病例为病例集中任一病例，N为小于6的正整数，进而，当病例集中为第一ICD编码的前N位码的病例的例数大于第一阈值时，确定所述第一病例的病种分类码为ICD编码的前N位码；或，当病例集中为第一ICD编码的前N位码的病例的例数不大于第一阈值时确定第一病例的病种分类码为ICD编码的前L位码，L为小于N的正整数；建立病种分类字典，该病种分类字典包括病种分类的名称与病种分类码的对应关系，实现通过病例大数据对病种进行重新编码，减少病种分类，得到更加符合当前医疗环境的病种分类和编码方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种医保管理平台的功能架构图；
图2为本发明实施例提供的一种病种编码方法的流程图；
图3为本发明实施例提供的另一种病种编码方法的流程图；
图4为本发明实施例提供的一种确定第二病种的病种分类码的流程图；
图5为本发明实施例提供的一种计算设备的结构示意图；
图6为本发明实施例提供的又一种计算设备的结构示意图；
图7为本发明实施例提供的又一种计算设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明的是，在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
为了更好理解本发明实施例，下面先对本发明实施例适用的医保管理平台的各个功能进行描述，请参阅图1，图1为本发明实施例提供的一种医保管理平台的功能架构图，该医保管理平台可以运行在计算设备中，为医保管理平台的运行商提供的一系列和病例、医保、病种分值等相关的功能，该医保管理平台包括但不限于如下部分或全部功能的实现：
病种编码，医保管理平台可以根据输入病例的病例数据对该病例中主诊断得到的病种进行编码，该病种编码方法可以采用ICD-10编码(本申请中也称六位码编码)、也可以采用其他编码方法，例如四位码编码(即六位码的前4位)、三位码编码(即六位码的前3位)等。可以理解，可以通过某一地区发生病例集通过病种编码方法建立适用该地区的病种分类字典，该病种分类字典包括M个病种分类的名称以及与所述M个病种分类的名称一一对应的M个病种分类码，M为正整数。可选地，计算设备可以基于医保管理平台识别病例数据中有医务人员填写的诊断名称、病种编码等信息识别到该病例对应的病种分类，进而该病种分类对应的病种分类码补充到病例数据中，以便于进一步地计算该病例的病种分值，进而实现按病种付费、基于病种分值进行病例数据真实性的检测等功能。
病种分值计算，医保管理平台可以存储病种与病种分值的对应关系表或者包含病种分值计算程序，可以通过病例中病种名称、病种编码等确定该病例中参保人(即病人)所患病种分类，进而根据病种分类与病种分值的对应关系表或者病种分值计算程序等基于病种分类确定病种分值的实现过程确定该病例的病种分值。其中，病种分值为地区(比如，国家、省或市等)基于病例大数据确定的用于计算医疗费用(比如预测医保费用、预测总费用等)的标准分值。具体的，可以建立病种分值字典，该病种分值字典包括M个病种分类的标识与M个基础病种分值的一一对应关系，再根据病例的实际情况(比如参保人年龄、患病的严重程度、所在医院、所属科室等信息)在基础病种分值的基础上进行调整，以得到适合该病例的病种分值。病种分值与医疗费用呈正相关关系，即病种分值越高，该病种的医疗费用越高。
病例数据的统计分析，医保管理平台可以按照评估周期(比如，月度、季度、年度等)对该地区内各个医院上报的病例进行统计分析。上述对病例的统计分析可以支持按月度、季度、年度等进行统计分析，支持对不同医院、不同费用区间、不同病种等中的一种或多种的组合进行发生例数、总费用、实际医保费用、预测医保费用等的统计分析，以基于统计分析结果对下个评估周期所采用的各个病种的病种分值进行调整。应理解，基于统计分析结果还可以实现对其他功能，比如基于统计得到的各个医院的收入和支出对医院的医院级别系数进行调整等，对此，本申请实施例不作限定。
病例的真实性检测，医保管理平台可以基于病例中的病例数据对该病例的真实性进行检测，当检测到该病例包含虚假数据时，对该病例进行标记、输出该病例包含虚假数据或为异常病例的提示消息等，以便于医保管理平台的运行商及时识别到异常病例，并分析异常病例原因。
数据可视化，医保管理平台可以对病例数据的统计分析功能得到的统计分析结果进行可视化，也可以对异常病例进行统计分析的结果进行可视化，以便于医保管理平台的运行商统计分析结果。
本申请中，计算设备可以包括但不限于移动电话、移动电脑、平板电脑、媒体播放器、计算机、服务器等包含数据处理功能的设备。运行医保管理平台各个功能的计算设备可以接收到来自医院等机构或个体上报的病例。
不限于图1所示，本申请提供的医保管理平台还可以包括其他功能的实现，例如，病种分值的优化等，对此，本申请实施例不作限定。
请参见图2，图2是本申请提供的一种病种编码方法的流程图。在图2实施例中，以病种编码方法的执行主体为计算设备(运行病例管理平台各个功能的设备)为例来描述，可以理解，该病种编码方法还可以由其他终端或服务器等具备数据处理功能的设备，对此，本申请实施例不作限定。如图2所示，该方法可以包括但不限于如下部分或全部步骤：
S1：接收病例集，该病例集包括多个病例，单个病例的病例数据包括用于识别该病例数据对应的参保人发生病种的诊断标识。
其中，病例为由医院针对病人记录的病人诊断治疗过程。病例数据可以包括但不限于病人的个人信息、诊断信息、治疗信息、费用信息、实际医保费用等中的一种或多种的组合。其中，诊断信息可以包括用于识别病种的诊断标识。其中，诊断标识可以是诊断名称，比如主诊断名称；还可以是诊断编码，如ICD诊断编码等；还可以是手术标识可以是手术名称、手术编码等。应理解，个人信息可以包括但不限于参保人的年龄、性别、病史等信息。治疗信息为病例中记载参保人治疗的过程信息。
病例集为第一地区内各个医院在时间区间发生的病例的集合，第一地区可以是北京市、深圳市、广东省等由医保管理平台的运营商确定的区域，第一病例为病例集中任意一个病例。可以理解，本申请实施例中，计算设备根据病例集中病例数据建立区别与现有技术中ICD的病种编码字典。
S2：针对病例集中的第一病例，根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前N位码，该第一病例为病例集中任一病例，N为小于6的正整数。
第一病例为病例集中任意一个病例，以第一病例为例来说明病种编码方法。应理解，第一ICD编码为第一病例中参保人发生病种对应的ICD编码，可以通过第一病例中的诊断标识来识别第一病例中参保人发生的病种。
本申请一实施例中，确定该第一病例对应的病种分类码一种实现方式可以包括：计算设备在接收到第一病例后，根据第一病例的诊断标识确定该第一病例中参保人发生的病种的第一ICD编码，进而确定该第一病例的病种分类码，该病种分类码可以是第一ICD编码的前四位码，简称“四位码”。应理解，该第一病例的病种分类码可以是第一ICD编码的前五位码或前三位码等。
S3：当病例集中为第一ICD编码的前N位码的病例的例数大于第一阈值时，确定第一病例的病种分类码为ICD编码的前N位码；或，当病例集中为第一ICD编码的前N位码的病例的例数不大于第一阈值时，确定第一病例的病种分类码为ICD编码的前L位码，L为小于N的正整数；
第一阈值可以是100、130、200或其他数值等，可选地，第一阈值的设定与病例集的总病例例数有关。
例如，第一阈值可以设定为P/S，其中，S为正整数，比如，S为1000、400、300或其他数值，本申请实施例不作限定。
又例如，当病例集中包括P例病例时，第一阈值可以设定为INT(P/M)+R。其中，M为对包括P例病例的病例集实施本身实施例所述的病种编码方法得到的病种分类的类别总数，R为正整数，R可以为0、10、30、-10等，本申请实施例不作限定，函数INT表示取整数。可见，本申请中，将结果反馈到第一阈值设定，对第一阈值进行调整，以合理的设定第一阈值，得到更加合理的病种分类方式，避免病种分类种类过多或者过少的情况。
例如，N为4，L为3，如图3所示的本发明实施例提供的另一种病种编码的流程图，步骤S2的一种实现方式如步骤S21。
S21：根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前四位码。
步骤S3的另一种实现方式可以包括但不限于如下部分或全部步骤：
S31：判断病例集中为第一ICD编码的前四位码的病例例数是否大于第一阈值，如果是，则执行步骤S23，否则执行步骤S24。
S32：确定第一病例的病种分类码为第一ICD编码的前四位码。
S33：确定第一病种的病种分类码为第一ICD编码的前三位码。
可以理解，在本申请的另一种实现方式中，当病例集中为所述ICD编码的前四位码的病例例数小于第二阈值时，还可以确定第一病种的病种分类码为所述ICD编码的前二位码，以进一步地减少病种分类的数量，便于病种分类的应用。
可选地，当第一病种为特殊病种，比如中医类的疾病，计算设备还可以确定第一病种的病种分类码为第一ICD编码的前二位码。例如，中医内科的病种分类码为“BN”；中医妇科的病种分类码为“BF”等。
S4：建立病种分类字典，该病种分类字典包括病种分类的名称与病种分类码的对应关系。
其中，计算设备可以根据病种分类码对应的一个或多个ICD编码对应的病种的名称(即ICD字典中病种的名称)进行分析，得到该病种分类码对应的病种分类名称。计算设备也可以接收用户(医保管理平台的管理人员)针对病种分类码输入的病种分类名称，建立M个病种分类的名称与M个病种分类码的一一对应关系。M为步骤S2中对病例集中病例进行编码得到的病种分类码的种数，M为正整数。
本申请一实施例中，病例数据还可以包括实际医保费用，第一病种分类为M个病种分类中任意一个，步骤S3之后，该方法还可以包括：根据病例集中病种分类为第一病种分类的病例确定第一病种分类的基础病种分值，或者，根据病例集确定M个病种分类分别对应的基础病种分值，进而基于基础病种分值计算各个病种的预测医保费用。
可选地，病种分类i的基础病种分值的计算方法为：
其中，i为病种分类的索引，i为正整数且i≤M，Yi为病种分类i的基础病种分值，j为病例集中病种分类i病例的索引，j为正整数且小于病例集中为病种分类i的病例总数，Ｓj为病例j中实际医保费用，δ为常数，δ大于0。其中，常数是可配置的，可以是100、10或者20等数值，本申请实施例不作限定。
进一步地，可以通过病种分值字典记录各个病种分类的标识和基础病种分值的对应关系。
更进一步地，根据该基础病种分值来计算各个病种分类的预测医保费用。病种分类的预测医保费用可以包括但不限于以下两种计算方式：
第一计算方式：
Si＝Yi*D
其中，D为分值单价，D可以为固定值，D的设定与δ的大小有关，可以地，D＝δ，可以理解，D也可以是其他设定方式，本申请实施例不作限定。
第二计算方式：
不同级别的医院可以包括医院级别系数，使得不同等级的医院的针对同一病种分类，具有不同的病种分值。其中，该地区总分值Y为：
其中，k为该地区医院的索引，k为正整数且k小于该地区医院的总数，也就是病例集中包含的医院总数；Qi，k为医院k中病种分类i的病例总数；Ck为医院k的医院级别系数。
此时，分值单价D可以是病种总控费用S总与该地区总分值Y的比值，即：
D＝S总/Y
进一步地，可以根据病种分类的预测医保费用第一计算方式计算各个病种分类的预测医保费用，并将该预测医保费用作为向医院支付医保费用的标准。
可选地，用于计算病种分值的病例集可以是在步骤S1中接收到的病例集经过筛选得到的病例集，以剔除病例集中实际医保费用超高、实际医保费超低的病例。
下面以N＝4为例介绍本申请实施例涉及的根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前N位码的实现方式。
本申请实施例提供的确定第一病例中参保人发生病种的第一ICD编码的前四位码的实现方式可以包括但不限于以下两种实现方式：
第一实现方式：
在第一实现方式中，病例的诊断标识可以包括诊断名称。计算设备可以在ICD字典中查找与第一病种的诊断名称向匹配的第一病种，根据ICD字典确定该第一病种对应的第一ICD编码，进而，得到第一ICD编码的前四位码。其中，病种的ICD编码为6位码(不含小数点)。
其中，可以存储一个第一病种名称对照表，如表1，该第一病种名称对照表包括ICD字典中的所有病种的标识，以及每一个病种的标识对应的一个或多个诊断名称。还可以通过病种名称识别模型来识别病例中的诊断名称对应的ICD字典中病种。该名称识别模型基于样本病例数据，通过监督病种或ICD编码进行学习得到，该名称识别模型用于根据到输入到模型中诊断名称识别该诊断名称对应的第一病种或第一ICD编码。
表1
可选地，也可以通过建立名称-四位ICD码对照表，直接根据诊断名称确定对应的ICD四位码。具体实现方式可以参照上述病种名称对照表的实现方式，本申请实施例不再赘述。
可以理解，输入病种名称识别模型的病例数据，可以包括诊断名称、诊断编码、手术名称、手术编码等中的一种或多种。病种名称识别模型可以包括神经网络、卷积神经网络、支持向量机等，本申请不作限定。
第二实现方式：
在第二实现方式中，病例的诊断标识可以包括诊断编码，该诊断编码为ICD-10编码、ICD-9-CM3手术编码或肿瘤形态学编码(也称M码)等。其中，ICD编码采用“字母数字编码”形式；肿瘤形态学编码(也称M码)采用在第一为英文字母“M”后五位数为阿拉伯数字；手术编码通常为6为数字。
对于ICD-10编码，计算设备可以直接取第一病例中诊断编码的前四位，即为第一ICD编码的前四位码。
对于M码，可以设定一个M码转换表，将M码转换为ICD编码或四位ICD码。例如，M码“M8140/6”对应的ICD编码“C78.7”，M码“M8140/3”对应的ICD编码“C34.9”。计算设备可以根据M码转换表将第一病例中的M码转换为ICD编码或四位ICD码，进而得到第一ICD编码的前四位码。
对于ICD-9-CM3手术编码，计算设备直接获取第一病例中ICD-9-CM3手术编码的前四位作为第一ICD编码的前四位码。
下面介绍本申请病种编码方法的应用方式。
步骤S3之后，计算设备可以根据建立的病种分类字典对病例进行病种分类。具体的方法包括下部分或全部步骤：
S41：接收第二病例的病例数据，该病例数据包括用于识别第二病例中参保人发生病种的诊断标识。应理解，第二病例为需要进行病种编码的病例。
S42：根据第二病种的诊断标识确定第二病种的病种分类。
由于医院所在地区不同、医生的个人习惯不同，在登记记录诊断信息和治疗信息时，对病种的表述与标准病种存在差异。因此，需要将病例数据中诊断名称与病种分类字典中病种分类的名称进行匹配。
步骤S42的一种实现方式可以是：第二病种的诊断标识可以包括诊断名称，计算设备可以设定以第二病种名称对照表，该第二病种名称对照表包括M个病种分类的标识(例如，M个病种分类的名称)以及所述M个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。进而，计算设备可以根据第二病种名称对照表确定第二病种的诊断名称对应的病种分类。
步骤S42的另一种实现方式可以是：第二病种的诊断标识可以包括诊断编码，该诊断编码可以是ICD-10编码、ICD-9-CM3手术编码、肿瘤形态学编码(也称M码)或中医疾病编码等，具体的实现方式可以参见上述确定第一病例中参保人发生病种的第一ICD编码的前四位码的第二实现方式，本申请实施例不再赘述。
S43：根据病种分类字典，确定第二病例的病种分类对应的第二病种分类码。
例如，如图4所示，计算设备根据第二病种的诊断标识确定第二病种的病种分类码的一种实现方式可以包括但不限于如下步骤：
S421：判断第二名称对照表中是否存在与第二病种的诊断名称相匹配的病种分类的名称。
如果是，则执行步骤S422，否者执行步骤S423。
S422：确定第二病例的病种分类码为病种分类字典中相匹配的病种分类的名称对应的病种分类码。此时，还可以，对第二病例添加用于指示通过该匹配采用诊断名称进行匹配的标记信息，例如“名称匹配”。
S423：判断第二病种的诊断编码是否为M码。
判断的方法是查看第二病种的诊断编码的首字母是否为字母“M”，是则为M码，执行步骤S424；否者不为M码，执行步骤S425。
S424：根据M码转换表将该M码转换第二ICD编码，并根据病种分类字典确定与该第二ICD编码相匹配的第二病种的病种分类码。此时，还可以，对第二病例添加用于指示通过该匹配采用M码进行匹配的标记信息，例如“M码匹配”。
S425：判断第二病种的诊断编码是否为手术编码。
判断的方法是查看第二病种的诊断编码的首字母是否为数字，是则为手术编码，执行步骤S426；否者不为手术编码，执行步骤S427。
S426：根据病种分类字典，确定与该手术编码相匹配的第二病种的病种分类码。此时，还可以，对第二病例添加用于指示通过该匹配采用手术编码进行匹配的标记信息，例如“手术编码匹配”。
S427：判断是否病种分类字典中是否存在与第二病种的诊断编码向匹配的病种分类码。
如果是，则执行步骤S428，否则，执行步骤S429。
S428：确定第二病种的病种分类码为病种分类字典中与第二病种的诊断编码向匹配的病种分类码。此时，还可以，对第二病例添加用于指示通过该匹配采用手术编码进行匹配的标记信息，例如“手术编码匹配”。
S429：输出未找到与第二病例相匹配的病种分类码的提示信息。此时，可以通过人工，确定该第二病例的病种分类码。
综上，本申请中计算设备通过接收病例集，该病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；针对病例集中的第一病例，根据第一病例的诊断标识确定第一病例中参保人发生病种的第一ICD编码的前N位码，第一病例为病例集中任一病例，N为小于6的正整数，进而，当病例集中为第一ICD编码的前N位码的病例的例数大于第一阈值时，确定所述第一病例的病种分类码为ICD编码的前N位码；或，当病例集中为第一ICD编码的前N位码的病例的例数不大于第一阈值时确定第一病例的病种分类码为ICD编码的前L位码，L为小于N的正整数；建立病种分类字典，该病种分类字典包括病种分类的名称与病种分类码的对应关系，实现通过病例大数据对病种进行重新编码，减少病种分类，得到更加符合当前医疗环境的病种分类和编码方式。
，实现通过病例大数据对病种进行重新编码，减少病种分类，得到更加符合当前医疗环境的病种分类和编码方式。
下面介绍发明实施例涉及的装置。
请参阅图5计算设备50，包括但不限于：接收单元51、分类确定单元52和字典建立单元53等。其中，
接收单元51，用于接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
分类确定单元52，用于：针对所述病例集中的第一病例，根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数
字典建立单元53，用于建立病种分类字典，所述病种分类字典包括病种分类的名称与病种分类码的对应关系。
可选地，N为4，L为3。
可选地，所述第一病例诊断标识包括诊断名称，所述分类确定单元52执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
可选地，所述分类确定单元52执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一病种或第一ICD编码。
如图6所示的计算设备60，该计算设备除包括图5中接收单元51、分类确定单元52和字典建立单元53外，还可以包括计算单元54和/或分类识别单元55，其中：
计算单元54，用于根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，
可选地，所述计算设备还包括分类识别单元55，用于：
接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
可选地，所述第二病种的诊断标识包括诊断名称，所述分类识别单元55执行所述根据所述诊断标识确定所述第二病种的病种分类，具体包括执行：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
需要说明的是，上述计算设备的各个单元的具体实现可以参见上述方法实施例中相关描述，本申请不再赘述。
如图7所示的计算设备，该计算设备700可包括：基带芯片710、存储器715(一个或多个计算机可读存储介质)、通信模块716(例如，射频(RF)模块7161和/或通信接口7162)、外围系统717。这些部件可在一个或多个通信总线714上通信。
外围系统717主要用于实现计算设备710和用户/外部环境之间的交互功能，主要包括计算设备700的输入/输出装置。具体实现中，外围系统717可包括：触摸屏控制器718、摄像头控制器719、音频控制器720以及传感器管理模块721。其中，各个控制器可与各自对应的外围设备(如触摸屏723、摄像头724、音频电路725以及传感器726)耦合。需要说明的，外围系统717还可以包括其他I/O外设。
基带芯片710可集成包括：一个或多个处理器711、时钟模块722以及电源管理模块713。集成于基带芯片710中的时钟模块722主要用于为处理器711产生数据传输和时序控制所需要的时钟。集成于基带芯片710中的电源管理模块713主要用于为处理器711、射频模块7161以及外围系统提供稳定的、高精确度的电压。
射频(RF)模块7161用于接收和发送射频信号，主要集成了计算设备700的接收器和发射器。射频(RF)模块7161通过射频信号与通信网络和其他通信设备通信。具体实现中，射频(RF)模块7161可包括但不限于：天线系统、RF收发器、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC芯片、SIM卡和存储介质等。在一些实施例中，可在单独的芯片上实现射频(RF)模块7161。
通信模块716用于计算设备700与其他设备之间的数据交换。
存储器715与处理器711耦合，用于存储各种软件程序和/或多组指令。具体实现中，存储器715可包括高速随机存取的存储器，并且也可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器715可以存储操作系统(下述简称系统)，例如ANDROID，IOS，WINDOWS，或者LINUX等嵌入式操作系统。存储器715还可以存储网络通信程序，该网络通信程序可用于与一个或多个附加设备，一个或多个计算设备设备，一个或多个网络设备进行通信。存储器715还可以存储用户接口程序，该用户接口程序可以通过图形化的操作界面将应用程序的内容形象逼真的显示出来，并通过菜单、对话框以及按键等输入控件接收用户对应用程序的控制操作。
存储器715还可以存储一个或多个应用程序。如图5所示，这些应用程序可包括：社交应用程序(例如Facebook)，图像管理应用程序(例如相册)，地图类应用程序(例如谷歌地图)，浏览器(例如Safari，Google Chrome)等等。
本申请中，处理器711可用于读取和执行计算机可读指令。具体的，处理器711可用于调用存储于存储器715中的程序，例如本申请提供的基于大数据的病种编码方法的实现程序，并执行该程序包含的指令。
具体的，处理器711可用于调用存储于存储器715中的程序，如本申请提供的基于大数据的病种编码方法的实现程序，并执行下述流程：
通过所述通信模块716接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
针对所述病例集中的第一病例，根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数；
建立病种分类字典，所述病种分类字典包括病种分类的名称与病种分类码的对应关系。
可选地，N为4，L为3。
可选地，所述第一病例诊断标识包括诊断名称，所述处理器71执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
可选地，所述处理器71执行所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，具体包括执行：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一病种或第一ICD编码。
可选地，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，所述处理器71还用于执行：
根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算。
可选地，所述处理器71还用于执行：
通过所述通信模块716接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
可选地，所述第二病种的诊断标识包括诊断名称，所述处理器71执行所述根据所述诊断标识确定所述第二病种的病种分类，具体包括执行：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
可以理解，上述各个流程和各个功能单元的具体实现可以参照上述图2、图3或图4所述的基于大数据的病种编码方法中相关描述，本申请实施例不再赘述。
应当理解，计算设备700仅为本发明实施例提供的一个例子，并且，计算设备700可具有比示出的部件更多或更少的部件，可以组合两个或更多个部件，或者可具有部件的不同配置实现。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于大数据的病种编码方法，其特征在于，包括：
计算设备接收病例集，所述病例集包括多个病例，单个病例的病例数据包括用于识别所述病例数据对应的参保人发生病种的诊断标识；
针对所述病例集中的第一病例，所述计算设备根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码，所述第一病例为所述病例集中任一病例，N为小于6的正整数；
当所述病例集中为所述第一ICD编码的前N位码的病例的例数大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前N位码；或，当所述病例集中为所述第一ICD编码的前N位码的病例的例数不大于第一阈值时，所述计算设备确定所述第一病例的病种分类码为所述ICD编码的前L位码，L为小于N的正整数；
所述计算设备建立病种分类字典，所述病种分类字典包括病种分类的名称与病种分类码的对应关系。
2.如权利要求1所述的方法，其特征在于，N为4，L为3。
3.如权利要求1或2所述的方法，其特征在于，所述第一病例诊断标识包括诊断名称，所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码包括：
根据第一病种名称对照表确定与所述第一病种的诊断名称相匹配的第一病种；所述第一病种名称对照表包括ICD字典中的病种以及所述ICD字典中的病种对应的一个或多个诊断名称；
根据ICD字典确定所述第一病种对应的第一ICD编码的前N位码，所述ICD字典包括多个病种以及所述多个病种中每一个病种对应的ICD编码。
4.如权利要求3所述的方法，其特征在于，所述根据所述第一病例的诊断标识确定所述第一病例中参保人发生病种的第一ICD编码的前N位码包括：
将所述第一病例的病例数据输入到名称识别模型，得到所述第一病例的诊断名称对应的第一ICD编码，获取所述第一ICD编码的前N位码。
5.如权利要求1-4任意一项权利要求所述的方法，其特征在于，所述病例数据还包括实际医保费用，第一病种分类为所述病种分类字典包括的病种分类中的任意一个，所述方法还包括：
根据所述病例集中每一个病例的实际医保费用计算第一病种分类的基础病种分值，所述基础病种分值用于所述第一病种分类的预测医保费用的计算。
6.如权利要求1-4任意一项权利要求所述的方法，其特征在于，所述方法还包括：
接收第二病例的病例数据，所述病例数据包括用于识别所述第二病例中参保人发生病种的诊断标识；
根据所述第二病种的诊断标识确定所述第二病种的病种分类；
根据所述病种分类字典，确定所述第二病例的病种分类对应的第二病种的病种分类码。
7.如权利6所述的方法，其特征在于，所述第二病种的诊断标识包括诊断名称，所述根据所述诊断标识确定所述第二病种的病种分类包括：
根据第二病种名称对照表确定所述第二病种的诊断名称对应的病种分类，所述第二病种名称对照表包括多个病种分类的标识以及所述多个病种分类的标识中每一个病种分类的标识分别对应的一个或多个诊断名称。
8.一种计算设备，其特征在于，包括处理器、存储器以及通信模块，所述处理器耦合到所述存储器、所述通信模块，所述处理器用于调用所述存储器存储的程序代码执行如权利要求1-7中任一项权利要求所述的基于大数据的病种编码方法。
9.一种计算设备，其特征在于，包括用于实现如权利要求1-7中任一项权利要求所述的基于大数据的病种编码方法的功能单元。
10.一种计算机存储介质，其特征在于，所述计算机存储介质用于计算机软件指令，所述计算机软件指令当被计算机执行时使所述计算机执行如权利要求1-7中任一项权利要求所述的基于大数据的病种编码方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811282998.3A CN109545297A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的病种编码方法及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811282998.3A CN109545297A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的病种编码方法及计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109545297A true CN109545297A (zh) | 2019-03-29 |
Family
ID=65846092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811282998.3A Pending CN109545297A (zh) | 2018-10-30 | 2018-10-30 | 一种基于大数据的病种编码方法及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109545297A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696659A (zh) * | 2019-09-09 | 2020-09-22 | 北京市肿瘤防治研究所 | 基于医保大数据的肿瘤发病信息监测方法及装置 |
| CN112434756A (zh) * | 2020-12-15 | 2021-03-02 | 杭州依图医疗技术有限公司 | 医学数据的训练方法、处理方法、装置及存储介质 |
| CN113903416A (zh) * | 2021-09-01 | 2022-01-07 | 望海康信(北京)科技股份公司 | 病案首页智能审核方法、系统及相应设备和存储介质 |
| CN117708268A (zh) * | 2023-11-01 | 2024-03-15 | 中国人民解放军总医院第四医学中心 | 真实世界数据平台中诊断名称与编码自动匹配方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069124A (zh) * | 2015-08-13 | 2015-11-18 | 易保互联医疗信息科技（北京）有限公司 | 一种自动化的国际疾病分类编码方法及系统 |
| CN106202955A (zh) * | 2016-07-19 | 2016-12-07 | 中电科软件信息服务有限公司 | 基于编码智能适配的诊断相关分组方法及系统 |
| CN106407686A (zh) * | 2016-09-23 | 2017-02-15 | 电子科技大学 | 一种评估慢性病费用的建模方法 |
| CN107577826A (zh) * | 2017-10-25 | 2018-01-12 | 山东众阳软件有限公司 | 基于原始诊断数据的疾病分类编码方法及系统 |
| CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 |
| CN107833605A (zh) * | 2017-03-14 | 2018-03-23 | 北京大瑞集思技术有限公司 | 一种医院病历信息的编码方法、装置、服务器及系统 |
| CN108320778A (zh) * | 2017-01-16 | 2018-07-24 | 医渡云（北京）技术有限公司 | 病案icd编码方法及系统 |
-
2018
- 2018-10-30 CN CN201811282998.3A patent/CN109545297A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105069124A (zh) * | 2015-08-13 | 2015-11-18 | 易保互联医疗信息科技（北京）有限公司 | 一种自动化的国际疾病分类编码方法及系统 |
| CN106202955A (zh) * | 2016-07-19 | 2016-12-07 | 中电科软件信息服务有限公司 | 基于编码智能适配的诊断相关分组方法及系统 |
| CN106407686A (zh) * | 2016-09-23 | 2017-02-15 | 电子科技大学 | 一种评估慢性病费用的建模方法 |
| CN108320778A (zh) * | 2017-01-16 | 2018-07-24 | 医渡云（北京）技术有限公司 | 病案icd编码方法及系统 |
| CN107833605A (zh) * | 2017-03-14 | 2018-03-23 | 北京大瑞集思技术有限公司 | 一种医院病历信息的编码方法、装置、服务器及系统 |
| CN107577826A (zh) * | 2017-10-25 | 2018-01-12 | 山东众阳软件有限公司 | 基于原始诊断数据的疾病分类编码方法及系统 |
| CN107731269A (zh) * | 2017-10-25 | 2018-02-23 | 山东众阳软件有限公司 | 基于原始诊断数据和病历文件数据的疾病编码方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 戴维民著: "情报检索语言综论", 30 September 1994, 军事谊文出版社, pages: 21 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111696659A (zh) * | 2019-09-09 | 2020-09-22 | 北京市肿瘤防治研究所 | 基于医保大数据的肿瘤发病信息监测方法及装置 |
| CN112434756A (zh) * | 2020-12-15 | 2021-03-02 | 杭州依图医疗技术有限公司 | 医学数据的训练方法、处理方法、装置及存储介质 |
| CN113903416A (zh) * | 2021-09-01 | 2022-01-07 | 望海康信(北京)科技股份公司 | 病案首页智能审核方法、系统及相应设备和存储介质 |
| CN117708268A (zh) * | 2023-11-01 | 2024-03-15 | 中国人民解放军总医院第四医学中心 | 真实世界数据平台中诊断名称与编码自动匹配方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544376A (zh) | 一种基于数据分析的异常病例识别方法及计算设备 | |
| CN109545297A (zh) | 一种基于大数据的病种编码方法及计算设备 | |
| CN109271969B (zh) | 一种脑胶质瘤分级评价方法及其装置 | |
| CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
| CN114334070A (zh) | 一种基于医疗大数据的辅助处方系统 | |
| CN111325745B (zh) | 骨折区域分析方法和装置、电子设备及可读存储介质 | |
| CN113270197A (zh) | 一种基于人工智能的健康预测方法、系统及存储介质 | |
| WO2020113429A1 (zh) | 指纹注册方法、终端和计算机可读存储介质 | |
| CN110503409B (zh) | 信息处理的方法以及相关装置 | |
| CN115147661B (zh) | 一种染色体分类方法、装置、设备及可读存储介质 | |
| CN109523406A (zh) | 一种基于数据分析的病种分值计算方法及计算设备 | |
| CN115271931A (zh) | 一种信用卡产品的推荐方法、装置、电子设备和介质 | |
| CN109493243A (zh) | 一种基于神经网络的病种分值校验方法及计算设备 | |
| CN109544377B (zh) | 一种基于大数据的病种分值计算方法及计算设备 | |
| CN109544374B (zh) | 一种基于大数据的病种分值调整方法及计算设备 | |
| CN109545298A (zh) | 一种基于数据分析的病种分值计算方法及计算设备 | |
| CN115831298B (zh) | 基于医院管理信息系统的临床试验患者招募方法及装置 | |
| CN112184295A (zh) | 康养服务确定方法、装置、电子设备和存储介质 | |
| CN109523407B (zh) | 一种基于大数据的病种分值调整方法及计算设备 | |
| CN112435757B (zh) | 一种急性肝炎的预测装置及系统 | |
| CN112071406B (zh) | 医疗质量考核数据处理方法、装置及存储介质 | |
| CN114864032B (zh) | 基于his系统的临床数据采集方法及装置 | |
| CN111475719B (zh) | 基于数据挖掘的信息推送方法、装置及存储介质 | |
| CN113362151B (zh) | 金融业务的数据处理方法、装置、电子设备及存储介质 | |
| CN114822865B (zh) | 诊断数据识别方法及装置、电子设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |