医保数据分析若干问题的研究

发布时间：2021-03-18 15:09

医疗保险,简称医保,是我国社会保障体系的一个重要组成部分。随着全面医保体系的逐渐形成,医保基金支出的加大,医保体系逐渐面临着医疗费用快速增长、医保资源分配不均匀等问题。医疗信息化的逐步推进和数据分析技术的快速发展,人们逐渐意识到数据中潜在着巨大的价值待以挖掘。通过对医保数据的分析可以缓解医保中存在的这些问题。医保数据的质量较差,严重影响了医保数据分析的效率和质量。对疾病进行编码是将疾病诊断名称转化为标准ICD(国际疾病分类)编码的过程,是医保数据预处理的重要步骤之一。鉴于编码量庞大和人工编码效率低等原因,有必要实现疾病编码的自动化。本文提出了一种自动化的疾病编码方法,使用一种文本建模方法将ICD表示为文本集,然后借助文本相关性度量,获取与待编码疾病诊断名称最相关的ICD编码。经实验验证,本文提出的自动化疾病编码方法准确率较高、效率优秀、分类层次变换灵活,可广泛应用于各种类型的数据分析场景。我国医疗资源的配置不合理,导致有效的医疗资源不能得到充分的利用。诊疗人次是衡量医疗资源需求的一项重要指标。本文基于真实的医保数据,借助时间序列分析技术对诊疗人次随时间的变化规律展开了研究。经过分析表明,住院人次时间序列有着明显的季节波动,且季节波动幅度随着序列整体趋势的上升变化不明显。通过对比采用不同医保政策的医保地区的季节因子,发现了住院人次的周期性波动受到医保年度划分方法的影响。通过住院人次时间序列的分析,为医保资源的合理分配医疗资源,提高服务公平和效率提供了指导。
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.1

文章目录

摘要

ABSTRACT

第1章引言

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 数据分析技术在医保数据中的应用

1.2.2 自动化疾病编码

1.2.3 就诊人次的时间序列分析

1.3 研究内容

1.4 论文结构

第2章相关理论介绍

2.1 数据清理

2.1.1 遗漏值

2.1.2 噪声数据

2.2 疾病编码

2.3 向量空间模型

2.3.1 选取特征项

2.3.2 特征权值计算

2.4 文本相似性度量

2.5 时间序列分析

2.6 本章小结

第3章自动化疾病编码

3.1 医保数据质量分析及预处理

3.1.1 医保数据质量分析

3.1.2 数据清理

3.2 自动化疾病编码

3.2.1 将ICD表示为文本集

3.2.2 自动化疾病编码

3.2.3 实验结果与分析

3.2.4 自动化疾病编码准确率分析

3.3 本章小结

第4章入院人次时间序列分析

4.1 时间序列分析方法

4.1.1 周期性初步分析

4.1.2 候选趋向循环要素

4.1.3 季节要素

4.1.4 最终趋向循环要素

4.1.5 不规则要素

4.1.6 步骤总结

4.2 对时间序列进行预测

4.3 实验结果及分析

4.3.1 数据描述

4.3.2 分解入院人次序列

4.3.3 入院人次周期性与医保年度划分之间的关系

4.3.4 不同病种的入院人次周期性

4.4 本章小结

第5章总结和展望

5.1 工作总结

5.2 未来工作展望

参考文献

致谢

在读期间发表旳学术论文与取得的研究成果

【参考文献】