基于數據挖掘技術的醫保控費管理應用

文/韓春陽

醫療保險制度是我國社會保障體系中的重要組成部分，其設立的目的就是大幅降低我國居民的醫療成本。醫療保險的良性持續發展對我國的民生發展具有不可替代的作用，然而近年來，隨著我國參保人數的激增，醫院和有關部門的醫保費用管理工作面臨著巨大的挑戰，海量的費用信息單靠傳統的人力工作已經難以完成，現代化的信息技術發展應用給醫保工作注入了全新的活力。數據挖掘技術的應用極大的提升醫保控費管理質量和效率，提升了我國醫院和有關部門的醫保費用控制和管理水平。

1 數據挖掘技術概述

數據挖掘技術又稱資料探測技術，業內人士也稱之為數據采礦技術，其技術核心部分簡而言之就是在海量信息存儲的數據庫中挖掘制定目標的重點項目。數據挖掘技術在應用意義上將就是結合相應的程度在目標數據庫中搜索到所需信息的過程。

我國數據挖掘技術的起步時間較晚，發展時間不長，但是技術發展的速度十分迅猛，且當前有很多領域已經廣泛應用了數據挖掘技術，數據挖掘技術主要有三個方面的突出優點：可以在海量信息存儲的數據庫中尋找到目標信息；可以快捷、高速、高質量的完成人力所難以完成的任務；數據挖掘技術的兼容性極強，可在各個領域中進行普遍應用。

2 醫保控費的發展背景

在我國二十一世紀的國情發展中，人口老齡化一直是貫穿我國國情發展的突出問題，如何解決老齡化人口急劇增長所帶來的諸多問題將會成為我國長期以來面臨的一項戰略任務。

具相關數據統計，截止至2017年底我國的60歲以上人口就已經達到2.4億，占全國總人口的17.3%，且增長速率還在提升，預計我國2030年將面臨25%左右的老齡人占比，如此龐大的老齡人群是世界上任何一個國家都沒有面對過的，這種情況的發展會給我國的醫療以及養老工作帶來巨大的考驗。

自2009年我國開展醫療改革以來，我國在衛生醫療方向投入的資金費用比例持續增長，發展至今，醫保基金的支出比例占衛生醫療方向支出幾近40%，雖然我國的醫療保障體系發展已經持續多年，然而現階段，我國醫保基金的支付依然采用粗獷式的總額預付支付方式，配套管理和結算指標等依然沒有實現精細化的發展程度，尤其是醫院方面，其醫保控費管理工作在如此龐大的醫療數據面前顯得捉襟見肘，難以維系，結合現代化的信息技術，利用數據挖掘技術來解決當下醫保控費管理所面臨的難題已經迫在眉睫。

3 數據挖掘技術在醫保控費管理中的應用價值和發展現狀

3.1 數據挖掘技術在醫保控費管理中的應用價值

隨著近年來我國參與醫療保險制度的居民越來越多，醫院醫保費用的數據和信息呈大幅增長趨勢，其具備顯著的海量性、隨機性和模糊性，傳統的人力工作已經難以有效開展醫保控費管理工作。數據挖掘技術能夠在海量信息的數據庫存儲中尋找到目標數據內容，并對潛在的信息進行分析和反饋，這種技術的應用特點與醫保控費管理工作十分相配，它能夠幫助醫保控費管理進行多維的業務分析和處理，對醫保患者的科室、就診時間、疾病類型、醫療費用等進行針對性的提取和分析，便于醫保系統對制定患者的醫保政策進行核算和預估。此外，數據挖掘技術在醫保控費管理中的應用能夠完善醫院醫保費用的管理系統，提升醫保費用的監控和管理水平，更大的發揮醫院信息管理系統的價值。

3.2 數據挖掘技術在醫保控費管理中的應用現狀

（1）由于醫保數據庫信息具有交錯性和復雜性，使得數據挖掘技術在醫保數據倉庫里的操作依然存在重復和冗雜的動作；

（2）醫院醫保數據庫在建立過程中存在不規范的現象，使得多數醫院的醫保數據庫存在許多參保人員的無用信息，這些直接影響了數據挖掘技術的應用效果；

（3）由于醫保系統數據庫存在系統性缺陷或者人為操作不當，導致數據挖掘技術在進行收集信息的應用過程中極易出現數據信息的缺失或者模糊問題。

4 數據挖掘技術在醫保控費管理中的應用

4.1 數據挖掘技術在系統結構應用

數據挖掘技術給醫院的醫保控費的實際應用提供了強有力的技術支撐，在整個數據挖掘系統的體系結構構件中，為了給醫院的醫保費用管理提供足夠的管理支撐，可設計成為三層結構體系，即：

（1）醫保費用挖掘系統底層結構設計采用數據倉庫與初始數據源通過ODBC接口進行相互聯結，進而完成數據導入、數據抽取和數據清洗等各項工作；

（2）在二維關系數據轉化為多維分層數據的過程中，醫院需對元數據和主題域進行設計，這種設計需要基于OLAP 分析和建模的考慮之上。

4.2 數據挖掘技術在數據倉庫應用

醫院進行醫保數據倉庫設計的核心目標就是要有效提升處理海量醫保業務數據的效率，以便工作人員可以更加高效、快捷的從中進行統計和查詢，進而獲取所需的有價值的信息。

（1）數據倉庫的應用要由傳統的普通業務操作人員權限轉換成為決策管理層，不僅處理當前信息，還要處理歷史數據信息；

（2）數據倉庫應用要由傳統的實際應用專項主題應用，采用雪花模式或者星型模式；

（3）數據倉庫的訪問模式應用要調整為只讀操作和查詢，度量方式由傳統的事物吞吐量向著查詢吞吐量和反應時間轉化，避免頻繁的修改、增加和刪除動作。此外，數據倉庫在進行物理設計過程中，要基于數據模型的基礎上進行數據庫技術和數據庫連接軟件的選擇。

4.3 數據挖掘技術在挖掘模型應用

挖掘模型的設計是整個醫保控費管理挖掘系統構建的核心部分，挖掘模型設計的好壞直接決定了醫保費用數據的挖掘效果。挖掘模型要依照醫院醫保費用管理的實際需要進行反復的模擬構建，針對使用過程中出現的各類問題進行及時的改變和調整。挖掘模型的設計維度要遵照實際的應用需求制定出多層次、復雜性的邏輯關系。

（1）醫保信息系統中需要定義醫保月度、醫保記錄、住院登記號、月度序號、業務交接好以及個人電腦等維度；

（2）患者信息系統中需要定義患者的姓名、性別、年齡、所在區域等維度；

（3）住院信息系統中需要定義入院日期、出院日期、出院診斷、主治醫師、高額專科以及經治醫師等維度；

（4）科室信息系統中需要定義開單科室、入院科室以及出院科室等維度。在以上基礎上進行信息字段和選擇摘要的挖掘算法選擇。

5 數據挖掘技術在醫保控費管理中的實際應用

當前，數據挖掘技術已經逐步應用到我國醫院的醫保控費管理的實際操作當中，并取得了一定的成效。首先，醫院結合大數據技術以及數據挖掘技術構建了“智能監管平臺”，這種新型的監管模式幫助醫院實現了對參保者保險使用情況的信息化管理，對于醫保的相關服務質量以及醫保基金的監管水平都得到了顯著的提升；其次，數據挖局技術在醫保控費的智能輔助審核系統進行實踐應用幫助醫院有效提升醫保控費管理的工作質量，大幅縮減人力資源的工作量，在數據挖掘技術的執行過程中，不僅僅給參保者提供更加便捷的醫保福利待遇，還能夠對診療費用和藥品費用進行針對性的篩查和審核，規避人為違規操作，進一步提升了醫保控費管理人員的行為規范性。

綜上所述：我國居民參與醫療保險的數量大幅提升給醫院的醫保費用管理工作帶來了巨大的困難，在大數據的影響下，醫院需有效結合現代化的數據挖掘技術，在醫院醫保控費管理過程中進行有效的應用，幫助醫院解決傳統人力工作所無法克服的難題，為醫院的醫保費用控制管理工作尋找到全新的途徑和方法，進而全面優化和改革醫院醫療保障等相關工作。