基于数据挖掘技术的医保控费管理应用

文/韩春阳

医疗保险制度是我国社会保障体系中的重要组成部分，其设立的目的就是大幅降低我国居民的医疗成本。医疗保险的良性持续发展对我国的民生发展具有不可替代的作用，然而近年来，随着我国参保人数的激增，医院和有关部门的医保费用管理工作面临着巨大的挑战，海量的费用信息单靠传统的人力工作已经难以完成，现代化的信息技术发展应用给医保工作注入了全新的活力。数据挖掘技术的应用极大的提升医保控费管理质量和效率，提升了我国医院和有关部门的医保费用控制和管理水平。

1 数据挖掘技术概述

数据挖掘技术又称资料探测技术，业内人士也称之为数据采矿技术，其技术核心部分简而言之就是在海量信息存储的数据库中挖掘制定目标的重点项目。数据挖掘技术在应用意义上将就是结合相应的程度在目标数据库中搜索到所需信息的过程。

我国数据挖掘技术的起步时间较晚，发展时间不长，但是技术发展的速度十分迅猛，且当前有很多领域已经广泛应用了数据挖掘技术，数据挖掘技术主要有三个方面的突出优点：可以在海量信息存储的数据库中寻找到目标信息；可以快捷、高速、高质量的完成人力所难以完成的任务；数据挖掘技术的兼容性极强，可在各个领域中进行普遍应用。

2 医保控费的发展背景

在我国二十一世纪的国情发展中，人口老龄化一直是贯穿我国国情发展的突出问题，如何解决老龄化人口急剧增长所带来的诸多问题将会成为我国长期以来面临的一项战略任务。

具相关数据统计，截止至2017年底我国的60岁以上人口就已经达到2.4亿，占全国总人口的17.3%，且增长速率还在提升，预计我国2030年将面临25%左右的老龄人占比，如此庞大的老龄人群是世界上任何一个国家都没有面对过的，这种情况的发展会给我国的医疗以及养老工作带来巨大的考验。

自2009年我国开展医疗改革以来，我国在卫生医疗方向投入的资金费用比例持续增长，发展至今，医保基金的支出比例占卫生医疗方向支出几近40%，虽然我国的医疗保障体系发展已经持续多年，然而现阶段，我国医保基金的支付依然采用粗犷式的总额预付支付方式，配套管理和结算指标等依然没有实现精细化的发展程度，尤其是医院方面，其医保控费管理工作在如此庞大的医疗数据面前显得捉襟见肘，难以维系，结合现代化的信息技术，利用数据挖掘技术来解决当下医保控费管理所面临的难题已经迫在眉睫。

3 数据挖掘技术在医保控费管理中的应用价值和发展现状

3.1 数据挖掘技术在医保控费管理中的应用价值

随着近年来我国参与医疗保险制度的居民越来越多，医院医保费用的数据和信息呈大幅增长趋势，其具备显著的海量性、随机性和模糊性，传统的人力工作已经难以有效开展医保控费管理工作。数据挖掘技术能够在海量信息的数据库存储中寻找到目标数据内容，并对潜在的信息进行分析和反馈，这种技术的应用特点与医保控费管理工作十分相配，它能够帮助医保控费管理进行多维的业务分析和处理，对医保患者的科室、就诊时间、疾病类型、医疗费用等进行针对性的提取和分析，便于医保系统对制定患者的医保政策进行核算和预估。此外，数据挖掘技术在医保控费管理中的应用能够完善医院医保费用的管理系统，提升医保费用的监控和管理水平，更大的发挥医院信息管理系统的价值。

3.2 数据挖掘技术在医保控费管理中的应用现状

（1）由于医保数据库信息具有交错性和复杂性，使得数据挖掘技术在医保数据仓库里的操作依然存在重复和冗杂的动作；

（2）医院医保数据库在建立过程中存在不规范的现象，使得多数医院的医保数据库存在许多参保人员的无用信息，这些直接影响了数据挖掘技术的应用效果；

（3）由于医保系统数据库存在系统性缺陷或者人为操作不当，导致数据挖掘技术在进行收集信息的应用过程中极易出现数据信息的缺失或者模糊问题。

4 数据挖掘技术在医保控费管理中的应用

4.1 数据挖掘技术在系统结构应用

数据挖掘技术给医院的医保控费的实际应用提供了强有力的技术支撑，在整个数据挖掘系统的体系结构构件中，为了给医院的医保费用管理提供足够的管理支撑，可设计成为三层结构体系，即：

（1）医保费用挖掘系统底层结构设计采用数据仓库与初始数据源通过ODBC接口进行相互联结，进而完成数据导入、数据抽取和数据清洗等各项工作；

（2）在二维关系数据转化为多维分层数据的过程中，医院需对元数据和主题域进行设计，这种设计需要基于OLAP 分析和建模的考虑之上。

4.2 数据挖掘技术在数据仓库应用

医院进行医保数据仓库设计的核心目标就是要有效提升处理海量医保业务数据的效率，以便工作人员可以更加高效、快捷的从中进行统计和查询，进而获取所需的有价值的信息。

（1）数据仓库的应用要由传统的普通业务操作人员权限转换成为决策管理层，不仅处理当前信息，还要处理历史数据信息；

（2）数据仓库应用要由传统的实际应用专项主题应用，采用雪花模式或者星型模式；

（3）数据仓库的访问模式应用要调整为只读操作和查询，度量方式由传统的事物吞吐量向着查询吞吐量和反应时间转化，避免频繁的修改、增加和删除动作。此外，数据仓库在进行物理设计过程中，要基于数据模型的基础上进行数据库技术和数据库连接软件的选择。

4.3 数据挖掘技术在挖掘模型应用

挖掘模型的设计是整个医保控费管理挖掘系统构建的核心部分，挖掘模型设计的好坏直接决定了医保费用数据的挖掘效果。挖掘模型要依照医院医保费用管理的实际需要进行反复的模拟构建，针对使用过程中出现的各类问题进行及时的改变和调整。挖掘模型的设计维度要遵照实际的应用需求制定出多层次、复杂性的逻辑关系。

（1）医保信息系统中需要定义医保月度、医保记录、住院登记号、月度序号、业务交接好以及个人电脑等维度；

（2）患者信息系统中需要定义患者的姓名、性别、年龄、所在区域等维度；

（3）住院信息系统中需要定义入院日期、出院日期、出院诊断、主治医师、高额专科以及经治医师等维度；

（4）科室信息系统中需要定义开单科室、入院科室以及出院科室等维度。在以上基础上进行信息字段和选择摘要的挖掘算法选择。

5 数据挖掘技术在医保控费管理中的实际应用

当前，数据挖掘技术已经逐步应用到我国医院的医保控费管理的实际操作当中，并取得了一定的成效。首先，医院结合大数据技术以及数据挖掘技术构建了“智能监管平台”，这种新型的监管模式帮助医院实现了对参保者保险使用情况的信息化管理，对于医保的相关服务质量以及医保基金的监管水平都得到了显著的提升；其次，数据挖局技术在医保控费的智能辅助审核系统进行实践应用帮助医院有效提升医保控费管理的工作质量，大幅缩减人力资源的工作量，在数据挖掘技术的执行过程中，不仅仅给参保者提供更加便捷的医保福利待遇，还能够对诊疗费用和药品费用进行针对性的筛查和审核，规避人为违规操作，进一步提升了医保控费管理人员的行为规范性。

综上所述：我国居民参与医疗保险的数量大幅提升给医院的医保费用管理工作带来了巨大的困难，在大数据的影响下，医院需有效结合现代化的数据挖掘技术，在医院医保控费管理过程中进行有效的应用，帮助医院解决传统人力工作所无法克服的难题，为医院的医保费用控制管理工作寻找到全新的途径和方法，进而全面优化和改革医院医疗保障等相关工作。