一种基于蒙特卡洛模拟的医保政策仿真方法及系统与流程
本发明涉及医保基金管理与政策仿真,尤其涉及一种基于蒙特卡洛模拟的医保政策仿真方法及系统。
背景技术:
1、在医保政策的制定与动态调整过程中,政策制定者通常面临两个核心实际问题:政策参数的变更会对医保基金的收支产生多大影响?以及如何制定具体的政策参数才能保持基金收支平衡且略有结余?医保政策仿真系统能够在一定程度上对上述问题进行回答。然而,在真实的基金运行应用场景下,若要获得具有实际决策参考价值的参数仿真结果,例如将一、二、三级医疗机构住院场景的报销比例分别设置为多少,多种慢特病各自的封顶线以及总封顶线设置成多少,大病、慢特病和住院是否应共享封顶线等细节性问题,就必须深入到每一个参保人的每一条结算数据层面进行推演。
2、目前,已有相关研究尝试通过医保基金预测来解决上述问题。例如,专利cn107767009a通过预测参保人数并输入缴费或支付规则来预测医保基金收支,但其预测维度仅限于患者数量而未下沉到具体就诊结算数据,在实际医保结算(支付规则)参数调整的仿真中所起作用十分有限,且该方案未涉及同一组参数下的置信区间计算,预测结果的可靠性有待商榷。又如,专利cn105938573a和专利cn109711606a分别从框架上定义了医保基金精算系统和医保基金预测系统的组成部分和各自功能,但其目的仅限于对医保基金未来收入或支出的宏观测算与预测,并未涉及针对调整医保结算(支付规则)政策参数后基金支出的仿真计算,无法为医保运行政策参数调整提供辅助决策功能。此外,专利cn109711606a提供的方法仅适用于院方使用的住院医保基金支出预测,不涉及购药、门诊、门慢特等其他就医场景,也不涉及医保结算政策参数的调整仿真。
3、综上可见,现有的医保基金测算及仿真方案普遍忽略了针对医保结算(支付规则)政策参数调整的仿真这一关键环节。具体而言,现有技术无法真正结合参保身份、患者年龄段、就医场景及诊断疾病等具体场景来对细颗粒度的医保就诊结算数据(而非单纯的患者人数)进行预测推演。同时,由于细颗粒度就诊结算数据所对应的原始数据量极为庞大,若直接进行逐条结算将导致运算效率低下且资源消耗过大,难以在工程实践中落地。此外,单次计算或单轮仿真产生的预测结果存在较大的偏差风险,缺乏统计学意义上的可靠度量。因此,如何在克服上述数据规模、运算效率及结果可靠性等障碍的基础上,实现面向极细颗粒度结算参数的医保基金运行仿真,成为本领域亟待解决的问题。
技术实现思路
1、本发明的目的在于提供一种基于蒙特卡洛模拟的医保政策仿真方法及系统,解决了现有技术因局限于宏观人数或基金总额预测而无法下沉至细颗粒度就诊结算数据层面进行多就医场景下医保结算支付规则参数调整仿真,且缺乏数据规模放缩机制导致运算效率低下、以及单轮模拟结果缺乏统计学置信区间度量而无法为精细化政策参数制定提供可靠辅助决策依据的问题。
2、为实现上述目的,本发明提供了一种基于蒙特卡洛模拟的医保政策仿真方法,包括以下步骤:
3、获取历史年度内多个参保人的原始结算数据,对所述原始结算数据进行异常值剔除、费用一致性校验、年龄段转换和分组字段拼接,得到按年度组织的分组训练数据;
4、基于所述分组训练数据,按照分组分别挖掘纵向发展规律和横向分布规律,所述纵向发展规律包括组内患者在不同就医流向下的次均医疗费用年变化率和年人均就诊次数的年均变化率,所述横向分布规律包括组内患者年度就诊总次数分布规律、不同就医流向的概率分布规律、单次医疗总费用分布规律以及费用分项占比分布规律;
5、设定总模拟轮次m,执行m轮蒙特卡洛模拟生成仿真结算数据,每一轮模拟生成均包括:按照所述纵向发展规律和所述横向分布规律,在每一分组内生成样本患者在目标未来年份的每一条就诊结算记录的医疗总费用以及符合范围、全自费、超限价、先自付金额四个费用分项的值;
6、分别对每一轮模拟生成的仿真结算数据,按照预设的医保基金结算算法和待仿真的政策参数计算每一分组样本患者的多种基金支出,利用缩放系数对所述样本患者的基金支出进行缩放还原,得到每一分组实际患者的基金支出预估值,将全部组别的基金支出预估值求和,获得所述轮模拟下的基金预估值;
7、将m轮模拟获得的m个基金预估值进行汇总统计,计算各类型基金支出的均值作为最终预测值,并计算各类型基金支出的置信区间;
8、输出所述最终预测值和所述置信区间。
9、其中,所述分组字段拼接具体包括:
10、将险种、年龄段、人员身份、异地类型四个字段拼接到一起形成分组字段,其中所述年龄段按照10岁、20岁、40岁、60岁为节点将患者年龄转换为儿童、少年、青年、中年、老年五个年龄段类别。
11、其中,所述就医流向由就医场景和医疗机构等级两个维度构成,所述就医场景包括购药、门诊、门慢特、住院,所述医疗机构等级包括无等级、一级、二级、三级。
12、其中,挖掘所述费用分项占比分布规律,具体包括:
13、在每一分组-就医流向内,对每一条就诊数据的符合范围、全自费、超限价、先自付金额四个费用分项分别判断是否等于0,若等于0则记为0,否则记为1,将四个判断结果按顺序拼接形成费用分项零值拓扑构型标记;
14、统计每一分组-就医流向下不同拓扑构型标记的出现概率,并在每一拓扑构型标记下,利用狄利克雷函数拟合四个费用分项在医疗总费用中的占比分布参数。
15、其中,挖掘纵向发展规律,具体包括:
16、按照分组内患者在不同就医流向下的年度内数据计算历年次均就诊费用,在此基础上计算分组内患者次均医疗费用年均变化率;
17、按照分组内患者年度全量数据计算历年的年人均就诊次数,在此基础上计算分组内患者年人均就诊次数的年均变化率。
18、其中,挖掘所述单次医疗总费用分布规律,具体包括:
19、利用组内患者单次就诊医疗总费用的95分位点划分主体部分和长尾部分;
20、利用gamma分布拟合所述主体部分数据,记录gamma分布的形状参数和尺度参数;
21、将所述长尾部分数据中的每一个值减去所述95分位点的值进行标准化,利用广义帕累托分布拟合标准化后的长尾部分数据,记录广义帕累托分布的尺度参数和形状参数,并记录所述95分位点的值和单次医疗总费用的最大值。
22、其中,生成样本患者,具体包括:
23、按照每一分组内原始患者数量设定所述分组生成的样本患者数,并将组内原始患者总人数除以所述样本患者数,得到所述分组的缩放系数,所述样本患者数不超过200人。
24、其中,生成所述医疗总费用包括:
25、利用所述年人均就诊次数的年均变化率构造未来第n年的就诊频次参数,按照负二项分布或泊松分布生成每一个样本患者在未来第n年的年度就诊总次数;
26、按照所述不同就医流向的概率分布将每一个样本患者的年度就诊总次数分配至各就医流向,得到每一个样本患者在每一就医流向下的就诊次数;
27、对于每一就医流向下的每一次就诊,以第一概率从所述gamma分布生成主体部分费用值,以第二概率从所述广义帕累托分布生成标准化长尾部分费用值并将所述95分位点的值与所述标准化长尾部分费用值相加还原为长尾部分费用值,将主体部分费用值和长尾部分费用值拼接后乘以所述次均医疗费用年均变化率进行费用增长调整,得到未来第n年的单次医疗总费用。
28、其中,生成所述四个费用分项的值包括:
29、对于分组-就医流向下每一个样本患者的每一次就诊,按照所述不同拓扑构型标记的出现概率随机确定本次就诊对应的拓扑构型标记;
30、获取所述拓扑构型标记下狄利克雷函数的拟合参数,从狄利克雷分布中生成一个包含四个分项费用占比的向量,其中所述拓扑构型标记中标记为0的费用分项对应的占比恒为0;
31、将生成的四个分项费用占比分别乘以本次就诊的医疗总费用,得到符合范围、全自费、超限价、先自付金额四个费用分项的值;
32、将四个费用分项的值求和后重置本次就诊的医疗总费用,使重置后的医疗总费用等于四个费用分项的和。
33、一种基于蒙特卡洛模拟的医保政策仿真系统,包括数据存储单元、数据处理单元、数据训练单元、数据生成单元、结算算法单元、数据汇总单元和结果输出单元;
34、所述数据存储单元连接所述数据处理单元,所述数据处理单元连接所述数据训练单元,所述数据训练单元连接所述数据生成单元,所述数据生成单元连接所述结算算法单元,所述结算算法单元连接所述数据汇总单元,所述数据汇总单元连接所述结果输出单元;
35、所述数据存储单元,用于存储历史年度内多个参保人的原始结算数据,所述原始结算数据包括患者标识、年龄、年度、就医场景、就诊时间、医疗机构等级、病种编码、人员身份、异地类型、医疗总费用、全自费、超限价、先自付金额、符合范围字段,并将所述原始结算数据传输至所述数据处理单元;
36、所述数据处理单元,用于从所述数据存储单元接收所述原始结算数据,对所述原始结算数据进行异常值剔除、费用一致性校验、年龄段转换和分组字段拼接,得到按年度组织的分组训练数据,并将所述分组训练数据传输至所述数据训练单元;
37、所述数据训练单元,用于从所述数据处理单元接收所述分组训练数据,按照分组分别挖掘纵向发展规律和横向分布规律,所述纵向发展规律包括组内患者在不同就医流向下的次均医疗费用年变化率和年人均就诊次数的年均变化率,所述横向分布规律包括组内患者年度就诊总次数分布规律、不同就医流向的概率分布规律、单次医疗总费用分布规律以及费用分项占比分布规律,并将所述纵向发展规律和横向分布规律传输至所述数据生成单元;
38、所述数据生成单元,用于从所述数据训练单元接收所述纵向发展规律和横向分布规律,设定总模拟轮次m,执行m轮蒙特卡洛模拟生成仿真结算数据,每一轮模拟生成均包括:在每一分组内生成样本患者在目标未来年份的每一条就诊结算记录的医疗总费用以及符合范围、全自费、超限价、先自付金额四个费用分项的值,并将每一轮模拟生成的仿真结算数据传输至所述结算算法单元;
39、所述结算算法单元,用于从所述数据生成单元接收每一轮模拟生成的仿真结算数据,按照预设的医保基金结算算法和待仿真的政策参数计算每一分组样本患者的多种基金支出,并将每一分组样本患者的多种基金支出传输至所述数据汇总单元;
40、所述数据汇总单元,用于从所述结算算法单元接收每一分组样本患者的多种基金支出,利用缩放系数对所述样本患者的基金支出进行缩放还原,得到每一分组实际患者的基金支出预估值,将全部组别的基金支出预估值求和,获得轮模拟下的基金预估值,并将m轮模拟获得的m个基金预估值进行汇总统计,计算各类型基金支出的均值作为最终预测值,计算各类型基金支出的置信区间,并将所述最终预测值和置信区间传输至所述结果输出单元;
41、所述结果输出单元,用于从所述数据汇总单元接收所述最终预测值和置信区间,并以图表形式输出最终预测值和置信区间。
42、本发明的一种基于蒙特卡洛模拟的医保政策仿真方法及系统,首先获取参保人的原始结算数据并进行清洗与分组,得到分组训练数据;然后在分组基础上分别挖掘就诊次数、医疗费用及费用分项等数据的纵向变化规律和横向截面分布规律;再设定总模拟轮次,按照挖掘出的纵向发展规律和横向分布规律,以缩放采样的方式多轮生成细颗粒度的仿真结算数据;之后将每一轮仿真数据输入医保基金结算算法,计算不同政策参数下的多种基金支出并通过缩放系数还原为实际患者的基金支出预估值;最后汇总多轮结果,以各类型基金支出的均值为最终预测值并结合置信区间输出,从而在控制运算资源消耗的前提下,实现针对多就医场景下极细颗粒度结算政策参数调整的仿真推演,并提供了具有统计学可靠性的基金支出预测结果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com