基于历史成本数据的医疗动态成本预测方法、系统及介质
本发明涉及医疗成本核算,具体涉及基于历史成本数据的医疗动态成本预测方法、系统及介质。
背景技术:
1、军队医院承担着服务官兵、保障战备及参与社会医疗服务的多重使命,其运营管理具有特殊的战略性和复杂性。在此背景下,对各科室医疗预算成本进行精准核算与填报,是实现有限卫生资源最优配置、确保体系高效稳健运行的核心基石。精准的预算能够为战备医疗保障能力的科学评估与持续建设提供可靠的数据支撑,避免因预算偏差导致的资源错配或战备缺口。同时,面对军队医疗体系的现代化改革与常态化精细管理要求,科室级成本的精准管控直接关系到整体运营效益、学科发展规划以及医务人员绩效激励的公平性。因此,超越传统粗放式管理,实现预算的精准化、动态化与前瞻性,是提升军队医院综合保障效能与持续发展能力的关键环节。
2、现有军队医院的成本核算与预算填报技术,主要存在滞后且准确性不足的技术问题,普遍采用基于上年实际发生成本的静态核算与简单比例增减来填报未来预算,未能充分考虑病种自身诊疗项目的构成调整(如检查、药品、耗材等项目的增减变化),以及各科室项目因技术优化所导致的项目成本在病种中的动态占比,导致预算与实际需求产生显著偏差,无法适应drg/dip支付模式下对病种成本精准测算的要求。
技术实现思路
1、为解决上述问题,本发明提供了一种基于历史成本数据的医疗动态成本预测方法,该方法解决了现有医疗成本核算和预测忽略病种变化和诊疗手段变化导致的预测不准确性。
2、为实现上述目的,本发明提供了如下的技术方案。
3、一种基于历史成本数据的医疗动态成本预测方法,包括以下步骤:
4、基于历史所有接收病种类型,确定各病种类型下一年的医疗项目调整项,更新医疗项目数据库;所述医疗项目数据库存储各病种的科室信息以及各科室对应该病种类型所涉及的医疗项目;
5、根据医疗项目数据库构建病种-科室-项目关联矩阵;获取多年各科室各项医疗项目连续的历史成本数据曲线,确定每年各项医疗项目成本在科室总成本中的项目占比权重;获取各年份各病种类型的数量变化以及病种对应的成本变化历史数据,确定每年的成本变化因子;
6、基于病种-科室-项目关联矩阵、每年的项目占比权重和成本变化因子,确定每年病种-科室对的动态权重;对病种-科室对的动态权重进行拟合,获取各病种类型各科室的成本权重线性回归线;
7、获取各病种数量动态变化曲线和各病种成本动态变化曲线的统计特征,通过预训练的双通道成本预测模型获得下一年份的各病种成本预测结果;
8、基于成本权重线性回归线确定下一年份的各病种类型各科室的成本权重,根据成本权重和各病种成本预测结果,确定下一年份各科室的总成本。
9、优选地,在构建所述历史成本数据曲线、病种数量动态变化曲线和成本动态变化曲线时,采用三次样条插值平滑季度波动,并采用指数加权移动平均ewma平滑处理。
10、优选地,所述医疗项目数据库的构建,包括以下步骤:
11、采用医疗领域文本预训练bert大语言模型,进行医疗实体识别;其中,bert大语言模型在训练时采用标注的医疗文本语料库,其输入为医疗文本序列,输出为实体标签训练,以交叉熵损失作为损失函数;
12、根据医疗实体识别结果构建科室-病种-项目的三元组,并采用neo4j图数据库进行存储;
13、基于icd-10编码体系进行病种自动分类,根据分类结果使用层次聚类对相似病种进行分组处理,建立病种类型映射矩阵;
14、构建病种-科室-项目三层索引结构,使用cypher查询语言从知识图谱中提取关系,并基于病种类型映射矩阵,构建各科室对应各病种类型所涉及的医疗项目数据库;
15、根据下一年所有接收病种类型,确定各病种类型医疗项目调整项;基于各病种类型医疗项目调整项检索并更新医疗项目数据库。
16、优选地,所述动态成本权重的获取,包括以下步骤:
17、基于各科室对应各病种类型所涉及的医疗项目数据库,建立病种-科室-项目关联矩阵:
18、;
19、根据多年各科室各项医疗项目连续的历史成本数据曲线,获取每年医疗项目成本在科室总成本中的比例,即项目占比权重:
20、;
21、式中,为科室
k中项目
p在第
y年的成本权重;为科室
k中项目
p在第
y年的成本;为科室
k的所有医疗项目集合;
22、根据各年份各病种类型的数量变化以及病种对应的成本变化历史数据,获取各病种年度平均成本:
23、;
24、式中,为病种
d在第
y年的平均成本;为病种
d在第
y年的总成本;为病种
d在第
y年的病例数;
25、构建成本变化因子:
26、;
27、式中,为病种
d在第
y年的成本变化因子;为基准年份;
28、基于病种-科室-项目关联矩阵、项目占比权重和成本变化因子,确定病种-科室对的动态权重:
29、;
30、式中,为病种
d在科室
k第
y年的动态成本权重;为关联矩阵元素;
k为科室总数;为医疗项目数。
31、优选地,所述成本权重线性回归线的构建,包括以下步骤:
32、对每个病种-科室对的动态权重按时间排序,获得权重序列;
33、根据权重序列进行线性回归计算,获取成本权重线性回归线:
34、;
35、式中,为截距,为斜率;
ϵ为误差项;
36、回归系数计算:
37、;
38、;
39、式中,为年份均值,为权重均值;
y为总年份数。
40、优选地,所述下一年份的各病种成本预测包括以下步骤:
41、提取各病种数量动态变化曲线统计值,包括均值、方差、偏度和峰度,并进行特征拼接生成统计特征;提取成本动态变化曲线的年度增长率和波动率特征,并进行特征拼接生成变化率特征;
42、构建多个双通道神经网络结构,包括并行的双特征通道、特征融合块、全连接层和输出层;通过训练集训练后获得多个双通道成本预测模型。其中,双特征通道包括数量特征通道和成本特征通道;数量特征通道包括输入层、lstm层、attention层和特征提取层,成本特征通道包括输入层、cnn层、池化层和特征提取层;
43、根据多个双通道成本预测模型预测下一年的各病种成本预测结果。
44、本发明还提出一种基于历史成本数据的医疗动态成本预测系统,所述系统包括:
45、知识图谱数据处理模块,用于基于历史所有接收病种类型,确定各病种类型下一年的医疗项目调整项,更新医疗项目数据库;所述医疗项目数据库存储各病种的科室信息以及各科室对应该病种类型所涉及的医疗项目;
46、成本权重获取模块,用于根据医疗项目数据库构建病种-科室-项目关联矩阵;获取多年各科室各项医疗项目连续的历史成本数据曲线,确定每年各项医疗项目成本在科室总成本中的项目占比权重;获取各年份各病种类型的数量变化以及病种对应的成本变化历史数据,确定每年的成本变化因子;还用于基于病种-科室-项目关联矩阵、每年的项目占比权重和成本变化因子,确定每年病种-科室对的动态权重;对病种-科室对的动态权重进行拟合,获取各病种类型各科室的成本权重线性回归线;
47、成本预测模块,用于获取各病种数量动态变化曲线和各病种成本动态变化曲线的统计特征,通过预训练的双通道成本预测模型获得下一年份的各病种成本预测结果;
48、统计预测模块,用于基于成本权重线性回归线确定下一年份的各病种类型各科室的成本权重,根据成本权重和各病种成本预测结果,确定下一年份各科室的总成本。
49、本发明还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序被处理器执行时实现所述的基于历史成本数据的医疗动态成本预测方法。
50、本发明还提出一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于历史成本数据的医疗动态成本预测方法。
51、本发明的有益效果:
52、本发明提出了一种基于历史成本数据的医疗动态成本预测方法,该方法通过构建病种-科室-项目的知识图谱与动态成本权重模型,系统能够自动解析每个病种在诊疗项目构成的调整变化,并将这些微观变化量化为各科室项目在病种总成本中的动态权重。同时,通过拟合权重的线性回归趋势线,方法前瞻性地反映了科室因技术优化所带来的项目成本占比演化规律,使预算模型不再依赖于僵化的历史比例,而是基于真实的诊疗模式变迁轨迹进行推演。其次,本方法结合双通道预测模型对病种总成本的前瞻预估与科室动态权重的趋势外推,发明实现了对未来各科室总成本的科学分解与精准填报。
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