医疗保险住院费用与统筹基金数据挖掘应用研究

摘要

现阶段，我国医疗保险体系遵循的是“广泛覆盖，基本保障”的原则，医疗保险参保人住院费用负担过重，尤其是自费费用高，自付比例高，给广大人民群众造成了巨大的经济负担。参保人感叹“看病难，看病贵，看不起病”。这种状况不利于社会经济的持续发展，也不利于和谐社会的构建。如何在确保医疗保险基金支付安全的前提下提高参保人待遇水平，减轻参保人医疗费用负担成为决策者面临的迫切难题，也是当前社会的热点问题。 随着医疗保险政策的不断完善和数据库技术的飞跃发展，医疗保险信息系统的覆盖面越来越广，业务办理越来越方便快捷，但其结构也变得更复杂，决策者很容易迷失在大量纷繁复杂的信息里，无法方便地找到有用的信息元素，从而影响决策的效率。医疗保险的数据挖掘面临一系列的挑战，如多数据源、高性能、结果确定性、模型可用性等。医疗保险的数据挖掘和决策支持研究目前在国内尚属于起步阶段，因此广州市劳动保障部门将医疗保险数据挖掘系统作为立项内容之一。本文对医疗保险数据仓库的创建、数据挖掘模型建立及其评估、模型的实施等进行了探索性的研究。 首先通过创建医疗保险数据仓库，产生了一个符合数据挖掘要求的高效环境，明确了数据挖掘的主题，选择合适的数据，进行必要的调整。文中详细地介绍了医疗保险数据仓库的逻辑设计、物理设计和数据的导入、预处理过程。 确定医疗保险数据仓库的挖掘算法。本文选择了比较成熟的算法和模型。在所有数据准备好之后，就开始分析训练模型。主要选择了人工神经网络算法，数理统计方法，层次聚类k-means算法，时间序列Arima算法，对医疗保险数据仓库中的住院费用数据，基金收支数据进行挖掘或预测，从中得到关于主题的一系列分析结果和模型。 进行医疗保险数据挖掘和决策模型的评估可以检验模型的可行性和有效性。评估的方法是另外找一批反映客观规律的数据来检验得到的模型。检验的结果会有不一致，需要考虑使用的训练样本数据是否具有充分的代表性或者模型本身是否完善。这是个反复回溯的过程。直到模型达到一定的置信度和具有一定的健壮性。并尝试对现行医疗保险政策提出一些建议。 系统展现层是模型实施的最终结果。通过B/S/S三层架构和servlet、net技术设计构建的广州市医疗保险数据挖掘系统。是国内医疗保险领域技术上的创新探索，系统提供了一系列的组件和工具以及相应的开发方法，采用接口与组件分离的策略，以达到通过改变组件来实现适应政策变化的目的。决策人员通过常用的浏览器与医疗保险数据挖掘系统进行交互，系统提供方案给决策人员参考。从而决策人员可分析和预测数据变化趋势，制定新政策或调整政策。切实减轻参保人的费用负担。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章 绪论

第二章 创建医疗保险数据仓库

第三章 建立医疗保险数据挖掘模型

第四章 评估医疗保险数据挖掘模型和政策分析

第五章 实施医疗保险数据挖掘模型

第六章 存在问题和改进方向

结论

参考文献

攻读学位期间发表的学术论文

致谢

附录