1     背景及现状

近年来随着信息技术的发展，医院的信息化建设正不断加强，信息化管理及应用水平日益提高。针对目前大部分医院医保业务的管理系统繁多、形式多样，产生的数据量大且分散等现状，若使用传统的关系型数据库模式，仅能支持简单的数据查询和分析，无法从大量的数据中发掘出更深层次的有用信息，数据的利用率不高，难以满足决策分析的需求 ，对决策分析的指导意义不大，严重地影响了决策工作的效率和有效性。

目前，医院对医保的管理缺乏统一手段，信息内容不够全面，缺乏人性化的信息集成及展现平台，无法按照使用者的身份来展现其更关注的信息，信息的使用效率低，很难形成有效的决策支持。通常管理者需要关联和综合多种不同信息才能做出初步的预判，然而由于这些信息来源于不同应用系统，对数据的来源、采集、组织以及所采用的统计方法、统计途径均有较大的差异、甚至有些信息是自相矛盾的，严重制约了决策的开展。

2     解决方案

针对这种数据过量与信息不足之间的矛盾，需要充分利用强大的数据挖掘方法和分析技术，对数据进行有效的采集处理、清洗过滤、整合加工、分析预测，以便挖掘分析出更深层次，更有价值的信息，帮助医院管理者快速、准确地获得所需的决策信息。首先可以将医院现有的数据进行关联性集中管理，从而建立数据仓库，形成针对医保的数据资源库；其次基于该医保资源库，通过有效运用数据挖掘技术和可扩展显示功能，为医院提供更高层次的数据分析和数据展示，从而建立医院保险管理平台；最后利用该管理平台，通过将医保管理部门所关心的药占比、费用使用情况、人员来源等情况和指标一层层地展示出来，从而更好地为医保管理部门的政策制定和管理评估提供有力的支持。

2.1 创建数据仓库 数据仓库（Data Warehouse，DW）是一个结构化的数据集合，与数据库相比，它具有面向主题、集成、相对稳定、反映历史变化的特性。构建医院医保管理平台，首先需充分利用现有的HIS数据库、PACS数据库、LIS数据库以及其他数据库资源，经过采集处理、清洗过滤、提取转换、整合加工形成医院医保数据仓库。根据数据仓库中的数据信息，选择合适的分析工具，应用统计方法、事例推理、决策树、规则推理、模糊集、神经网络、遗传算法等方法，得出有用的医保信息。图1是根据医院数据资源建立数据仓库的过程。

图1 建立数据仓库的过程

2.2 技术方法 数据仓库存在只提供大量数据而无法进行深度信息分析的缺陷，技术人员需要充分利用数据挖掘技术从数据仓库中提取所感兴趣的、事先不知的、隐含在数据中的有用的信息和知识，并将这些知识用概念、规则、规律和模式等方式展示给管理者，使其得以解决信息时代中的“数据过量与信息不足”之间的矛盾，本文所介绍的医保管理平台，采用了数据挖掘技术中的聚类分析和可视化技术，根据数据仓库中数据的相似度，将数据划分为不同类别，同时要求同一类别中的数据应有尽可能高的相似度，而不同类别的数据则应尽可能低的相似度；系统根据科室、医生、药品、病种等信息对住院结算费用、门诊参保费用、门诊及住院特殊病种做出详细的分析；利用可视化数据挖掘将隐藏在数据仓库中各类医保数据，以相对直观、易于领会的图形、图标或者图像的形式表达出来，全方位展示出管理者所关心的药品费用超标以及药占比等关注问题。

3   应用效果及分析

医院通过建立数据仓库，有效利用数据挖掘技术，挖掘出数据内在存在的关联，构建医院保险管理平台，能够为医院提供更高层次的数据分析和决策，同时为医保管理奠定基础。对各类参保患者的门诊费用情况、病种情况以及病人来源情况等进行分析，帮助医院管理人员，能够及时发现问题、解决问题，更加合理地管控各类保险指标，优化门诊及住院的管理流程，并及时制定相关管理方案。

以门诊医保为例，每个月医保管理部门对医保费用的情况都极度关注，如图2所示，可以清楚地看到医院门诊医保当月各科费用的使用情况，同时与以往的数据进行比较或通过进一步的整合处理，可以计算并分析出不同期的增长率和各类详细信息。若想具体了解某个科室的详细费用情况、就诊人次、药占比等情况，可进一步点击科室名称，展开的下一级该科室的使用情况；若想知道该科室所有医生详细的药占比或费用是否超标、超标多少、在哪些项目上超标、超标是否合理等关注问题，可以进一步通过点击对应要素，一层层地钻入以获得患者的各类所需信息。例如，可以根据上月某科室门诊的次均费用是否超标情况，可提前将下个月的指标进行调整以确保医院医保全年费用达到预期目标。

图2 医院的门诊医保费用情况图

系统还可对患者病种情况以及分布区域进行分析，如图3所示。通过患者来源分析，可以清楚地掌握某种疾病在不同区域的分布情况，若想进一步了解某个特殊病种患者的具体情况，可通过点击病种名称，系统将详细地展示该病种患者的具体情况，辅助医生进行用药和治疗，方便医保管理者更好地服务百姓，拓展医疗业务，以及为临床疾病的诊疗、教学和科研提供科学依据。同时，系统可根据每月门急诊和住院的参保数据自动生成各类参保统计及分析报告，以不同维度，用不同颜色进行区分，详细展示指定时间内医院门急诊量、住院量以及各类相关指标值和关联数据，并与以往数据进行对比，方便管理者总体把握每月医保的达标情况，并迅速做出相对准确的决策，如图4所示。

新农合病人来源分析

 图3 医院新农合病人特殊病种分布情况

图4 参保统计及分析报告

4    结论

在信息时代的今天，每天都有大量的数据在医疗行业中产生，数据挖掘的目的是利用所获取的知识理解事物内在联系、预测未来，从而进行积极干预和应对，为下一步的工作或决策提供基础。数据挖掘技术应用到在医院的医保管理领域，将为医院的医保管理提供科学依据，提高医保管理水平，推动医院医保业务的科学发展，提升患者对医院的服务满意度，为医院带来良好的社会及经济效益。

（来源：《中国数字医学》杂志2016年第5期，作者：李璟 胡立勇  单位：解放军第175医院信息科）