论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>专科论文>范文阅读
快捷分类: 通信系统论文 期刊协同采编系统 学生管理系统论文 论文系统 信息系统项目管理论文 论文查询系统 开题报告智能温室监控系统 文献综述智能温室监控系统 联合站污水处理监控系统设计开题报告 空调智能控制系统开题报告 期刊智能查询系统 网络视频监控系统参考文献

关于智能监控系统论文范文 医院端医保智能监控系统开发和建议相关论文写作参考文献

分类:专科论文 原创主题:智能监控系统论文 更新时间:2024-02-15

医院端医保智能监控系统开发和建议是适合不知如何写智能监控系统方面的相关专业大学硕士和本科毕业论文以及关于智能监控系统论文开题报告范文和相关职称论文写作参考文献资料下载。

一、 引言

2016年,人社部发布《关于积极推动医疗、医保、医药联动改革的指导意见》,明确提出积极探索发挥医保在医改中的基础性作用,全面推广医保智能监控.近几年,医保智能监控体系在社保端的应用越来越多,医保智能监控作为社保经办机构重要的技术手段,通过利用医保大数据,对服务行为和参保人的就诊行为进行数据采集、对比分析,全面提升了医保监管质量和效率,让医保管理更加科学化、精细化.医保管理部门会将社保端产生的稽查违规数据发给定点机构进行核实,大量的可疑违规数据给定点机构传递了越来越多的监管压力,但由于各定点机构的管理水平、信息系统所处层次等条件存在较大的不同,使医院端的医保监控体系建设明显滞后于社保端,造成医院端医保管理上事实性的被动,很明显已不适应当前医院医保管理的需要,院端医保智能监控体系的建立成为一个必由之路.

本文拟就某医院医保智能监控系统的开发与使用情况进行分析,并对有关问题进行探讨.

二、医院端智能监控体系实现的具体路径

建立相应的规则体系:医保智能监管的核心是科学制定监控规则,医保监控规则的运用是医保监管的核心要件,由知识库提炼的监控规则可为发现违规数据起到决定性的帮助作用.该院使用的监控规则主要是基于药学知识规则(与药学有关的违规行为检出判定),临床知识规则(与临床有关的违规行为检出判定),医保知识规则(与医保有关的违规行为检出判定)这三类知识库.更明细的知识库细分为20多个.

监控规则的分类:共计分事前、事中、事后共计106种规则,主要包括性别限定、药物配合禁忌、同类药品与项目重复、超量用药、限制类药使用适应症等情况.

监控系统包含的基础功能,主要包括以下几部分.

事前提醒:在医生开具处方或医嘱时,将患者的就诊数据传递给事前提醒接口,系统对传入就诊数据的整体合理性进行分析,知识库引擎会实时反馈分析结果,窗口会弹框提醒.

事后审核:通过不同维度进行.

执业医师审核:按照科室-医生-违规的维度查看事后违规信息及相关单据信息,可查看和导出具体违规行为、单据、明细、基金支出情况、违规金额等详细数据,可对展示的违规数据进行状態标记.

机构科室审核:按照项目类型-科室-医生-违规的维度查看事后违规信息及相关单据信息,可查看和导出具体违规行为、单据、明细、基金支出情况、违规金额等详细数据.

机构规则审核:按照违规-科室-医生的维度查看事后违规信息及相关单据信息,可查看和导出具体违规行为、单据、明细、基金支出情况、违规金额等详细数据,可对展示的违规数据进行状态标记.

违规项目审核:按照项目类型-违规-科室-医生的维度查看事后违规信息及相关单据信息,可查看和导出具体违规行为、单据、明细、基金支出情况、违规金额等详细数据,可对展示的违规数据进行状态标记.

统计分析:机构指标分析:通过项目、疾病、收费类别和科室分布4个维度对医保支出、人次、均次费用等进行详细汇总分析.

事后违规统计: 按规则及科室汇总统计一段时间内医生违规提醒次数,主要为:序号、规则名称、科室、医生、违规弹出框次数、涉及违规项目金额、违规说明,并能通过图表展示:如可通过按月展示当前年度事后违规趋势分析图、违规科室排名前十分析图、违规医生排名前十分析图、违规规则占比图、同一规则事前事后违规数对比图.

事前提醒统计: 按规则及科室汇总统计一段时间内医生违规提醒次数和依从性统计,主要为:序号、规则名称、科室、医生、违规弹出框次数、涉及违规项目金额、违规说明、反馈信息,并亦可根据图表进行展示.

三、系统运用成效

运用系统配置规则发现可能的违规记录,能更好更快速定位可能的违规行为.但系统提供的筛查数据并不能直接认定违规,需人工核实后才能最终确定.通过对系统规则预先确定的重要性级别,可对系统数据进行分类处理.系统筛查的数据虽然比较多,但对快速定位违规行为则起到了重要作用.比如之前对慢病违规处方需要进行现场查看,费时费力,效率低下,但现在可以快速定位到超量、以及诊断与用药不符等违规情况,极大提高了管理效率.

事前提醒确实起到了降低违规行为的实际发生.经我们对该院今年6月份的数据使用进行统计,共计触发事前提醒8300次,但最终事后违规统计仅涉及3900次,大幅降低,也即意味着规避了大多数的可能违规行为.

通过事后违规数据的分析统计,持续改进医保管理质量.按科室与医师维度分别进行整理,对典型问题、发生频次较多的问题与当事医生进行沟通,以探讨医嘱行为的合理性,如医师有不同理解,则请其提供相关的知识依据,以便进一步同医保管理部门进行商谈,对有关规则进行优化,如确实有问题,则请其进行整改,以避免下次违规情况再次发生.通过近三个月的数据分析,显示事后违规数据呈逐步减少趋势.虽然在实际运行过程中,有少部分规则及行为还需进一步核实与调整,但大多数的规则还是体现出了较大的合理性,也很大程度解决了以前人工抽查覆盖面窄、不客观、不同人员标准尺度不一致等问题.

四、运用建议

(一)知识库规则的标准建立应适应实际场景的应用

标准、规范、合理的筛查规则是医保智能监控系统的基础,也是规范医疗行为的有力保障.因此,完善数据筛查规则,确保医保智能监控系统精确筛查,避免不必要的申诉,是当前医疗保险管理部门急需解决的问题.在系统使用过程中,我们发现,部分规则的设置完全基于知识定义的学术标准,忽视临床使用的实际经验或场景.将临床常见的使用判别为违规行为,造成系统产生大量的所谓“违规”信息,增添了工作的繁琐.我们希望有一套权威的知识库,甚至是国家级别的标准库,这套知识库应该是医保、医院都能接受的标准,从而能真正发挥知识库的导向指引作用,减少对临床正常诊疗的不合理干预.在建立标准、权威知识库之前,是否可以让医疗机构对这些规则的级别进行二次过滤和设置,以合理归避过多的弹出干预带来的不必要影响.

(二)完善医保评价体系与第三方仲裁机制

通过大数据进行监管,其实就是对某种行为、某个项目的评价.某项行为是否确实违规,应结合实际的应用场景与临床实践来评判.当前院端医保智能监控的规则体系、判别原则均由社保端智能监控体系的知识库作为支撑,医保监管很容易陷入所谓“医保规则”的权威性与唯一性.不可否认,智能监控系统的使用确实对减少违规、规范医疗行为发挥了巨大的作用,部分监控规则的释义非常明确,能做到到医保、医院的双方一致认可,这些违规行为是实际处理中的重点,但对有些可疑的违规行为,则需要院、保双方持续的协调,我们建议建立第三方权威的仲裁机制来解决这类纷争,也从一定程度推动规则的运用更加合理化.

(三)对当前的智能监控系统进行功能拓展

目前的智能监控系统主要着重于提高医疗保险运行的质量,对在日常医保管理中的一些环节实行切实可行的监控,以规范医疗行为,使之减少一些不必要的费用支出.但医保日常管理中还有一个重要的一点是对医保日常运行指标的监控,这些指标管理也构成了医保运行体系和日常管理的一个核心.如门诊均次费用、住院均次费用、个人负担率等等.希望监控系统也能拓展基于医保指标的费用监控功能,能直观地呈现医院各科室医保费用发生与医保指标的对比情况、科室费用增幅异常预警功能等,并能提供费用增幅的要点分析.

医保智能监控系统的建设与使用极大地规范了医疗服务行为,很大程度提升了医院的医保质量管理效率,违规、过度医疗等不规范医保服务行为做到到了有效遏制,医疗费用支出不合理增长做到到有效控制.希望未来智能监控系统在规则的标准化、功能的拓展等方面进一步优化、完善,以让系统发挥更大的作用.

总结:这是一篇与智能监控系统论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。

参考文献:

1、 基于WSN的育婴箱智能监控系统 摘 要:为了实现育婴箱智能化管理问题,本文提出了一种基于WSN(Wireless Sensor Network)的育婴箱智能监控系统设计方案。该。

2、 试析新形势下医院医保的精细化管理 摘要:随着我国基本医疗卫生改革的不断深入和医保制度的不断贯彻落实,我国基本医疗保障制度已经覆盖全民,医疗质量和医保质量也得到了很大的提升。在新的。

3、 电视台高端岛3后期制作网络监控系统实现 [摘要]介绍中央电视台高端岛3后期制作网络监控系统的架构,以及其对制作设备、制作服务、存储设备、制作流程等环节监控的实现。[关键词]监控系统;。

4、 基于移动互联网智能灌溉系统设计和开发 摘 要:随着科学技术的快速发展,移动互联网等高新技术被广泛应用在农业领域,进一步推动了现代化农业的发展。我国将保障粮食安全、加快现代农业发展作为。

5、 医保按人头总额预付费方式下地市级公立医院应对 摘要:2015年5月,国务院办公厅发布了《关于城市公立医院综合改革试点的指导意见》,明确要求2015年医保支付方式改革要覆盖区域内所有公立医院。。

6、 城市公立医院医药价格综合改革对医保个人支付影响 2015年11月,江苏省城市公立医院医药价格综合改革正式启动,城市公立医院药品实行零差率销售,降低部分检验检查价格。减少的合理收入,主要通过提高。