大数据环境下医保数据监测和预警平台关键技术研究应用.doc

科技专项： 科技惠民 筹划类别： 科技支撑筹划（社会发展） 指南代码： 3140（其她社会事业） 常州市科技筹划项目申报书( 科技支撑筹划-社会发展 )项目名称： 大数据环境下医保数据监测和预警平台核心技术研究 承担单位： 河海大学常州校区 所在地区： 常州市新北区 单位地址： 江苏省常州市晋陵北路200号 邮编： 213022 项目负责人： 徐绪堪 电话： 主管部门： 常州市科技局 申报日期：4月23日常州市科学技术局二一三年 一、立项根据1、本项目国内外科技创新发展概况和最新发展趋势随着常州市社会保障信息系统广泛应用，特别是医保数据爆炸式增长，积累了海量历史数据，数据量更是有1.5T之多。这些数据有对医保行业最核心资金数据，尚有尚未被运用病人信息、医院信息、治疗项目和药方信息等，对这些高关注度民生数据应用大多停留在录入、查询、修改和简朴记录等数据呈现功能。而当前对恶意配药等骗保行为监管还重要靠人工，面对日益膨胀数据，仅靠人工检测已明显不能满足需求。因此当前已有医保系统无法对医保资金进行有效监管，也无法获取病人治疗等规律或变化趋势，由于医保资金涉及范畴广、人数多、业务复杂等特点，虽有配药、治疗、费用使用明细等信息，但这些信息没有得到充分运用和发挥效益，难觉得人社局制定政策、资金预算和监管提供决策支持。1.1医保数据高关注度和高敏感度医保数据重要涉及社会医疗保险基金征缴和使用，而医疗保险基金是为实行社会医疗保险制度而建立起专项基金,是予以参保人员基本医疗保障经济基本。它重要由参保个人及单位所缴纳医疗保险费构成,并交专门经办机构统一组织与管理,用于补偿参保人员因疾病所需要医疗费用医疗保险基金是货币形态后备资金,是职工“保命钱”。常州医保系统根据医保政策及各种待遇极其复杂，重要涉及职工医疗保险、居民医疗保险、低保二次补贴、大病救济等,。医保数据直接关系到常州广大群众“治病救命”切身利益，同步也关系到常州国计民生和社会稳定,对平稳安全运营保障规定极高。因而研究医保数据监测和预警显得非常必要。医保数据监测和预警是一项以防范和控制医保基金运营风险为目的复杂且长远课题,其涉及参保人员,各级医疗机构,医生体系,定点药店等多方面，人力资源和社会保障信息中心拥有所有参保人账户信息,医疗机构信息,药店和药物信息等等，同步还维护了所有参保人就诊、购药等海量实时数据信息。医保数据监测和预警核心问题在于如何从海量数据中获得有价值信息，从而指引医疗保险政策决策，提高医疗效果和管理效率。当前国内医疗保险信息化已经逐渐完善,数据库和数据仓库技术对医疗保险实时交易数据和历史数据存储起到了重要作用,在医疗保险信息化过程中操作型数据库记录了大量详细医保有关交易信息,并通过每日更新至数据仓库，数据仓库保存海量历史数据,并维护数据精确性，通过对数据仓库记录分析等操作可以生成业务报表,然而随着业务需求不断扩大,对运营决策支持需求日益强烈背景下,简朴报表己经不能满足需要，医疗保险机构决策者和医保基金运营监管人员但愿可以从海量数据中获取更多知识,以辅助决策和监管,维护基金稳定运营。1.2最新大数据发展趋势大数据可以成为可用资源得益于大数据解决技术浮现。计算机历史前五十年重要是运用人们专门收集数据，这些资料被视为资源，而当前计算机开始关注工作流程中顺带积累超大规模数据，无处不在信息设施不断地记录了人们行为信息痕迹，运用大数据技术可以分析这些信息痕迹，从中提取重要信息以减少对环境结识不拟定性，提高工作与生产效率。大数据已成为新时期人类可开发运用重要资源，以美国为代表发达国家已经开始把大数据运用与大数据技术开发视为国家一项战略性任务。当前,咱们已进入大数据时代，科学研究主导方式已经从逻辑驱动、实验驱动转向了数据驱动研究范式。数据就像货币、黄金以及矿藏同样，已经成为一种新资产类别，咱们以为，大数据必将在国内国民经济中成为一种重要产业。美通社最新发布大数据市场：至全球形势、发展趋势、产业分析、规模、份额和预测报告指出，全球大数据市场产值为63亿美元，预测该产值将达483亿。，美国政府拨款2亿美元启动“大数据研究和发展倡议”筹划。IBM、微软、google等国外IT巨头早已嗅到了“大数据时代”商机，这些国际巨头借助自己拥有领先技术和丰富资源，以及稳定大客户群，实力雄厚，率先涉足。国内互联网数据中心（IDC）对中华人民共和国大数据技术和服务市场-预测与分析指出：该市场规模将会从7760万美元增长到6.17亿美元，将来5年复合增长率达51.4%，市场规模增长近7倍。在国内，大数据正在引起越来越多公司关注。不但阿里巴巴、腾讯等把大数据当成近期重点项目。作为国内互联网产业发源地和创新高地，中关村也在抢抓大数据发展机遇，着手布局大数据产业。工信部发布物联网“十二五”规划上，把信息解决技术作为四项核心技术创新工程之一被提出来，其中涉及了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据重要构成某些。而此外三项信息感知技术、信息传播技术、信息安全技术，都与“大数据”密切有关。适逢世界走向数据化，迈入大数据时代时刻，咱们迎来了新机遇，在这个新一轮产业发展中，医保作为国家、省以及常州市重点民生工程领域，咱们应当如何应对？如何开发运用大数据抢占竞争制高点？ 如何使将来大数据产业在常州医保监控、管理和预警等方面迅速、健康和领先发展？大数据在医保领域应用是新一代信息技术集中反映，是一种驱动性很强服务领域，能有效解决大数据及医保领域技术问题。1.3本项目国外技术发展概况数据挖掘(DataMining，简称 DM)技术是用于发现潜在数据信息和隐藏模式技术。该技术最早浮现于 20 世纪 80 年代后期，是机器学习、模式辨认、数据库、记录学以及管理信息系统等多学科研究成果交汇，其在 90 年代有了飞速发展，曾被以为是将来对人类产生重大影响 10大新兴技术之一。全球研究数据挖挖掘比较知名大学和研究机构有：麻省理工学院，ACM（ACM Special Interest Group on Knowledge Discovery in Data and DataMining）等。典型数据挖掘系统有：IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine 及 Oracle Data Mining 等。数据挖掘技术来源于上个世纪八九十年代，在西方发达国家一方面得以推广运用。在金融、电信、商业和保险界等拥有大量客户数据领域得到了成功应用。当前数据挖掘产品较多，但重要是国外产品。例如SAS公司SAS Enterpriser Miner，SPSS 公司SPSS系列产品，IBM公司Intelligent Miner，Microsoft公司SQL Server 等。数据挖掘在国内外医疗保险行业应用案例同样也很丰富。国外商业保险公司中常使用定向营销为不同客户制定相应营销方略,尚有客户忠诚度分析，客户流失分析，保险产品交叉销售等等使用数据挖掘技术也多样化。IBM研究中心Marisa等人基于澳大利亚医疗保险机构采集数据,将关联规则和神经分割技术应用于医疗保险信息系统中,从GB级数据中获取未知模式。MohitKumar等使用数据挖掘和机器学习技术预测和防止保险公司在解决医疗保险申诉过程中支付错误,用以减少日益增长医疗保险开销。尚有许多数据挖掘办法研究集中在医疗保险行业异常和欺诈检测。1.4本项目国内技术发展概况国内社会医疗保险起步较晚,数据挖掘技术在保险欺诈检测中应用较少,同步与国外医疗保险面临欺诈问题也存在诸多差别依照研究,当前国内医疗保险欺诈也许涉及主体有参保人,定点医院,定点药店,医保经办机构等多方面,存在欺诈方式多样:如在征缴保费时参保人浮现少报或漏报,在支付保费时超支或套现行为,此外尚有保险基金管理机构资金挪用等。当前，国内对医保基金风险有关研究重要集中于由于道德风险带来基金风险及控制医疗费用增长详细办法上，采用手段较为简朴，往往是人工控制，辅助以简朴规则数据筛选。缺少系统、全面医保基金风险控制框架，缺少强有力数据分析和系统支持。上海市医疗保险信息中心秦德霖基于 SOA 和动态数据仓库技术，运用数据挖掘和分析技术，针对基金运营管理重要环节和基金风险重要因素，建立对医保基金风险防控基本技术平台。该平台实现实时数据抽取、海量数据整合、异构平台集成。上海医保基金风险防控平台研究，为控制医保基金风险、保障基本医疗、增进医疗保险可持续发展提供强有力支撑。在医保管理过程中，存在一种特殊就医现象，称之为就医汇集行为。就医汇集行为普通体现为多张医保卡过于频繁地同步同地消费。就医汇集行为也许是由于某些特殊病症人群如某些慢性病人群导致，也有也许存在欺诈行为。找出这些具备就医汇集行为人群，一方面可以对特殊疾病人群提供针对性管理和服务，另一方面能有效提高对违规人群监督力度。复旦大学何俊华基于 CBM 算法，开发出 B/S 构造一致行为挖掘平台，该平台可以有效地对一致行为进行监控。并将一致行为与参保人费用记录信息，药物使用状况，医院医生信息等有关联。通过一致行为挖掘平台，在医保管理中能迅速锁定慢性病人群，理解这些特殊人群医疗费用承担等状况。挖掘平台为医保管理决策提供参照，便于为不同参保人群提供针对性管理和服务。此外，该平台能有效检测出可疑违规人群，此类可疑违规人群也许同步使用了多张医保卡进行就医，针对这些可疑违规人员，需要对其进行严格监管。石萌运用数据挖掘关联分析办法,对社会医疗保险基金收支状况进行了研究,进一步分析了参保人员、参保单位、医疗单位等各因素对社会医疗保险基金平稳运营影响,为社会保障部门适时调节基金收缴政策、保证医疗保险制度顺利实行提供有力技术支持。国防科学技术大学朱攀运用人工神经网络模型对医保定点医疗机构信用级别进行学习，并且依照学习过程中浮现问题,对人工神经网络做了改进,克服了医保定点医疗机构信用级别评价网络原有局限性。并以医保信息系统形成大量数据为基本,运用LOF算法对大量数据进行挖掘,找出了医保定点医疗机构违规行为。翁滔华等通过运用数据挖掘软件SPSS11.0对病毒性肝炎住院费用状况进行分析，并分别给出了病毒性肝炎费用控制上下限，发现能能起到控制医院住院费用作用。黄晶晶等运用数据挖掘技术制定医保定额指标并进行有关数据分析，成果发现数据挖掘技术可以制定动态定额指标，加快分析反馈速度，并做出及时分析返溯。综上所述，国内对医保人群医疗费用分析研究还处在起步阶段，办法与手段普通，研究成果尚不科学全面；国外有不少有关产品，由于国外医保制度与国内医保制度差别很大，不能直接采用；此外，这些系统但大都是专有产品并且价格高,难以集成。国内关于医保人群医疗费用分析研究，大都采用订立办法制度和老式半手工方式进行。不少单位制定有关规定和制度进行管理，这些规定和制度大都是针对医保政策和既有医院管理条文，结合医保进行修改成果；或者，各医院针对控制定额费用状况，进行大量数据采集及记录，制作医保分析报表并运用该报表对当月医保费用进行分析，由于均采用手工与信息系统结合方式，对于超定额费用考核方面明显滞后，也难以对医保各方面进行灵活详细分析,进而无法及时分析产生各种异常状况主线因素，亦不利于监控实时费用，没有解决医保病人医疗费用不断上涨主线问题，更谈不上对医保预算和预警。因而，本课题拟采用先进关系挖掘模型技术，分析常州医保现状，开发医保数据监测和预警模型。2、本项目研究目、意义2.1 项目研究目项目以常州市人力资源和社会保障信息系统中医保海量数据为研究对象，以提高医保资金使用效率为目，通过静态社会保障知识与动态社会保障决策相结合方式，借助数据挖掘模型和联机分析理论和算法，对医保征收和使用等海量数据进行联机分析和数据挖掘研究，谋求医保资金使用网络、病人诊治规律以及医保资金回溯和跟踪，对医保中心各定点医疗机构监管、各种疾病惯用治疗方案提供数据支持，以实现对医疗单位和参保人精细化管理。最后为市社会保障部门详细政策合理制定及市政府宏观决策提供科学根据，从而可以精准控制社会保障部门决策过程,加强社保决策过程信息化，保证决策过程科学性、合理性和有效性。2.2 项目研究意义常州市医保数据涉及范畴广、人数多、数据庞大、业务复杂，是市民高关注度和敏感数据，因而对医保数据监测和预警研究具备社会、学术和经济三个层面价值和意义。（1）社会层面医疗保险是社会保障制度重要构成某些,涵盖参保人总多,其中核心就是医保数据，例如常州市参加职工医疗保险、居民医疗保险等参保人数就超过100万人，使用好数据挖掘对众多参保人进行有效管理，掌握参保人概况，群体特性和变化等信息对于医疗保险机构管理和决策具备很高参照价值，不但是国家、省、市等政府部门制定政策预测影响范畴和限度，也是一项民生工程，为医保管理决策部门和医疗机构提供科学可行建议，对科学合理地运用既有医疗资源，控制医保医疗费用上涨，尽量减少群众经济承担，构筑一种和谐医、保、患关系，增进关系千家万户民生与幸福医药卫生体制改革顺利进行和实现，都具备非常重要社会和现实意义。（2）学术层面本项目涉及记录学、公共管理、计算机技术等各种学科交叉，通过对常州医保海量数据分析，丰富社会经济记录理论，有助于在医保领域探讨不同数据挖掘算法和实践应用。通过在常州医保监测和预警中应用，不断优化数据关联规则和挖掘算法，提供较好数据支撑。（3）经济层面通过对医保数据监测和预警，可以从系统角度对医保过程中治疗、资金合理使用等在线监测，有效避免恶意配药等不合理行为，提高市民治病治疗效果；同步通过预警预测技术分析医保资金使用状况，有助于提高医保资金预算精准度和资金使用效率，最后为常州市医保资金预算和高效使用提供数据支撑，间接地为政府和市民节约医保费用。3、本项目研究既有起点科技水平及已存在知识产权状况河海大学常州校区与常州市人力资源和社会保障信息中心双方不断探讨、沟通，明确系统总体目的和思路，并开展了前期调研，掌握当前常州市医保数据现状和亟待解决监测和预警问题。通过研究和积累，课题组已获得获软件著作权8件，出版基于模糊信息多属性决策办法研究及应用、生态视角下公司管理与信息系统匹配研究两本专著，有关学术论文12篇。4、本项目研究国内外竞争状况及产业化前景在商业智能研究和应用不断发展同步，国内政府部门对于数据分析工作越来越注重，开始对数据仓库技术有了一定需求。就社保领域而言，有关研究虽然不多，但已不断开始浮现，是一种发展必然趋势，是本项目产业化基本和前提。预测到，国内六十岁以上人口将达到2亿，2026年将达到3亿，成为超老年型国家。与年轻人相比，老年人患病率和人均医药费用均较高，并且多患有慢性非传染性疾病，疗程长、预后差、费用大。这将进一步加剧社会医疗保险支出压力，因而有必要对医疗保险基金运营平衡做长期测算，提迈进行预警，本项目具备辽阔应用范畴。二、研究内容1、详细研究开发内容和要重点解决核心技术问题；针对医疗保险业务中各项数据进行分析计算，运用计算机网络技术和数据仓库与数据挖掘技术对参保单位、门诊费用、住院费用等近年数据进行采集、转换、聚合或重用，提出了一套科学、合理、符合实际需求多维数学模型，旨在分析不同病因、不同病种随年龄变化趋势，掌握人们随年龄增长平均健康状况，从而为医疗保险政策指标制定提供根据，如下年度基本医疗保险费测算、医保费用补偿比合理拟定、个人帐户随不同年龄段计提比例合理拟定等，并据此建立医保数据监测和预警模型，一方面自动提取医保业务数据，构建数据仓库，进行多维分析测算，并用各种图表形式来反映成果。这为政府各有关部门拟定保障金制度及比例，拓宽医疗保障范畴，为医保资金预算和监管提供直接科学根据。项目详细研究开发内容重要涉及监测和预警数据准备、医保数据抽取与分类、算法选取与改进、医保数据仓库设计、医保数据再组织和分析、监测和预警模型构建以及医保数据呈现等。项目总体构造如图1所示。1.1监测和预警数据准备对医保数据分析目是提高医保资金使用效率，通过对海量医保大数据进行分析，谋求医保资金使用网络、病人诊治规律以及医保资金回溯和跟踪，为医保资金预算和监管提供科学决策支持，同步也医保中心各医疗单位监管、各种疾病惯用治疗方案提供数据支持，以实现对医疗单位和参保人精细化管理。无论是医院、患者还是人社局，对于医保数据都是密切有关，按照常州市社会医疗保险政策和制度，拟定问题主题，重要涉及医保运营主题、医保监督主题以及医保征收主题三大某些，对医保数据获取都是针对这三类主题展开收集和组织。1.2 医保数据抽取与分类从医保各个业务系统中抽取原始医保住院、门诊、药店、征缴等数据，是医保数据监测和预警所需数据源头，结合知识组织有关理论，以数据单位为基本知识组织，按照数据来源或者用途等原则进行分类，通过系统层次、数据颗粒度、数据成分描述成静态医保数据网络。图1 项目总体构造图1.3 算法选取与改进常州医保数据有其自身特点，直接影响对关联规则和算法选取，其特点重要体当前如下几种方面：（1）事务数量巨大，医保发生频率往往较高，随着时间增长，医保数据也会随之迅速增长，医保数据库中包括大量数据会给数据预解决和挖掘工作带来很大困难。（2）医保开户类型也许多值，由于有不同人，不同单位，因此开户类型有不同需求。（3）医保开户日期”不是名词性属性，不便进行关联分析。（4）不同属性值具备不同重要性，如开户类型中，不同类型，保险公司赚钱状况不同样，但是大多数状况下，大保险单发生概率要低于其她类型，因此关联分析要体现出重要属性发生规律。针对以上特点，通过在数据预解决阶段将医保数据依照时间间隔进行划分，例如按照季度或者月份进行划分；对于“开户时间”不是名词性属性，可在预解决阶段先将数值属性做离散化解决。通过引入权值参数解决浮现频率较小易被忽视问题，在关联规则挖掘阶段通过不同权值来衡量各种开户类型不同重要性从而挖掘出大保单关联规则。综上所述，医保数据关联分析采用算法以Apriori算法为基本，在数据解决阶段加以相应改造，在关联规则发现阶段，通过引入权值参数来挖掘医保数据中潜在规律。 改进后Apriori算法基本思想是：一方面找出所有频集，这些项集浮现频繁性至少和预定义最小支持度同样。然后由频集产生强关联规则，这些规则必要满足最小支持度和最小可信度。然后使用第1步找到频集产生盼望规则，产生只包括集合项所有规则，其中每一条规则右部只有一项，这里采用是中规则定义。一旦这些规则被生成，那么只有那些不不大于顾客给定最小可信度规则才被留下来。为了生成所有频集，使用了递推办法。 （1）L1 = find_frequent_1-itemsets(D)； / 挖掘频繁1-项集，比较容易 （2）for (k=2;Lk-1 ;k+) （3）Ck = apriori_gen(Lk-1 ,min_sup)； / 调用apriori_gen办法生成候选频繁k-项集 （4）for each transaction t D / 扫描事务数据库D （5）Ct = subset(Ck,t); （6）for each candidate c Ct （7）c.count+； /记录候选频繁k-项集计数 （8） （9）Lk =c Ck|c.countmin_sup / 满足最小支持度k-项集即为频繁k-项集 （10） （11） return L= k Lk； / 合并频繁k-项集（k0）Apriori候选产生函数Apriori-gen参数Lk-1，即所有大型(k-1)项目集集合。它返回所有大型k项目集集合一种超集(Superset)。一方面，在Jion(连接)环节，咱们把Lk-1和Lk-1相连接以获得候选最后集合一种超集Ck：(1) insert into Ck(2) select p1，p2，pk-1，qk-1(3) from Lk-1p，Lk-1q(4) where p1 = q1，pk-2 = qk-2，pk-1 qk-1接着，在Prune(修剪)环节，咱们将删除所有项目集 cCk，如果c某些k-1子集不在Lk-1中，为了阐明这个产生过程为什么能保持完全性，要注意对于Lk中任何有最小支持度项目集，任何大小为k-1子集也必要有最小支持度。因而，如果咱们用所有也许项目扩充Lk-1中每个项目集，然后删除所有k-1子集不在Lk-1中项目集，那么咱们就能得到Lk中项目集一种超集。1.4 医保数据仓库设计按照医保运营、监督以及征收主题进行医保数据仓库设计，由于医保数据分布于定点医疗机构、药店等不同业务系统中，需要通过抽取工具获取和清洗、数据转换、关联分析、知识点获取以及数据仓库构建等过程，并结合数据颗粒度原理，按照医保监测和预警规范进行数据组织，医保数据仓库设计层次构造图如图2所示，通过度类和聚类算法，结合常州市人力资源和社会保障中心实际，形成医保运营主题数据（职工医保运营、医疗救济、公务员补贴、居民医保、离休、荣军分析、工伤保险分析、生育保险分析等）、医保监督主题数据（参保人医疗异常、定点单位医疗异常等）、社会医疗保险参保征缴主题数据（社会医疗保险参保状况、社会医疗保险基金征缴状况）等。图2 医保数据仓库设计层次构造图其中核心某些是数据关联分析，是建立在医保数据抽取和分类基本上，按照粒度聚类和分类原理，形成动态医保数据网络。1.5 监测和预警模型构建监测和预警模型涉及两个方面内容：其一是建立监测指标体系，它将直接反映医保数据运营现状，同步可以抽取和挖掘形成治疗方案库；其二是建立预警指标体系，它直接影响着监测和预警模型敏感性和对的率，融入数据挖掘算法进行预警算法模型，并给出科学合理预警成果。监测和预警模型如图3所示。医保数据监测和预警模型监测指标体系运营指标异常指标征缴指标预测算法动态监测成果预警指标体系警情指标警兆指标警源指标动态预警报告医保预警模型治疗方案库图3 监测和预警模型1.5.1指标选取原则 监测和预警指标选取要遵循代表性、全面性、可比性、可获得性等几项原则。 （1）代表性是指选取指标具备同类指标基本特性，可以反映医保基金收入支出重要方面，并可以代表同类指标变化趋势。 （2）全面性是指选取指标应当要涉及医保基金运营各方面，既要涉及医疗保险基金内部因素，也要涉及其外部因素；既要有微观财务指标，也要有宏观经济指标。 （3）可比性是指预警指标要可以持续计算，使其具备可比性，从而可以持续观测医疗保险基金收支运作状况。 （4）可获得性是指选取预警指标应当是公开，便于获取并可以直接用于研究。1.5.2 详细内容通过对既有医保静态数据分析整顿，并综合了有关专家意见，医保基金运营平衡监测和预警指标包括三个方面，即财务性指标、客户性指标和成长性指标。在医保监测体系中重要通过度析和整顿明确医保基金状态和现状。医保预警体系普通涉及如下几种方面：明确警情、寻找警源、分析警兆和预报警度。（1）在预警体系中明确警情是第一步。警情是指影响医疗保险基金正常运营负面扰动因素不断发展到一定限度，从而体现出来、可以被外界所观测到外部形态。普通设定一种医保基金运营平衡指标安全区间，当实际运营数据超过特定区间，则表白医保基金运营危机警情浮现。警情严重时会引起整个医疗保险制度性危机，因而，在保障基金稳定运营过程中，明确警情是进行医疗保险基金危机预警前提，而警源是警情发生根源。（2）寻找警源是预警过程起点和基本。所谓警源，就是指产生医保基金运营机制浮现危机根源，是医疗保险危机警情策源地。警源重要有如下几种：第一类是内生警源，即是医疗保险制度自身内部因素。如医疗保险水平指标高低、基本医疗保险支出占国家财政支出高低、基本医疗保险范畴内支出状况、城乡不同医疗保险政策以及缴费率高低等。第二类是外来警源，即医疗保险外部因素。如医疗保险法制、行政管理体制有效性、监控机制完善限度、国内经济发展状况、合理筹划调控以及其她社会政策配套。（3）分析警兆是预警过程中核心环节。在警情在爆发之前必然会有有关警兆浮现，因此分析警兆及其报警区间，便可以进行有关预测和预报警情。（4）预警目的是对预报系统所存在危机限度，这就是预报警度。依照警兆变动状况，参照警情警限或警情级别，分析警兆报警区间与警情关系，结合专家意见和经验，预报实际警情严重限度。在对医保基金运营平衡状况进行监测和预报警度时，普通按照如下环节进行。一方面是定量描述，也就是找出可以反映警情指标数量特性标志。例如，有些警情指标数量标志是变化率，以比例作为计量单位，依照历史经验和一定理论分析，咱们拟定其也许变化最大值和最小值，也就是说拟定一种数值波动区间，观测实际运营数据在波动区间变化状况。第二步是在描述基本上进行定量解决，即将警情指标也许波动最大区间划分为若干个性质不同二级区间，称为警限。不同耳机区间代表不同警限。本系统中，咱们对警限采用了三个区间来表达：无警警限（R0），轻警警限（R1）和重警警限（R2），无警警限是警情变化安全区间，咱们基金应尽量在此区间进行安全运营。对于风险预警来说，不同二级区间，也就是各类警限是最具备主线意义。特别是无警警限拟定是最为困难。对于医保基金运营平衡预警系统来说，咱们应当依照医保基金历年来运营状况、国内和国外比较与理论分析状况以及专家意见来综合考虑，最后予以拟定。拟定了各类警限和警区之后，就可以在寻常运营中观测警情指标实际值及其变动区间，监测其警度和警情发展。重点解决核心技术问题（1）医保数据仓库设计，医保主题数据设计要符合常州医保基金管理规定，同步又要符合数据仓库设计和关联规则，以便医保数据组织和使用。（2）监测和预警模型构建，监测模型是反映当前医保基金运营状态，通过度析和监测医保基金当前状态，借助预测算法和模型，预测医保基金发展趋势，形成适合常州市人力资源和社会保障信息中心医保数据监测和预警模型。2、项目特色和创新之处；（1）从知识组织视角设计医保数据仓库，以以便挖掘医保数据中潜在规律为目，按照知识组织理论对医保数据进行抽取和分类、再组织等方式分析医保基金运营规律和诊断资料发展趋势。（2）从服务角度构建监测和预警模型，医保数据分析和预警最后成果可以提供医保有关数据服务，可觉得政府、医疗机构、药店、患者等提供数据服务。3、要达到重要技术、经济指标及社会、经济效益。（1）重要技术及经济指标构建一套适合常州医保基金管理规定医保数据监测和预警模型，实现项目预期目的，形成示范应用。（2）经济及社会效益医保数据与市民生活息息有关，是一项基本性民生工程。推动民生工程建设，有助于提高医保基金管理水平，提高医保基金运用效率，满足群众民生期待。要高度注重医保数据监测和预警，切实做到覆盖全面、信息融合、运转高效，保证第一时间发现问题、处置问题和解决问题，建立健全科学、合理医保监测和预警体系，不但对医保管理工作提高效率大有作用，最后目是服务于广大市民群众，具备广泛社会效益。同步通过该项目实行，形成医保监测和预警管理模型，具备较强推广价值。三、研究实验办法、技术路线以及工艺流程3.1 研究办法本项目结合数据挖掘、知识组织和医保基金管理研究中各种办法。（1）文献调研法。阅读和参照了国内外有关论文、论著、工具书、医保有关业务系统，用于医保基金知识背景、医保数据监测和预警研究现状、设计、构建和应用模式等研究。（2）记录分析法。通过收集大量医保数据，运用记录分组办法对数据进行预解决，将数据按照建立模型进行分类挖掘，分析医保基金运营、监管和征缴现状。（3）聚类分析法。对医保数据属性值进行相似限度计算，实现对医保数据自然划分，便于分析隐藏在医保数据中规律。（4）关联规则法。建立关于医保事物数据集或关系数据集数据关联规则，挖掘对管理者有用或者故意义联系。（5）时间序列预测。对不同步期医保数据序列进行挖掘，盼望对数据趋势变化进行分析和预测。3.2 技术路线项目借用知识组织理论和软件生命周期开发办法，形成如下项目技术路线图3所示。图3 项目技术路线图四、工作基本和条件1、承担单位概况，拥有知识产权状况河海大学是教诲部直属高校，常州校区是其重要构成某些，既有三个学院，6个研究生点，5000多本科生，300多研究生，具备副高以上、博士学位科研人员200多人，每年承担国家、部、省、市及企事业单位委托项目200多项。校区拥有创造专利、实用新型专利数百项。与本项目有关研究成果：先后刊登10多篇研究论文，出版专著2本、获得软件著作权8项。2、本项目既有研究工作基本河海大学常州校区与常州市人力资源和社会保障信息中心双方不断探讨、沟通，明确系统总体目的和思路，并开展了前期调研，掌握当前常州市医保数据现状和亟待解决监测和预警问题。通过研究和积累，课题组已获得获软件著作权6件，（见附件），出版基于模糊信息多属性决策办法研究及应用、生态视角下公司管理与信息系统匹配研究两本专著，有关学术论文12篇。有关软件著作权一共有6项（1）防洪预警管理系统软件 SR062578 （2）高校研究生教务管理系统软件 SR017554 （3）工程管理系统软件 SR061862 （4）计生智能报表组件软件 SR3 （5）快递货运管理系统软件 SR055198（6）食堂进销存管理系统软件 R017396 （7）楼盘表管理系统软件 SR073731（8）河道地理信息系统软件 SR084973重要学术论文（1）徐绪堪.生态视角下公司管理与信息系统匹配研究M.化学工业出版社. （2）徐绪堪.公司信息系统生态环境成熟度研究J.情报杂志.,(29)2:207-210.(CSSCI)（3）徐绪堪,卞艺杰,田泽.ERP系统导入模式博弈分析J.情报科学,27(10):1575-1580.(CSSCI)（4）徐绪堪,李晓东.基于生态理论信息系统生长模型构建J.情报杂志,28(9):-17-20.(CSSCI)（5）徐绪堪,段振中,郝建.基于模糊层次分析法信息系统绩效评价模型构建J.情报杂志,28(2):11-13,49.(CSSCI)（6）徐绪堪,汪利利,钱常春.基于MVC教参信息系统分析与设计J.当代图书情报技术.,127:79-71.（7）徐绪堪,汪利利.基于Web数字参照征询系统设计与实现J.当代图书情报技术.,128:85-88.（8）龚艳冰,梁雪春. 基于组合模型直觉模糊集多属性决策办法J. 控制与决策,(03):469-472.（9）龚艳冰. 基于支持向量机金融衍生品风险评价J. 记录与决策,(05):65-67.（10）龚艳冰. 高校青年教师教学能力培养实践因素分析J. 高等教诲研究学报,(02):61-63.（11）龚艳冰,张继国,梁雪春. 基于全排列多边形综合图示法水质评价J. 中华人民共和国人口.资源与环境,(09):26-31.（12）龚艳冰. 基于正态云模型和熵权河西走廊都市化生态风险综合评价J. 干旱区资源与环境,(05):169-174.（13）龚艳冰,张继国. 基于正态云模型和熵权人口发呈当代化限度综合评价J. 中华人民共和国人口.资源与环境,(01):138-143.（14）张继国,刘新仁. 水文水资源中不拟定性信息熵分析办法综述J. 河海大学学报(自然科学版),(06):32-37.（15）张继国,刘新仁. 降水时空分布不均匀性信息熵分析()基本概念与数据分析J. 水科学进展,(02):133-137.（16）张继国,刘新仁. 降水时空分布不均匀性信息熵分析()模型评价与应用J. 水科学进展,(02):138-143.3、项目负责人以往承担国家、省级等各类科技筹划项目完毕状况重要有关科研项目：（1）面向知识服务知识组织模型与应用研究（国家自然科技基金项目(71273126)，是本项目研究基本）;（2）基于生态理论公司信息系统成长机理及模型研究省教诲厅高校哲学社会科学基金（09SJD870001）；（3）生态视角下公司信息系统成长过程及演化研究中央高校基本科研业务费专项资金项目（B32914）。4、项目实行具备人才队伍、经费配套投入能力及科技服务管理能力；本课题组技术力量雄厚，系统工程、计算机技术、情报学、记录学等专业技术人才，当前有专家1名、副专家2名，讲师3名及多名在读研究生。校区可保证对项目经费予以配套，校区科技处是校区专门科研项目管理单位，有丰富项目管理经验，组织管理工作到位。5、本项目实行也许对环境影响及防止治理方案。本项目实行对环境没有任何影响。五、项目研究预期成果及效益1.设计常州医保数据仓库，按照不同医保主题进行分类和集成形成常州医保数据仓库。2.构建常州医保数据监测和预警指标体系，便于对医保基金运营状态监控，同步可以对医保资金预算和管理提供预警。3.获得研究成果申请软件著作权2项，刊登有关学术论文3篇。六、筹划进度安排与考核指标工作进度重要工作内容4月至7月项当前期调研，医保数据现状分析，明确医保数据设计范畴和内容8月至12月医保数据初步分析、抽取和分类，形成常州静态医保数据网1月至3月对医保数据进行再组织和加工，并进行关联分析，形成按病种、药物等不同方式主题分析4月至7月设计医保数据监测指标体系和预警指标体系8月至12月构建医保数据监测和预警模型1月至3月监测和预警模型应用和完善4月至6月形成常州医保数据监测和预警模型项目完毕后重要考核指标： （1）常州医保数据监测和预警模型一套（2）软件著作权2项（3）刊登学术论文3篇七、经费概算及来源1、经费筹集状况（经费单位：万元）共计自有资金贷款政府部门其她市科技局区科技局其她部门项目总投入806020已投入经费2525新增经费553520已投入经费（涉及政府部门、其她资金投入）状况阐明：已购数据分析、仿真软件Extend等软件，已购磁盘阵列1组和服务器4台2、新增经费预算（单位：万元）经费投入预算经费支出预算来源预算数科目预算数市科技局拨款20支出预算共计80辖市（区）科技局拨款1、人员费