正文主体部分之“讨论”

中国卫生产业
性别、年龄、住院时间长短等不同情况下医疗费用情况,以及患者就医时职工医保及居民医保的使用情况。

通过数据挖掘技术的分析得到详细而清晰的费用报告,可以减少医疗保险管理人员的大量计算,有利于提高工作效率和数据准确性,及时分析发生异常情况并追查原因,有利于医院加强对医疗保险患者看病就医的规范管理[6]。

4.3医保费用控制中需要分析的信息
①医院,主要是借助数据挖掘技术对医院月度、年度的医疗保险费用进行分析;②科室,以科室月度或年度时间为依据进行信息分析,分析截取时间段内医疗保险患者的费用情况。

③患者,包括患者的医保费用和超出限额的部分。

④药物,主要是医疗保险患者的药物清单和医疗过程中使用药物。

⑤医疗保险范围内的检查项目,患者检查项目。

⑥单一疾病,主要分析患者的患病类型。

这些庞大而又复杂的信息通过数据挖掘技术可以很快地给出分析结果,为医院医疗保险的管理创造了很大的便利[7]。

数据挖掘技术在医疗保险中的应用,可以对医院的
医保信息化系统进行升级完善,提高医保的管理效率[8]。

其精准的数据分析有利于深化医院医保的精细化管理,
帮助医院实现医保稳定健康持续发展。

[参考文献]
[1]李璟,胡立勇,肖鸥,等.数据挖掘技术在医保管理平台中的
应用[J].中国数字医学,2016,11(5):79-80.
[2]彭雯君.数据挖掘技术对医疗保险费用控制中的作用解析[J].
现代经济信息,2016(24):371.
[3]廖亮.数据挖掘技术在医疗信息管理中的应用[J].中国科技
信息,2016(11):54.
[4]赵青.医疗保险信息系统的数据仓库与数据挖掘初探[J].人
力资源管理,2018(3):9-10.
[5]张庆涛.加强医保信息化建设深化医院医保精细化管理[J].
中国卫生产业,2016,13(5):4-6.
[6]刘丹.计算机数据挖掘城镇居民大病保险中的应用分析[J].
科技创新导报,2017(21):128-129.
[7]李怡.数据挖掘技术及应用[J].科技资讯,2017,15(24):21-22.
[8]张海燕.新形势下医院医保的精细化管理[J].中国卫生产
业,2016,13(15):16-18.
(收稿日期:2018-07-08)
正文主体部分之“讨论”
1.着重讨论研究结果的创新之处及从中导出的结论,包括理论意义、实际应用价值、局限性,及其对进一步研究的
启示等。

如果不能导出结论,也可通过讨论,提出建议、设想、改进意见或待解决的问题等。

2.应将本研究结果与其他有关的研究相比较,并将本研究结论与目的联系起来讨论。

3.不必重述已在前言部分介绍过的背景和在结果部分详述过的数据或资料。

不应列入图或表。

性别年龄(岁)
住院天数(d)
付费方式
特征男女
0~67~1718~4041~65
65~
0~45~9
10~14
15~职工医保居民医保
分类9342.957515.314028.645400.526580.499049.77
10487.283942.277256.5711426.5422648.949206.497318.62总费用4026.842628.711280.761674.241771.543749.564858.63969.44
2608.354978.14
10422.443871.382598.98药品费用312.72274.48274.07272.55338.11284.71301.17137.41261.66393.29869.32291.29298.83
耗材费用134515001962.501600.001520.001360.001127.50630.00
1550.001680.001892.501325.001520.00
手术费用3223.43
2951.9951912.932482.842942.043126.813474.221427.932688.934031.117371.773264.632842.03甲类4865.523305.021439.841903.242003.104693.945667.651391.833176.985773.03
11717.064728.683163.65乙类非医保414.25408.43498.03471.04471.24349.10420.48227.36384.20468.60821.18395.85436.88
表2不同人口学特征患者各项目次均费用的中位数(元)
178。