
大数据发力,监管医保骗保及过度医疗_数据分析师培训
“大数据治国”战略已引起人们的高度关注。医疗、公交、气象、食品安全、防灾减灾等被认为是具有大数据基础的政府治理领域,以这些领域为突破口,可以带动公共服务的技术创新、管理创新和服务创新。随着医保覆盖面不断扩大,骗取医保基金及过度医疗问题多发,为此,浙江省2014年以来通过建立信息化的“智慧平台”,加强对医疗服务行为的监管,实现了医保监管方式的重大转变。
骗保多发 花样不少
当前,医保欺诈的形势相当严峻。药店卖生活用品、倒卖医保药品赚取差价已是“小儿科”手段,医保欺诈的数额越来越大,手段也不断花样翻新。“骗保不再仅仅是个人行为,不少医药机构也加入了骗保套现的行列。”浙江省医保中心主任卞正法说。
舟山市一家眼科医院打着“光明行·免费义诊”的旗号,吸引大批病人就诊。浙江省医保部门组织的专项检查发现:从2013年1月至2014年3月6日,该院白内障手术病人300人次,发生医疗费用164.76万元,涉及医保基金98万余元。而这家医院实际上是通过虚开化验单、伪造住院病历等手段将门诊进行的白内障手术,以住院形式刷卡结算,大量套取医保基金。
近年来,此类涉及范围较广、金额较大的骗保行为,不断浮出水面。浙江省2014年组织了为期6个月的医保反欺诈“亮剑”专项行动,包括核查大额报销票据、检查定点医疗机构、巡查定点零售药店、排查门诊医疗费较高人员等6项主要内容。截至2014年12月中旬,仅杭州市就有近200家医药机构因为冒名就诊、挂床住院或利用社会保障卡非法牟利等行为受到处罚。
卞正法告诉记者,有的犯罪团伙以医疗机构为活动场所,以参保病人为目标人群,提供制售虚假发票骗保的“一条龙服务”。义乌市的王某从朋友那里学到这个“发财路子”后,先后多次利用虚假的首都医科大学附属北京天坛医院、中国人民解放军总医院等医疗机构的发票,骗取医保基金55万余元。
据相关部门统计,浙江全省医疗保险参保人员有5000多万,定点医疗服务机构6000多家(不含药店),年就诊人次高达4亿,医保基金年支出600多亿。
“面对海量的数据、信息,如果仍像过去那样依靠人工手段审核,发现问题无疑像大海捞针。”有专家表示。
大数据全程监控
为遏制骗保案件频发及过度医疗问题,浙江省在加大打击力度的同时,通过信息化手段,建立起“智能化”的长效管理机制。
——5000万参保人信息整合,走遍全省一张卡。以往新农合医保报销都是先自费,再通过发票手工操作报销,信息上的滞后统计使不法分子能够在不同医院,以医保的价格囤积大量同类药品,再以市场价售出,在套取现金的同时赚取差价。
2014年9月,浙江省实现居民医保与新农合的合并统筹管理,全省5000多万居民只要有一张社会保障卡,就能在省内定点医疗机构看病就医,并且能够实时结算。“参保人信息的整合是实现智慧管理的第一步,统一报销标准、提高信息化程度是大数据监管的基础。”浙江省人力资源和社会保障厅医保处处长王平洋表示。
——医保医师“一人一码”,规范准入和退出机制。“病人的大部分医保基金,都是通过医生的处方用出去的,只有管理好了医保医师,才能真正管好老百姓的救命钱。”王平洋介绍说,违规开大处方、超量配药、跨科室跨病种配药等违反医保管理规定的行为都会被“记录在案”,扣完了分数的医生必须重新参加医保政策培训,通过考试后才能恢复行医资格。
同时,建立医师准入和退出机制。医保经办机构可以中止或解除医保医师服务协议,情节严重的可注销其服务编码,省内五年内不与其签订医保医师服务协议。“由于现在大部分正规医疗机构都是医保定点医院,这样相当于该医生在省内不会有正规单位聘用了。” 浙江省人力资源和社会保障厅宣传教育中心副主任诸葛晓荣说。
——智能审核,医生身后有“电子眼”。病人在医院看个感冒,常常会要求医生“您顺便帮我开两盒降血压的药吧”,以往医生都会顺手帮病人这个“小忙”,但是有了医保监管平台后,再这么做电脑就立刻会跳出警示语——违规操作。浙江省组织专家制定了首批60个门诊常见病诊疗用药规范。“生什么病,用什么药,大概需要多少费用都在监管平台上有规定。”王平洋说,有了这个智慧系统,就像是在医生身后安装了“电子眼”,时刻规范医生的行为。
医保监管平台还运用大数据,按照预先设定的规则参数,对医院上传的结算数据逐一检查,筛选并标记出可疑数据。“智能审核系统彻底改变了对海量信息逐一审核的传统方式,转变为从可疑信息中发现问题,提升了审核效率。” 卞正法表示。
异地医保更需“大数据一盘棋”
不过,浙江通过“智慧平台”实现医保监管方式重大转变的同时,也遭遇了一些需要上级部门协调帮助才能破解的难题。例如异地医保欺诈难题,就不是浙江以一省之力所能彻底解决的。
2014年上半年,浙江省医保中心工作人员多次奔赴北京、上海、广州、南京等地,追查大额报销票据的真实性。“事前要与外地医疗机构取得联系,得到其配合,发现发票造假情况后,还要向公安部门报案。异地追查牵涉多地多部门,工作难度很大。”卞正法说。
采访中,相关人士建议,国家卫生计生委或者人社部可以考虑建立一个医疗票据全国协查系统,通过掌握及时、准确、有效的数据,并做好数据挖掘和分析处理,进而对医保欺诈行为做出快速准确的判断和决策,堵上异地就医骗保的“漏洞”,降低工作人员核查的成本。
杜绝药店售卖非医保用品也一直是各地医保监管部门的“老大难”,安装摄像头、不定期突击检查都是治标不治本的方法。王平洋认为,最有效的措施应是跟互联网相关——对药品实行电子码监管,把所有药品的信息数据都放在一个分门别类的“货架”里,“每一盒药品在出厂时都有唯一的电子码,进入流通环节后,批发、入库、采购、零售都通过扫码完成,就跟快递一样,到哪一个环节实时显示,透明的追踪能够关闭串换、倒卖药品的一扇门,大数据呈现的开放、平等、共享特征充分实现。”
此外,医保管理人员的思维也需要转变。互联网思维最重要的一点是重视客户体验。对于医保监管部门而言,医疗机构、医生、病人都是“客户”,以往“我出文件你执行”的传统管理思路难以应对监管的新形势,也无法调动医务人员控费控药的积极性。王平洋等认为,未来应寓监管于服务之中。“虽然监管更严格细致了,但老百姓和医生应该感受到的是看病更方便、报销更快捷、基金使用更透明。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29