利用大数据对抗医院号贩子的探索

《利用大数据对抗医院号贩子的探索》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、利用大数据对抗医院号贩子的探索摘要：本文论述了在大数据条件下，如何利用系统中己有的预约和诊疗数据，分析区分正常患者和号贩子的行为特征，并制定相应规则，对号贩子在网上的抢号和虚假预约行为进行防范，进而规范预约挂号秩序的措施。关键词：门诊；预约；号贩子；防范；大数据ExplorationontheUseofBigDataAgainstHospitalTraffickersSHENNing-qiao,JIANGMan,SUNYun,FANGTao,FANXiao-wei，YUChun-Ian(InformationEnginee

2、ringDepartment,AffiliatedHospitalofNanjingUniversityofChineseMedicine,Nanjing210000,Jiangsu,China)Abstract：Thispaperdiscussesthefollowingcontent：Baseontheconditionofbigdata,howtoutilizetheexistingdatainthesystemofappointmentandclinical,analysisofnormalbehaviorchar

3、acteristicsofpatientsandregisterscalper,formulatethecorrespondingrules，toagainstscalper'sbehaviorofrushbookingorfalsebookingontheInternet,andthenstandardizetheorderofmakeanappointment.Keywords：Outpatientservice；Appointment；Scalpers；Guardagains；Bigdata1网络预约号贩子问题的产生

4、原因长期以来，由于优质医疗资源的短缺，挂号难问题一直困扰着医院、医生和广大患者，少数不法之徒利用患者急于找专家诊治的心理，蓄意占用医院紧俏的专家号资源，并加价倒卖，乘人之危，谋取暴利，严重扰乱了医院的就医秩序，侵犯了广大患者以政府定价享受医疗服务的权利。人们对此严重不满，公众媒体对此也进行了多次报道。为了缓解上述问题，我们医院采取了很多措施，如推行实名制就诊，家属代挂号需出示患者身份证及就诊卡等，特别是采用信息技术手段，将热门专家号全部上网预约，取得了一定的成效，号贩倒号现象有所收敛。兄弟医院也有很多采取了类似的措施，根据

5、国家卫计委2015年12月11口新闻发布会公布的数据，截至2015年11月底，全国三级医院预约诊疗率平均值达到32.1%，开展分时预约的医疗机构超过3.9万所，660家三级医院开通手机APP、微信支付等方式服务患者。然而新的问题也随之产生，号贩子在掌握了医院的放号时间和放号规律后，利用抢号软件争抢号源，大量抢古囤积牟利，而真正的患者依然一号难求。2运用人数据防控号贩子的案例分析针对以上情况，我们对预约系统上线运行以来的数据和HIS系统的挂号数据进行了比对和大数据分析，挖掘出了疑似号贩倒号的行为模型和疑似对象，并以季度为周期

6、进行跟踪和分析，对确定确定为号贩子用户立即封号；疑似者锁定跟踪，一旦确定立即封号；非正常但又不构成疑似号贩子者采取提醒与限制预约行为。封号策略不仅封查用户ID号，对应身份证号，手机号，邮箱均不能在医院网站、APP及预约系统中再注册使用。为防止误杀，对于封号用户，我们也提供了申诉与人工再次审核的渠道，具体做法是：用户上传手持身份证与诎部特征契合的照片，以及盖有我院医生签名章的本人处方副联或病历的照片，供人工审核。以下我们以对2016年一季度某知名专家的预约数裾为例进行阐述：预约申请400人次，预约成功194人次，退约17人次

7、，预约64人数，退约16人数。2016年一季度某知名专家预约挂号用户异常行为统计。该专家一季度门诊共38个班次（半天），全部为预约号，从表一可以看出，该专家平均班次诊疗预约患者10.68人次，预约成功率为0.142，远小于全院专家预约成功率0.465的1/3（主观设定），属重点关注专家。从退约情况看，？专家每班次退约人次达1.5,远大于全院平均数的2/3（主观设定），退预约人次比达0.186,退/预约人数比达到0.11,明显超出合理范围。所以，系统判断该专家的网络预约屮有高度疑似的号贩子行为，需进行进一步的比对分析。从实际

8、情况來看，门诊部也接到了部分患者的投诉，反映该专家号有号贩子在倒卖号源。在进一步的分析中，我们利用系统回顾了该专家所有预约患者1〜3月份的预约行为，并与HIS系统中的数据进行了联合查询（考虑到有来不及退约，而是挂号后再退号的情况），得出了预约用户中存在异常行为的用户列表，如表1所示。其中2号用户，一个手