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

ID:28203981

大小:76.12 KB

页数:5页

时间:2018-12-08

利用大数据对抗医院号贩子的探索_第1页
利用大数据对抗医院号贩子的探索_第2页
利用大数据对抗医院号贩子的探索_第3页
利用大数据对抗医院号贩子的探索_第4页
利用大数据对抗医院号贩子的探索_第5页
资源描述:

《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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。