數(shù)學(xué)建模醫(yī)保欺詐行為的主動發(fā)現(xiàn)

醫(yī)保欺詐行?為的主動發(fā)?現(xiàn)摘要對于醫(yī)保詐?騙行為，我們認(rèn)為僅?通過一個模?型直接找出?所有的欺詐?類型既不準(zhǔn)?確，操作起來又?比擬困難。所以我們根?據(jù)題附件中?的費用明細?表，通過分析費?用數(shù)據(jù)與詐?騙行為之間?的關(guān)系建立?模型一；根據(jù)各個表?中出現(xiàn)的異?常值，我們將異常?值視為可能?是醫(yī)保欺詐?行為，并由此建立?模型二。針對模型一?，我們從三方?面考慮。首先，單張?zhí)幏降?總價過高可?能為欺詐，但是考慮到?總價與單價?、數(shù)量之間的?相互影響，對此我們先?對單價、數(shù)量、總價進行相?關(guān)分析，發(fā)現(xiàn)單價與?總價呈弱相?關(guān)；然后用聚類?分析對醫(yī)囑?子類、單價、數(shù)量、總價進行分?類，案例數(shù)少的?類即有欺詐?嫌疑；其次，對病人ID?號標(biāo)記重復(fù)?個案，由于重復(fù)個?案所占比例?較大，對重復(fù)個案?進一步進行?了聚類分析?；最后，假設(shè)下醫(yī)囑科?室與病人科?室不一致那么?可能為欺詐?，對此我們繪?制了簡單線?圖，不在y=x直線上的?即為欺詐記?錄。針對模型二?，建立合理的?欺詐評判標(biāo)?準(zhǔn)，檢測其中的?異常數(shù)據(jù)，進而對醫(yī)保?行為作出識?別。首先，構(gòu)建基于L?ogist?ic分析的?精煉欺詐識?別因子模型?。建立Log?it回歸模?型并用SP?SS軟件進?行統(tǒng)計分析?，通過分析回?歸模型的擬?合優(yōu)度和因?素顯著性檢?驗，提取出具有?顯著有效性?的欺詐識別?因子作為后?續(xù)模型的學(xué)?習(xí)樣本標(biāo)準(zhǔn)?。構(gòu)建無導(dǎo)師?學(xué)習(xí)的自組?織特征映射?〔SOFM〕神經(jīng)網(wǎng)絡(luò)模?型。即以Log?it統(tǒng)計分?析提取的具?有顯著有效?性的欺詐識?別因子作為?輸入變量建?立SOFM?神經(jīng)網(wǎng)絡(luò)模?型，導(dǎo)入所有待?檢測數(shù)據(jù)，通過SOF?M神經(jīng)網(wǎng)絡(luò)?模型仿真，將所有數(shù)據(jù)?信息進行分?類，輸出結(jié)果為?不同類型的?數(shù)據(jù)，即可對醫(yī)保?欺詐行為進?行主動識別?。關(guān)鍵詞：醫(yī)保欺詐標(biāo)記重復(fù)個?案相關(guān)分析logit?模型SOFM神?經(jīng)網(wǎng)絡(luò)一、問題重述1.1問題的背?景隨著我國社?會醫(yī)療保險?體系的不斷?開展，人民的醫(yī)保?福利水平日?益提高，一些醫(yī)保體?系中的問題?也日益顯著?，其中焦點問?題之一就是?醫(yī)保詐騙行?為。1.2問題的復(fù)?述醫(yī)療保險欺?詐，是指公民、法人或者其?他組織在參?加醫(yī)療保險?、繳納醫(yī)療保?險費、享受醫(yī)療保?險待遇過程?中，成心捏造事?實、弄虛作假、隱瞞真實情?況等造成醫(yī)?療保險基金?損失的行為?。騙保人進行?醫(yī)保欺詐時?通常使用的?手段，一是拿著別?人的醫(yī)?？?配藥，二是在不同?的醫(yī)院和醫(yī)?生處重復(fù)配?藥。下面這些情?況都有可能?是醫(yī)保欺詐?：單張?zhí)幏剿?費特別高，一張卡在一?定時間內(nèi)反?復(fù)屢次拿藥?等。請根據(jù)附件?中的數(shù)據(jù)，找出可能的?欺詐記錄。問題分析根據(jù)問題中?對騙保人進?行醫(yī)保欺詐?時的常用手?段，以及可能屬?于醫(yī)保欺詐?行為的情況?，經(jīng)過分析我?們可以將問?題分為以下?幾個方面來?解決。1、判斷是否為?醫(yī)保欺詐行?為，需要從病人?資料中的身?份證號、醫(yī)保手冊號?、Useru?pdate?〔用戶更新次?數(shù)〕這三方面考?慮。對此利用S?PSS軟件?使用標(biāo)識重?復(fù)個案、聚類分析的?方法，通過分析運?行結(jié)果，做出重復(fù)個?案與主個案?所占比例、聚類中兩類?所占比例的?餅狀圖。通過餅狀圖?，可直觀看出?，所占比例的?小的可能為?欺詐記錄。2、首先第一步?，對數(shù)據(jù)進行?分析，構(gòu)建基于L?ogist?ic分析的?精煉欺詐識?別因子模型?。基于第一步?處理的欺詐?案評判標(biāo)準(zhǔn)?數(shù)據(jù)間的關(guān)?系，建立Log?it回歸模?型并用SP?SS軟件進?行統(tǒng)計分析?，通過分析回?歸模型的擬?合優(yōu)度和因?素顯著性檢?驗，提取出具有?顯著有效性?的欺詐識別?因子作為后?續(xù)模型的學(xué)?習(xí)樣本標(biāo)準(zhǔn)?。第三步，構(gòu)建無導(dǎo)師?學(xué)習(xí)的自組?織特征映射?〔SOFM〕神經(jīng)網(wǎng)絡(luò)模?型。即以Log?it統(tǒng)計分?析提取的具?有顯著有效?性的欺詐識?別因子作為?輸入變量建?立SOFM?神經(jīng)網(wǎng)絡(luò)模?型，在待檢測數(shù)?據(jù)中抽取一?局部樣本數(shù)?據(jù)訓(xùn)練SO?FM神經(jīng)網(wǎng)?絡(luò)，得到欺詐行?為識別模型?。第四步，導(dǎo)入所有待?檢測數(shù)據(jù)，通過SOF?M神經(jīng)網(wǎng)絡(luò)?模型仿真，將所有數(shù)據(jù)?信息進行分?類，輸出結(jié)果為?不同類型的?數(shù)據(jù)，即可對醫(yī)保?欺詐行為進?行主動識別?。三、問題的假設(shè)?1、假設(shè)醫(yī)保欺?詐只是患者?單方面行為?，不存在醫(yī)患?合謀和醫(yī)療?機構(gòu)“引至欺詐〞情況。2、假設(shè)數(shù)據(jù)來?源真實有效?。

3,、假設(shè)分析過?程中，數(shù)據(jù)無缺失?。

4、假設(shè)對每個?聚類分析結(jié)?果，使用同一評?判標(biāo)準(zhǔn)。5、假設(shè)附所有?保險的有關(guān)?規(guī)定沒各個?指標(biāo)。

6、假設(shè)所有的?相關(guān)數(shù)據(jù)具?有獨立性相?呼影響。

四、符號說明變量標(biāo)準(zhǔn)方差初始聚類中?心樣本與聚類?中心的距離?誤差平方和?準(zhǔn)那么函數(shù)歐式距離新聚類中心?Pears?on相關(guān)系?數(shù)

Pears?on相關(guān)系?數(shù)檢驗統(tǒng)計?量2個一級指?標(biāo)i=1,2

5個二級指?標(biāo)i=1,2j=1,2,33個成比照?矩陣i=1，2，3=矩陣按行求?和矩陣的最大?特征值W5個指標(biāo)最?終權(quán)重CT一致性檢驗?指標(biāo)

RI隨機一致性?指標(biāo)CR一致性比率?

t1欺詐程度閾?值

五、模型的建立?與求解5.1模型一：基于費用明?細的醫(yī)保欺?詐行為主動?發(fā)現(xiàn)5.1.1模型一的?分析醫(yī)療保險欺?詐行為，通過分析病?人的費用明?細表中的各?項數(shù)據(jù)也可?以找出可能?的欺詐行為?表現(xiàn)，主要從單張?處方的總價?過高、病人ID號?是否重復(fù)過?多、下醫(yī)囑科室?與病人科室?是否一致這?三個方面考?慮。

在附件給出?的表2中，通過對各個?變量進行K?均值聚類分?析，可以將數(shù)據(jù)?分為幾類，案例數(shù)少的?那么可能是欺?詐行為。但是考慮到?單價、數(shù)量、總價之間的?相互影響，對此我們使?用了SPS?S中相關(guān)性?分析找出三?個變量的相?關(guān)性，并用圖標(biāo)構(gòu)?建程序繪制?了簡單3-D散點圖。對于病人I?D號與模型?一的分析一?樣，使用標(biāo)記重?復(fù)個案的方?法，找到重復(fù)的?記錄，即可能為醫(yī)?保欺詐行為?。而下醫(yī)囑科?室與病人科?室應(yīng)該是一?致的，假設(shè)不一致即?為欺詐，因此對下醫(yī)?囑科室和病?人科室繪制?簡單線圖。

?建立:〔1〕數(shù)據(jù)標(biāo)準(zhǔn)化?

由于所選數(shù)?據(jù)的量綱和?數(shù)值大小都?不一致，數(shù)值的變化?范圍也不同?，因此必須首?先對所選數(shù)?據(jù)進行標(biāo)準(zhǔn)?化處理，如果有n個?樣本，m個指標(biāo)，那么每個變量?可表示為，均值〔1〕標(biāo)準(zhǔn)方差為?〔2〕標(biāo)準(zhǔn)化以后?的式子為〔3〕〔2〕聚類分析

系統(tǒng)聚類，將n個重復(fù)?個案結(jié)果各?自看成一類?，然后規(guī)定樣?本之間的距?離和類與類?之間的距離?。開始，因每個結(jié)果?自成一類，類與類之間?的距離與個?案之間的距?離是相等的?，選擇距離最?小的一對并?成一個新類?，計算新類與?其他類的距?離，再將距離最?近的兩類合?并，這樣每次少?一類，直至所有的?個案都成一?類為止，最終完成分?類。設(shè)有n個樣?本，令I(lǐng)=1,選取K個初?始聚類中心?：；計算每一個?數(shù)據(jù)樣本與?聚類中心之?間距離：〔4〕如果滿足；計算誤差平?方和準(zhǔn)那么函?數(shù)JC，公式如下：〔5〕判斷是否滿?足聚類算法?結(jié)束條件：如果，那么表示算法?結(jié)束，否那么，I=I+1，計算下一個?新的聚類中?心，并返回2,新的聚類中?心計算公式?如下:〔6〕距離：對重復(fù)個案?結(jié)果進行聚?類時，“靠近〞往往由某種?距離來刻畫?。

令表示第個?重復(fù)個案結(jié)?果的第個指?標(biāo)，表示第個重?復(fù)個案與第?個重復(fù)個案?之間的距離?，最常見計算?距離的方法?是：歐幾里德距?離〔7〕上式即為歐?氏距離?！?〕相關(guān)性分析?：

相關(guān)分析是?描述兩個變?量間關(guān)系的?密切程度，主要由相關(guān)?系數(shù)值表示?，當(dāng)相關(guān)系數(shù)?r的絕對值?越接近于1?，那么表示兩個?變量間的相?關(guān)性越顯著?。雙變量系數(shù)?測量的主要?指標(biāo)有卡方?類測量、Spear?man相關(guān)?系數(shù)、pears?on相關(guān)系?數(shù)等，在進行兩者?間的相關(guān)性?檢驗時用p?earso?n相關(guān)系數(shù)?來判斷，其公式為：〔8〕Pears?on簡單相?關(guān)系數(shù)檢驗?統(tǒng)計量為：〔9〕其中統(tǒng)計量?服從個自由?度的分布。?求解

考慮到單價?、數(shù)量、總價之間的?相互影響，對這三個變?量進行了雙?變量相關(guān)分?析，圖8為三個?變量的相關(guān)?性分析統(tǒng)計?表，

圖9單價、數(shù)量、總價的簡單?3-D散點圖。表-1單價、數(shù)量、總價相關(guān)分?析統(tǒng)計表圖-1單價，數(shù)量，總價的簡單?3-D散點圖(2)用k均值聚?類分析對醫(yī)?囑子類、單價、數(shù)量、總價進行聚?類。最終聚類中?心結(jié)果見表?-2，表-3是這四個?變量的單因?素方差分析?表，表-4是運用k?-均值聚類分?析求出的重?復(fù)個案數(shù)。表-2病人ID號?重復(fù)個案的?最終聚類中?心

表-3醫(yī)囑子類、單價、數(shù)量、總價的單因?素方差分析?表圖-2醫(yī)囑子類、單價、數(shù)量、總價的最終?聚類中心條?形圖表-4k均值聚類?分析中的重?復(fù)個案聚類?上述所有統(tǒng)?計結(jié)構(gòu)的分?析：〔1〕從相關(guān)分析?的統(tǒng)計表中?，可以看出單?價與總價的?相關(guān)性為0?.456〔弱相關(guān)〕，而數(shù)量與總?價的相關(guān)性?為0.116〔不相關(guān)〕，所以認(rèn)為，單價與總價?有一定的相?關(guān)性?！?〕從圖10中?看出，將醫(yī)囑子類?、單價、數(shù)量、總價分為1?0類；圖12為醫(yī)?囑子類、單價、數(shù)量、總價的每個?聚類的案例?數(shù)，發(fā)現(xiàn)第1、2、4類的單價?過高；第3、10類退藥?數(shù)量大，第8類買藥?數(shù)量大；第1、3類單張?zhí)?方退藥金額?大；第2、4、6類單張?zhí)?方藥費高。以上所述的?都有可能為?醫(yī)保欺詐記?錄?！?〕圖14統(tǒng)計?出病人ID?號重復(fù)個案?占總數(shù)的7?7.6%，對此再進行?聚類分析，結(jié)果見圖1?5；由圖16可?知，第5、7、8、10類案例?數(shù)較少，這些類的最?終聚類中心?大于25，此特征可能?為欺詐。

〔4〕根據(jù)圖17?繪制的下醫(yī)?囑科室與病?人科室簡單?線圖，可以看出有?個別記錄不?在y=x線上，即為下醫(yī)囑?科室與病人?科室不一致?，因此為醫(yī)保?欺詐行為。

〔5〕在圖11的?單因素方差?分析中，醫(yī)囑子類、單價、數(shù)量、總價的P值?均為0，說明各類在?統(tǒng)計學(xué)上均?有明顯差異?，將其作為分?類標(biāo)準(zhǔn)是合?適的。?建立與求解??t模型的建?立我們把事件?發(fā)生的情況?定義為1，事件未發(fā)生?的情況定義?為0。這樣在保險?欺詐識別模?型中，取值為0、1的因變量?可以寫作：

〔10〕我們通常以?表示事件發(fā)?生的概率〔那么事件未發(fā)?生的概率為?〕，并把看作自?變量的函數(shù)?。在本論文中?，醫(yī)療保險是?醫(yī)療欺詐的?概率為。

對于是0-1型Ber?noull?i模型，有如下分布?：〔11〕通過log?istic?轉(zhuǎn)換，索賠事件的?對數(shù)概率發(fā)?生比寫成l?ogit模?型：〔12〕Logit?一方面表達?出它是醫(yī)療?欺詐索賠概?率p的轉(zhuǎn)換?單位;另一方面，它作為回歸?的因變量就?可以與自變?量識別因子?之間的依存?關(guān)系保持傳?統(tǒng)回歸模型?：〔13〕其中分別為?個識別因子?：為常數(shù)項，分別為個自?變量的回歸?系數(shù)。5.2.2logit?模型的求解?1、欺詐識別因?子的選取

欺詐識別因?子是指可以?觀測或測量?到的，能夠刻畫保?險欺詐特征?的有效信息?點，用以作為欺?詐識別模型?的解釋變量?。根據(jù)給出的?數(shù)據(jù)，本文選取了?一下13個?指標(biāo)作為識?別因子：

〔1〕被保人特征?：

性別、年齡、是否有固定?單位、是否死亡、是否留有手?機號。

〔2〕醫(yī)保單特征?：

醫(yī)囑日期和?結(jié)算日期間?隔、下醫(yī)囑科室?、醫(yī)囑子類、醫(yī)囑數(shù)量、執(zhí)行科室、核算分類、費用、單價。

2、選取局部記?錄進行初步?判定

由于log?ist模型?的要求，必須先對一?小局部記錄?進行初步判?定，利用sql?語句〔詳見附錄2?〕選取每一欄?目中異常數(shù)?據(jù)，然后利用統(tǒng)?計學(xué)分布等?知識選取判?定這一小部?分?jǐn)?shù)據(jù)，結(jié)果如下表?：表-5局部記錄?判定結(jié)果3、欺詐識別因?子的精煉

運用二元離?散選擇模型?對選取的1?3個欺詐識?別因子經(jīng)行?邏輯回歸分?析，從中獲取具?有顯著性的?因子。本文通過S?PSS

?樣本數(shù)據(jù)的?logit?回歸分析,所得結(jié)果見?下表：

參數(shù)設(shè)定為?：方法-進入

步進概率：進入〔N〕=0.05，刪除〔V〕=0.1；分類標(biāo)準(zhǔn)值?〔U〕：0.5；最大迭代次?數(shù)：50；

Exp〔B〕的C.l.〔X〕：95%。

表-6分類表表-7迭代歷史記?錄Block?擬合的是只?含有常數(shù)的?無效模型，表3為迭代?歷史記錄，估計在迭代?終止初始的?對數(shù)似然值?到達825?.358；表4為分類?預(yù)測表，可見在60?0例觀察值?記錄中，269例被?預(yù)測為0，331被預(yù)?測為1。表-8logit?回歸包含在?防潮層中的?變量估計值?以及檢驗在沒有引入?任何變量時?方程的變量?估計值及檢?驗值如表5?所示，常變量系數(shù)?值為0.27，概率為0.082，可見常量對?方程有顯著?性意義。因為回歸采?用Ente?r方法，處了檢查容?忍度

之外，沒有其他任?何進入標(biāo)準(zhǔn)?，所有選擇的?變量都會進?入回歸方程?。將變量分別?引入回歸方?程后對方程?的顯著性影?響如表6所?示?？梢娦詣e、醫(yī)囑子類、是否留有手?機號、執(zhí)行科室、單價等五個?因子引入方?程對方程沒?有顯著性影?響。表-9logit?回歸不包含?在方程中的?變量進入方?程?識別的SO?FM神經(jīng)網(wǎng)?絡(luò)模型以Logi?t統(tǒng)計分析?提取的具有?顯著有效性?的欺詐識別?因子作為輸?入變量建立?SOFM神?經(jīng)網(wǎng)絡(luò)模型?，在待檢測數(shù)?據(jù)中抽取一?局部樣本數(shù)?據(jù)訓(xùn)練SO?FM神經(jīng)網(wǎng)?絡(luò)，得到欺詐行?為識別模型?。導(dǎo)入所有待?檢測數(shù)據(jù)，通過SOF?M神經(jīng)網(wǎng)絡(luò)?模型仿真，將所有數(shù)據(jù)?信息進行分?類，輸出結(jié)果不?同類型的數(shù)?據(jù)，即可對醫(yī)保?欺詐行為進?行主動識別?。SOFM神?經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)?模型的根本?結(jié)構(gòu)如下列圖?所示：圖-3SOFM神?經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)?模型根本結(jié)?構(gòu)圖基于SOF?M神經(jīng)網(wǎng)絡(luò)?算法的根本?功能函數(shù)，神經(jīng)元的輸?出可以采用?兩種方式：〔1〕內(nèi)積形式〔14〕歐氏距離形?式〔15〕

接下來運用?處理之后的?數(shù)據(jù)對構(gòu)建?的神經(jīng)網(wǎng)絡(luò)?模型進行訓(xùn)?練，基于最小均?方誤差算法?，以均方誤差?作為反映模?型預(yù)測精度?的標(biāo)準(zhǔn)，與最速下降?法沒有本質(zhì)?上的差異。最標(biāo)準(zhǔn)最速?下降法實際?應(yīng)用中往往?收斂速度慢?，因此作為改?進權(quán)值更新?階段引入動?量因子,使本次權(quán)值?的更新方向?和幅度不僅?與本次計算?的梯度有關(guān)?還與更新有?關(guān)，使權(quán)值更新?有一定的慣?性。研究中動量?因子設(shè)定為?0.9。

模型經(jīng)過9?4次訓(xùn)練誤?差精度到達??5小于目標(biāo)?0.01，訓(xùn)練結(jié)束，訓(xùn)練過程如?下：圖-4模擬訓(xùn)練?過程圖訓(xùn)練后模型?的擬合優(yōu)度??，較為理想。在合理的容?錯限度內(nèi)可?以較為準(zhǔn)確?地進行數(shù)據(jù)?擬合和預(yù)測?。運用上述已?經(jīng)成型的神?經(jīng)網(wǎng)絡(luò)模型?，將數(shù)據(jù)導(dǎo)入?其中得到了?結(jié)果圖:圖-5模型求解?結(jié)果圖在10%的容錯限度?內(nèi)判定準(zhǔn)確?率到達85?.17%，在20%容錯限度內(nèi)?準(zhǔn)確率到達?96.65%，可以認(rèn)為準(zhǔn)?確率很高。運用MAT?LAB語句?選取概率在??單記錄視為?存在醫(yī)療保?險欺詐的行?為結(jié)果給出?了797條?，局部數(shù)據(jù)如?下表所示：表-10利用SOF?M神經(jīng)網(wǎng)絡(luò)?模型得到存?在醫(yī)療欺詐?的賬單記錄?．六、模型的評價?與改良?點

1．利用log?istic?模型能夠?qū)?初步確定的?欺詐識別因?子進行顯著?性水平檢驗?，從而篩選出?顯著性高的?識別因子；

2．以logi?t回歸分析?得到的顯著?有效地欺詐?識別因子作?為輸出變量?建立BP神?經(jīng)網(wǎng)絡(luò)模型?，從樣本中選?取一局部樣?本作為訓(xùn)練?樣本，用訓(xùn)練樣本?來訓(xùn)練神經(jīng)?網(wǎng)絡(luò)，使神經(jīng)網(wǎng)絡(luò)?更加合理，更加成熟；

3．模型能適用?于其他各種?醫(yī)療保險欺?詐的識別，整個模型有?很好的通用?性。?點:

?

費用明細表?數(shù)據(jù)時，對于不完整?數(shù)據(jù)和主觀?認(rèn)為不相關(guān)?數(shù)據(jù)源進行?了主觀性忽?略，可能會導(dǎo)致?一些重要指?標(biāo)的喪失以?及各個因素?間的影響?！?〕醫(yī)療詐騙的?行為很多，所以表現(xiàn)也?多。本模型分析?的醫(yī)療詐騙?行為可能不?完善，所以有的詐?騙行為可能?難以區(qū)分。七、參考文獻[1]

劉長騫，?K均值算法?改良及在網(wǎng)?絡(luò)入侵檢測?中的應(yīng)用?，?計算機仿真??,28(3)：190-193，2021年?

[2]

向繼

高能

荊繼武，?聚類算法在?網(wǎng)絡(luò)入侵檢?測中的應(yīng)用??，?計算機工程??，29(16)：48-50，2003年?

[3]

姜啟源

謝金星

葉俊，?數(shù)學(xué)模型?，北京：高等教育出?版社，2021年?

[4]

李德宜

李明，?數(shù)學(xué)建模?，北京：科學(xué)出版社?，2021年?

[5]

丁國盛

李濤，?SPSS統(tǒng)?計教程?，北京：機械工業(yè)出?版社，2006年?

[6]

薛薇，?統(tǒng)計分析與?SPSS的?應(yīng)用?，北京：中國人民大?學(xué)出版社，2021[6]

姜啟源．?dāng)?shù)學(xué)模型〔第三版〕[M]．北京：高等教育出?版社，1999．

[7]

韓中庚．?dāng)?shù)學(xué)建模方?法及其應(yīng)用?〔第二版〕[M]．北京：高等教育出?版社，2021．

[8]

王沫然．MATLA?B與科學(xué)計?算．北京：電子工業(yè)出?版社，2003年?．

[9]

劉瀟．社會醫(yī)療保?險道德風(fēng)險?及其控制機?制研究——基于醫(yī)療服?務(wù)供需雙方?的分析．北京：中國人民大?學(xué)，2021年?．

附錄附錄1

計數(shù)程序

ii=331;

sum=0;

for

i=1:ii

if

if

sum=sum+1;

rrr(i)=1;

end

end

end

附錄2

數(shù)據(jù)庫中對?數(shù)據(jù)進行預(yù)?處理程序

selec?t

WORKL?OAD_R?OWID

as

購藥記錄,WORKL?OAD_A?RPBL_?DR

as

賬單號,

WORKL?OAD_I?TEMCA?T_DR

as

醫(yī)囑子類,

WORKL?OAD_I?TEMOR?D_DR

as

醫(yī)囑項,

WORKL?OAD_O?RDDAT?E

as

醫(yī)囑日期,

WORKL?OAD_F?LAGDA?TE

as

結(jié)算日期,

conve?rt(float?,

conve?rt(datet?ime,

WORKL?OAD_F?LAGDA?TE-WORKL?OAD_O?RDDAT?E))

as

時間間隔,

WORKL?OAD_P?APMI_?DR

as

醫(yī)保對象,

PAPMI?_DOB

as

出生日期,

PAPMI?_MEDI?CARE

as

病例號,PAPMI?_NAME?3

as

醫(yī)保手冊號?,

PAPMI?_SEX_?DR

as

性別,

PAPMI?_DECE?ASED

as

是否死亡,

PAPMI?_DECE?ASED_?DATE

as

死亡日期,

PAPMI?_SECO?NDPHO?NE

as

工作單位,PAPMI?_MOBP?HONE

as

號,

WORKL?OAD_P?ATDEP?_DR

as

下醫(yī)囑科室?,

WORKL?OAD_Q?UANTI?TY

as

醫(yī)囑數(shù)量,

WORKL?OAD_R?ECDEP?_DR

as

執(zhí)行科室,

WORKL?OAD_R?ESDOC?_DR

as

下醫(yī)囑醫(yī)生?,WORKL?OAD_T?AREC_?DR

as

核算分類,

WORKL?OAD_T?OTALP?RICE

as

費用,

WORKL?OAD_U?NITPR?ICE

as

單價

updat?e

Sheet?1$

set

醫(yī)囑數(shù)量=0-醫(yī)囑數(shù)量

where?

醫(yī)囑數(shù)量<0

updat?e

Sheet?1$

set

單價=0-單價

where?

單價<0

updat?e

Sheet?1$

set

費用=0-費用

where?

費用<0

updat?e

Sheet?1$

set

年齡=dated?iff(YEAR