大數(shù)據(jù)環(huán)境下醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警平臺關(guān)鍵技術(shù)研究應(yīng)用

科技專項：科技惠民籌劃類別：科技支撐籌劃（社會發(fā)展）指南代碼：3140（其她社會事業(yè)）常州市科技籌劃項目申報書(科技支撐籌劃--社會發(fā)展)項目名稱：大數(shù)據(jù)環(huán)境下醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警平臺核心技術(shù)研究承擔(dān)單位：河海大學(xué)常州校區(qū)所在地區(qū)：常州市新北區(qū)單位地址：江蘇省常州市晉陵北路200號郵編：213022項目負(fù)責(zé)人：徐緒堪電話：主管部門：常州市科技局申報日期：4月23日常州市科學(xué)技術(shù)局二○一三年

一、立項根據(jù)1、本項目國內(nèi)外科技創(chuàng)新發(fā)展概況和最新發(fā)展趨勢隨著常州市社會保障信息系統(tǒng)廣泛應(yīng)用，特別是醫(yī)保數(shù)據(jù)爆炸式增長，積累了海量歷史數(shù)據(jù)，數(shù)據(jù)量更是有1.5T之多。這些數(shù)據(jù)有對醫(yī)保行業(yè)最核心資金數(shù)據(jù)，尚有尚未被運用病人信息、醫(yī)院信息、治療項目和藥方信息等，對這些高關(guān)注度民生數(shù)據(jù)應(yīng)用大多停留在錄入、查詢、修改和簡樸記錄等數(shù)據(jù)呈現(xiàn)功能。而當(dāng)前對惡意配藥等騙保行為監(jiān)管還重要靠人工，面對日益膨脹數(shù)據(jù)，僅靠人工檢測已明顯不能滿足需求。因此當(dāng)前已有醫(yī)保系統(tǒng)無法對醫(yī)保資金進行有效監(jiān)管，也無法獲取病人治療等規(guī)律或變化趨勢，由于醫(yī)保資金涉及范疇廣、人數(shù)多、業(yè)務(wù)復(fù)雜等特點，雖有配藥、治療、費用使用明細(xì)等信息，但這些信息沒有得到充分運用和發(fā)揮效益，難覺得人社局制定政策、資金預(yù)算和監(jiān)管提供決策支持。1.1醫(yī)保數(shù)據(jù)高關(guān)注度和高敏感度醫(yī)保數(shù)據(jù)重要涉及社會醫(yī)療保險基金征繳和使用，而醫(yī)療保險基金是為實行社會醫(yī)療保險制度而建立起專項基金,是予以參保人員基本醫(yī)療保障經(jīng)濟基本。它重要由參保個人及單位所繳納醫(yī)療保險費構(gòu)成,并交專門經(jīng)辦機構(gòu)統(tǒng)一組織與管理,用于補償參保人員因疾病所需要醫(yī)療費用"醫(yī)療保險基金是貨幣形態(tài)后備資金,是職工“保命錢”。常州醫(yī)保系統(tǒng)根據(jù)醫(yī)保政策及各種待遇極其復(fù)雜，重要涉及職工醫(yī)療保險、居民醫(yī)療保險、低保二次補貼、大病救濟等,。醫(yī)保數(shù)據(jù)直接關(guān)系到常州廣大群眾“治病救命”切身利益，同步也關(guān)系到常州國計民生和社會穩(wěn)定,對平穩(wěn)安全運營保障規(guī)定極高。因而研究醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警顯得非常必要。醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警是一項以防范和控制醫(yī)?；疬\營風(fēng)險為目的復(fù)雜且長遠(yuǎn)課題,其涉及參保人員,各級醫(yī)療機構(gòu),醫(yī)生體系,定點藥店等多方面，人力資源和社會保障信息中心擁有所有參保人賬戶信息,醫(yī)療機構(gòu)信息,藥店和藥物信息等等，同步還維護了所有參保人就診、購藥等海量實時數(shù)據(jù)信息。醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警核心問題在于如何從海量數(shù)據(jù)中獲得有價值信息，從而指引醫(yī)療保險政策決策，提高醫(yī)療效果和管理效率。當(dāng)前國內(nèi)醫(yī)療保險信息化已經(jīng)逐漸完善,數(shù)據(jù)庫和數(shù)據(jù)倉庫技術(shù)對醫(yī)療保險實時交易數(shù)據(jù)和歷史數(shù)據(jù)存儲起到了重要作用,在醫(yī)療保險信息化過程中操作型數(shù)據(jù)庫記錄了大量詳細(xì)醫(yī)保有關(guān)交易信息,并通過每日更新至數(shù)據(jù)倉庫，數(shù)據(jù)倉庫保存海量歷史數(shù)據(jù),并維護數(shù)據(jù)精確性，通過對數(shù)據(jù)倉庫記錄分析等操作可以生成業(yè)務(wù)報表,然而隨著業(yè)務(wù)需求不斷擴大,對運營決策支持需求日益強烈背景下,簡樸報表己經(jīng)不能滿足需要，醫(yī)療保險機構(gòu)決策者和醫(yī)?；疬\營監(jiān)管人員但愿可以從海量數(shù)據(jù)中獲取更多知識,以輔助決策和監(jiān)管,維護基金穩(wěn)定運營。1.2最新大數(shù)據(jù)發(fā)展趨勢大數(shù)據(jù)可以成為可用資源得益于大數(shù)據(jù)解決技術(shù)浮現(xiàn)。計算機歷史前五十年重要是運用人們專門收集數(shù)據(jù)，這些資料被視為資源，而當(dāng)前計算機開始關(guān)注工作流程中順帶積累超大規(guī)模數(shù)據(jù)，無處不在信息設(shè)施不斷地記錄了人們行為信息痕跡，運用大數(shù)據(jù)技術(shù)可以分析這些信息痕跡，從中提取重要信息以減少對環(huán)境結(jié)識不擬定性，提高工作與生產(chǎn)效率。大數(shù)據(jù)已成為新時期人類可開發(fā)運用重要資源，以美國為代表發(fā)達(dá)國家已經(jīng)開始把大數(shù)據(jù)運用與大數(shù)據(jù)技術(shù)開發(fā)視為國家一項戰(zhàn)略性任務(wù)。當(dāng)前,咱們已進入大數(shù)據(jù)時代，科學(xué)研究主導(dǎo)方式已經(jīng)從邏輯驅(qū)動、實驗驅(qū)動轉(zhuǎn)向了數(shù)據(jù)驅(qū)動研究范式。數(shù)據(jù)就像貨幣、黃金以及礦藏同樣，已經(jīng)成為一種新資產(chǎn)類別，咱們以為，大數(shù)據(jù)必將在國內(nèi)國民經(jīng)濟中成為一種重要產(chǎn)業(yè)。美通社最新發(fā)布《大數(shù)據(jù)市場：至全球形勢、發(fā)展趨勢、產(chǎn)業(yè)分析、規(guī)模、份額和預(yù)測》報告指出，全球大數(shù)據(jù)市場產(chǎn)值為63億美元，預(yù)測該產(chǎn)值將達(dá)483億。，美國政府撥款2億美元啟動“大數(shù)據(jù)研究和發(fā)展倡議”籌劃。IBM、微軟、google等國外IT巨頭早已嗅到了“大數(shù)據(jù)時代”商機，這些國際巨頭借助自己擁有領(lǐng)先技術(shù)和豐富資源，以及穩(wěn)定大客戶群，實力雄厚，率先涉足。國內(nèi)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）對中華人民共和國大數(shù)據(jù)技術(shù)和服務(wù)市場-預(yù)測與分析指出：該市場規(guī)模將會從7760萬美元增長到6.17億美元，將來5年復(fù)合增長率達(dá)51.4%，市場規(guī)模增長近7倍。在國內(nèi)，大數(shù)據(jù)正在引起越來越多公司關(guān)注。不但阿里巴巴、騰訊等把大數(shù)據(jù)當(dāng)成近期重點項目。作為國內(nèi)互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)源地和創(chuàng)新高地，中關(guān)村也在搶抓大數(shù)據(jù)發(fā)展機遇，著手布局大數(shù)據(jù)產(chǎn)業(yè)。工信部發(fā)布物聯(lián)網(wǎng)“十二五”規(guī)劃上，把信息解決技術(shù)作為四項核心技術(shù)創(chuàng)新工程之一被提出來，其中涉及了海量數(shù)據(jù)存儲、數(shù)據(jù)挖掘、圖像視頻智能分析，這都是大數(shù)據(jù)重要構(gòu)成某些。而此外三項信息感知技術(shù)、信息傳播技術(shù)、信息安全技術(shù)，都與“大數(shù)據(jù)”密切有關(guān)。適逢世界走向數(shù)據(jù)化，邁入大數(shù)據(jù)時代時刻，咱們迎來了新機遇，在這個新一輪產(chǎn)業(yè)發(fā)展中，醫(yī)保作為國家、省以及常州市重點民生工程領(lǐng)域，咱們應(yīng)當(dāng)如何應(yīng)對？如何開發(fā)運用大數(shù)據(jù)搶占競爭制高點？如何使將來大數(shù)據(jù)產(chǎn)業(yè)在常州醫(yī)保監(jiān)控、管理和預(yù)警等方面迅速、健康和領(lǐng)先發(fā)展？大數(shù)據(jù)在醫(yī)保領(lǐng)域應(yīng)用是新一代信息技術(shù)集中反映，是一種驅(qū)動性很強服務(wù)領(lǐng)域，能有效解決大數(shù)據(jù)及醫(yī)保領(lǐng)域技術(shù)問題。1.3本項目國外技術(shù)發(fā)展概況數(shù)據(jù)挖掘(DataMining，簡稱DM)技術(shù)是用于發(fā)現(xiàn)潛在數(shù)據(jù)信息和隱藏模式技術(shù)。該技術(shù)最早浮現(xiàn)于20世紀(jì)80年代后期，是機器學(xué)習(xí)、模式辨認(rèn)、數(shù)據(jù)庫、記錄學(xué)以及管理信息系統(tǒng)等多學(xué)科研究成果交匯，其在90年代有了飛速發(fā)展，曾被以為是將來對人類產(chǎn)生重大影響10大新興技術(shù)之一。全球研究數(shù)據(jù)挖挖掘比較知名大學(xué)和研究機構(gòu)有：麻省理工學(xué)院，ACM（ACMSpecialInterestGrouponKnowledgeDiscoveryinDataandDataMining）等。典型數(shù)據(jù)挖掘系統(tǒng)有：IBMIntelligentMiner、SASEnterpriseMiner、SPSSClementine及OracleDataMining等。數(shù)據(jù)挖掘技術(shù)來源于上個世紀(jì)八九十年代，在西方發(fā)達(dá)國家一方面得以推廣運用。在金融、電信、商業(yè)和保險界等擁有大量客戶數(shù)據(jù)領(lǐng)域得到了成功應(yīng)用。當(dāng)前數(shù)據(jù)挖掘產(chǎn)品較多，但重要是國外產(chǎn)品。例如SAS公司SASEnterpriserMiner，SPSS公司SPSS系列產(chǎn)品，IBM公司IntelligentMiner，Microsoft公司SQLServer等。數(shù)據(jù)挖掘在國內(nèi)外醫(yī)療保險行業(yè)應(yīng)用案例同樣也很豐富。國外商業(yè)保險公司中常使用定向營銷為不同客戶制定相應(yīng)營銷方略,尚有客戶忠誠度分析，客戶流失分析，保險產(chǎn)品交叉銷售等等"使用數(shù)據(jù)挖掘技術(shù)也多樣化。IBM研究中心Marisa等人基于澳大利亞醫(yī)療保險機構(gòu)采集數(shù)據(jù),將關(guān)聯(lián)規(guī)則和神經(jīng)分割技術(shù)應(yīng)用于醫(yī)療保險信息系統(tǒng)中,從GB級數(shù)據(jù)中獲取未知模式。MohitKumar等使用數(shù)據(jù)挖掘和機器學(xué)習(xí)技術(shù)預(yù)測和防止保險公司在解決醫(yī)療保險申訴過程中支付錯誤,用以減少日益增長醫(yī)療保險開銷。尚有許多數(shù)據(jù)挖掘辦法研究集中在醫(yī)療保險行業(yè)異常和欺詐檢測。1.4本項目國內(nèi)技術(shù)發(fā)展概況國內(nèi)社會醫(yī)療保險起步較晚,數(shù)據(jù)挖掘技術(shù)在保險欺詐檢測中應(yīng)用較少,同步與國外醫(yī)療保險面臨欺詐問題也存在諸多差別"依照研究,當(dāng)前國內(nèi)醫(yī)療保險欺詐也許涉及主體有參保人,定點醫(yī)院,定點藥店,醫(yī)保經(jīng)辦機構(gòu)等多方面,存在欺詐方式多樣:如在征繳保費時參保人浮現(xiàn)少報或漏報,在支付保費時超支或套現(xiàn)行為,此外尚有保險基金管理機構(gòu)資金挪用等。當(dāng)前，國內(nèi)對醫(yī)?；痫L(fēng)險有關(guān)研究重要集中于由于道德風(fēng)險帶來基金風(fēng)險及控制醫(yī)療費用增長詳細(xì)辦法上，采用手段較為簡樸，往往是人工控制，輔助以簡樸規(guī)則數(shù)據(jù)篩選。缺少系統(tǒng)、全面醫(yī)保基金風(fēng)險控制框架，缺少強有力數(shù)據(jù)分析和系統(tǒng)支持。上海市醫(yī)療保險信息中心秦德霖基于SOA和動態(tài)數(shù)據(jù)倉庫技術(shù)，運用數(shù)據(jù)挖掘和分析技術(shù)，針對基金運營管理重要環(huán)節(jié)和基金風(fēng)險重要因素，建立對醫(yī)?；痫L(fēng)險防控基本技術(shù)平臺。該平臺實現(xiàn)實時數(shù)據(jù)抽取、海量數(shù)據(jù)整合、異構(gòu)平臺集成。上海醫(yī)?；痫L(fēng)險防控平臺研究，為控制醫(yī)保基金風(fēng)險、保障基本醫(yī)療、增進醫(yī)療保險可持續(xù)發(fā)展提供強有力支撐。在醫(yī)保管理過程中，存在一種特殊就醫(yī)現(xiàn)象，稱之為就醫(yī)匯集行為。就醫(yī)匯集行為普通體現(xiàn)為多張醫(yī)?？ㄟ^于頻繁地同步同地消費。就醫(yī)匯集行為也許是由于某些特殊病癥人群如某些慢性病人群導(dǎo)致，也有也許存在欺詐行為。找出這些具備就醫(yī)匯集行為人群，一方面可以對特殊疾病人群提供針對性管理和服務(wù)，另一方面能有效提高對違規(guī)人群監(jiān)督力度。復(fù)旦大學(xué)何俊華基于CBM算法，開發(fā)出B/S構(gòu)造一致行為挖掘平臺，該平臺可以有效地對一致行為進行監(jiān)控。并將一致行為與參保人費用記錄信息，藥物使用狀況，醫(yī)院醫(yī)生信息等有關(guān)聯(lián)。通過一致行為挖掘平臺，在醫(yī)保管理中能迅速鎖定慢性病人群，理解這些特殊人群醫(yī)療費用承擔(dān)等狀況。挖掘平臺為醫(yī)保管理決策提供參照，便于為不同參保人群提供針對性管理和服務(wù)。此外，該平臺能有效檢測出可疑違規(guī)人群，此類可疑違規(guī)人群也許同步使用了多張醫(yī)保卡進行就醫(yī)，針對這些可疑違規(guī)人員，需要對其進行嚴(yán)格監(jiān)管。石萌運用數(shù)據(jù)挖掘關(guān)聯(lián)分析辦法,對社會醫(yī)療保險基金收支狀況進行了研究,進一步分析了參保人員、參保單位、醫(yī)療單位等各因素對社會醫(yī)療保險基金平穩(wěn)運營影響,為社會保障部門適時調(diào)節(jié)基金收繳政策、保證醫(yī)療保險制度順利實行提供有力技術(shù)支持。國防科學(xué)技術(shù)大學(xué)朱攀運用人工神經(jīng)網(wǎng)絡(luò)模型對醫(yī)保定點醫(yī)療機構(gòu)信用級別進行學(xué)習(xí)，并且依照學(xué)習(xí)過程中浮現(xiàn)問題,對人工神經(jīng)網(wǎng)絡(luò)做了改進,克服了醫(yī)保定點醫(yī)療機構(gòu)信用級別評價網(wǎng)絡(luò)原有局限性。并以醫(yī)保信息系統(tǒng)形成大量數(shù)據(jù)為基本,運用LOF算法對大量數(shù)據(jù)進行挖掘,找出了醫(yī)保定點醫(yī)療機構(gòu)違規(guī)行為。翁滔華等通過運用數(shù)據(jù)挖掘軟件SPSS11.0對病毒性肝炎住院費用狀況進行分析，并分別給出了病毒性肝炎費用控制上下限，發(fā)現(xiàn)能能起到控制醫(yī)院住院費用作用。黃晶晶等運用數(shù)據(jù)挖掘技術(shù)制定醫(yī)保定額指標(biāo)并進行有關(guān)數(shù)據(jù)分析，成果發(fā)現(xiàn)數(shù)據(jù)挖掘技術(shù)可以制定動態(tài)定額指標(biāo)，加快分析反饋速度，并做出及時分析返溯。綜上所述，國內(nèi)對醫(yī)保人群醫(yī)療費用分析研究還處在起步階段，辦法與手段普通，研究成果尚不科學(xué)全面；國外有不少有關(guān)產(chǎn)品，由于國外醫(yī)保制度與國內(nèi)醫(yī)保制度差別很大，不能直接采用；此外，這些系統(tǒng)但大都是專有產(chǎn)品并且價格高,難以集成。國內(nèi)關(guān)于醫(yī)保人群醫(yī)療費用分析研究，大都采用訂立辦法制度和老式半手工方式進行。不少單位制定有關(guān)規(guī)定和制度進行管理，這些規(guī)定和制度大都是針對醫(yī)保政策和既有醫(yī)院管理條文，結(jié)合醫(yī)保進行修改成果；或者，各醫(yī)院針對控制定額費用狀況，進行大量數(shù)據(jù)采集及記錄，制作醫(yī)保分析報表并運用該報表對當(dāng)月醫(yī)保費用進行分析，由于均采用手工與信息系統(tǒng)結(jié)合方式，對于超定額費用考核方面明顯滯后，也難以對醫(yī)保各方面進行靈活詳細(xì)分析,進而無法及時分析產(chǎn)生各種異常狀況主線因素，亦不利于監(jiān)控實時費用，沒有解決醫(yī)保病人醫(yī)療費用不斷上漲主線問題，更談不上對醫(yī)保預(yù)算和預(yù)警。因而，本課題擬采用先進關(guān)系挖掘模型技術(shù)，分析常州醫(yī)?，F(xiàn)狀，開發(fā)醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型。2、本項目研究目、意義2.1項目研究目項目以常州市人力資源和社會保障信息系統(tǒng)中醫(yī)保海量數(shù)據(jù)為研究對象，以提高醫(yī)保資金使用效率為目，通過靜態(tài)社會保障知識與動態(tài)社會保障決策相結(jié)合方式，借助數(shù)據(jù)挖掘模型和聯(lián)機分析理論和算法，對醫(yī)保征收和使用等海量數(shù)據(jù)進行聯(lián)機分析和數(shù)據(jù)挖掘研究，謀求醫(yī)保資金使用網(wǎng)絡(luò)、病人診治規(guī)律以及醫(yī)保資金回溯和跟蹤，對醫(yī)保中心各定點醫(yī)療機構(gòu)監(jiān)管、各種疾病慣用治療方案提供數(shù)據(jù)支持，以實現(xiàn)對醫(yī)療單位和參保人精細(xì)化管理。最后為市社會保障部門詳細(xì)政策合理制定及市政府宏觀決策提供科學(xué)根據(jù)，從而可以精準(zhǔn)控制社會保障部門決策過程,加強社保決策過程信息化，保證決策過程科學(xué)性、合理性和有效性。2.2項目研究意義常州市醫(yī)保數(shù)據(jù)涉及范疇廣、人數(shù)多、數(shù)據(jù)龐大、業(yè)務(wù)復(fù)雜，是市民高關(guān)注度和敏感數(shù)據(jù)，因而對醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警研究具備社會、學(xué)術(shù)和經(jīng)濟三個層面價值和意義。（1）社會層面醫(yī)療保險是社會保障制度重要構(gòu)成某些,涵蓋參保人總多,其中核心就是醫(yī)保數(shù)據(jù)，例如常州市參加職工醫(yī)療保險、居民醫(yī)療保險等參保人數(shù)就超過100萬人，使用好數(shù)據(jù)挖掘?qū)Ρ姸鄥⒈Ｈ诉M行有效管理，掌握參保人概況，群體特性和變化等信息對于醫(yī)療保險機構(gòu)管理和決策具備很高參照價值，不但是國家、省、市等政府部門制定政策預(yù)測影響范疇和限度，也是一項民生工程，為醫(yī)保管理決策部門和醫(yī)療機構(gòu)提供科學(xué)可行建議，對科學(xué)合理地運用既有醫(yī)療資源，控制醫(yī)保醫(yī)療費用上漲，盡量減少群眾經(jīng)濟承擔(dān)，構(gòu)筑一種和諧醫(yī)、保、患關(guān)系，增進關(guān)系千家萬戶民生與幸福醫(yī)藥衛(wèi)生體制改革順利進行和實現(xiàn)，都具備非常重要社會和現(xiàn)實意義。（2）學(xué)術(shù)層面本項目涉及記錄學(xué)、公共管理、計算機技術(shù)等各種學(xué)科交叉，通過對常州醫(yī)保海量數(shù)據(jù)分析，豐富社會經(jīng)濟記錄理論，有助于在醫(yī)保領(lǐng)域探討不同數(shù)據(jù)挖掘算法和實踐應(yīng)用。通過在常州醫(yī)保監(jiān)測和預(yù)警中應(yīng)用，不斷優(yōu)化數(shù)據(jù)關(guān)聯(lián)規(guī)則和挖掘算法，提供較好數(shù)據(jù)支撐。（3）經(jīng)濟層面通過對醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警，可以從系統(tǒng)角度對醫(yī)保過程中治療、資金合理使用等在線監(jiān)測，有效避免惡意配藥等不合理行為，提高市民治病治療效果；同步通過預(yù)警預(yù)測技術(shù)分析醫(yī)保資金使用狀況，有助于提高醫(yī)保資金預(yù)算精準(zhǔn)度和資金使用效率，最后為常州市醫(yī)保資金預(yù)算和高效使用提供數(shù)據(jù)支撐，間接地為政府和市民節(jié)約醫(yī)保費用。3、本項目研究既有起點科技水平及已存在知識產(chǎn)權(quán)狀況河海大學(xué)常州校區(qū)與常州市人力資源和社會保障信息中心雙方不斷探討、溝通，明確系統(tǒng)總體目的和思路，并開展了前期調(diào)研，掌握當(dāng)前常州市醫(yī)保數(shù)據(jù)現(xiàn)狀和亟待解決監(jiān)測和預(yù)警問題。通過研究和積累，課題組已獲得獲軟件著作權(quán)8件，出版《基于模糊信息多屬性決策辦法研究及應(yīng)用》、《生態(tài)視角下公司管理與信息系統(tǒng)匹配研究》兩本專著，有關(guān)學(xué)術(shù)論文12篇。4、本項目研究國內(nèi)外競爭狀況及產(chǎn)業(yè)化前景在商業(yè)智能研究和應(yīng)用不斷發(fā)展同步，國內(nèi)政府部門對于數(shù)據(jù)分析工作越來越注重，開始對數(shù)據(jù)倉庫技術(shù)有了一定需求。就社保領(lǐng)域而言，有關(guān)研究雖然不多，但已不斷開始浮現(xiàn)，是一種發(fā)展必然趨勢，是本項目產(chǎn)業(yè)化基本和前提。預(yù)測到，國內(nèi)六十歲以上人口將達(dá)到2億，2026年將達(dá)到3億，成為超老年型國家。與年輕人相比，老年人患病率和人均醫(yī)藥費用均較高，并且多患有慢性非傳染性疾病，療程長、預(yù)后差、費用大。這將進一步加劇社會醫(yī)療保險支出壓力，因而有必要對醫(yī)療保險基金運營平衡做長期測算，提邁進行預(yù)警，本項目具備遼闊應(yīng)用范疇。二、研究內(nèi)容1、詳細(xì)研究開發(fā)內(nèi)容和要重點解決核心技術(shù)問題；針對醫(yī)療保險業(yè)務(wù)中各項數(shù)據(jù)進行分析計算，運用計算機網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)對參保單位、門診費用、住院費用等近年數(shù)據(jù)進行采集、轉(zhuǎn)換、聚合或重用，提出了一套科學(xué)、合理、符合實際需求多維數(shù)學(xué)模型，旨在分析不同病因、不同病種隨年齡變化趨勢，掌握人們隨年齡增長平均健康狀況，從而為醫(yī)療保險政策指標(biāo)制定提供根據(jù)，如下年度基本醫(yī)療保險費測算、醫(yī)保費用補償比合理擬定、個人帳戶隨不同年齡段計提比例合理擬定等，并據(jù)此建立醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型，一方面自動提取醫(yī)保業(yè)務(wù)數(shù)據(jù)，構(gòu)建數(shù)據(jù)倉庫，進行多維分析測算，并用各種圖表形式來反映成果。這為政府各有關(guān)部門擬定保障金制度及比例，拓寬醫(yī)療保障范疇，為醫(yī)保資金預(yù)算和監(jiān)管提供直接科學(xué)根據(jù)。項目詳細(xì)研究開發(fā)內(nèi)容重要涉及監(jiān)測和預(yù)警數(shù)據(jù)準(zhǔn)備、醫(yī)保數(shù)據(jù)抽取與分類、算法選取與改進、醫(yī)保數(shù)據(jù)倉庫設(shè)計、醫(yī)保數(shù)據(jù)再組織和分析、監(jiān)測和預(yù)警模型構(gòu)建以及醫(yī)保數(shù)據(jù)呈現(xiàn)等。項目總體構(gòu)造如圖1所示。1.1監(jiān)測和預(yù)警數(shù)據(jù)準(zhǔn)備對醫(yī)保數(shù)據(jù)分析目是提高醫(yī)保資金使用效率，通過對海量醫(yī)保大數(shù)據(jù)進行分析，謀求醫(yī)保資金使用網(wǎng)絡(luò)、病人診治規(guī)律以及醫(yī)保資金回溯和跟蹤，為醫(yī)保資金預(yù)算和監(jiān)管提供科學(xué)決策支持，同步也醫(yī)保中心各醫(yī)療單位監(jiān)管、各種疾病慣用治療方案提供數(shù)據(jù)支持，以實現(xiàn)對醫(yī)療單位和參保人精細(xì)化管理。無論是醫(yī)院、患者還是人社局，對于醫(yī)保數(shù)據(jù)都是密切有關(guān)，按照常州市社會醫(yī)療保險政策和制度，擬定問題主題，重要涉及醫(yī)保運營主題、醫(yī)保監(jiān)督主題以及醫(yī)保征收主題三大某些，對醫(yī)保數(shù)據(jù)獲取都是針對這三類主題展開收集和組織。1.2醫(yī)保數(shù)據(jù)抽取與分類從醫(yī)保各個業(yè)務(wù)系統(tǒng)中抽取原始醫(yī)保住院、門診、藥店、征繳等數(shù)據(jù)，是醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警所需數(shù)據(jù)源頭，結(jié)合知識組織有關(guān)理論，以數(shù)據(jù)單位為基本知識組織，按照數(shù)據(jù)來源或者用途等原則進行分類，通過系統(tǒng)層次、數(shù)據(jù)顆粒度、數(shù)據(jù)成分描述成靜態(tài)醫(yī)保數(shù)據(jù)網(wǎng)絡(luò)。圖1項目總體構(gòu)造圖1.3算法選取與改進常州醫(yī)保數(shù)據(jù)有其自身特點，直接影響對關(guān)聯(lián)規(guī)則和算法選取，其特點重要體當(dāng)前如下幾種方面：（1）事務(wù)數(shù)量巨大，醫(yī)保發(fā)生頻率往往較高，隨著時間增長，醫(yī)保數(shù)據(jù)也會隨之迅速增長，醫(yī)保數(shù)據(jù)庫中包括大量數(shù)據(jù)會給數(shù)據(jù)預(yù)解決和挖掘工作帶來很大困難。（2）醫(yī)保開戶類型也許多值，由于有不同人，不同單位，因此開戶類型有不同需求。（3）醫(yī)保開戶日期”不是名詞性屬性，不便進行關(guān)聯(lián)分析。（4）不同屬性值具備不同重要性，如開戶類型中，不同類型，保險公司賺錢狀況不同樣，但是大多數(shù)狀況下，大保險單發(fā)生概率要低于其她類型，因此關(guān)聯(lián)分析要體現(xiàn)出重要屬性發(fā)生規(guī)律。針對以上特點，通過在數(shù)據(jù)預(yù)解決階段將醫(yī)保數(shù)據(jù)依照時間間隔進行劃分，例如按照季度或者月份進行劃分；對于“開戶時間”不是名詞性屬性，可在預(yù)解決階段先將數(shù)值屬性做離散化解決。通過引入權(quán)值參數(shù)解決浮現(xiàn)頻率較小易被忽視問題，在關(guān)聯(lián)規(guī)則挖掘階段通過不同權(quán)值來衡量各種開戶類型不同重要性從而挖掘出大保單關(guān)聯(lián)規(guī)則。綜上所述，醫(yī)保數(shù)據(jù)關(guān)聯(lián)分析采用算法以Apriori算法為基本，在數(shù)據(jù)解決階段加以相應(yīng)改造，在關(guān)聯(lián)規(guī)則發(fā)現(xiàn)階段，通過引入權(quán)值參數(shù)來挖掘醫(yī)保數(shù)據(jù)中潛在規(guī)律。改進后Apriori算法基本思想是：一方面找出所有頻集，這些項集浮現(xiàn)頻繁性至少和預(yù)定義最小支持度同樣。然后由頻集產(chǎn)生強關(guān)聯(lián)規(guī)則，這些規(guī)則必要滿足最小支持度和最小可信度。然后使用第1步找到頻集產(chǎn)生盼望規(guī)則，產(chǎn)生只包括集合項所有規(guī)則，其中每一條規(guī)則右部只有一項，這里采用是中規(guī)則定義。一旦這些規(guī)則被生成，那么只有那些不不大于顧客給定最小可信度規(guī)則才被留下來。為了生成所有頻集，使用了遞推辦法。（1）L1=find_frequent_1-itemsets(D)；//挖掘頻繁1-項集，比較容易

（2）for(k=2;Lk-1≠Φ;k++){

（3）Ck=apriori_gen(Lk-1,min_sup)；//調(diào)用apriori_gen辦法生成候選頻繁k-項集

（4）foreachtransactiont∈D{

//掃描事務(wù)數(shù)據(jù)庫D

（5）Ct=subset(Ck,t);

（6）foreachcandidatec∈Ct

（7）c.count++；//

記錄候選頻繁k-項集計數(shù)

（8）}

（9）Lk={c∈Ck|c.count≥min_sup}//滿足最小支持度k-項集即為頻繁k-項集

（10）}

（11）returnL=∪kLk；//合并頻繁k-項集（k>0）Apriori候選產(chǎn)生函數(shù)Apriori-gen參數(shù)Lk-1，即所有大型(k-1)項目集集合。它返回所有大型k項目集集合一種超集(Superset)。一方面，在Jion(連接)環(huán)節(jié)，咱們把Lk-1和Lk-1相連接以獲得候選最后集合一種超集Ck：(1)insertintoCk(2)selectp[1]，p[2]，……，p[k-1]，q[k-1](3)fromLk-1p，Lk-1q(4)wherep[1]=q[1]，……，p[k-2]=q[k-2]，p[k-1]<q[k-1]接著，在Prune(修剪)環(huán)節(jié)，咱們將刪除所有項目集c∈Ck，如果c某些k-1子集不在Lk-1中，為了闡明這個產(chǎn)生過程為什么能保持完全性，要注意對于Lk中任何有最小支持度項目集，任何大小為k-1子集也必要有最小支持度。因而，如果咱們用所有也許項目擴充Lk-1中每個項目集，然后刪除所有k-1子集不在Lk-1中項目集，那么咱們就能得到Lk中項目集一種超集。1.4醫(yī)保數(shù)據(jù)倉庫設(shè)計按照醫(yī)保運營、監(jiān)督以及征收主題進行醫(yī)保數(shù)據(jù)倉庫設(shè)計，由于醫(yī)保數(shù)據(jù)分布于定點醫(yī)療機構(gòu)、藥店等不同業(yè)務(wù)系統(tǒng)中，需要通過抽取工具獲取和清洗、數(shù)據(jù)轉(zhuǎn)換、關(guān)聯(lián)分析、知識點獲取以及數(shù)據(jù)倉庫構(gòu)建等過程，并結(jié)合數(shù)據(jù)顆粒度原理，按照醫(yī)保監(jiān)測和預(yù)警規(guī)范進行數(shù)據(jù)組織，醫(yī)保數(shù)據(jù)倉庫設(shè)計層次構(gòu)造圖如圖2所示，通過度類和聚類算法，結(jié)合常州市人力資源和社會保障中心實際，形成醫(yī)保運營主題數(shù)據(jù)（職工醫(yī)保運營、醫(yī)療救濟、公務(wù)員補貼、居民醫(yī)保、離休、榮軍分析、工傷保險分析、生育保險分析等）、醫(yī)保監(jiān)督主題數(shù)據(jù)（參保人醫(yī)療異常、定點單位醫(yī)療異常等）、社會醫(yī)療保險參保征繳主題數(shù)據(jù)（社會醫(yī)療保險參保狀況、社會醫(yī)療保險基金征繳狀況）等。圖2醫(yī)保數(shù)據(jù)倉庫設(shè)計層次構(gòu)造圖其中核心某些是數(shù)據(jù)關(guān)聯(lián)分析，是建立在醫(yī)保數(shù)據(jù)抽取和分類基本上，按照粒度聚類和分類原理，形成動態(tài)醫(yī)保數(shù)據(jù)網(wǎng)絡(luò)。1.5監(jiān)測和預(yù)警模型構(gòu)建監(jiān)測和預(yù)警模型涉及兩個方面內(nèi)容：其一是建立監(jiān)測指標(biāo)體系，它將直接反映醫(yī)保數(shù)據(jù)運營現(xiàn)狀，同步可以抽取和挖掘形成治療方案庫；其二是建立預(yù)警指標(biāo)體系，它直接影響著監(jiān)測和預(yù)警模型敏感性和對的率，融入數(shù)據(jù)挖掘算法進行預(yù)警算法模型，并給出科學(xué)合理預(yù)警成果。監(jiān)測和預(yù)警模型如圖3所示。醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型監(jiān)測指標(biāo)體系運營指標(biāo)異常指標(biāo)征繳指標(biāo)預(yù)測算法動態(tài)監(jiān)測成果預(yù)警指標(biāo)體系警情指標(biāo)警兆指標(biāo)警源指標(biāo)動態(tài)預(yù)警報告醫(yī)保預(yù)警模型治療方案庫圖3監(jiān)測和預(yù)警模型1.5.1指標(biāo)選取原則監(jiān)測和預(yù)警指標(biāo)選取要遵循代表性、全面性、可比性、可獲得性等幾項原則。（1）代表性是指選取指標(biāo)具備同類指標(biāo)基本特性，可以反映醫(yī)?；鹗杖胫С鲋匾矫?，并可以代表同類指標(biāo)變化趨勢。（2）全面性是指選取指標(biāo)應(yīng)當(dāng)要涉及醫(yī)保基金運營各方面，既要涉及醫(yī)療保險基金內(nèi)部因素，也要涉及其外部因素；既要有微觀財務(wù)指標(biāo)，也要有宏觀經(jīng)濟指標(biāo)。（3）可比性是指預(yù)警指標(biāo)要可以持續(xù)計算，使其具備可比性，從而可以持續(xù)觀測醫(yī)療保險基金收支運作狀況。（4）可獲得性是指選取預(yù)警指標(biāo)應(yīng)當(dāng)是公開，便于獲取并可以直接用于研究。1.5.2詳細(xì)內(nèi)容通過對既有醫(yī)保靜態(tài)數(shù)據(jù)分析整頓，并綜合了有關(guān)專家意見，醫(yī)?；疬\營平衡監(jiān)測和預(yù)警指標(biāo)包括三個方面，即財務(wù)性指標(biāo)、客戶性指標(biāo)和成長性指標(biāo)。在醫(yī)保監(jiān)測體系中重要通過度析和整頓明確醫(yī)?；馉顟B(tài)和現(xiàn)狀。醫(yī)保預(yù)警體系普通涉及如下幾種方面：明確警情、尋找警源、分析警兆和預(yù)報警度。

（1）在預(yù)警體系中明確警情是第一步。警情是指影響醫(yī)療保險基金正常運營負(fù)面擾動因素不斷發(fā)展到一定限度，從而體現(xiàn)出來、可以被外界所觀測到外部形態(tài)。普通設(shè)定一種醫(yī)保基金運營平衡指標(biāo)安全區(qū)間，當(dāng)實際運營數(shù)據(jù)超過特定區(qū)間，則表白醫(yī)?；疬\營危機警情浮現(xiàn)。警情嚴(yán)重時會引起整個醫(yī)療保險制度性危機，因而，在保障基金穩(wěn)定運營過程中，明確警情是進行醫(yī)療保險基金危機預(yù)警前提，而警源是警情發(fā)生根源。

（2）尋找警源是預(yù)警過程起點和基本。所謂警源，就是指產(chǎn)生醫(yī)?；疬\營機制浮現(xiàn)危機根源，是醫(yī)療保險危機警情策源地。警源重要有如下幾種：第一類是內(nèi)生警源，即是醫(yī)療保險制度自身內(nèi)部因素。如醫(yī)療保險水平指標(biāo)高低、基本醫(yī)療保險支出占國家財政支出高低、基本醫(yī)療保險范疇內(nèi)支出狀況、城鄉(xiāng)不同醫(yī)療保險政策以及繳費率高低等。第二類是外來警源，即醫(yī)療保險外部因素。如醫(yī)療保險法制、行政管理體制有效性、監(jiān)控機制完善限度、國內(nèi)經(jīng)濟發(fā)展?fàn)顩r、合理籌劃調(diào)控以及其她社會政策配套。

（3）分析警兆是預(yù)警過程中核心環(huán)節(jié)。在警情在爆發(fā)之前必然會有有關(guān)警兆浮現(xiàn)，因此分析警兆及其報警區(qū)間，便可以進行有關(guān)預(yù)測和預(yù)報警情。

（4）預(yù)警目的是對預(yù)報系統(tǒng)所存在危機限度，這就是預(yù)報警度。依照警兆變動狀況，參照警情警限或警情級別，分析警兆報警區(qū)間與警情關(guān)系，結(jié)合專家意見和經(jīng)驗，預(yù)報實際警情嚴(yán)重限度。在對醫(yī)?；疬\營平衡狀況進行監(jiān)測和預(yù)報警度時，普通按照如下環(huán)節(jié)進行。一方面是定量描述，也就是找出可以反映警情指標(biāo)數(shù)量特性標(biāo)志。例如，有些警情指標(biāo)數(shù)量標(biāo)志是變化率，以比例作為計量單位，依照歷史經(jīng)驗和一定理論分析，咱們擬定其也許變化最大值和最小值，也就是說擬定一種數(shù)值波動區(qū)間，觀測實際運營數(shù)據(jù)在波動區(qū)間變化狀況。第二步是在描述基本上進行定量解決，即將警情指標(biāo)也許波動最大區(qū)間劃分為若干個性質(zhì)不同二級區(qū)間，稱為警限。不同耳機區(qū)間代表不同警限。本系統(tǒng)中，咱們對警限采用了三個區(qū)間來表達(dá)：無警警限（R0），輕警警限（R1）和重警警限（R2），無警警限是警情變化安全區(qū)間，咱們基金應(yīng)盡量在此區(qū)間進行安全運營。

對于風(fēng)險預(yù)警來說，不同二級區(qū)間，也就是各類警限是最具備主線意義。特別是無警警限擬定是最為困難。對于醫(yī)?；疬\營平衡預(yù)警系統(tǒng)來說，咱們應(yīng)當(dāng)依照醫(yī)?；饸v年來運營狀況、國內(nèi)和國外比較與理論分析狀況以及專家意見來綜合考慮，最后予以擬定。擬定了各類警限和警區(qū)之后，就可以在尋常運營中觀測警情指標(biāo)實際值及其變動區(qū)間，監(jiān)測其警度和警情發(fā)展。重點解決核心技術(shù)問題（1）醫(yī)保數(shù)據(jù)倉庫設(shè)計，醫(yī)保主題數(shù)據(jù)設(shè)計要符合常州醫(yī)保基金管理規(guī)定，同步又要符合數(shù)據(jù)倉庫設(shè)計和關(guān)聯(lián)規(guī)則，以便醫(yī)保數(shù)據(jù)組織和使用。（2）監(jiān)測和預(yù)警模型構(gòu)建，監(jiān)測模型是反映當(dāng)前醫(yī)保基金運營狀態(tài)，通過度析和監(jiān)測醫(yī)保基金當(dāng)前狀態(tài)，借助預(yù)測算法和模型，預(yù)測醫(yī)?；鸢l(fā)展趨勢，形成適合常州市人力資源和社會保障信息中心醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型。2、項目特色和創(chuàng)新之處；（1）從知識組織視角設(shè)計醫(yī)保數(shù)據(jù)倉庫，以以便挖掘醫(yī)保數(shù)據(jù)中潛在規(guī)律為目，按照知識組織理論對醫(yī)保數(shù)據(jù)進行抽取和分類、再組織等方式分析醫(yī)保基金運營規(guī)律和診斷資料發(fā)展趨勢。（2）從服務(wù)角度構(gòu)建監(jiān)測和預(yù)警模型，醫(yī)保數(shù)據(jù)分析和預(yù)警最后成果可以提供醫(yī)保有關(guān)數(shù)據(jù)服務(wù)，可覺得政府、醫(yī)療機構(gòu)、藥店、患者等提供數(shù)據(jù)服務(wù)。3、要達(dá)到重要技術(shù)、經(jīng)濟指標(biāo)及社會、經(jīng)濟效益。（1）重要技術(shù)及經(jīng)濟指標(biāo)構(gòu)建一套適合常州醫(yī)保基金管理規(guī)定醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警模型，實現(xiàn)項目預(yù)期目的，形成示范應(yīng)用。（2）經(jīng)濟及社會效益醫(yī)保數(shù)據(jù)與市民生活息息有關(guān)，是一項基本性民生工程。推動民生工程建設(shè)，有助于提高醫(yī)保基金管理水平，提高醫(yī)保基金運用效率，滿足群眾民生期待。要高度注重醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警，切實做到覆蓋全面、信息融合、運轉(zhuǎn)高效，保證第一時間發(fā)現(xiàn)問題、處置問題和解決問題，建立健全科學(xué)、合理醫(yī)保監(jiān)測和預(yù)警體系，不但對醫(yī)保管理工作提高效率大有作用，最后目是服務(wù)于廣大市民群眾，具備廣泛社會效益。同步通過該項目實行，形成醫(yī)保監(jiān)測和預(yù)警管理模型，具備較強推廣價值。

三、研究實驗辦法、技術(shù)路線以及工藝流程3.1研究辦法本項目結(jié)合數(shù)據(jù)挖掘、知識組織和醫(yī)?；鸸芾硌芯恐懈鞣N辦法。（1）文獻(xiàn)調(diào)研法。閱讀和參照了國內(nèi)外有關(guān)論文、論著、工具書、醫(yī)保有關(guān)業(yè)務(wù)系統(tǒng)，用于醫(yī)保基金知識背景、醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警研究現(xiàn)狀、設(shè)計、構(gòu)建和應(yīng)用模式等研究。（2）記錄分析法。通過收集大量醫(yī)保數(shù)據(jù)，運用記錄分組辦法對數(shù)據(jù)進行預(yù)解決，將數(shù)據(jù)按照建立模型進行分類挖掘，分析醫(yī)?；疬\營、監(jiān)管和征繳現(xiàn)狀。（3）聚類分析法。對醫(yī)保數(shù)據(jù)屬性值進行相似限度計算，實現(xiàn)對醫(yī)保數(shù)據(jù)自然劃分，便于分析隱藏在醫(yī)保數(shù)據(jù)中規(guī)律。（4）關(guān)聯(lián)規(guī)則法。建立關(guān)于醫(yī)保事物數(shù)據(jù)集或關(guān)系數(shù)據(jù)集數(shù)據(jù)關(guān)聯(lián)規(guī)則，挖掘?qū)芾碚哂杏没蛘吖室饬x聯(lián)系。（5）時間序列預(yù)測。對不同步期醫(yī)保數(shù)據(jù)序列進行挖掘，盼望對數(shù)據(jù)趨勢變化進行分析和預(yù)測。3.2技術(shù)路線項目借用知識組織理論和軟件生命周期開發(fā)辦法，形成如下項目技術(shù)路線圖3所示。圖3項目技術(shù)路線圖四、工作基本和條件1、承擔(dān)單位概況，擁有知識產(chǎn)權(quán)狀況河海大學(xué)是教誨部直屬高校，常州校區(qū)是其重要構(gòu)成某些，既有三個學(xué)院，6個研究生點，5000多本科生，300多研究生，具備副高以上、博士學(xué)位科研人員200多人，每年承擔(dān)國家、部、省、市及企事業(yè)單位委托項目200多項。校區(qū)擁有創(chuàng)造專利、實用新型專利數(shù)百項。與本項目有關(guān)研究成果：先后刊登10多篇研究論文，出版專著2本、獲得軟件著作權(quán)8項。2、本項目既有研究工作基本河海大學(xué)常州校區(qū)與常州市人力資源和社會保障信息中心雙方不斷探討、溝通，明確系統(tǒng)總體目的和思路，并開展了前期調(diào)研，掌握當(dāng)前常州市醫(yī)保數(shù)據(jù)現(xiàn)狀和亟待解決監(jiān)測和預(yù)警問題。通過研究和積累，課題組已獲得獲軟件著作權(quán)6件，（見附件），出版《基于模糊信息多屬性決策辦法研究及應(yīng)用》、《生態(tài)視角下公司管理與信息系統(tǒng)匹配研究》兩本專著，有關(guān)學(xué)術(shù)論文12篇。有關(guān)軟件著作權(quán)一共有6項（1）防洪預(yù)警管理系統(tǒng)軟件SR062578（2）高校研究生教務(wù)管理系統(tǒng)軟件SR017554（3）工程管理系統(tǒng)軟件SR061862（4）計生智能報表組件軟件SR3（5）快遞貨運管理系統(tǒng)軟件SR055198（6）食堂進銷存管理系統(tǒng)軟件R017396（7）樓盤表管理系統(tǒng)軟件SR073731（8）河道地理信息系統(tǒng)軟件SR084973重要學(xué)術(shù)論文（1）徐緒堪.生態(tài)視角下公司管理與信息系統(tǒng)匹配研究[M].化學(xué)工業(yè)出版社..（2）徐緒堪.公司信息系統(tǒng)生態(tài)環(huán)境成熟度研究[J].情報雜志.,(29)2:207-210.(CSSCI)（3）徐緒堪,卞藝杰,田澤.ERP系統(tǒng)導(dǎo)入模式博弈分析[J].情報科學(xué),,27(10):1575-1580.(CSSCI)（4）徐緒堪,李曉東.基于生態(tài)理論信息系統(tǒng)生長模型構(gòu)建[J].情報雜志,,28(9):-17-20.(CSSCI)（5）徐緒堪,段振中,郝建.基于模糊層次分析法信息系統(tǒng)績效評價模型構(gòu)建[J].情報雜志,,28(2):11-13,49.(CSSCI)（6）徐緒堪,汪利利,錢常春.基于MVC教參信息系統(tǒng)分析與設(shè)計[J].當(dāng)代圖書情報技術(shù).,127:79-71.（7）徐緒堪,汪利利.基于Web數(shù)字參照征詢系統(tǒng)設(shè)計與實現(xiàn)[J].當(dāng)代圖書情報技術(shù).,128:85-88.（8）龔艷冰,梁雪春.基于組合模型直覺模糊集多屬性決策辦法[J].控制與決策,,(03):469-472.（9）龔艷冰.基于支持向量機金融衍生品風(fēng)險評價[J].記錄與決策,,(05):65-67.（10）龔艷冰.高校青年教師教學(xué)能力培養(yǎng)實踐因素分析[J].高等教誨研究學(xué)報,,(02):61-63.（11）龔艷冰,張繼國,梁雪春.基于全排列多邊形綜合圖示法水質(zhì)評價[J].中華人民共和國人口.資源與環(huán)境,,(09):26-31.（12）龔艷冰.基于正態(tài)云模型和熵權(quán)河西走廊都市化生態(tài)風(fēng)險綜合評價[J].干旱區(qū)資源與環(huán)境,,(05):169-174.（13）龔艷冰,張繼國.基于正態(tài)云模型和熵權(quán)人口發(fā)呈當(dāng)代化限度綜合評價[J].中華人民共和國人口.資源與環(huán)境,,(01):138-143.（14）張繼國,劉新仁.水文水資源中不擬定性信息熵分析辦法綜述[J].河海大學(xué)學(xué)報(自然科學(xué)版),,(06):32-37.（15）張繼國,劉新仁.降水時空分布不均勻性信息熵分析——(Ⅰ)基本概念與數(shù)據(jù)分析[J].水科學(xué)進展,,(02):133-137.（16）張繼國,劉新仁.降水時空分布不均勻性信息熵分析——(Ⅱ)模型評價與應(yīng)用[J].水科學(xué)進展,,(02):138-143.3、項目負(fù)責(zé)人以往承擔(dān)國家、省級等各類科技籌劃項目完畢狀況重要有關(guān)科研項目：（1）面向知識服務(wù)知識組織模型與應(yīng)用研究（國家自然科技基金項目(71273126)，是本項目研究基本）;（2）基于生態(tài)理論公司信息系統(tǒng)成長機理及模型研究省教誨廳高校哲學(xué)社會科學(xué)基金（09SJD870001）；（3）生態(tài)視角下公司信息系統(tǒng)成長過程及演化研究中央高校基本科研業(yè)務(wù)費專項資金項目（B32914）。4、項目實行具備人才隊伍、經(jīng)費配套投入能力及科技服務(wù)管理能力；本課題組技術(shù)力量雄厚，系統(tǒng)工程、計算機技術(shù)、情報學(xué)、記錄學(xué)等專業(yè)技術(shù)人才，當(dāng)前有專家1名、副專家2名，講師3名及多名在讀研究生。校區(qū)可保證對項目經(jīng)費予以配套，校區(qū)科技處是校區(qū)專門科研項目管理單位，有豐富項目管理經(jīng)驗，組織管理工作到位。5、本項目實行也許對環(huán)境影響及防止治理方案。本項目實行對環(huán)境沒有任何影響。五、項目研究預(yù)期成果及效益1.設(shè)計常州醫(yī)保數(shù)據(jù)倉庫，按照不同醫(yī)保主題進行分類和集成形成常州醫(yī)保數(shù)據(jù)倉庫。2.構(gòu)建常州醫(yī)保數(shù)據(jù)監(jiān)測和預(yù)警指標(biāo)