《医保大数据应用课件》由会员分享，可在线阅读，更多相关《医保大数据应用课件（51页珍藏版）》请在金锄头文库上搜索。
1、医保大数据应用,低效、混乱、难监管,流动资金管理效率低下,缺少对药品流通环节及对医院购药和医生开药的管控，造成中间环节的非法返点,医院和药店的采购分散，无法形成规模优势 生产过程的无监督导致药品质量低劣,分销层级过多，效率低下,看病难 看病贵 体验差,缺乏完善的审核工具和监控手段，报销中存在欺诈、浪费、滥用的现象,过量开药、过渡诊断和治疗 并非结合疗效和成本考虑的最佳治疗方案,病患不匹配 劳动强度高 制度约束力强,医保基金缺口大,数据来源：卫计委,图：2008-2015年城镇基本医疗保险基金收支情况（亿元）,近年来，医保基金支出增幅基本高于收入增幅，且医保支出占收入的比重远超过80%；老龄化比
2、重不断增大，65岁以上老年人占比超过10%，医疗负担增加。,数据来源：国家统计局,图：我国65岁以上人口占比,过渡医疗造成万亿损失,医院“过渡医疗”已呈常态：非合理用药、非合理检查、非合理收费、非合理医药定价、非参保对象享受医保待遇、非离退休人员享受离退休待遇。,典型国家医疗服务费用结构中药品占比,公开信息显示，仅滥开药、滥检查导致的资源浪费约20%-30%，加之药品回扣、药品虚高定价、乱收费等现象，医保基金浪费和流失比例不低于50%，控费审核迫在眉睫。,来源：海虹控股公司资料,缺乏有效的分级诊疗措施,来源：2014年中国卫生和计划生育统计年鉴。,中国出现三甲医院看病难的问题，其原因主要有两点
3、： （1）医疗资源分布不均衡是根本原因 （2）分级诊疗制度的缺失加剧了大医院看病难的问题,2013年中国各级医院发展情况,区域信息化存在壁垒,区域卫生信息化的重要内容：建立省、市分级数据中心，有效管理大容量健康档案、电子病历、医疗影像数据。 电子病历、健康档案、医疗影像数据格式不统一、内容不一样、数据分散存储。区域医疗数据中心建设涉及到来自多个业务系统的信息整合、统一存储、统一检索,医疗决策中的重要数据源,药厂: 市场营销数据 医疗数据 研发数据,医保组织: 报销数据 管理人群的基本数据,医疗业者: 电子医疗档案 临床测试结果 临床评估记录,患者: 社交网络 行为数据 患者提供的疗效数据,政府
4、管理机关: 政策和规范数据,实践证据是大数据的重要组成部分,实践证据(RWE) 是除去随机临床试验 (RCT)外的全部数据 电子医疗档案(EMR) 各种历史性和预期性的治疗观察记录数据库 医保机构的报销记录 实践证据的重要特性: 属于非介入性的观测记录 无法干预或者影响治疗决定 无法干预或者影响患者的医疗管理 实践证据的优点: 强调群体效用而非个体功效 提供真实的医疗资源和治疗成本评估 可以评估长期治疗的成本和效果,借助大数据、互联网手段直击行业痛点,建立医保控费体系、医保第三方管理公司、药品采购组织（PBM+TPA+GPO）,远程医疗、检查结果共享互认、医保联网异地结算、居民健康信息服务管理
5、,连接,智能,体验,大数据、互联网、云计算,智慧医疗,建立互联互通的健康信息平台、分级诊疗体系，解决资源不均衡、使用效率低问题,大数据医疗是当前的趋势,大数据对于卫生决策可能产生深远影响 评估治疗方式的性价比 医保定价和报销比例的制定 市场营销的策略 大数据也是循证医学的重要支柱 支持发现和确认有效治疗途径 发现和确认某种疗法的适用人群 寻找和开发相应的伴随诊断方法 大数据会使医疗卫生行业所有参与者受益，加强合作是成功的重点。 资源分享 政策支持 明确目标 了解大数据的局限性,数据的发展趋势,结构化数据,80% 非结构化数据, ,全世界 80% 的数据是非结构化的 (大量的移动 终端设备, 机
6、器产生的数据) 在未来十年，数据将迎来 44 倍的增长 (35 zettabytes by 2020) 主要的数据 增长 来自于 非结构化数据 (在线 的归档数据, 医疗影像, 在线视频和存储, 照,片等), ,全球数据的构成, ,Kaiser的数据中， 90% 是非结构化的 (80% 的EHR和影像数据) 在未来十年，数据将会有 25 倍的增长 (One exabyte by 2020) 主要的数据 增长 来自于 非结构化数据 (医 疗影像, 视频, 文本, 音频等),信息 给 实时个性化医疗服务带来了可能性,(Requires Contextual device, environment,
7、 spatial, Demographics, Social and Behavioral profiles in addition to medical information) Kaiser 正在评估大数据相关技术,Kaiser的数据构成,结构化数据,90% UNSTRUCTURED 非结构化数据 DATA,信息 给各行业发展带来了新一轮的机遇 (零售 , 金融, 保险, 制造, 医疗,) 各行业已经开始采用 大数据技术 用于信息提 取 Source: Kaiser,大数据在中国医疗行业中的应用模式,1.制药企业/生命科 学 3.费用报销, 利用 率 和 欺诈监管,2.临床决策支持 & 其
8、他临床应用 (包 括诊断相关的影像 信息) 4.患者行为/社交 网络,药品研发 对药品实际 作用进行分析；实 施药品市场预测 基因测序 分布式计算加快基因测序计算 效率 公共卫生实时统计分析 发现公共卫生疫情及公民健康 状况 新农合基金数据分析 及时了解基金状况，预测风险 辅助制定农合基金的起付线， 赔付病种等 基本药物临床应用分析 分析基本药物在处方中的比例,临床数据比对 匹配同类型的病人，用药 临床决策支持 利用规则和数据实时分析给 出智能提示 远程监控 采集并分析病人随身携带仪 器数据，给出智能建议 人口统计学分析 对不同群体人群的就医，健 康数据实施人口统计分析 了解病人就诊行为 发现
9、病人的特定就诊行为， 分配医疗资源,分布式数据服务系统 展现层 (报告, 视图),区域医疗及基层医疗信息系统大数据解决方案(Hadoop) 集成的用户应用界面（居民、医生、卫生行政管理人员）,数据挖掘 （Mahout） 分布式批量处理框架 (Map/Reduce),区域卫生信息访问层(HIAL),医院信息系统,药店信息系统,语言和编译 (Hive) 实时数据库 (Hbase),基层医疗信息系统,医疗服务 药品管理,新农合医疗保 险,服务器虚拟 化,基础设施虚拟化 网络虚拟化 存储虚拟化,基于云的区域基层医疗服务系统 多租户应用,分布式文件系统 协作 服务 (HDFS) (Zookeeper)
10、结构化数据采集器 日志数据采集器 (Sqoop) (Flume) 健康档案数据存储,公共卫生 运营管理,案例分享: Regional Health Info Network China Real-time Clinical Decision Support, 实时的医疗数据处理（电子健康档案，医 疗影像数据），支持医疗协同、临床决策,支持和公共卫生管理 采用 Hadoop (HBase/Hive)来实现医 疗数据分析和处理, 未来将扩展到不同领域、不同区域/地区,（包括数据交换、处理和分析） 与本地的软件厂商及OEM厂商进行了广泛 合作, 技术挑战 Hadoop (HBase/Hive)与传统
11、关系型数据,库如何有效结合,大数据在区域卫生信息平台中的切实可行,应用场景,Public Health,Hospital,Primary care (Grassroots),Health Information DW,EHR Data & Services,Registries Data & Services,Longitudinal Record Services Health Information Access Layer,Care Coordination Clinical decision support ,Data Analytic R&D ,RHIN Ancillary Data
12、 & Services,智慧医疗是医疗信息化的升级发展,医疗信息化系统,智慧医疗是医疗信息化的升级发展，通过与大数据、云计算技术的深度融合，以医疗云数据中心为载体，为各方提供医疗大数据服务。实现医生与病人、医生与护士、大型医院与社区医院、医疗与保险、医疗机构与卫生管理部门、医疗机构与药品管理之间的协同，逐步构建智慧化医疗服务体系。,大数据医疗领域,医疗产业链,大数据医疗,典型企业,核心,医药制造器械制造,医药流通,患者,支付方,可穿戴设备POCT,医药电商,网络医院 医疗信息化,远程医疗 互联网O2O ,医保控费PBM,九安医疗 三诺生物,九州通 阿里健康,春雨医生 好大夫,海虹控股卫宁软件,
13、宜华健康 万达信息,互联网或医疗核心资源互联网医疗载体平台医疗大数据云健康管理,智慧医疗发展阶段,智慧医疗生命周期四个阶段：探索期、启动器、高速发展期、成熟期，目前步入启动期和高速发展期之间，我国智慧医疗已经经历探索期，市场高速增长、商业模式不断清晰完善，细分领域龙头初现,1990s,2013,2014,2015,2016,2017,2018,2020,探索期,高速发展期,启动期,成熟期,医疗信息化开始 模式探索,互联网移动设备普及率提升 移动医疗应用涌现 资本大量涌入 泡沫出现,去泡沫化 商业模式不断清晰 细分领域龙头初现 市场高速增长,龙头公司诞生 行业整合 进入成熟期,智慧医疗呈现星火燎
14、原之势,各地智慧医疗与大数据建设呈现多层次阶梯式发展格局。 初步形成了应用先行区、特色应用区、初步应用区、发展起步区等四大类,商保市场前景广阔,我国医疗费用支出以政府主导的基本医疗保险和个人支付为主，这两项占到医疗总支出的96.5%；而美国则是以政府主导的基本医疗保险和商业保险为主，这两部分占比达80.6%。同美国相比，我国公民医疗负担较重，同时缺少商业保险作为补充支付方,来源：世界卫生组织数据库。,医疗健康服务需求快速增长,我国卫生总费用和人均卫生费用迅速增长，卫生总费用从2004年的7590.29亿元，到2014年的35312.40亿元，10年内增长近4倍，但与发达国家相比仍较低。老龄化日
15、趋严重和亚健康问题，健康医疗服务供不应求的矛盾加剧。截至2014年底，中国60周岁以上人口达到2.12亿，占总人口的15.5%，亚健康人群占比已超过70%。,数据来源：中国信息化百人会发布了智慧医疗与大数据2015年度报告,数据沉淀，衍生多种商业模式,2015年医疗健康数据应用方向,什么是经济模型？,在临床决策分析中使用的方法来提高我们系统的了解，并预测自己的行为 在不确定条件下用系统的循证分析方法来支持决策 综合考虑了给药方式和临床管理相关的功效，安全性，成本和变量 一个精心构建的模型可以帮助决策者评估一个产品在各种环境下可能造成的影响 它们可以辅助内部和外部决策，例如是否列入医院处方，产品
16、使用等,药物经济学是经济学评估在医药领域的一种应用,经济学,药物经济学,药物的“性价比”,药物经济学评估,药物经济学（pharmacoeconomics) 评估：是通过比较各种药物治疗方案的全部预期健康结果和全部预期成本/花费对备择方案作出整体性价比评估的一种方法。评估结果提供给决策者作为进行选择和决策时的参数和依据。 健康结果评估和成本/花费分析是药物经济学研究的两大重要部分,健康结果,25,效果 （Effectiveness）,效用 （Utility）,效益 （Benefit）,中间指标：如血压、血脂、血糖等生化指标(biomarkers) 终点指标：如避免心肌梗死、中风、糖尿病等疾病状态(morbidity)的发生，避免疾病导致的死亡
