CN113743783A - 一种医疗机构的信用评价方法及装置 - Google Patents
一种医疗机构的信用评价方法及装置 Download PDFInfo
- Publication number
- CN113743783A CN113743783A CN202111033739.9A CN202111033739A CN113743783A CN 113743783 A CN113743783 A CN 113743783A CN 202111033739 A CN202111033739 A CN 202111033739A CN 113743783 A CN113743783 A CN 113743783A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- credit
- evaluated
- value
- interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 577
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012795 verification Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012550 audit Methods 0.000 description 3
- 230000002688 persistence Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例提供了一种医疗机构的信用评价方法及装置，该方法包括：获取预先存储在区块链平台的评价任务；基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据；针对评价数据，按评价指标进行统计得到每一待评价医疗机构中各评价指标的统计数值；将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到对应的区间数值；基于各评价指标的区间数值和指标权重，计算得到每一待评价医疗机构的信用分数。基于信用分数和各中间数据，生成信用评价报告，并将信用评价报告存储至区块链平台，以使第三方平台从区块链平台获取信用评价报告。基于区块链技术实现了数据的安全性以及数据的公开透明，保证了信用评价足够公正可靠。
Description
技术领域
本发明涉及信用评价技术领域，尤其涉及一种医疗机构的信用评价方法及装置。
背景技术
医疗机构，是指依法定程序设立的从事疾病诊断、治疗活动的卫生机构的总称。其不仅在国家安全建设以及发展过程中有着举足轻重的地位，并且在国家医疗保障中同样占据着半壁江山。
目前医疗机构违法违规事件已经给国家财产造成了巨大的损失。其中一个很重要的原因就是，没有公正可靠的平台对各医疗机构的信用进行客观准确的评价，从而导致无法重点监管各医疗机构。
虽然有些第三方机构已经提供了关于各医疗机构的信用评价，但是由于数据安全以及其他方面等原因，导致现有信用评价不够公正可靠。
发明内容
本发明实施例提供一种医疗机构的信用评价方法及装置，以解决现有技术中，对各医疗机构进行信用评价的过程不够公正可靠的问题。
第一方面，本发明实施例提供了一种医疗机构的信用评价方法，所述方法包括：
获取预先存储在区块链平台的评价任务；其中，所述评价任务包括：多个评价指标、每一所述评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
基于所述评价任务获取所述评价时间段内，每一所述待评价医疗机构的评价数据；
针对每一所述待评价医疗机构的评价数据，统计所述评价数据中每一所述评价指标，得到每一所述待评价医疗机构中各所述评价指标的统计数值；
将不同所述待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一所述待评价医疗机构中各所述评价指标在对应数值区间中的区间数值；
针对每一所述待评价医疗机构，基于各所述评价指标的区间数值以及所述指标权重，计算得到每一所述待评价医疗机构的信用分数。
基于所述待评价医疗机构的信用分数、所述待评价医疗机构中各所述评价指标的统计数值、所述待评价医疗机构中各所述评价指标的所述区间数值以及所述指标权重，生成信用评价报告，并将所述信用评价报告存储至所述区块链平台，以使第三方平台从所述区块链平台获取所述信用评价报告。
第二方面，本发明实施例还提供一种医疗机构的信用评价装置，所述装置包括：
任务获取模块，用于获取预先存储在区块链平台的评价任务；其中，所述评价任务包括：多个评价指标、每一所述评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
评价数据获取模块，用于基于所述评价任务获取所述评价时间段内，每一所述待评价医疗机构的评价数据；
统计模块，用于针对每一所述待评价医疗机构的评价数据，统计所述评价数据中每一所述评价指标，得到每一所述待评价医疗机构中各所述评价指标的统计数值；
映射模块，用于将不同所述待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一所述待评价医疗机构中各所述评价指标在对应数值区间中的区间数值；
信用分数模块，用于针对每一所述待评价医疗机构，基于各所述评价指标的区间数值以及所述指标权重，计算得到每一所述待评价医疗机构的信用分数；
评价报告模块，用于基于所述待评价医疗机构的信用分数、所述待评价医疗机构中各所述评价指标的统计数值、所述待评价医疗机构中各所述评价指标的所述区间数值以及所述指标权重，生成信用评价报告，并将所述信用评价报告存储至所述区块链平台，以使第三方平台从所述区块链平台获取所述信用评价报告。
再一方面，本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的医疗机构的信用评价方法中的步骤。
在本发明实施例中，可以获取预先存储在区块链平台的评价任务，该评价任务用于对医疗机构进行信用评价，由于评价任务预先存储在区块链平台中，基于区块链的防篡改特性，不仅可以保证数据安全，同时也可以使得数据公开透明，进一步提升信用评价的公正性。在基于评价任务获取针对待评价医疗机构的评价数据之后，基于评价指标对评价数据进行统计可以得到每一待评价医疗机构中各评价指标的统计数值。为避免各待评价医疗机构中同一评价指标的统计数值差异过大，采用映射的方式将同一评价指标对应的不同统计数值映射到一合理的数值区间。进而基于各评价指标的区间数值以及指标权重计算得到用于衡量医疗机构可信程度的信用分数，然后基于信用分数、统计数值、区间数值以及指标权重生成信用评价报告，并将信用评价报告上传区块链平台，保证对医疗机构进行信用评价的结果不会被篡改以及信用评价结果的公开透明。本发明实施例中，将用于评价医疗机构的评价任务以及对医疗机构进行信用评价的评价结果全部存储在区块链平台，基于区块链技术实现了数据的安全性以及数据的公开透明，保证了信用评价足够公正可靠。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的医疗机构的信用评价方法的步骤流程图；
图2为评价任务在区块链平台的存储结构示意图；
图3为统计数值在区块链平台的存储结构示意图；
图4为区间数值和信用分数在区块链平台的存储结构示意图；
图5为主体信息在区块链平台的存储结构示意图；
图6为本发明实施例提供的一种正态分布模型示意图；
图7为本发明实施例提供的一种标杆值分布模型示意图；
图8为本发明实施例提供的另一种标杆值分布模型示意图；
图9为本发明实施例提供的一种基准数值递增分布模型示意图；
图10为本发明实施例提供的一种高优指标分布模型示意图；
图11为本发明实施例提供的一种降序模型示意图；
图12为本发明实施例中接入评价数据的架构示意图；
图13为本发明实施例提供的医疗机构的信用评价方法的架构示意图；
图14为本发明实施例提供的医疗机构的信用评价装置的结构框图之一；
图15为本发明实施例提供的电子设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参见图1，本发明实施例提供了一种医疗机构的信用评价方法，该方法包括：
步骤101：获取预先存储在区块链平台的评价任务。
应当说明的是，区块链平台为基于区块链技术的数据平台。评价任务用于对医疗机构进行信用评价，其中包括与信用评价相关的多项数据，具体的，评价任务包括：多个评价指标、每一评价指标对应的指标权重、评价时间段以及多个待评价医疗机构。其中，可以根据当地政策和监管重点进行指标选取。例如门诊次均费用，住院次均费用，满意度得分，违规事件扣分等等。这些都是对医疗机构进行信用评价的重要指标，还可以采用国家局发文制定的指标，如果各地方有特色指标也可以通过自定义方式添加指标规则。评价指标对应的指标权重可以表征该评价指标在衡量医疗机构可信程度时的重要程度。评价指标对应的指标权重越大，说明该评价指标越重要。具体的，采用根据国家规定的指标权重，从而保证信用评价结果的信服力。评价时间段为用户预先设置的任意时间段。可以理解的是，通常我们只需评价医疗机构在某一时间段内是否可信即可。例如评价医疗机构在2020～2021年是否可信。待评价医疗机构即为信用评价的对象，具体的，可以根据医院等级、医院类别，统筹区等筛选条件调用社保/设备系统查询已签医保协议的医疗机构，作为评价对象集合。
步骤102：基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据。
应当说明的是，可以预先获取大量医疗机构的评价数据，在获取评价任务之后选择所需的评价数据即可。即每一待评价医疗机构在评价时间段内的评价数据。这里的评价数据为与待评价医疗机构相关联的数据，可用于对待评价医疗机构进行信用评价。
步骤103：针对每一待评价医疗机构的评价数据，统计评价数据中每一评价指标，得到每一待评价医疗机构中各评价指标的统计数值。
应当说明的是，在统计评价指标时，对评价数据进行相应的计算得到统计数值。例如评价指标为：门诊次均费用，评价数据中门诊访问次数为10000 次，门诊一共收费1000000元，则统计得到门诊次均费用为100元/次。
步骤104：将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一待评价医疗机构中各评价指标在对应数值区间中的区间数值。
应当说明的是，通常情况下不同待评价医疗机构中相同评价指标的统计数值之间的差值过于明显，不利于计算。因此，将相同评价指标的各统计数值映射至同一数值区间后，通过控制数值区间，可以在不影响各统计数值之间的数值关系的情况下，缩小相同评价指标的各统计数值之间的差值。例如数值区间为[0,100]，各统计数值的数值大小从100到100000，均有分布，将各统计数值映射至[0,100]后，各统计数值对应区间数值将位于[0,100]，这里，可以将各统计数值对应的区间数值作为统计数值进行使用。
步骤105：针对每一待评价医疗机构，基于各评价指标的区间数值以及指标权重，计算得到每一待评价医疗机构的信用分数。
应当说明的是，针对每一待评价医疗机构，对各评价指标的区间数值加权求和，得到每一待评价医疗机构的信用分数。例如，评价指标包括第一指标和第二指标，第一指标的权重为0.2，第二指标的权重为0.3，第一指标的区间数值为100，第二指标的区间数值为80，则信用分数＝100×0.2+80× 0.3＝44。这里，信用分数用于衡量待评价医疗机构的可信程度。
步骤106：基于待评价医疗机构的信用分数、待评价医疗机构中各评价指标的统计数值、待评价医疗机构中各评价指标的区间数值以及指标权重，生成信用评价报告，并将信用评价报告存储至区块链平台，以使第三方平台从区块链平台获取信用评价报告。
应当说明的是，信用评价报告为符合国家要求的评价报告，具有固定的格式及内容要求。当然，这里的信用评价报告还可以为用户根据需求自行设计的报告。信用评价报告包括每一待评价医疗机构的信用分数、待评价医疗机构中各评价指标的统计数值、待评价医疗机构中各评价指标的区间数值以及指标权重，其中，各项数据可以以任意形式展示在信用评价报告中，例如直接以文字、数字的形式展示在信用评价报告中，也可以以折线图、柱状图等形式展示在信用评价报告中，在此不做限定。通过将信用评价报告上链存储，第三方平台通过区块链平台可以查询到安全可靠的信用评价报告，无需担心有人篡改区块链上的数据。较佳地，可以将各待评价医疗机构按照信用分数的排序进行排名，将排名结果写入信用评价报告中。可以理解的是，针对每一评价任务可以生成一对应的信用评价报告，区块链平台存储信用评价报告时，将信用评价报告与其相关联的评价任务对应存储。从而在区块链平台中基于一评价任务可以确定唯一的信用评价报告，基于一信用评价报告可以确定唯一的评价任务。
本发明实施例中，可以获取预先存储在区块链平台的评价任务，该评价任务用于对医疗机构进行信用评价，由于评价任务预先存储在区块链平台中，基于区块链的防篡改特性，不仅可以保证数据安全，同时也可以使得数据公开透明，进一步提升信用评价的公正性。在基于评价任务获取针对待评价医疗机构的评价数据之后，基于评价指标对评价数据进行统计可以得到每一待评价医疗机构中各评价指标的统计数值。为避免各待评价医疗机构中同一评价指标的统计数值差异过大，采用映射的方式将同一评价指标对应的不同统计数值映射到一合理的数值区间。进而基于各评价指标的区间数值以及指标权重计算得到用于衡量医疗机构可信程度的信用分数，然后基于信用分数、统计数值、区间数值以及指标权重生成信用评价报告，并将信用评价报告上传区块链平台，保证对医疗机构进行信用评价的结果不会被篡改以及信用评价结果的公开透明。本发明实施例中，将用于评价医疗机构的评价任务以及对医疗机构进行信用评价的评价结果全部存储在区块链平台，基于区块链技术实现了数据的安全性以及数据的公开透明，保证了信用评价足够公正可靠。
可选地，该方法还包括：
将每一待评价医疗机构中各评价指标的统计数值以及每一待评价医疗机构中各评价指标的区间数值对应评价任务存储至区块链平台。
具体的，在计算得到每一待评价医疗机构中各评价指标的统计数值之后，立即将每一待评价医疗机构中各评价指标的统计数值上链存储；同理，在计算得到每一待评价医疗机构中各评价指标的区间数值之后，立即将每一待评价医疗机构中各评价指标的区间数值上链存储，较佳地，还可以在计算得到每一待评价医疗机构的信用分数之后，立即将每一待评价医疗机构的信用分数上链存储。
在将信用评价报告存储至区块链平台之后，该方法还包括：
在接收到溯源验证请求的情况下，基于区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，其中，目标信息包括：不同评价任务下各待评价医疗机构的评价指标的统计数值、各待评价医疗机构的评价指标的区间数值以及信用评价报告。
应当说明的是，第三方平台在区块链平台获取或者从其他渠道获取信用评价报告之后，若仍然无法相信其内容的可靠性，可以发起溯源验证请求。这里，溯源验证不仅可以验证信用评价报告的可靠性，还可以在信用评价报告不可靠时确定哪部分数据被篡改了。这里，每次执行评价任务可以得到对应该评价任务的大量数据，例如统计数据、区间数值、信用评价报告等。因此，区块链平台中存储有已经执行过的评价任务对应的大量数据，作为目标信息供溯源验证时使用。
本发明实施例中，在生成信用评价报告的过程中，对计算信用分数过程中的中间数据进行上链存储，可以实现对数据的留证，从而方便后续对信用评价报告进行溯源和验证。
可选地，所述区块链平台对应所述评价任务存储有的任务标识；溯源验证请求携带有目标任务标识；
可以理解的是，在区块链平台中可以区分不同评价任务对应的数据，也就是说在确定评价任务之后，可以确定该评价任务对应的数据。这里，对应同一评价任务存储的数据即为对应同一任务标识存储的数据。具体的，区块链平台中通过不同存储节点中的任务标识，确定哪些数据属于同一评价任务。如图2所示，为评价任务在区块链平台的存储结构示意图，其中任务标识具有唯一性，不同评价任务的任务标识不同。评价任务中的指标信息集合为该评价任务中的评价指标的集合，主体信息集合为该评价任务中待评价医疗机构的集合，等级信息为基于信用分数划分信用等级的规则，当然评价任务还包括其他信息，并未在图2中体现。如图3所示，为统计数值在区块链平台的存储结构示意图，其中，主体即为待评价医疗机构，指标即为评价指标，数值即为统计数值。如图4所示，为区间数值和信用分数在区块链平台的存储结构示意图，其中，主体即为待评价医疗机构，指标即为评价指标，分值即为区间数值，主体分值即为信用分数。这里针对每一主体，还可以将主体的相关信息单独存储在区块链中，如图5所示为主体信息在区块链平台的存储结构示意图。其中，主体即为待评价医疗机构，指标即为评价指标，分值即为区间数值，数值即为统计数值，权重即为指标权重，主体得分即为信用分数，主体评级即为信用级别。其中扣分项集合为评价数据中医疗机构违规的相关信息。
基于区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，包括：
基于目标任务标识，确定区块链平台中目标评价任务下的目标信用评价报告、目标评价任务下每一待评价医疗机构中各评价指标的区间数值以及目标评价任务下每一待评价医疗机构中各评价指标的统计数值；
比较目标信用评价报告与待验证信用评价报告，并在目标信用评价报告与待验证信用评价报告相同的情况下，确定待验证信用评价报告验证通过；
在目标信用评价报告与待验证信用评价报告不相同的情况下，依次比较目标评价任务下待评价医疗机构中各评价指标的区间数值与待验证信用评价报告中的区间数值、比较目标评价任务下待评价医疗机构中各评价指标的统计数值与待验证信用评价报告中的统计数值，并基于比较结果确定待验证信用评价报告中被篡改的数据项，其中数据项包括待验证信用评价报告中的区间数值以及统计数值。
应当说明的是，在上述各个比较过程中，可以首先计算各自的哈希值，通过比较各自的哈希值是否相同，确定两者是否相同，但不限于此。若目标评价任务下待评价医疗机构中各评价指标的区间数值与待验证信用评价报告中的区间数值不同，则说明区间数值被篡改，待验证信用评价报告验证不通过。可以理解的是，相互比较的区间数值的数量为多个，需要将相对应的区间数值进行比较，例如目标评价任务下第一待评价医疗机构的第一评价指标的区间数值与待验证信用评价报告中第一待评价医疗机构的第一评价指标的区间数值进行比较，目标评价任务下第一待评价医疗机构的第二评价指标的区间数值与待验证信用评价报告中第一待评价医疗机构的第二评价指标的区间数值进行比较，目标评价任务下第二待评价医疗机构的第一评价指标的区间数值与待验证信用评价报告中第二待评价医疗机构的第一评价指标的区间数值进行比较，目标评价任务下第二待评价医疗机构的第二评价指标的区间数值与待验证信用评价报告中第二待评价医疗机构的第二评价指标的区间数值进行比较。
同理，若目标评价任务下所述待评价医疗机构中各所述评价指标的统计数值与所述待验证信用评价报告中的统计数值不同，则说明统计数值被篡改，待验证信用评价报告验证不通过。相互比较的统计数值的数量为多个，需要将相对应的统计数值进行比较，这里不再赘述。
本发明实施例中，基于溯源验证请求中的目标任务标识以及区块链平台中存储数据的任务标识，确定与待验证信用评价报告相对应的数据，进而实现对待验证信用评价报告的溯源和验证。
可选地，评价任务还包括：预设分布模型，其中，预设分布模型包括：正态分布模型、标杆值分布模型、基准数值递增分布模型、基准数值递减分布模型、高优指标分布模型、低优指标分布模型、降序模型、升序模型中的至少一个。
可以理解的是，其中，正态分布模型例如如图6所示，图6是本发明实施例提供的一种正态分布模型示意图。在对比范围内，按评价指标的统计数值从小到大的顺序排列，[5％，95％)范围内得满分100，满分区间以外每偏离1％减20分。近似服从正态分布。多数得满分，极少数得低分。
标杆值分布模型例如如图7所示，图7是本发明实施例提供的一种标杆值分布模型示意图。在对比范围内，按评价指标的统计数值从小到大的顺序排列，中位数±10％范围内设为满分100，满分区间以外分布每偏离1％，减 3.3分，最低0分。分数分档较细，得分较精确；满分人数适中。
图8是本发明实施例提供的另一种标杆值分布模型示意图。样本集的平均值为
以此作为标杆，对应分为满分100分。按评价指标的统计数值从小到大的顺序排列，左右两边的实际值离
越接近，得分越高，离
越远得分越低。
图9是本发明实施例提供的一种基准数值递增分布模型示意图。在对比范围内，按评价指标的统计数值从小到大的顺序排列，中位数为合格基准分； (建议80分)，高优(统计数值越高越好)，每高于基准分分布1％，加M 分，最高100分；每低于基准分分布1％，减N分，最低0分。
基准数值递减分布模型与基准数值递增分布模型相反，基准数值递减分布模型为低优，表示统计数值越低越好，每高于基准分分布1％，减N分，最低0分；每低于基准分分布1％，加M分，最高100分；图形与图9曲线相反，统计数值越高则区间数值越低。
高优指标分布模型：高优指标分布模型如图10所示，图10是本发明实施例提供的一种高优指标分布模型示意图。按评价指标的统计数值从小到大的顺序排列。在排序后得到的统计数值的集合中，从最大的统计数值开始，按序截取集合中20％的统计数值对应的区间作为满分区间。统计数值在满分区间内，则该统计数值对应的区间数值为满分。
其他评价指标的区间数值＝(评价指标的统计数值/M分位数对应的统计数值)×100。M分位数对应的统计数值＝在满分区间内占比最小的统计数值，示例：统计数值包括：2,6,10,14,25,31,35,25,65,88十个数值，指标个数占比为20％的情况下，则满分区间内的统计数值为65和88，M分位数对应的统计数值为65，则统计数值为2的评价指标的区间数值＝(2/65)×100，同样也可以按照上述的其他评价指标的区间数值，此处不再一一赘述。
低优指标分布模型：低优指标分布模型与上述图10示出的高优指标分布模型相反，以同样的数据进行示例：统计数值包括：2,6,10,14, 25,31,35,25,65,88十个数值，则满分区间内的指标数值为2和6，M分位数对应的统计数值为6，则统计数值为10的评价指标的区间数值＝(6/10)×100，同样也可以按照低优指标分布模型对应计算其他评价指标的区间数值，此处不再一一赘述。
降序模型：图11是本发明实施例提供的一种降序模型示意图，区间数值＝100-(对比范围内该医院指标名次/最大排名)×100；
降序模型适用于实际的统计数值差异较大，出现量级差异的情况。
升序模型与降序模型示意图相反，也适用于统计数值差异较大，出现量级差异的情况。
需要说明的是，预设分布模型为预设根据评价指标对应的评价数据的特征构建的。例如如图8示出的标杆值分布模型，标杆值实际不是一个值，在医保基金监管的指标中，标杆值往往是个区间。例如针对执行总额预算这个指标，预算执行率往往是个百分比，中位数取90％，所以预算执行率如果达到80％-100％区间，则执行总额预算这个评价指标的区间数值为满分100分，代表着预算执行与计划偏差不大，如果超出或者不足80％则按偏离扣分，超出100％也按照偏离程度扣分。针对需计算执行总额预算这个评价指标的区间数值时，即可采用如图8示出的标杆值分布模型计算。
针对高优指标分布模型，例如评价指标为满意度指标，满意度指标对应的统计数值越高，则满意度指标对应的区间数值越高。也即计算满意度指标对应的区间数值的情况下，可以采用高优指标分布模型计算区间数值。针对低优指标分布模型，例如评价指标为门诊均次费用指标，门诊均次费用指标对应的统计数值越高，则门诊均次费用指标对应的区间数值越低，因此，在计算门诊均次费用指标对应的区间数值的情况下，可以采用例如低优指标分布模型计算门诊均次费用指标对应的区间数值。也即评价指标对应的评价数据的特征不同，可采用不同的分布模型计算区间数值。
将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一待评价医疗机构中各评价指标在对应数值区间中的区间数值，包括：
针对每一评价指标，将相同评价指标对应的所有统计数值按照从小到大的顺序排序，得到每一评价指标对应的统计数值序列；
分别将每一统计数值序列按照预设分布模型的分布形式映射至目标数值区间，得到每一统计数值在目标数值区间对应的区间数值；
将每一统计数值对应的区间数值确定为具有该统计数值的评价指标的区间数值。
本发明实施例中，利用预先设置的分布模型可以灵活计算评价指标的区间数值。
可选地，评价任务还包括：多个信用等级以及每一信用等级对应的信用数值区间；信用评价报告包括每一待评价医疗机构对应的信用等级；其中，待评价医疗机构对应的信用等级为待评价医疗机构的信用分数所属信用数值区间对应的信用等级。
应当说明的是，可以对医疗机构的可信程度进行分级，使得用户可以更加直观方便的获知医疗机构的可信程度情况。例如将90-100分的信用数值区间1设置为A级，80-90分的信用数值区间2设置为B级，70-80分的信用数值区间3设置为C级，60-70分的信用数值区间4设置为D级，60分以下设置为E级。若某待评价医疗机构的信用分数为95分，该95分位于信用数值区间1，则该待评价医疗机构的信用级别为A级。
本发明实施例中，通过确定待评价医疗机构的信用级别，便于对待评价医疗机构进行归类，并且，可以基于信用级别生成的信用评价报告，方便用户通过信用级别直观的了解待评价医疗机构的可信程度。
可选地，在获取预先存储在区块链平台的评价任务之前，该方法还包括：
从医保系统以及各医疗机构接入与医疗机构相关联的评价数据。
应当说明的是，通过从不同渠道获取用于对医疗机构进行信用评价的较为全面的评价数据。可以理解的是，在患者就诊完之后，在医疗机构明显位置可以张贴满意度调查问卷的二维码。患者通过满意度调查问卷对本次就诊满意度进行评价。国家医保局人员会定期和非定期对医疗机构进行突击检查，稽核出来的问题会折算成扣分项，作为医疗机构稽核考核指标的数值，这种扣分数值越低越好。在医疗机构内部架设摄像头，在患者就诊、检查时，通过摄像头进行人脸识别与医保卡进行对比，如果非本人就诊，则为骗取医保基金事件，进行上报。在医疗机构住院地点架设摄红外摄像头，如果患者办理住院却长时间没有在病床区域，则为挂床骗取医保基金事件，进行上报。每家医疗机构每日会上传医疗、结算相关数据给医保系统。可以通过病案信息、结算信息、结算明细信息来统计出患者的平均住院日，门诊次均费用，住院次均费用等关键指标的数值。因此，评价数据包括上述患者对医疗机构、医生的评价数据、国家稽核人员对医疗机构、医生的稽核数据、通过监控设备发现的违规事件以及通过医疗数据，对医疗机构关键指标给出量化的数值。
对接入的评价数据进行数据整合，并将数据整合后的评价数据存储至目标数据库。
应当说明的是，数据整合包括数据清洗和数据标准化，即将无用的数据删除，将剩余数据统一标准。
如图12所示，为本发明实施例中接入评价数据的架构示意图，其中，可以医院A可以将本院的满意度调查数据、稽查数据、监控设备采集的监控数据通过HTTP(超文本传输协议，Hyper Text Transfer Protocol)传输给信用评价平台的数据接入层，医院B可以将本院的满意度调查数据、稽查数据、监控设备采集的监控数据通过HTTP传输给信用评价平台的数据接入层。医院A和医院B分别将各自的业务数据上报医保系统，由医保系统将数据传输给数据接入层。数据接入层包括C端接入适配器、B端接入适配器、智能监控接入适配器和医保系统接入适配器，以接入适配器接入上述的四类数据，并对接入的数据进行数据清洗、标准化和持久化，持久化指将标准化的数据存储在磁盘等存储设备。
基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据，包括：
从目标数据库中获取每一待评价医疗机构在评价时间段内的评价数据。
本发明实施例中，从不同渠道获取较为全面的评价数据，可以提升信用评价报告中信用分数的准确性。
可选地，在获取预先存储在区块链平台的评价任务之前，该方法还包括：
创建评价任务，设置评价指标、设置每一评价指标对应的指标权重、设置评价时间段以及选择待评价医疗机构；
将创建的评价任务存储至区块链平台。
本发明实施例中，用户可以根据自己的需求创建评价任务，对选择的医疗机构进行信用评价。
如图13所示，为本发明实施例提供的医疗机构的信用评价方法的架构示意图，其中，关于数据接入层的部分与图12所示内容相同，这里不再赘述。
信用评价平台的评价管理层，通过创建评价任务、选取指标、设置指标权重、设置评分方法、设置等级以及选择评价主体，得到评价任务，并将评价任务存储至区块链平台。其中，创建评价任务具体为，创建任务并选取评价年度和评价医院等级，例如设置了2020年，公立，三级甲等医院，综合医院。即对公立，三级甲等，综合医院医院2020年度进行信用评价。选取指标，具体为，根据当地政策和监管重点进行指标选取。例如门诊次均费用，住院次均费用，满意度得分，违规事件扣分等等。这些都是对医院进行信用评价的重要指标，信用评价平台提供了一些预设指标，指标是按照国家局发文制定的指标，如果各地方有特色指标也可以通过自定义方式添加指标规则。设置评分方法，具体为提供统计学的算法模型，供使用者进行选择。设置指标权重，具体为每个指标设置权重值，在使用指标对医疗机构进行信用评价时，每个指标分值会乘以对应的指标权重来给出医疗机构最终的信用分数。设置等级，具体为提供根据被评价的医疗机构的信用分数区间来设置评级，例如90-100分为A级，80-90为B级，70-80为C级，60-70为D级，60 分以下为E级。选择评价主体，其中评价主体即为待评价医疗机构，可以根据医院等级、医院类别，统筹区等筛选条件调用医保系统查询已签医保协议的医疗机构，作为信用评价对象集合。
评价引擎用于获取区块链平台上的评价任务对评价主体进行信用评价。其中统计得到的指标数值即为上述各发明实施例中评价指标的统计数值，指标分支即为上述各发明实施例中评价指标的区间数值，算法模型即为上述各发明实施例中的预设分布模型，信用评级即为上述各发明实施例中基于信用分数确定待评价医疗机构的信用级别，这里不再赘述。其中，图13中政府、银行、参保人均为第三方平台，可以从区块链平台获取安全可靠的信用评价报告。
以上介绍了本发明实施例提供的医疗机构的信用评价方法，下面将结合附图介绍本发明实施例提供的医疗机构的信用评价装置。
参见图14，本发明实施例还提供了一种医疗机构的信用评价装置，该装置包括：
任务获取模块1401，用于获取预先存储在区块链平台的评价任务；其中，评价任务包括：多个评价指标、每一评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
评价数据获取模块1402，用于基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据；
统计模块1403，用于针对每一待评价医疗机构的评价数据，统计评价数据中每一评价指标，得到每一待评价医疗机构中各评价指标的统计数值；
映射模块1404，用于将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一待评价医疗机构中各评价指标在对应数值区间中的区间数值；
信用分数模块1405，用于针对每一待评价医疗机构，基于各评价指标的区间数值以及指标权重，计算得到每一待评价医疗机构的信用分数；
评价报告模块1406，用于基于待评价医疗机构的信用分数、待评价医疗机构中各评价指标的统计数值、待评价医疗机构中各评价指标的区间数值以及指标权重，生成信用评价报告，并将信用评价报告存储至区块链平台，以使第三方平台从区块链平台获取信用评价报告。
可选地，该装置还包括：
上传模块，用于将每一待评价医疗机构中各评价指标的统计数值以及每一待评价医疗机构中各评价指标的区间数值对应评价任务存储至区块链平台；
溯源验证模块，用于在接收到溯源验证请求的情况下，基于区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，其中，目标信息包括：不同评价任务下各待评价医疗机构的评价指标的统计数值、各待评价医疗机构的评价指标的区间数值以及信用评价报告。
可选地，区块链平台对应评价任务存储有的任务标识，溯源验证请求携带有目标任务标识，目标任务标识与区块链平台中目标评价任务的任务标识相同；溯源验证模块包括：
第一验证单元，用于基于目标任务标识，确定区块链平台中目标评价任务下的目标信用评价报告、目标评价任务下每一待评价医疗机构中各评价指标的区间数值以及目标评价任务下每一待评价医疗机构中各评价指标的统计数值；
第二验证单元，用于比较目标信用评价报告与待验证信用评价报告，并在目标信用评价报告与待验证信用评价报告相同的情况下，确定待验证信用评价报告验证通过；
溯源单元，用于在目标信用评价报告与待验证信用评价报告不相同的情况下，依次比较目标评价任务下待评价医疗机构中各评价指标的区间数值与待验证信用评价报告中的区间数值、比较目标评价任务下待评价医疗机构中各评价指标的统计数值与待验证信用评价报告中的统计数值，并基于比较结果确定待验证信用评价报告中被篡改的数据项，其中数据项包括待验证信用评价报告中的区间数值以及统计数值。
可选地，评价任务还包括：预设分布模型，其中，预设分布模型包括：正态分布模型、标杆值分布模型、基准数值递增分布模型、基准数值递减分布模型、高优指标分布模型、低优指标分布模型、降序模型、升序模型中的至少一个；
映射模块1404包括：
排序单元，用于针对每一评价指标，将相同评价指标对应的所有统计数值按照从小到大的顺序排序，得到每一评价指标对应的统计数值序列；
映射单元，用于分别将每一统计数值序列按照预设分布模型的分布形式映射至目标数值区间，得到每一统计数值在目标数值区间对应的区间数值；
映射确定单元，用于将每一统计数值对应的区间数值确定为具有该统计数值的评价指标的区间数值。
可选地，评价任务还包括：多个信用等级以及每一信用等级对应的信用数值区间；信用评价报告包括每一待评价医疗机构对应的信用等级；其中，待评价医疗机构对应的信用等级为待评价医疗机构的信用分数所属信用数值区间对应的信用等级。
可选地，该装置还包括：
数据获取模块，用于从医保系统以及各医疗机构接入与医疗机构相关联的评价数据；
数据整合模块，用于对接入的评价数据进行数据整合，并将数据整合后的评价数据存储至目标数据库；
评价数据获取模块1402，具体用于从目标数据库中获取每一待评价医疗机构在评价时间段内的评价数据。
本发明实施例提供的医疗机构的信用评价装置能够实现图1至图12的方法实施例中医疗机构的信用评价方法实现的各个过程，为避免重复，这里不再赘述。
本发明的实施例中，可以获取预先存储在区块链平台的评价任务，该评价任务用于对医疗机构进行信用评价，由于评价任务预先存储在区块链平台中，基于区块链的防篡改特性，不仅可以保证数据安全，同时也可以使得数据公开透明，进一步提升信用评价的公正性。在基于评价任务获取针对待评价医疗机构的评价数据之后，基于评价指标、指标权重以及评价数据计算得到用于衡量医疗机构可信程度的信用分数，然后基于信用分数生成信用评价报告，并将信用评价报告上传区块链平台，保证对医疗机构进行信用评价的结果不会被篡改以及信用评价结果的公开透明。本发明实施例中，将用于评价医疗机构的评价任务以及对医疗机构进行信用评价的评价结果全部存储在区块链平台，基于区块链技术实现了数据的安全性以及数据的公开透明，保证了信用评价足够公正可靠。
另一方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述医疗机构的信用评价方法的步骤。
举个例子如下，图15示出了一种电子设备的实体结构示意图。
如图15所示，该电子设备可以包括：处理器(processor)1510、通信接口(Communications Interface)1520、存储器(memory)1530和通信总线 1540，其中，处理器1510，通信接口1520，存储器1530通过通信总线1540 完成相互间的通信。处理器1510可以调用存储器1530中的逻辑指令，以执行如下方法：
获取预先存储在区块链平台的评价任务；其中，评价任务包括：多个评价指标、每一评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据；
针对每一待评价医疗机构的评价数据，统计评价数据中每一评价指标，得到每一待评价医疗机构中各评价指标的统计数值；
将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一待评价医疗机构中各评价指标在对应数值区间中的区间数值；
针对每一待评价医疗机构，基于各评价指标的区间数值以及指标权重，计算得到每一待评价医疗机构的信用分数。
基于待评价医疗机构的信用分数、待评价医疗机构中各评价指标的统计数值、待评价医疗机构中各评价指标的区间数值以及指标权重，生成信用评价报告，并将信用评价报告存储至区块链平台，以使第三方平台从区块链平台获取信用评价报告。
此外，上述的存储器1530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备 (可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
再一方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的医疗机构的信用评价方法，例如包括：
获取预先存储在区块链平台的评价任务；其中，评价任务包括：多个评价指标、每一评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
基于评价任务获取评价时间段内，每一待评价医疗机构的评价数据；
针对每一待评价医疗机构的评价数据，统计评价数据中每一评价指标，得到每一待评价医疗机构中各评价指标的统计数值；
将不同待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一待评价医疗机构中各评价指标在对应数值区间中的区间数值；
针对每一待评价医疗机构，基于各评价指标的区间数值以及指标权重，计算得到每一待评价医疗机构的信用分数。
基于待评价医疗机构的信用分数、待评价医疗机构中各评价指标的统计数值、待评价医疗机构中各评价指标的区间数值以及指标权重，生成信用评价报告，并将信用评价报告存储至区块链平台，以使第三方平台从区块链平台获取信用评价报告。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种医疗机构的信用评价方法，其特征在于，所述方法包括：
获取预先存储在区块链平台的评价任务；其中，所述评价任务包括：多个评价指标、每一所述评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
基于所述评价任务获取所述评价时间段内，每一所述待评价医疗机构的评价数据；
针对每一所述待评价医疗机构的评价数据，统计所述评价数据中每一所述评价指标，得到每一所述待评价医疗机构中各所述评价指标的统计数值；
将不同所述待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一所述待评价医疗机构中各所述评价指标在对应数值区间中的区间数值；
针对每一所述待评价医疗机构，基于各所述评价指标的区间数值以及所述指标权重，计算得到每一所述待评价医疗机构的信用分数。
基于所述待评价医疗机构的信用分数、所述待评价医疗机构中各所述评价指标的统计数值、所述待评价医疗机构中各所述评价指标的所述区间数值以及所述指标权重，生成信用评价报告，并将所述信用评价报告存储至所述区块链平台，以使第三方平台从所述区块链平台获取所述信用评价报告。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将每一所述待评价医疗机构中各所述评价指标的统计数值以及每一所述待评价医疗机构中各所述评价指标的区间数值对应所述评价任务存储至所述区块链平台；
在所述将所述信用评价报告存储至所述区块链平台之后，所述方法还包括：
在接收到溯源验证请求的情况下，基于所述区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，其中，所述目标信息包括：不同评价任务下各待评价医疗机构的所述评价指标的统计数值、各待评价医疗机构的所述评价指标的区间数值以及信用评价报告。
3.根据权利要求2所述的方法，其特征在于，所述区块链平台对应所述评价任务存储有的任务标识，所述溯源验证请求携带有目标任务标识，所述目标任务标识与所述区块链平台中目标评价任务的任务标识相同；所述基于所述区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，包括：
基于所述目标任务标识，确定所述区块链平台中目标评价任务下的目标信用评价报告、所述目标评价任务下每一所述待评价医疗机构中各所述评价指标的区间数值以及所述目标评价任务下每一所述待评价医疗机构中各所述评价指标的统计数值；
比较所述目标信用评价报告与所述待验证信用评价报告，并在所述目标信用评价报告与所述待验证信用评价报告相同的情况下，确定所述待验证信用评价报告验证通过；
在目标信用评价报告与所述待验证信用评价报告不相同的情况下，依次比较所述目标评价任务下所述待评价医疗机构中各所述评价指标的区间数值与所述待验证信用评价报告中的区间数值、比较所述目标评价任务下所述待评价医疗机构中各所述评价指标的统计数值与所述待验证信用评价报告中的统计数值，并基于比较结果确定所述待验证信用评价报告中被篡改的数据项，其中所述数据项包括所述待验证信用评价报告中的区间数值以及统计数值。
4.根据权利要求1所述的方法，其特征在于，所述评价任务还包括：预设分布模型，其中，所述预设分布模型包括：正态分布模型、标杆值分布模型、基准数值递增分布模型、基准数值递减分布模型、高优指标分布模型、低优指标分布模型、降序模型、升序模型中的至少一个；
所述将不同所述待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一所述待评价医疗机构中各所述评价指标在对应数值区间中的区间数值，包括：
针对每一所述评价指标，将相同评价指标对应的所有统计数值按照从小到大的顺序排序，得到每一评价指标对应的统计数值序列；
分别将每一所述统计数值序列按照所述预设分布模型的分布形式映射至目标数值区间，得到每一统计数值在所述目标数值区间对应的区间数值；
将每一统计数值对应的区间数值确定为具有该统计数值的评价指标的区间数值。
5.根据权利要求1所述的方法，其特征在于，所述评价任务还包括：多个信用等级以及每一信用等级对应的信用数值区间；所述信用评价报告包括每一所述待评价医疗机构对应的信用等级；其中，所述待评价医疗机构对应的信用等级为所述待评价医疗机构的信用分数所属信用数值区间对应的信用等级。
6.根据权利要求1所述的方法，其特征在于，在所述获取预先存储在区块链平台的评价任务之前，所述方法还包括：
从医保系统以及各医疗机构接入与医疗机构相关联的评价数据；
对接入的所述评价数据进行数据整合，并将数据整合后的评价数据存储至目标数据库；
所述基于所述评价任务获取所述评价时间段内，每一所述待评价医疗机构的评价数据，包括：
从所述目标数据库中获取每一所述待评价医疗机构在所述评价时间段内的评价数据。
7.一种医疗机构的信用评价装置，其特征在于，所述装置包括：
任务获取模块，用于获取预先存储在区块链平台的评价任务；其中，所述评价任务包括：多个评价指标、每一所述评价指标对应的指标权重、评价时间段以及多个待评价医疗机构；
评价数据获取模块，用于基于所述评价任务获取所述评价时间段内，每一所述待评价医疗机构的评价数据；
统计模块，用于针对每一所述待评价医疗机构的评价数据，统计所述评价数据中每一所述评价指标，得到每一所述待评价医疗机构中各所述评价指标的统计数值；
映射模块，用于将不同所述待评价医疗机构中相同评价指标的统计数值映射至同一数值区间，得到每一所述待评价医疗机构中各所述评价指标在对应数值区间中的区间数值；
信用分数模块，用于针对每一所述待评价医疗机构，基于各所述评价指标的区间数值以及所述指标权重，计算得到每一所述待评价医疗机构的信用分数；
评价报告模块，用于基于所述待评价医疗机构的信用分数、所述待评价医疗机构中各所述评价指标的统计数值、所述待评价医疗机构中各所述评价指标的所述区间数值以及所述指标权重，生成信用评价报告，并将所述信用评价报告存储至所述区块链平台，以使第三方平台从所述区块链平台获取所述信用评价报告。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
上传模块，用于将每一所述待评价医疗机构中各所述评价指标的统计数值以及每一所述待评价医疗机构中各所述评价指标的区间数值对应所述评价任务存储至所述区块链平台；
溯源验证模块，用于在接收到溯源验证请求的情况下，基于所述区块链平台上存储的目标信息对待验证信用评价报告进行溯源并验证，其中，所述目标信息包括：不同评价任务下各待评价医疗机构的所述评价指标的统计数值、各待评价医疗机构的所述评价指标的区间数值以及信用评价报告。
9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线；其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如权利要求1至6中任一项所述的医疗机构的信用评价方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的医疗机构的信用评价方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111033739.9A CN113743783A (zh) | 2021-09-03 | 2021-09-03 | 一种医疗机构的信用评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111033739.9A CN113743783A (zh) | 2021-09-03 | 2021-09-03 | 一种医疗机构的信用评价方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113743783A true CN113743783A (zh) | 2021-12-03 |
Family
ID=78735571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111033739.9A Pending CN113743783A (zh) | 2021-09-03 | 2021-09-03 | 一种医疗机构的信用评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113743783A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140004A (zh) * | 2021-12-07 | 2022-03-04 | 中国建设银行股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN114496184A (zh) * | 2021-12-22 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | Drg智能监管与分析评价系统 |
| CN114565433A (zh) * | 2022-02-28 | 2022-05-31 | 中电工业互联网有限公司 | 一种基于区块链的smt行业信用评估方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109067541A (zh) * | 2018-06-29 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 基于区块链的数据验证方法及装置、电子设备 |
| CN109657450A (zh) * | 2018-12-14 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链进行评价的方法、装置、介质及电子设备 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| WO2020082889A1 (zh) * | 2018-10-26 | 2020-04-30 | 阿里巴巴集团控股有限公司 | 征信评估方法及装置、电子设备 |
| CN112330181A (zh) * | 2020-11-17 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 基于区块链的企业信用评价方法及装置 |
| CN112801543A (zh) * | 2021-03-10 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 一种多元用电客户信用评估管理系统 |
-
2021
- 2021-09-03 CN CN202111033739.9A patent/CN113743783A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109067541A (zh) * | 2018-06-29 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 基于区块链的数据验证方法及装置、电子设备 |
| WO2020082889A1 (zh) * | 2018-10-26 | 2020-04-30 | 阿里巴巴集团控股有限公司 | 征信评估方法及装置、电子设备 |
| CN109767068A (zh) * | 2018-12-13 | 2019-05-17 | 平安科技（深圳）有限公司 | 一种医疗机构评价方法、评价装置及计算机可读存储介质 |
| CN109657450A (zh) * | 2018-12-14 | 2019-04-19 | 泰康保险集团股份有限公司 | 基于区块链进行评价的方法、装置、介质及电子设备 |
| CN112330181A (zh) * | 2020-11-17 | 2021-02-05 | 支付宝(杭州)信息技术有限公司 | 基于区块链的企业信用评价方法及装置 |
| CN112801543A (zh) * | 2021-03-10 | 2021-05-14 | 海南电网有限责任公司信息通信分公司 | 一种多元用电客户信用评估管理系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114140004A (zh) * | 2021-12-07 | 2022-03-04 | 中国建设银行股份有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN114496184A (zh) * | 2021-12-22 | 2022-05-13 | 武汉金豆医疗数据科技有限公司 | Drg智能监管与分析评价系统 |
| CN114565433A (zh) * | 2022-02-28 | 2022-05-31 | 中电工业互联网有限公司 | 一种基于区块链的smt行业信用评估方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210272215A1 (en) | System and Method for Coordinating the Collection, Analysis and Storage of Payroll Information Provided to Government Agencies by Government Contractors | |
| CN113743783A (zh) | 一种医疗机构的信用评价方法及装置 | |
| CN111695835B (zh) | 用于评估临床试验风险的方法 | |
| WO2021232588A1 (zh) | 食品安全风险评估方法、装置、设备及存储介质 | |
| Schmidtlein et al. | A sensitivity analysis of the social vulnerability index | |
| US20100082362A1 (en) | Method and Apparatus for Assessing Salient Characteristics of a Community | |
| Fielding et al. | Environmental inequality and flood hazard | |
| CN111695834B (zh) | 临床试验质量实时管控优化方法和系统 | |
| CN109993233B (zh) | 基于机器学习来预测数据审核目标的方法及系统 | |
| CN111695836B (zh) | 临床试验在线运行管控集成系统 | |
| US11361381B1 (en) | Data integration and prediction for fraud, waste and abuse | |
| CN117409913A (zh) | 一种基于云技术的医疗服务方法和平台 | |
| CN113657548A (zh) | 医保异常检测方法、装置、计算机设备及存储介质 | |
| CN106709792A (zh) | 药品在线交易信任度的评价方法及装置 | |
| CN112036749A (zh) | 基于医疗数据识别风险用户的方法、装置和计算机设备 | |
| CN109727116A (zh) | 信贷分析方法、装置、设备及计算机可读存储介质 | |
| CN102521496A (zh) | 评估指标的重要性级别的获取方法和系统 | |
| CN117061211A (zh) | 一种基于网络安全管理的数据处理方法及系统 | |
| CN113989053A (zh) | 医保数据处理方法、装置、电子设备及存储介质 | |
| Koc | Role of national conditions in occupational fatal accidents in the construction industry using interpretable machine learning approach | |
| US20230096756A1 (en) | Automated risk-assessment system and methods | |
| CN112233782B (zh) | 基于互联网的医政卫监动态联动系统 | |
| CN112163964B (zh) | 风险预测方法、装置、电子设备及存储介质 | |
| WO2019156590A1 (ru) | Способ и система для расчета индекса рисков противоправных действий со стороны кандидатов на трудоустройство и действующих сотрудников | |
| Pradipta et al. | Improvement Strategy for Open Government Data Using Fuzzy AHP: Case Study Jakarta Open Data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211203 |