[发明专利]一种基于医保大数据测算罕见病发病率的分析方法

说明书

本发明公布了一种基于医保大数据测算罕见病发病率的方法，涉及医保数据处理与分析技术，所测算疾病为不能彻底治愈，一旦诊断，终生罹患。通过汇总每月医保数据的多个关键参数，得到发病率计算所需分子与分母信息，进而计算得到发病率；所需分子为特定时间内一定范围人群中目标疾病的新发生病例数；所需分母为特定时间内的暴露人口数，即可能发生目标疾病的人，且需排除已患病在特定时间内不可能再成为新发病例的人。通过本发明方法能够获得罕见病的发病率资料，促进罕见病流行病学研究的开展，为合理制定临床指南提供数据和技术支持；进一步促进医保大数据的转化应用，填补我国罕见病流行病学资料的空白。

技术领域

本发明涉及医保数据处理与分析技术，具体涉及一种基于医保大数据测算罕见病发病率(Incidence)的分析方法。

背景技术

罕见病(Rare diseases)是指患病率、发病率很低的一类少见的疾病，目前我国缺乏对这类疾病的基本流行特征的信息，包括发病率、患病率等。医疗保险数据(Claimsdata)一般是在医保行政管理系统中，通过支付信息整合而形成的数据，包括参保人基本特征、诊断、治疗等信息，数据量巨大，不仅全面性、时效性好，成本低，可操作性高，更是来自于真实世界的纵向数据，有利于快速高效的开展流行病学研究，特别是可以利用全国医保数据为解决我国罕见病流行病学数据缺乏这一问题提供新思路。

与其他流行病学研究不同的是，计算发病率需要明确一定时间内的新发病例数量和一定时期内的已患病人口数量。目前国外针对罕见病发病率的分析方法中，Raghu G等学者利用美国Medicare医保数据，计算2001-2011年期间特发性肺纤维化发病率等，但这些发病率研究的计算是基于医保数据中的个体原始数据，对于我国的海量医保数据，无论数据存储的期别、格式和体量，还是数据指标的跨度、缺失和个体脱保等均与国外医保数据不同，故无法直接将上述方法用于我国医保数据库的流行病学研究中；而纵观国内利用医保数据的研究发现，目前大多集中于通过挖掘医保数据发现欺诈行为，改善疾病治疗效果以及辅助政策的修改制定等方面，少见利用医保数据进行流行病学，特别是罕见病发病率、患病率的研究，使得目前难以充分利用医保大数据，开展罕见病的相关流行病学特征进行分析。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于医保大数据测算疾病发病率的新方法，基于优化数据中间存储格式，通过汇总每月医保数据的多个关键参数，包括：每月参保个体总数、每月新增参保个体数、每月就诊记录总数、每月就诊记录诊断缺失总数，一定时期内的新发病例数、一定时期内已患病人数(一定时期根据研究需要确定，可为一个月、两个月、一年等)，获得发病率计算所需的分子与分母信息，进而计算得到发病率。本发明方法涉及汇总数据格式下高效计数发病率对应分子、分母的统计运算，是一种符合我国医保数据特征的计算罕见病发病率的方法，可用于罕见病流行病学分析。

本发明可测算的疾病要求不能彻底治愈，一旦诊断，终生罹患。

本发明的原理是：基于人月的概念，计数每月参保个体总数、每月新增参保个体数、每月就诊记录总数、每月就诊记录诊断缺失总数，结合目标疾病定义抽提目标患者，并推导诊断随机缺失情境下的“隐形患者”，结合公式推导计算发病率。本发明方法可测算的疾病包括多发性骨髓瘤、浆细胞白血病、浆细胞病、特发性肺间质纤维化、POEMS综合征等所有符合不能彻底治愈，一旦诊断，终生罹患特征的罕见病。通过本发明方法能够获得罕见病的发病率资料，为合理制定临床指南提供数据和技术支持，进一步促进医保大数据的转化应用。

本发明提供的技术方案是：