(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211144120.X (22)申请日 2022.09.20 (71)申请人 鲁东大学 地址 264025 山 东省烟台市芝罘区红旗中 路186号 (72)发明人 魏新江　蔡文鼎　曲帅　张慧凤　 邵喜高　迟颖　曹晓宇　 (74)专利代理 机构 哈尔滨市晨晟知识产权代理 有限公司 23219 专利代理师 刘坤 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 30/02(2012.01) G16H 40/20(2018.01) G06N 20/00(2019.01) (54)发明名称 一种药品集中采购监测预警可视化平台及 其监测预警方法 (57)摘要 一种药品集中采购监测预警可视化平台及 其监测预警方法， 属于药品管理技术领域。 为解 决药品集采监测预警不准确、 精度不高的问题。 本发明收集药品集中采购订单时序数据， 药品集 中采购年度截面数据； 药品价格监测方法： 利用 整理后的数据， 建立拉氏价格指数、 帕氏价格指 数、 链式拉氏价格指数， 然后分析药品价格的波 动规律； 通过ARIMA模型、 Holt双参数指数平滑模 型对价格指数进行预测； 基于订单数量和到货量 数据通过LASSO回归模型对药品采购价格进行回 归预测； 药品短缺预警方法： 利用处理后的数据 建立药品短缺预警指标； 建立基于机器学习、 统 计理论和深度学习的药品短缺分类预测模型。 本 发明在保证预测精度和预测稳定性。 权利要求书5页 说明书12页 附图5页 CN 115511408 A 2022.12.23 CN 115511408 A 1.一种药品集中采购监测预警可视化平台的监测预警方法， 其特征在于： 包括如下步 骤： S1、 收集药品集中采购订单时序数据， 药品集中采购年度截面数据； S2、 药品价格监测： S2.1、 对步骤S1收集的药品集中采购订单时序数据进行 数据整理； S2.2、 利用整理后的数据， 建立拉氏价格指数、 帕氏价格指数、 链式拉氏价格指数， 然后 分析药品价格的波动规 律； S2.3、 通过ARIMA模型、 Ho lt双参数指数平 滑模型对价格指数进行 预测； S2.4、 基于订单 数量和到货量数据通过LAS SO回归模型对药品采购价格进行回归预测； S3、 药品短缺预警： S3.1、 对步骤S1收集的药品集中采购年度截面数据进行 数据处理； S3.2、 利用处 理后的数据建立药品短缺预警指标； S3.3、 建立基于 机器学习 、 统计理论和深度学习的药品短缺分类预测模型。 2.根据权利要求1所述的一种药品集中采购监测预警可视化平台的监测预警方法， 其 特征在于： 步骤S2.1中的数据整理包括提取药品每月订单总量、 到货量、 到货率、 药品采购 成交价格和降价品种数， 其中药品采购价格提取 方法包括如下步骤： S2.1.1、 将待研究药品与药品集中采购平台药品进行匹配， 筛 选药品信息； S2.1.2、 以通用名为样本时， 统一药品计量单位， 利用限定日剂量DDD将药品用量、 药品 价格转化为用药频度DDDs、 限定日费用DDDc， 计算药品价格变化幅度和药品节约金额， 计算 公式如下： DDDs＝药品某时间段内的使用总量/药品的D DD值 DDDs变化幅度＝( (当前时期 DDDs‑上一时期 DDDs)/上一时期 DDDs)×100％ DDDc＝药品的进购总额/药品D DDs DDDc变化幅度＝( (当前时期 DDDc‑上一时期 DDDc)/上一时期 DDDc)×100％ 药品节约金额 ＝当前时期 DDDs×(上一时期 DDDc‑当前时期 DDDc)； S2.1.3、 以产品编码作为研究对象时， 按照每月均在平台挂网出售药品ID字段进行匹 配， 不进行转换。 3.根据权利要求1或2所述的一种药品集中采购监测预警可视化平台的监测预警方法， 其特征在于： 步骤S2.2 中利用每月订单总 量、 药品采购成交价格数据， 建立拉氏价格指数、 帕氏价格指数、 链式拉氏价格指数： S2.2.1、 帕氏价格指数： 其中， Lp表示现期采购药品帕氏价格指数， Qt表示现期药品销售数量， P0表示基期采购 药品的价格， Pt表示现期采购药品的价格， n 为基于基期的采购期数， t 表示现期 期数； S2.2.2、 拉氏价格指数：权　利　要　求　书 1/5 页 2 CN 115511408 A 2其中， LL表示现期采购药品拉氏价格指数， Q0表示基期药品销售数量； 其中， LF表示现期采购药品费氏价格指数； S2.2.3、 链式拉氏价格指数： 其中， Lt,Lt‑1分别为现期和前一期的采购药品链式拉氏价格指数,Wt‑1表示前一期的权 重， Pt‑1表示前一期采购药品的价格； S2.2.4、 分析药品价格的波动规律： 帕氏价格指数是以现期的药品数量作为与前期对 比的权重， 用于当消费结构发生现期变动时引起的支出费用变化； 拉氏价格指数是以基期 的数量作为权重， 反应药品纯价格的变动； 费式价格指数将拉式和帕氏不同的偏向平均化； 链式拉氏价格指数反应所有药品的结构 变化， 包括药品价格的变化、 数量的变化； 选取链式 拉氏价格指数和费氏价格指数为 最终价格指数 预测时所用模型。 4.根据权利要求3所述的一种药品集中采购监测预警可视化平台的监测预警方法， 其 特征在于： 步骤S2.3通过ARIMA模 型、 Holt双参数指数平滑模 型对价格指数进行预测的具体 方法包括如下步骤： S2.3.1、 ARIMA模型的平稳性检验： 判断价格指数原始序列是否平稳， 采用ADF检验的方法， 经检验价格指数原始序列不平 稳， 一阶差分后数据平稳； S2.3.2、 ARIMA模型的构建： 通过观察自相关系数和偏自相关系数图， 对模型进行定阶， ARIMA模型 结构表达式为： 其中， Φ(B)＝1 ‑φ1B‑…‑φpBp,Θ(B)＝1 ‑θ1B‑…‑θqBq分别为ARMA(p,q)的自回归系数 和移动平均系数多项式， B为延迟算子， φi为系数权重， i＝1, …,p， θj为系数权重， j＝1, …, q； u为差分后序列的均值， εt为零均值白噪声序列； 表示用延迟算子B代表序列d 阶差分， xt表示价格指数原 始序列； S2.3.3、 模型参数检验： 通过观察自相关系数和偏自相关系数图， 确立模型为ARIMA(1， 1， 2)模型， 建立模型进行参数检验； S2.3.4、 残差序列检验： 选择Q统计量进行 纯随机性检验， 其表达式如下： 其中， c为序列观测期数， m为指定延迟期数， ρ 为样本自相 关系数， 当Q统计量大于自由 度为m的卡方分布的1 ‑α 分位点或该统计量的P值小于α 时， 则序列为非白噪声序列；权　利　要　求　书 2/5 页 3 CN 115511408 A 3