医保欺诈行为..doc

医保欺诈行为的主动发现 摘 要 医疗保险欺诈是指公民、法人或者其他组织在参加医疗保险、缴纳医疗保险费、享受医疗保险待遇过程中，故意捏造事实、弄虚作假、隐瞒真实情况等造成医疗保险基金损失的行为?标准差变换等建立模糊相似矩阵解出一级二级指标权重，得出最终权重。从权重向量中可以看出单张处方药费所占大的比重最大，算出权重之后，再根据最大隶属原则可知在得出的矩阵中对权重影响最大的是单张处方的药费，利用单张处方的元素作为标准确定阈值取占权重最大的前两项指标单张处方的药费、单张处方取药次数，则可计算欺诈可能性为0.75136。所以当患者的得分为大于时，则欺诈的可能性大小于时则不存在欺诈行为xcel数据自动筛选的方法进行筛选得到病人在死亡之后没有医保消费记录。一张医保卡两人使用有376条记录，一张医保卡三人使用有9条记录，即存在医保欺诈行为。 关键字：医保欺诈；模糊数学理论；标识重复个案；Spss；相关分析 一 问题重述 医疗保险欺诈是指公民、法人或者其他组织在参加医疗保险、缴纳医疗保险费、享受医疗保险待遇过程中，故意捏造事实、弄虚作假、隐瞒真实情况等造成医疗保险基金损失的行为。 骗保人通常使用的手段，一是拿着别人的医保卡配药，二是在不同的医院和医生处重复配药。 注：数据中病人姓名、身份证号、电话号码、医保卡号为非真实数据。 数据见题目表2.1、2.2、2.3、2.4、2.5、2.6。 二 问题分析 我们通过对给出数据的观察和分析，我们发现这几个表里面有很多栏都是空白，而且有些信息记录与本次建模没有联系，所以首先可以通过数据库语言对表进行合理的处理，整合到一张表里。 由于处理的数据量巨大，各个变量之间的关系，已模糊数学理论的思想建立矩阵，并放入数据。 最后建立相似矩阵，取出一些变量作为权重向量的元素，模型一主要就是去研究那个元素对向量的影响较大，从而判断是否存在欺诈。但是由于拿出的元素只有两个，所以就会使得得出的结果不准确。那么就消除其他因子的影响，直接利用权重向量的前两个元素得出结果。 医疗保险欺诈行为通过分析病人的费用明细表中的各项数据也可以找出可能的欺诈行为表现，主要从单张处方的总价过高、病人ID号是否重复过多、下医嘱科室与病人科室是否一致这三个方面考虑。 在题目表2.2费用明细中，通过对各个变量进行K均值聚类分析，可以将数据分为几类，案例数少的则可能是欺诈行为。但是考虑到单价、数量、总价之间的相互影响，对此我们使用了SPSS中相关性分析找出三个变量的相关性，并用图标构建程序绘制了简单3-D散点图。对于病人ID号使用标记重复个案的方法，找到重复的记录，即可能为医保欺诈行为。而下医嘱科室与病人科室应该是一致的，若不一致即为欺诈，因此对下医嘱科室和病人科室绘制简单线图。 最后我们主要对病人死亡之后是否仍旧有医保消费记录和一张医保卡多人使用这两大类通过Excel自动筛选的方法来分析出结果。 三 基本假设 1. 假设医保手册号为1的病人都是不享受医疗保险的。 2. 假设不同的人群间经济统一，统一管理和统一待遇水平。 3. 假设所有不同参件中的保人都遵守相关数据真实可靠守医疗侵害医疗筹共保险基金行为的参保人员。 4. 假设所有保险的有关规定没各个指标。 5. 假设所有的相关数据都具有独立相互影响。 6. 由于数据过少，假设参保排除其他人数与今年一样。 7. 假设对每个聚类分析结果，使用同一评判标准。 四 定义及符号说明 符号 定义及说明 模糊相似关系矩阵 模糊相似矩阵 置信水平的阈值 欺诈可能性 初始聚类中心（ ） 每一个数据样本与聚类中心之间距离 JC（I） T Pearson简单相关系数检验统计量 五 模型的建立与求解 5.1 模型的准备 通过对题目附件里的数据进行观察可以很容易发现，有很多表格里的栏目内容为空，还有就是有些信息对本次建模没有帮助，所以在建立模型前，有必要将原始数据进行筛选处理。通过将数据导入数据库，利用数据语言对数据进行处理（详见附录具体处理内容如下： 1.对于题目表2.1病人资料的处理 通过查找观察，发现如VIP标志PAPMIVIPFlag、备注PAPMIRemark等栏目为空，可进行删除；利用出生日期，计算出病人在2014年的年龄；将性别PAPMI_SEX_DR为男为1,女为0；对于是否死亡PAPMI_DECEASED，死亡了的病人设为1，未死亡的设为0；对于手机号PAPMI_MOBPHONE，将有手机号的病人设为1，没有手机号的病人设为0；对于医保手册号PAPMI_Name3，将有医保手册的人设为1，没有医保手册号的人设为0，将没有医保手册号的病人删除，因为没有医保手册号的病人是不享受医保。 2.对于题目表2.2病人资料费用明细处理 此表是所有表中有用信息最多，且是最为重