醫(yī)保審核中異常檢測(cè)方法研究.pdf

1、當(dāng)前，醫(yī)保違規(guī)情況較為嚴(yán)重，醫(yī)?；鸨粸E用、浪費(fèi)的數(shù)目驚人。如果能從醫(yī)保數(shù)據(jù)中自動(dòng)、智能地檢測(cè)出可能違規(guī)的行為，將大大減輕人工審核的負(fù)擔(dān)。為解決該問(wèn)題，本文對(duì)某地區(qū)醫(yī)保中心的數(shù)據(jù)進(jìn)行分析，將問(wèn)題歸結(jié)為找出違規(guī)可能性較大的“可疑”處方，排除大部分正常處方，以達(dá)到減少人工審核量的目的。本文主要工作有:
　　(1)算法研究方面，提出了兩種基于高效剪枝的離群點(diǎn)檢測(cè)算法。已有基于距離的離群點(diǎn)檢測(cè)方法因其簡(jiǎn)單、直觀而被廣泛應(yīng)用，然而該類算法需

2、要大量距離計(jì)算，因此，如何在精度損失最小化的前提下降低算法時(shí)間復(fù)雜度已成為一個(gè)亟待解決的課題。在已有研究的基礎(chǔ)上，本文引出并證明了若干剪枝定理，提出了單階段兩次剪枝的快速離群點(diǎn)檢測(cè)算法(MFO)，實(shí)驗(yàn)結(jié)果顯示，該算法能在確保精度的前提下接近或優(yōu)于理想情況下的ORCA算法。
　　為進(jìn)一步提高M(jìn)FO的執(zhí)行速度，本文提出了一種優(yōu)化MFO算法初始剪枝閾值的預(yù)估剪枝半徑（閾值）策略，通過(guò)隨機(jī)抽樣并計(jì)算樣本集的離群度來(lái)估計(jì)剪枝半徑?；谠摲椒?/p>

3、，本文提出了QMFO算法，實(shí)驗(yàn)結(jié)果顯示，該算法能在精度損失很小的情況下達(dá)到線性時(shí)間復(fù)雜度。
　　(2)醫(yī)保審核中智能方法的應(yīng)用研究方面:
　　1)對(duì)醫(yī)保數(shù)據(jù)進(jìn)行預(yù)處理分析，解決其高維稀疏問(wèn)題，并將提出的MFO算法應(yīng)用于白內(nèi)障、膽結(jié)石、闌尾炎三種疾病的病例處方檢測(cè)。與基于密度離群點(diǎn)檢測(cè)算法(LOF)的實(shí)驗(yàn)對(duì)比顯示，MFO算法能檢測(cè)出大部分的“可疑”處方，優(yōu)于LOF算法。此外，本文提出了一種面向醫(yī)保審核的屬性權(quán)重計(jì)算公式，以提高

4、檢測(cè)的準(zhǔn)確率;
　　2)針對(duì)白內(nèi)障、膽結(jié)石兩種病例，本文采用神經(jīng)網(wǎng)絡(luò)建立了“疾病-藥物種類”模型（“D-M”模型）和“疾病-診療項(xiàng)目費(fèi)用”模型（“D-O”模型），以就診的基本信息作為輸入，輸出藥物種類是否使用(D-M模型)和各診療項(xiàng)目的費(fèi)用(D-O模型)，實(shí)驗(yàn)結(jié)果顯示，該類模型具有較好的效果。
　　3)針對(duì)醫(yī)保數(shù)據(jù)分類問(wèn)題，本文在有標(biāo)記醫(yī)保數(shù)據(jù)上應(yīng)用了樸素貝葉斯和Logistic回歸算法，分析和測(cè)試了分類效果。實(shí)驗(yàn)結(jié)果顯示，