医保欺诈行为的主动发现.docVIP

医保欺诈行为的主动发现 　　[提要] 针对在医疗行业中存在的医疗保险欺诈行为，应当有合适的方法去及时发现并制止，只有这样才能使医疗保险金能真正落到实处。本文使用主成分分析、K-means聚类分析等方法，并运用MATLAB、SPSS等软件对数据进行分析，并对我国医保行业现状进行分析，为相关部门自动识别医保诈骗提供具体的模型及识别方法。 　　关键词：医保欺诈；主动发现；主成分分析；K-means聚类 　　基金项目：国家级大学生创新项目（编号：201510378153） 　　中图分类号：D9 文献标识码：A 　　收录日期：2016年6月13日 　　一、数据挖掘预处理 　　由于本文主要研究的是医保欺诈行为，所以数据处理中只保留所有参保人员，将非参保人员的就诊拿药数据剔除，减少无关数据的干扰。 　　（一）数据清洗。针对本文的研究目的，有目的地进行数据清洗。首先是删除大量对于本次数据挖掘没有用的数据，只保留相关数据列；其次是对于缺失的必要数据采用数据归约的方法填补空缺。 　　（二）数据转换。将文本型、字符型数据转换为数字型数据，以方便后续研究。如用“1”和“0”代替性别的“男”、“女”；将出生日期转换为患者年龄等。 　　二、医保欺诈行为主动发现模型 　　（一）类型Ⅰ：医保卡持有人已死亡。这是最容易发现的骗保行为，故优先考虑该种类型的骗保行为主动发现。通过MATLAB编程对医保卡和身份证号列进行筛选处理，找到一个医保卡ID对应多个医保手册号的情况。利用MATLAB软件进行筛选，将筛选出的ID利用Excel的vlookup函数查找出对应的身份证号，找出嫌疑人的关键信息。可以将一卡两人用、一卡三人用的医保卡ID和医保手册号筛选出来。而病人也有死亡标志说明，可以查出死亡病人的ID再查找其医保卡消费情况，对比病人的死亡时间以及账单号的交易时间，若病人的死亡时间在前而交易时间在后，则为医保欺诈记录。根据所使用的数据表，暂未发现这类医保欺诈，但仍应该警惕，及时把死亡者的医保卡注销，避免这类医保欺诈的发生。 　　（二）类型Ⅱ：医保卡持有人未亡。对预处理后的数据进行分析，可以发现病人的医保费用与参保人的年龄、消费频率、消费药品的金额之间具有一定的关联性。本文主要从病人年龄与消费金额、病人消费频率与消费金额两方面的联系，发现异常可疑数据，并针对这些可疑数据进行分析，进一步鉴别其特征，判断是否属于医保欺诈行为。 　　1、模型Ⅰ：年龄医费模型。根据研究的数据对象，建立病人年龄与医保费用的关系模型，使用SPSS软件进行分析。首先将所有参保人的年龄分成十个阶段：0～9岁、10～19岁、20～29岁、30～39岁、40～49岁、50～59岁、60～69岁、70～79岁、80～89岁、90岁以上。在此，根据医保欺诈的特点，医保欺诈的费用越高越有可能存在欺诈行为，故只考虑平均费用置信区间的上限无意义。人为将置信区间设定为向上浮动10%。在EXCEL表中使用分类汇总操作，计算出各阶段医保支付费用平均值及平均费用置信区间的上限，如表1所示。（表1） 　　利用EXCEL画出图形，通过观测散点的分布情况来确定拟合函数，利用数理统计方法中的多元回归统计方法可以得到因变量与自变量之间的回归关系函数表达式。（图1） 　　在图中可以发现60岁以上的曲线呈明显上升趋势，于是建立分段函数，分别对0～59岁和60岁以上进行拟合，拟合的回归曲线如图2和图3所示。（图2、图3） 　　于是建立得到医保费用关于年龄的函数，如下： 　　在上述方程的基础上建立初步筛选规则：按病人的年龄找到对应的置信区间，若发现病人的实际花费其所在区间上限，则该病人医保费用花费超过一般标准，具有医保诈欺的嫌疑，将对这些病人进行进一步具体审查。（表2） 　　2、模型Ⅱ：消费频率与金额模型。由于在医保欺诈中，骗保人通常使用的手段包括两种：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。这些行为使有医保欺诈嫌疑的病人所对应消费记录中，某个医保卡ID对应的药费明细存在记录多、频率大、药费总和高的特点。即消费金额高和消费频率高是医保欺诈一个最大的特征。于是，本文具体研究存在着这两种消费特征的医保记录，具体识别其中的医保欺诈行为，依据此种情况，可以将药费和频率等基于k-means算法进行聚类分析。 　　K-means算法是以数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。本文使用的K-means算法以欧式距离作为相似度测度，通过对某一初始聚类中心向量的最优分类，得到对应评价指标最小。算法采用误差平方和准则函数作为聚类准则函数。首先在ACCESS中进行数据预处理，再利用SPSS分析数据属性的特征，选择典型数据作为初始聚类中心，进行k-mean