[发明专利]一种基于数据挖掘的医保欺诈行为的检测方法

说明书

技术领域

本发明涉及一种医保欺诈行为的检测方法，更具体地讲，是基于数据挖掘的医保欺诈行为的检测方法。

背景技术

由于医保特有的复杂的委托代理关系和严重的信息不对称，使医疗费用控制难度加大，在利益的驱动下就会产生一些过度医疗服务行为和违规欺诈行为，导致医保基金不合理的流失。

另一方面的话，经办机构的监管力度不足，由于目前采用的基本都是人工审核监管模式，人手有限，而且监管的范围很大，就医量大，专业性强，定点机构分布范围广等等这些特点增加了监管的难度。

我国社会医保工作开展较晚，国内目前已有的研究主要从医疗基金收支监测、简单指标预警等方面开展基金风险管理工作，在医保欺诈行为检测方面，仍处于起步阶段，一些相关研究缺乏系统性和深度。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于数据挖掘的医保欺诈行为的检测方法。

本发明的目的是通过以下技术方案来实现的：一种基于数据挖掘的医保欺诈行为的检测方法，采用基于统计学、聚类、关联分析、随机森林模型的无监督方法对医保参保人的数据记录进行离群点检测，找到离群点对应的异常记录，这些异常记录即为潜在的欺诈行为；具体包括以下步骤：

(1)用统计学方法对医保参保人的信息记录进行离群点检测：根据总费用信息的离群程度对该条记录进行打分，打分范围为0到4分；根据住院天数信息的离群程度对该条记录进行打分，打分范围为0到2分；根据药费信息的离群程度对该条记录进行打分，打分范围为0到2分；根据诊疗费信息的离群程度对该条记录进行打分，打分范围为0到2分；该条记录的总得分为上述四个得分之和，范围为0到10分；具体如下：

(1.1)将所有医保参保人的总费用按升序排序，找出该数据集的第90个、第95个、第98个、第99个百分位数，分别记为Q₉₀，Q₉₅，Q₉₈，Q₉₉；

若该条记录的总费用小于Q₉₀，则得分为0；

若该条记录的总费用大于Q₉₀，小于Q₉₅，则得分为1；

若该条记录的总费用大于Q₉₅，小于Q₉₈，则得分为2；

若该条记录的总费用大于Q₉₈，小于Q₉₉，则得分为3；

若该条记录的总费用大于Q₉₉，则得分为4；

(1.2)将所有医保参保人的住院天数按升序排序，找出该数据集的第90个、第95个百分位数，分别记为Q₉₀，Q₉₅；

若该条记录的住院天数小于Q₉₀，则得分为0；

若该条记录的住院天数大于Q₉₀，小于Q₉₅，则得分为1；

若该条记录的住院天数大于Q₉₅，则得分为2；

(1.3)将所有医保参保人的药费按升序排序，找出该数据集的第90个、第95个百分位数，分别记为Q₉₀，Q₉₅；

若该条记录的药费小于Q₉₀，则得分为0；

若该条记录的药费大于Q₉₀，小于Q₉₅，则得分为1；

若该条记录的药费大于Q₉₅，则得分为2；

(1.4)将所有医保参保人的诊疗费按升序排序，找出该数据集的第90个、第95个百分位数，分别记为Q₉₀，Q₉₅；

若该条记录的诊疗费小于Q₉₀，则得分为0；

若该条记录的诊疗费大于Q₉₀，小于Q₉₅，则得分为1；

若该条记录的诊疗费大于Q₉₅，则得分为2；

(1.5)将步骤(1.1)-步骤(1.4)中的得分相加，即为该条记录基于统计学方法的得分；