基于離群點(diǎn)檢測方法的醫(yī)保異常發(fā)現(xiàn).pdf

1、隨著計(jì)算機(jī)技術(shù)以及數(shù)據(jù)庫技術(shù)的飛速發(fā)展，離群點(diǎn)檢測技術(shù)在網(wǎng)絡(luò)入侵檢測、欺詐檢測、病例研究、商業(yè)分析等領(lǐng)域中得到了廣泛的應(yīng)用。離群點(diǎn)檢測技術(shù)是在數(shù)據(jù)集中發(fā)現(xiàn)不滿足一般對象行為特征、或者與其他數(shù)據(jù)對象產(chǎn)生明顯偏離的對象。一般來說，離群點(diǎn)的產(chǎn)生機(jī)制與正常的數(shù)據(jù)對象不同，故離群點(diǎn)可能蘊(yùn)含著更為重要的信息。在醫(yī)療保險(xiǎn)領(lǐng)域，道德風(fēng)險(xiǎn)的存在不可避免的引起了各類醫(yī)保欺詐等違法違規(guī)事件的發(fā)生，造成了嚴(yán)重的經(jīng)濟(jì)損失并影響了制度長期穩(wěn)定的可持續(xù)發(fā)展。為了解決

2、這一問題，本文基于離群點(diǎn)檢測技術(shù)，發(fā)現(xiàn)醫(yī)保中的異常的數(shù)據(jù)對象，這些數(shù)據(jù)對象可以視作疑似欺詐的案例，對輔助審核人員完成稽查監(jiān)督工作具有重要的現(xiàn)實(shí)意義。
　　由于醫(yī)保數(shù)據(jù)集的數(shù)據(jù)量大，數(shù)據(jù)分布復(fù)雜，使得離群點(diǎn)檢測成為一項(xiàng)極具挑戰(zhàn)的工作，其主要困難有:(1)醫(yī)保數(shù)據(jù)集中存在部分?jǐn)?shù)據(jù)對象及特征值，對于離群點(diǎn)檢測是無關(guān)的，過多的無關(guān)數(shù)據(jù)對象及特征值帶入離群點(diǎn)檢測，會影響最終結(jié)果的準(zhǔn)確性。(2)醫(yī)保中的藥品數(shù)據(jù)集合數(shù)據(jù)維度高，數(shù)據(jù)稀疏，使得傳

3、統(tǒng)的離群點(diǎn)檢測方法難以獲得較好的效果。(3)醫(yī)保中的臨床路徑數(shù)據(jù)集合中數(shù)據(jù)各維度分布不一致，數(shù)據(jù)集中同時(shí)存在稀疏的區(qū)域以及稠密的區(qū)域，對于離群點(diǎn)檢測產(chǎn)生的較大的困難。
　　本文針對于醫(yī)保數(shù)據(jù)集的數(shù)據(jù)特征，在醫(yī)保數(shù)據(jù)集中進(jìn)行離群點(diǎn)檢測，其主要貢獻(xiàn)和創(chuàng)新有以下三點(diǎn):
　　(1)本文提出一種基于粗糙集理論的屬性約簡及關(guān)聯(lián)集抽取方法。
　　在醫(yī)保數(shù)據(jù)集的數(shù)據(jù)對象中，存在一部分對于離群點(diǎn)檢測無關(guān)的屬性，即噪音屬性。如將這一部分屬

4、性帶入離群點(diǎn)檢測，會對離群點(diǎn)檢測的結(jié)果準(zhǔn)確性產(chǎn)生干擾?；诖植诩碚摚瑢傩赃M(jìn)行約簡，消除一部分對于離群點(diǎn)檢測不相關(guān)的屬性。進(jìn)而提出關(guān)聯(lián)集的概念，以及關(guān)聯(lián)集抽取算法。關(guān)聯(lián)集是數(shù)據(jù)全集的子集，然而包含與全集相同的離群點(diǎn)對象。關(guān)聯(lián)集對于離群點(diǎn)檢測起到了縮小檢測范圍的作用，在關(guān)聯(lián)集中進(jìn)行離群點(diǎn)檢測，會得到更準(zhǔn)確的檢測結(jié)果，且效率更高。通過關(guān)聯(lián)集算法抽取出關(guān)聯(lián)集，用于隨后的離群點(diǎn)檢測工作。
　　(2)本文提出一種在醫(yī)保數(shù)據(jù)集中檢測異常藥品

5、組合的SLOF離群點(diǎn)檢測算法。
　　在醫(yī)保藥品數(shù)據(jù)集中，針對于同一病種，檢測異常的用藥組合。醫(yī)保藥品數(shù)據(jù)集數(shù)據(jù)維度高，數(shù)據(jù)稀疏，這對離群點(diǎn)檢測造成了一定的困難。本文提出了一個(gè)基于局部密度的離群點(diǎn)檢測方法SLOF，用于在高維度、稀疏的數(shù)據(jù)環(huán)境中較為準(zhǔn)確的檢測離群點(diǎn)。其基本思想是使用向量表示復(fù)雜的藥品組合數(shù)據(jù)對象，通過計(jì)算出對象間的距離，來計(jì)算出數(shù)據(jù)對象的密度，進(jìn)而計(jì)算出各數(shù)據(jù)對象的離群程度。該方法采取集成學(xué)習(xí)的方式，將不同參數(shù)的離群

6、點(diǎn)檢測結(jié)果進(jìn)行合并，得到最終的離群值。離群值超過閩值的數(shù)據(jù)對象被檢測為離群點(diǎn)。實(shí)驗(yàn)結(jié)果表明，在數(shù)據(jù)維度高，數(shù)據(jù)稀疏的數(shù)據(jù)集中，SLOF離群點(diǎn)檢測算法的準(zhǔn)確性優(yōu)于傳統(tǒng)的離群點(diǎn)檢測算法。
　　(3)本文提出一種在醫(yī)保數(shù)據(jù)集中檢測異常臨床路徑的CODM離群點(diǎn)檢測算法。
　　在醫(yī)保臨床路徑數(shù)據(jù)集中，針對同一病種，進(jìn)行異常臨床路徑檢測。對于臨床路徑數(shù)據(jù)集中數(shù)據(jù)各維度分布不一致、數(shù)據(jù)集中同時(shí)存在稠密以及稀疏區(qū)域的特征，提出CODM離群點(diǎn)