ارائه مدلی برای شناسایی کلاهبرداری با استفاده از داده کاوی در مراکز درمانی ملکی سازمان تامین اجتماعی (مطالعه موردی: بیمارستان امام رضا(ع) ارومیه)

در این تحقیق به بیان کاربرد روش های داده کاوی در کشف دانش از اطلاعات مراکز درمانی پرداخته می شود. در این میان، با توجه به اینکه در مراکز درمانی ملکی سازمان تامین اجتماعی ارائه خدمات درمانی به بیمه شدگان تامین اجتماعی رایگان بوده و هیچ گونه/ فرانشیزی از آنها دریافت نمی-شود، شناسایی کلاهبرداری برخی از افراد سودجو که ممکن است اقدام به انجام تخلف های گوناگون در زمینه دریافت دارو از طریق نسخ دارویی نمایند، و یا شناسایی افرادی که مراجعات غیرضروری زیادی به مراکز درمانی دارند، می تواند بسیاری از هزینه های سازمان را کاهش دهد.برای انجام این مطالعه در ابتدا چارچوب شناسایی کلاهبرداری از طریق دسته بندی بیماران بر اساس میزان مراجعات آنها طی یک بازه زمانی مشخص طراحی گردید که در آن از رویکردی ترکیبی متشکل از مراحل پیش پردازش، خوشه بندی و دسته بندی استفاده شده است، و برای هر کدام از مراحل ابزارهای مناسبی بکار گرفته شدند. جهت انجام این تحقیق مجموعه داده ای مربوط به اطلاعات بیماران بیمارستان امام رضا(ع) ارومیه در بازه زمانی یکساله مورد استفاده قرار می گیرد و چارچوب شناسایی کلاهبرداری بر روی آنها بکار گرفته خواهد شد و پس از مراحل پیش پردازش داده ها و خوشه بندی آنها با استفاده از دو تکنیک two-step و k-means، دسته بندی بر روی داده ها بر اساس میزان مراجعات بیماران با استفاده از دو الکوریتم درخت تصمیم و شبکه عصبی انجام خواهد شد. نتایج بدست آمده بر روی داده های آزمایشی نشان می دهد که در الگوریتم درخت تصمیم، 92/75 درصد از کل بیماران و 78/31 درصد از بیمارانی که مراجعات زیاد دارند و در الگوریتم شبکه عصبی 91/63 درصد از کل بیماران و 77/71 درصد از بیمارانی که مراجعات زیاد دارند، به درستی دسته بندی می شوند. می توان نتیجه گرفت پیش بینی میزان مراجعات بیماران با دقت قابل قبولی صورت می گیرد.