Management of fraudulent use of medical insurance funds based on big data mining: A case study of Huzhou city, Zhejiang, China

Abstract

With the continuous expansion of the basic social security system coverage and the scale of fund income and expenditure, various insurance frauds are frequent, while the social security level continues to improve, posing a serious threat to the security of medical insurance funds. The supervision and prevention of medical insurance funds fraud have been gradually resolved by new technologies, management theories, and regulatory methods. However, Medical insurance fraud is a complex system involving regulators, hospitals, doctors, patients, and even patients' family members. It is necessary to use the scientific judgement method with technical support so that the policy introduction will be more targeted. This thesis designs a data algorithm process strategy style of medical insurance risk fraud identification model based on the medical data of 2.4 million people in Huzhou City, Zhejiang Province. (1) Various relevant parties were selected for interviews research, which confirm ed that the problem of medical insurance fraud did exist and the formation process was relatively complicated. (2) Use big data model with Apriori algorithm to screen medical insurance fraud. (3) Adopt the rule engine method to analyze the use of medical insurance and conclude 11 fraudulent use scenarios of medical insurance fraud models. (4) Use physical portrait technology to analyze medical insurance fraudsters and their motives, and identify seven types of fraudsters' behaviors. By analyzing the findings of this study, the feasibility of the medical insurance fraud risk identification model in this study is proved, and the combinatory analysis of big data model, rule engine method, and entity portrait technology is effective in fraud identification and can be applied to such kind of problems. Given the above analysis process an conclusions, we put forward seven solutions and suggestions to facilitate medical insurance fraud management.

Com a contínua expansão da cobertura do sistema de segurança social básico e com o escalamento das receitas e despesas dos fundos, as fraudes no setor de seguros de saúde são cada vez mais frequentes. Enquanto o nível da segurança social continua a melhorar, as fraudes representam uma séria ameaça à segurança dos fundos de seguro saúde. A supervisão e a prevenção de fraudes em fundos de seguros médicos foram gradualmente resolvidas por novas tecnologias, novas teorias de gestão e novos métodos regulatórios. No entanto, a fraude de seguro médico é um sistema complexo que envolve reguladores, hospitais, médicos e pacientes e até mesmo familiares dos pacientes. É preciso utilizar um método de julgamento científico com apoio técnico sofisticado, para que a implementação da política seja mais direcionada. Esta tese constrói, com base num processo-estratégia de algoritmos de dados, um modelo de identificação de fraude de risco de seguro médico, considerando dados médicos de 2,4 milhões de pessoas na cidade de Huzhou, província de Zhejiang: (1) Várias partes relevantes foram selecionadas para entrevistas, cuja resultado ajudou a confirmar que o problema de fraude de seguro médico existia e o processo de formação era relativamente complicado. (2) Usou-se um modelo de big data com o algoritmo Apriori para rastrear fraudes em seguros médicos. (3) Adotou-se o método do mecanismo de regras para analisar o uso de seguro médico e conclui-se que existem pelo menos 11 cenários de uso fraudulento de modelos de fraude de seguro médico. (4) Usou-se a tecnologia de retrato físico para analisar os fraudadores de seguros médicos e seus motivos e identificaram-se 7 tipos de comportamentos dos fraudadores. Ao analisar os resultados deste estudo comprova-se a viabilidade do modelo de identificação de risco de fraude de seguro médico, e a análise combinatória do modelo de big data, método de mecanismo de regra e tecnologia de retrato de entidade prova ser eficaz na identificação de fraude, e, portanto, pode ser aplicado a esses tipos de problemas. Dado o processo de análise e as conclusões acima, apresentamos sete soluções e sugestões para facilitar a gestão de fraudes em seguros médicos.