運(yùn)用數(shù)據(jù)挖掘技術(shù)開展醫(yī)療保險(xiǎn)基金審計(jì)

在大數(shù)據(jù)時(shí)代背景下，醫(yī)療保險(xiǎn)基金信息化管理已較成熟，醫(yī)療保險(xiǎn)基金數(shù)據(jù)呈現(xiàn)數(shù)據(jù)類型多樣、數(shù)據(jù)量大、專業(yè)性強(qiáng)等特點(diǎn)。而傳統(tǒng)的醫(yī)療保險(xiǎn)基金審計(jì)，面對(duì)海量醫(yī)療診療、門診住院結(jié)算業(yè)務(wù)數(shù)據(jù)，只能抽審部分病例檔案，既難以實(shí)施全面核查，又難于接觸到深層次問(wèn)題，導(dǎo)致審計(jì)存在較大的風(fēng)險(xiǎn)。應(yīng)用數(shù)據(jù)挖掘技術(shù)開展醫(yī)保基金審計(jì)能提高問(wèn)題查找的精準(zhǔn)度，實(shí)施精確打擊，找到住院醫(yī)療報(bào)銷業(yè)務(wù)中的薄弱環(huán)節(jié)，順利實(shí)現(xiàn)審計(jì)目標(biāo)。

一、審計(jì)思路

本文利用數(shù)據(jù)挖掘技術(shù)里面的SPSS Statistics標(biāo)識(shí)異常點(diǎn)模型和SPSS Modeler支持向量機(jī)回歸算法（即Svm建模）來(lái)建立住院?jiǎn)尾》N病例模型。通過(guò)數(shù)據(jù)挖掘技術(shù)，查找明顯不符合常規(guī)的疑問(wèn)數(shù)據(jù)，同時(shí)建立預(yù)測(cè)分析模型，將預(yù)測(cè)值和實(shí)際值差異較大的記錄列為疑點(diǎn)；通過(guò)建模篩選疑點(diǎn)再進(jìn)一步審計(jì)核查，分析單病種住院情況下是否存在超范圍、超比例、超標(biāo)準(zhǔn)支付醫(yī)療保險(xiǎn)基金的情況，可以大大提高審計(jì)效率。

二、數(shù)據(jù)挖掘技術(shù)審計(jì)應(yīng)用實(shí)例

（一）運(yùn)用SPSS Statistics標(biāo)識(shí)異常點(diǎn)模型分析實(shí)例

模型概述：SPSS Statistics標(biāo)識(shí)異常點(diǎn)模型可以發(fā)現(xiàn)和分析明顯偏離數(shù)據(jù)總體、不符合被審計(jì)單位業(yè)務(wù)規(guī)律的異常數(shù)據(jù)，從而找到對(duì)完成審計(jì)工作有價(jià)值的信息的一種數(shù)據(jù)挖掘方法。

審計(jì)思路：標(biāo)識(shí)異常點(diǎn)模型是從被審計(jì)單位海量的財(cái)務(wù)數(shù)據(jù)中發(fā)掘出少部分的不符合整體規(guī)律的或明顯存在異常的數(shù)據(jù)進(jìn)而進(jìn)行審計(jì)任務(wù)的模式。通常來(lái)說(shuō)這種異常的數(shù)據(jù)通常會(huì)比大多數(shù)的數(shù)據(jù)更具有審計(jì)價(jià)值。

分析步驟：

第一步數(shù)據(jù)預(yù)處理。獲取的醫(yī)療保險(xiǎn)基金行業(yè)數(shù)據(jù)存放在sql sever數(shù)據(jù)庫(kù)中，提取字段（住院序號(hào)、醫(yī)院編碼、醫(yī)院名稱、住院科室編碼、出院時(shí)間、入院時(shí)間、出院病種名稱、姓名、身份證號(hào)、總費(fèi)用、藥費(fèi)、項(xiàng)目費(fèi)、統(tǒng)籌范圍費(fèi)用金額、統(tǒng)籌支付、個(gè)人支付、年齡、本年住院次數(shù)）整理成所需的報(bào)銷明細(xì)表excel表格導(dǎo)出存放。

第二步標(biāo)識(shí)異常點(diǎn)模型建立。第一種方法利用SPSS Statistics軟件篩選出異常值，“數(shù)據(jù)-標(biāo)識(shí)異常個(gè)案”，將住院時(shí)間、出院病種名稱、總費(fèi)用、統(tǒng)籌范圍報(bào)銷金額作為分析變量，將身份證號(hào)作為個(gè)案識(shí)別變量，直接輸出異常個(gè)案索引列表，得到異常值個(gè)案結(jié)果。將身份證號(hào)標(biāo)識(shí)的個(gè)案異常點(diǎn)列為疑點(diǎn)重點(diǎn)，核查其檔案資料，分析該病人住院期間有無(wú)異常費(fèi)用支出。第二種方法利用SPSS Statis?tics軟件中的“圖形-圖表構(gòu)建程序-箱圖”篩選出離群值，編輯元素屬性，設(shè)置X變量為出院病種名稱、Y變量為統(tǒng)籌范圍費(fèi)用金額，直接輸出箱圖離群值結(jié)果，改離散點(diǎn)所代表的住院記錄作為疑點(diǎn)重點(diǎn)分析，核查其檔案資料，分析該病人住院期間有無(wú)異常費(fèi)用支出。

（二）運(yùn)用SPSS Modeler支持向量機(jī)回歸算法模型分析實(shí)例

模型概述：支持向量機(jī)回歸算法模型是一種對(duì)線性和非線性數(shù)據(jù)進(jìn)行分類的算法，使用一種非線性映射，把原訓(xùn)練數(shù)據(jù)映射到較高的維上；在新的維上，搜索最優(yōu)分離超平面。Svm通過(guò)海量數(shù)據(jù)訓(xùn)練后得出的最優(yōu)化算法，可以用于任何線性或非線性的高級(jí)分類。

審計(jì)思路：SPSS Modeler支持向量機(jī)回歸算法模型是基于住院患者的病種、住院時(shí)間、年齡等詳細(xì)數(shù)據(jù)，在學(xué)習(xí)海量數(shù)據(jù)中挖掘醫(yī)療報(bào)銷費(fèi)用和各相關(guān)因素之間的隱含聯(lián)系，從而預(yù)測(cè)患者合理的醫(yī)保報(bào)銷金額，篩選出實(shí)際值與預(yù)測(cè)值差異較大的疑點(diǎn)。

分析步驟：Svm建模需要利用SPSS Modeler軟件來(lái)分析建模。具體流程見(jiàn)下圖。

第一步：數(shù)據(jù)預(yù)處理，提取字段（住院序號(hào)、醫(yī)院編碼、醫(yī)院名稱、住院科室編碼、出院時(shí)間、入院時(shí)間、出院病種名稱、姓名、身份證號(hào)、總費(fèi)用、藥費(fèi)、項(xiàng)目費(fèi)、統(tǒng)籌范圍費(fèi)用金額、統(tǒng)籌支付、個(gè)人支付、年齡、本年住院次數(shù)）整理成所需的報(bào)銷明細(xì)表excel表格導(dǎo)出存放。

第二步：將表中不需要的字段利用過(guò)濾功能把住院序號(hào)、住院科室碼、出院時(shí)間、入院時(shí)間、姓名、身份證號(hào)等字段過(guò)濾。

第三步：添加字段選項(xiàng)類型節(jié)點(diǎn)，將統(tǒng)籌范圍費(fèi)用金額字段設(shè)為目標(biāo)，其他字段除醫(yī)院名稱外設(shè)置為輸入。

第四步：導(dǎo)入支持向量機(jī)（Svm）模型，選擇Svm模型節(jié)點(diǎn)建模節(jié)，運(yùn)行生成結(jié)果，輸出表查看；并輸出一個(gè)多重散點(diǎn)圖查看各個(gè)單病種統(tǒng)籌支付平均金額結(jié)果。

第五步：將單病種報(bào)銷表中統(tǒng)籌支付金額與該病種統(tǒng)籌支付平均金額相差較大的記錄列入疑點(diǎn)，重點(diǎn)核查。

Svm模型篩選出來(lái)預(yù)測(cè)值與實(shí)際值比例相差過(guò)大的疑點(diǎn)，都是值得重點(diǎn)關(guān)注的對(duì)象。該數(shù)據(jù)挖掘分析作為模擬性研究，具有前沿參考價(jià)值，在實(shí)際工作中，應(yīng)不斷結(jié)合真實(shí)數(shù)據(jù)進(jìn)行模擬預(yù)測(cè)，經(jīng)實(shí)踐檢驗(yàn)之后，可運(yùn)用于實(shí)際。

三、方法小結(jié)

隨著信息時(shí)代數(shù)據(jù)的海量增長(zhǎng)，我們?cè)趯徲?jì)工作中需要運(yùn)用更加多樣化的技術(shù)，從繁雜的數(shù)據(jù)中發(fā)現(xiàn)有用的審計(jì)線索，并將這些數(shù)據(jù)轉(zhuǎn)化成有組織的、可利用的信息。SQL Server、Oracle等大型數(shù)據(jù)庫(kù)軟件對(duì)數(shù)據(jù)具有高效的批量管理和語(yǔ)句查詢功能；SPSS Modeler等分析平臺(tái)軟件能夠體現(xiàn)對(duì)數(shù)據(jù)分析的描述性和預(yù)測(cè)性，能夠運(yùn)用聚類、回歸、離群點(diǎn)檢測(cè)等數(shù)據(jù)挖掘技術(shù)反映數(shù)據(jù)內(nèi)在信息。本次醫(yī)療保險(xiǎn)基金審計(jì)中應(yīng)用數(shù)據(jù)挖掘技術(shù)，在海量數(shù)據(jù)中輕松鎖定審計(jì)疑點(diǎn)，極大地提高了審計(jì)效率，推動(dòng)了審計(jì)信息化的發(fā)展，在大數(shù)據(jù)審計(jì)方式上取得了新的突破。