太远

太远了？使用机器学习确定医疗保健索赔中的可疑旅行模式

摘要 - 医疗保健服务中的欺诈和索赔对医疗保健支出，卫生服务的可及性和成员的护理质量构成了显着威胁。成员支持者勾结的一种重要类型是成员在寻求医疗服务的不可或缺距离的地方。此类活动可能是“药厂”，购物医生或转诊回扣计划的指标。先前关于识别可疑旅行距离的研究主要集中在账单金额上，并考虑了邮政编码或县级的精选诊断条件和旅行距离。与这些研究相比，我们提出的框架着重于各种诊断的主张，并考虑到成员邮政编码的人口密度，以及各种专业的提供商密度，以及其他特征，这对于旅行距离的预测至关重要。我们使用两种方法进行实验 - i）与统计异常距离检测器配对的回归模型，ii）基于神经网络的模型，与可能性估计器配对用于异常距离检测的可能性。在手动注释的数据集上对这些模型的评估表明，第二种方法在识别异常行进距离方面的表现优于第一个方法。