文献

J-GLOBAL ID：201702264572319499   整理番号：17A0116905

異常保険請求を検出するための医療提供者の専門性予測【Powered by NICT】

Predicting Medical Provider Specialties to Detect Anomalous Insurance Claims

著者 (4件)： Bauder Richard A. ,  Khoshgoftaar Taghi M. ,  Richter Aaron ,  Herland Matthew
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICTAI  ページ： 784-790  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヘルスケア産業は多くの可動部の複雑なシステムである。この分野における一つの問題は,医療保険制度の誤用,メディケアのようなである。本論文では,著者らは,医師が医療保険請求における異常な挙動を示すとき検出への機械学習モデルを構築した。この新しい研究は,いつ,医師はそれぞれの専門性の規範,誤用,詐欺,課金プロシージャ周辺における知識の欠如を示した外に作用するかどうかを決定するにおけるいくつかの洞察を与える可能性がある。公開されている手順課金データセット,米国メディケアシステムにより放出されたを用いた。データセットのサイズが大きいために,一つの状態のみで実践すべての医師を含むデータセットを採取した。モデルは多項Naive Bayesアルゴリズムを使用し,5重交差検証と精度,再現率,およびFscoreを計算することにより評価した。モデルである0.9以上のFスコアを呈する医師のいくつかのクラスを予測することに成功した。これらの結果は,効果的にそれらをbill手順を用いてのみ医師を分類しそれらの各分野に新しい方法における機械学習を使用することが可能であることを示した。本研究では,更なる研究のための保険制度を誤用可能性がある医師を同定できるモデルを提供する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アメリカ合衆国 ,  機械学習 ,  アルゴリズム ,  *医師 ,  健康管理
準シソーラス用語： 保険制度 ,  スコア ,  再現率 ,  Naive Bayes ,  規範 ,  医療保険 ,  メディケア ,  医療保険制度 ,  *専門的能力 ,  *保険請求 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  医療制度  (GB04020H) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (4件)： 保険請求 ,  医療 ,  専門性 ,  予測