FenixEdu™

Dissertação

{en_GB=Detection of Fraud and Corruption in Healthcare System} {} EVALUATED

Detalhes: {pt=Tanto os custos como os investimentos, nos sistemas de Saúde, têm vindo a aumentar. Estes aumentos devem-se principalmente aos desenvolvimentos tecnológicos e o aumento da esperança média de vida, que contribuíram para a expansão deste sector numa perspetiva económica e social. Apesar das melhorias no que diz respeito à gestão na Saúde, os casos de corrupção e abuso cresceram. Esforços feitos pelas instituições privadas e governamentais para detetar e prevenir estes casos têm sido insuficientes e, neste cenário, as novas alternativas para suprimir este problema têm ganho importância. Hoje em dia, técnicas de Data Mining são consideradas boas estratégias para detetar fraude e corrupção em diferentes áreas como cartões de crédito, contas bancárias e sistemas de telecomunicações. Infelizmente, devido à complexidade e suscetibilidade dos dados disponibilizados, estratégias de Data Mining não foram uma prioridade os sistemas de Saúde. O primeiro aspeto chave deste método está relacionado com a organização das bases de dados da Saúde de acordo com três áreas diferentes, consultas, pacientes e médicos. O segundo aspeto está relacionado com a aplicação do algoritmo de machine learning, algoritmos genéticos, às três áreas referidas e à correlação dos resultados obtidos nas três aplicações. , en=Both the costs and investments in healthcare have increased in recent years. Technology developments and the increase of lifespan were crucial for the expansion of this sector in an economic and social point of view. Besides the improvements in healthcare management, corruption and abuse within are increasing. Private and governmental institutions are making efforts to reduce it by detecting and preventing eventual cases of corruption and fraud. However, the results are insufficient and new approaches to face the problem are becoming more important. Nowadays, Data Mining techniques are considered as a good strategy to detect fraud and corruption in different areas such as credit card, bank accounts and telecommunications. In this thesis is explored a new approach using genetic algorithms in order to improve the number of detections. The two key aspects of this approach are first the organization of the healthcare data according to three different points of view, claims, patients and providers. The second key aspect, is related with the application of the machine learning algorithm to the three areas referred and the correlation of the results obtained from the three applications. }
Keywords: {pt=Algoritmos Genéticos, Deteção, Fraude, Corrupção, Saúde, en=Genetic Algorithms, Detection, Fraud, Corruption, Healthcare}

Discussão: abril 6, 2017, 17:0