دوره 1، شماره 4 - ( 11-1397 )
جلد 1 شماره 4 صفحات 158-153 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Askarzadeh H, Tarokh M J. Discover self-referral between Doctors and Pharmacists Based on Network Mining. Iran J Health Insur 2019; 1 (4) :153-158
URL: http://journal.ihio.gov.ir/article-1-50-fa.html
URL: http://journal.ihio.gov.ir/article-1-50-fa.html
عسکرزاده حسن، تارخ محمدجعفر. کشف ارجاع منفعتطلبانه بین پزشک و داروخانه مبتنی بر شبکه کاوی. بیمه سلامت ایران. 1397; 1 (4) :153-158
1- گروه فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران ، haskarzadeh@pnu.ac.ir
2- گروه فناوری اطلاعات، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
2- گروه فناوری اطلاعات، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
چکیده: (4358 مشاهده)
مقدمه: سازمان بیمه سلامت، بخش مهمی از هزینههای درمان جامعه را پرداخت میکند. شرکتهای بیمه عمدتاً از افراد خبره برای رسیدگی به اسناد بهره میبرند که با توجه افزایش تعداد اسناد و محدودیت زمان و منابع انسانی، رسیدگی دقیق به اسناد تقریباً غیر ممکن است و از آن مهمتر بعضی از تخلفات از روی یک سند قابل شناسایی نیست، بلکه با تجمیع اسناد و تحلیلهای هوشمند مبتنی بر دادهکاوی قابل شناسایی است. کشف ارجاع منفعتطلبانه که در آن پزشک، بیمار را به داروخانه خاصی که در آن منافع دارد ارجاع میدهد، یکی از این موارد است.
روش بررسی: در این پژوهش با استفاده از دادههای بیمه سلامت استان تهران تا سال ۱۳۹۶ هجری خورشیدی انبارهداده تهیه شد و پس از حذف دادههای پرخطا، بر اساس روشهای شبکهکاوی نسبت به شناسایی ارجاعات غیرمتعارف در شبکه، فیلتر دادهها و وزندهی یالهای شبکه بر اساس نظر خبرگان اقدام شد. مدل فوق در محیط نرمافزار Knime پیادهسازی و لیستی از موارد مشکوک به بخش نظارت و رسیدگی ارایه گردید.
یافتهها: در این پژوهش بر اساس وزن تعاملات شناسایی شده در فرآیند شبکهکاوی بین پزشک و داروخانه و با استفاده از ابزار بصری ارایه شده در نرمافزار Knime تعداد ۷۳ پزشک که با ۲۶ داروخانه رابطه معناداری دارند شناسایی گردید.
نتیجه‌گیری: بازرسان سازمان بیمه سلامت میتوانند بر اساس الگوهای رسیدگی مبتنی بر شبکهکاوی و بصریسازی با صرف زمان و منابع انسانی کمتر، رسیدگی دقیق و موثرتری را صورت دهند.
روش بررسی: در این پژوهش با استفاده از دادههای بیمه سلامت استان تهران تا سال ۱۳۹۶ هجری خورشیدی انبارهداده تهیه شد و پس از حذف دادههای پرخطا، بر اساس روشهای شبکهکاوی نسبت به شناسایی ارجاعات غیرمتعارف در شبکه، فیلتر دادهها و وزندهی یالهای شبکه بر اساس نظر خبرگان اقدام شد. مدل فوق در محیط نرمافزار Knime پیادهسازی و لیستی از موارد مشکوک به بخش نظارت و رسیدگی ارایه گردید.
یافتهها: در این پژوهش بر اساس وزن تعاملات شناسایی شده در فرآیند شبکهکاوی بین پزشک و داروخانه و با استفاده از ابزار بصری ارایه شده در نرمافزار Knime تعداد ۷۳ پزشک که با ۲۶ داروخانه رابطه معناداری دارند شناسایی گردید.
نتیجه‌گیری: بازرسان سازمان بیمه سلامت میتوانند بر اساس الگوهای رسیدگی مبتنی بر شبکهکاوی و بصریسازی با صرف زمان و منابع انسانی کمتر، رسیدگی دقیق و موثرتری را صورت دهند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1397/10/10 | ویرایش نهایی: 1398/6/31 | پذیرش: 1397/11/30 | انتشار الکترونیک: 1397/12/6
دریافت: 1397/10/10 | ویرایش نهایی: 1398/6/31 | پذیرش: 1397/11/30 | انتشار الکترونیک: 1397/12/6
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
