Iranian Journal of Health Insurance

fa کشف ارجاع ‎منفعت‎طلبانه بین پزشک و داروخانه مبتنی بر شبکه‎ کاوی Discover self-referral between Doctors and Pharmacists Based on Network Mining تخصصي Special پژوهشي Research <div style="text-align: justify;">مقدمه: سازمان بیمه سلامت، بخش مهمی از هزینه&rlm;های درمان جامعه را پرداخت می&lrm;کند. شرکت&lrm;های بیمه عمدتاً از افراد خبره برای رسیدگی به اسناد بهره می&lrm;برند 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 تحلیل&lrm;های هوشمند مبتنی بر داده&lrm;کاوی قابل شناسایی است. کشف ارجاع منفعت&lrm;طلبانه که در آن پزشک، بیمار را به داروخانه خاصی که در آن منافع دارد ارجاع می&lrm;دهد، یکی از این موارد است. روش بررسی: در این پژوهش با استفاده از داده&lrm;های بیمه سلامت استان تهران تا سال ۱۳۹۶ هجری خورشیدی انباره&lrm;داده تهیه شد و پس از حذف داده&lrm;های پرخطا، بر اساس روش&lrm;های شبکه&lrm;کاوی نسبت به شناسایی ارجاعات غیرمتعارف در شبکه، فیلتر داده&lrm;ها و وزن&lrm;دهی یال&lrm;های شبکه بر اساس نظر خبرگان اقدام شد. مدل فوق در محیط نرم&lrm;افزار Knime پیاده&lrm;سازی و لیستی از موارد مشکوک به بخش نظارت و رسیدگی ارایه گردید. یافته&lrm;ها: در این پژوهش بر اساس وزن تعاملات شناسایی شده در فرآیند شبکه&lrm;کاوی بین پزشک و داروخانه و با استفاده از ابزار بصری ارایه شده در نرم&lrm;افزار Knime تعداد ۷۳ پزشک که با ۲۶ داروخانه رابطه&lrm; معناداری دارند شناسایی گردید. نتیجه‌گیری: بازرسان سازمان بیمه سلامت می&lrm;توانند بر اساس الگوهای رسیدگی مبتنی بر شبکه&lrm;کاوی و بصری&lrm;سازی با صرف زمان و منابع انسانی کمتر، رسیدگی دقیق و موثرتری را صورت دهند.</div> <div style="text-align: justify;">Introduction: A significant amount of treatment cost is paid by health insurance organization. Insurance companies, mostly, use certified people to consider documents, but according to the number of documents and the limitation of time and human resource, consider documents carefully is almost impossible and more importantly, some infringements are not identifiable According to only one document but is identifiable by accumulation of documents and intelligent analysis based on data mining. Detection of beneficial referral (self-referral and kickback) that a doctor refers a patient to a specific pharmacy that has benefits for him, is one of these things. Methods: In this research, data warehouse was prepared by using Tehran health insurance data until 1396 and then after eliminating faulty data, according to network mining methods, actions for detecting anomalistic referrals on the network, data filtering and weighing the edges of the network based on certified people views, were taken. This method was implemented in Knime environment and a short list was presented to health insurance organization’s monitoring department for considering. Results: In this research, according to the importance of detected interactions during network mining‘s process between doctors and pharmacies, and using visual tools in Knime, 73 doctors were detected that had meaningful relation with 26 pharmacies. Conclusions: Inspectors of health insurance organization can have a more accurate and more effective examination with spending less time and human resource according to examination patterns based on network mining and visualization.</div> بیمه سلامت,‎‎ ارجاع منفعت‎طلبانه,‎‎ شبکه‎ کاوی Healthcare Insurance, Kickback, Self-Referral, Network Mining 153 158 http://journal.ihio.gov.ir/browse.php?a_code=A-10-78-1&slc_lang=fa&sid=1 Hassan Askarzadeh حسن عسکرزاده haskarzadeh@pnu.ac.ir 10031947532846001129 10031947532846001129 Yes Department of Information Technology, Payame Noor University, Tehran, Iran گروه فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران Mohammad Jafar Tarokh محمدجعفر تارخ mjtarokh@kntu.ac.ir 10031947532846001130 10031947532846001130 No Department of Information Technology, Khaje Nasir Al-Din Tusi University, Tehran, Iran گروه فناوری اطلاعات، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران