Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/ESBF-AARR4B| Tipo: | Dissertação de Mestrado |
| Título: | An effective method for anomaly detection in public healthcare systems |
| Autor(es): | Luiz Fernando Magalhaes Carvalho |
| primer Tutor: | Wagner Meira Junior |
| primer miembro del tribunal : | Adriano César Machado Pereira |
| Segundo miembro del tribunal: | Adriano Alonso Veloso |
| Resumen: | Detecção de anomalias é uma tarefa relevante e amplamente aplicada em diferentes cenários. Com os avanços em gerenciamento de saúde e tecnologia da informação, a detecção de anomalias em saúde se consolidou como um importante tópico na comunidade científica. Porém, o funcionamento dos métodos tradicionais se baseia na estrutura dos hospitais e em regras médicas, informações que, além de serem escassas, podem ser modificadas com o objetivo de se esconder evidências de fraudes.Neste trabalho, nós propomos um método para detecção de anomalias em saúde que se baseia na demanda das cidades para detectar hospitais anômalos. Para isso, usamos informações que geralmente são abertas a consultas. Nosso método é composto de duas etapas: análise de anomalias e transferência de escore. Na etapa de análise de anomalias é realizada uma análise contextual das cidades com o objetivo de atribuir um escore para cada uma. Na etapa de transferência de escore, cada hospital recebe um escore considerando sua relação com as cidades.Nós aplicamos o método em uma base de dados real do Sistema Único de Saúde do Brasil - SUS considerando dez tipos de procedimentos que custaram mais de 8 bilhões e meio de dólares entre 2008 e 2012. Os resultados mostram que o método foi capaz de identificar casos de anomalias que não seriam encontrados sem as informações sobre as cidades e que a análise contextual de anomalias melhora os resultados em comparação com a análise pontual. Além disso, apresentamos exemplos de hospitais anômalos, ressaltando como o método foi capaz de identificá-los.As principais contribuições deste trabalho são: I) um método simples e efetivo para detecção de anomalias em saúde pública. II) Nosso método não requer informações sobre os provedores de saúde e nem regras médicas. III) A análise sob a perspectiva dos consumidores possibilitou a identificação de anomalias que não seriam encontradas pelos métodos tradicionais. IV) Nós aplicamos o método em uma base de dados real e apresentamos um estudo de caso detalhado. |
| Abstract: | Anomaly detection is an important task that has been largely applied to different scenarios. The improvements of technology for healthcare management and information storage has been enabling anomaly detection in healthcare. In this work we propose a method for detecting anomalous and potentially fraudulent hospitals, which is based on the analysis of the cities demand and transfer knowledge. Unlike traditional methods, we require only information that is usually available on healthcare systems. We applied the method to a real database from the Brazilian public healthcare considering medical procedures that cost more than 8.5 billion dollars. The results show that the method is able to find anomalous cases that may not be found if the features about the cities were not considered. We also performed a case study in which we show some potential fraudulent hospitals, highlighting how our method was able to identify them. |
| Asunto: | Saúde pública Detecção de anomalias (Computação) Computação Mineração de dados (Computação) |
| Idioma: | Inglês |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Tipo de acceso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/ESBF-AARR4B |
| Fecha del documento: | 22-dic-2015 |
| Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| luizfernandomagalhaes.pdf | 14.28 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.