Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://tede.bc.uepb.edu.br/jspui/handle/tede/3600
Tipo do documento: | Dissertação |
Título: | Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS |
Autor: | Araújo, Ênnyo José Barros de |
Primeiro orientador: | Gurjão, Edmar Candeia |
Primeiro membro da banca: | Carvalho, Joelson Nogueira de |
Segundo membro da banca: | Barbosa, Paulo Eduardo e Silva |
Resumo: | O Sistema Unificado de Saúde do Brasil (SUS) tem um dos maiores programas de assistência odontológica gratuita do mundo. O governo federal, via os seus entes federados, disponibiliza tratamento odontológico a 70% da população brasileira. Mesmo com números tão expressivos, esse sistema ainda possui muitas iniquidades e sofre de um problema endêmico no Brasil, a corrupção, neste caso, em forma de fraude. Estudos indicam que a fraude é responsável por até 40% de desperdícios de recursos em instituições de saúde, trazendo prejuízos financeiros enormes, sobretudo penalizando quem mais necessita da assistência médica, a população de baixa renda. Ferramentas de mineração de dados podem revelar padrões incognoscíveis para seres humanos, mas relativamente fáceis de encontrar para uma máquina treinada. Detectar e eliminar a fraude não é um problema trivial, requer tecnologias, profissionais especialistas e ferramentas. Neste trabalho utilizou- se aprendizado de máquina em dados simulados de atendimentos odontológicos seguindo o padrão o SUS, para separar os que tem indícios de fraude. Foram avaliados os algoritmos Isolation Forest, K-Nearest Neighbors e Mahalanobis Distance, e em todos os testes houve sucesso em separar os clusters de dados normais dos anômalos, demonstrando a possibilidade de utilização dessas ferramentas na detecção de fraudes de forma eficiente. |
Abstract: | The Brazilian Unified Health System (Sistema Unificado de Saúde –SUS) has one of the largest free dental care programs in the world. The federal government, through its federated entities, provides dental treatment to approximately 70% of the Brazilian population. Even with such expressive numbers, this system still has many iniquities and suffers from an endemic problem in Brazil, corruption, in this case in forms of frauds. This is not a local problem, institutions around the world are studying and building technological solutions that can tackle one of the faces of frauds. Studies indicate that fraud is responsible for up to 40% of wasted resources in SUS, bringing huge financial losses, especially penalizes those who most need medical care, the low income population. Detecting and eliminating fraud is not a trivial problem, it requires technologies, experts and tools. Data mining techniques can reveal patterns difficult to be detected by humans. In this work using simulated data based on the SUS data standard machine learning is applied to detect frauds. Isolation Forest, K- Nearest Neighbors and Mahalanobis Distance algorithms was applied and sucessfully detected frauds. |
Palavras-chave: | Aprendizado de máquina Detecção de fraude Sistemas de auditoria Sistemas de saúde Machine Learning Fraud Detection Healhy System |
Área(s) do CNPq: | CIENCIAS DA SAUDE::MEDICINA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Estadual da Paraíba |
Sigla da instituição: | UEPB |
Departamento: | Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP |
Programa: | Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
Citação: | ARAÚJO, Ê. J. B. de. Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS. 2017. 79f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2017. |
Tipo de acesso: | Acesso Aberto |
URI: | http://tede.bc.uepb.edu.br/jspui/handle/tede/3600 |
Data de defesa: | 6-Abr-2017 |
Aparece nas coleções: | PPGCTS - Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PDF - Ennyo José Barros de Araújo.pdf | PDF - Ennyo José Barros de Araújo | 30.45 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.