醫療保險反欺詐預警機制設計分析

導語：醫療保險反欺詐預警機制設計分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：文章從醫療欺詐案件發生的源頭動機出發，基于舞弊角度通過醫療報銷主體的健康水平、收入水平、醫療費用、醫療機構以及個人信用等具體數據構建一個醫療信用評級的醫療保險反欺詐預警模型，通過對醫療報銷主體的綜合醫療及信用情況進行評價，有效地對醫療主體醫療報銷行為進行事前分析，從源頭進行分析和監督，可以有效預防醫療主體的醫療保險欺詐行為，降低醫療保險欺詐案件發生的概率。

關鍵詞：舞弊理論;醫療保險;反欺詐預警

一、引言

據報道，近年來我國醫療保險欺詐案件發生次數呈上升趨勢，且隨著醫療卡和異地支付結算方式的不斷發展，醫療保險詐騙案件發生的頻率不斷增加，且呈現出團伙作案，數額巨大，范圍更廣的趨勢，醫療詐騙案件頻頻引得人民關注。醫療是民生之本，因此加強此方面的整治已經刻不容緩。基于此，本文從醫療欺詐案件發生的源頭動機出發，在當前互聯網大數據充分發展的背景下，基于舞弊角度通過醫療報銷主體的健康水平、收入水平、醫療費用、醫療機構以及個人信用等具體數據構建一個醫療信用評級的醫療保險反欺詐預警模型，通過對醫療報銷主體的綜合醫療及信用情況進行評價，有效地對醫療主體醫療報銷行為進行事前分析，從源頭進行分析和監督，可以有效預防醫療主體的醫療保險欺詐行為，降低醫療保險欺詐案件發生的概率。

二、基于舞弊理論的醫保欺詐行為動因分析

“舞弊”是指單位或個人為了謀求相應的利益而有意采取欺騙等違法違規行為。本文分析，舞弊行為的產生主要有三個動因，即：壓力（誘惑）、機會和逃避，當外部存在舞弊誘惑且存在舞弊的機會，擁有逃避借口后，主體人員便容易產生舞弊行為。（一）醫保欺詐行為分析。（1）醫保患者的違規和欺詐行為。醫療患者的醫療保險欺詐行為主要有：違規使用他人醫療保險卡進行保險報銷、醫療卡外借；違規使用超出醫療保險范圍的服務或產品；異地就診人員開出虛假的醫療報銷單等。（2）醫保機構如藥店等的違規和欺詐行為。主要行為有：提供虛假的醫療單、病例、醫療報銷單等；構造各種虛假的醫療證明文件；向就醫人員提供過度醫療服務，將非醫保病種更改為醫保范圍內支付的病種。（3）醫保機構和醫保患者的合謀違規和欺詐行為等。主要指的是等醫保機構和患者為了牟利而虛假捏造各種醫療報銷單、藥品報銷單、住院報銷單等。（4）其他不法分子借助醫療手段詐騙行為。主要指的是部分不法分子假冒醫療患者或者醫療機構的名義，非法捏造各種虛構的醫療信息，假借醫療卡故障、信息修改或者捏造虛假就醫信息要求醫療卡持有者提供相關的證明信息要求受騙者轉賬從而盜取醫療卡持有者的銀行賬戶金額的手段行為。一般這些詐騙分子為團伙作案。對我國的各項醫療保險報銷流程及規定較為熟悉，因此能夠鉆報銷制度的空子來為自己謀取不法利益。（二）醫保欺詐成因分析。（1）壓力（誘惑）動因。當前我國醫療保險市場發展不完善，水平較發達國家相比仍有較大的差距，且各地的保險繳費以及補貼標準沒有統一的標準，并隨著城鄉發展、地域水平以及收入水平發展的不同，其差別化更加明顯。這種明顯的差別化發展不僅帶來了社會的不公平，更為保險欺詐滋生創造了溫床[1]。且由于發展的差別，伴隨著監管的復雜和困難，由于不同地域和不同機構醫療保險收費及補貼的差別，使得當前我國缺乏統一的監管標準，給保險欺詐監管帶來了極大的困難。同時由于醫療信息發展的不完善，我國還未構建一個完善的醫療信息數據庫，其造成了區域及不同機構之間的信息出現壁壘，無法及時自由地流通，也為監管帶來了困難。（2）機會動因。由于醫療保險基金支付屬于第三方支付，即醫療患者和醫療機構都不參與醫療的核算及支付，由醫療保險基金機構進行支付結算，但這種支付又建立在醫療機構和患者的行為結果之上。基于這種特殊性，醫療機構和醫療患者都會產生“過度”對醫療進行使用的動機。這種無成本的活動會促使醫療機構和醫療患者都面對這極大的誘惑，或產生對醫療保險進行欺詐獲利的“道德風險”。尤其在監管不完善的情況下，這種概率會進一步提高[2]。首先，第三方機構的支付方式會讓醫療參與者和成本隔離，產生濫用醫療的情況，造成社會成本提高；其次，醫療參與雙方的利益關系會促使其趨向于合作牟利；最后，由于醫療保險費用屬于事后支付，會讓醫療提供者在醫療過程出現過度醫療的情況。（3）借口動因。當前的醫療反欺詐工作程序繁瑣，首先醫療詐騙需要先通過對醫療主體的信息數據進行識別篩選，從中篩選出有詐騙行為的對象，然后對其進行進一步地確認，確認后在對違法分子和違法行為進行約談、警告，針對其違法行為采取停卡、罰款等具體的處罰措施。這些過程都存在著可趁之機，為違規者進行醫保詐騙提供了良好的借口。第一，醫療保險較為抽象復雜，在所有的保險分類中，監管最為困難，且當前的醫療法律法規規定僅僅在參考各級政府機構的相關規范文件上，沒有進入深入的研究，構建完善管理和處罰體系，導致監管混亂，操作困難，且處罰力度不強，無法發揮醫療保險法律的規范作用；第二，當前我國醫療機構以利益最大化為目標，并未很好的處理醫患之間的利益沖突問題，醫患之間利益糾葛較為復雜。所以在患者就醫過程中，醫療機構為了自己的利益，極大地會出現在醫療用藥、住院等方面的不合理之處，這種情況則會加大醫療保險及基金的負擔；同時由于醫療患者缺乏相關專業知識，很容易受到醫療機構的誘導，主動使用非必要的醫療產品，進行一些非必要的手術；同時患者自己也存在盲目過度使用醫療資源的情況，如一些小病也非要住院治療、非要使用昂貴的不必須醫療儀器或設備、追求高價藥品等情況，這都在不同程度上加大了我國醫療保險機構及基金機構的壓力。最后，醫療保險監管審查建設的缺位，當前我國醫療保險監管水平發展較低，急需醫療保險報銷各個環節加強監管，但由于缺乏先關醫保知識完備、流程熟悉、操作順暢的專業人員，使得醫療稽核建設遠遠落后于醫療保險行業地發展水平。

三、基于舞弊理論的醫保反欺詐預警模型構建

通過運用舞弊理論對我國醫療保險欺詐行為動因分析可知，醫保欺詐行為的發生雖然表現為不同的形式，但歸根到底還是個人的醫保欺詐行為出現了問題。基于此，本文依據舞弊理論，按照大數據整合的思路，從對壓力、機會、借口視角出發，構建對個人醫保欺詐行為的反欺詐預警模型。從壓力角度來看，個人健康程度和生活狀況是個人從事醫保欺詐的重要誘因，通過對個人日常健康地變化和生活狀況進行健康，能夠對個人的醫療行為進行準確地預測，以便作出正確的醫保報銷審批。制度上漏洞為個人進行醫保欺詐提供了機會和借口，本文通過對醫療機構的行為預測，采納家庭醫生地建議，運用個人信用等數據，從而達到堵住制度漏洞的目的，達到對個人醫保行為的準確預測。本文構建的預警模型主要針對個人健康狀況、個人醫療費變化情況、就醫機構誠信水平、家庭醫生建議以及個人征信狀況等。（一）基本假設。假設1：健康狀況是進行醫保報銷評價的首要條件；且醫保報銷水平隨著健康狀況的好壞也會發生改變，若患者健康水平高，則需要的醫療費用越低；患者健康水平越低，則醫療費用越高假設2：若在三年中，個人醫療支出水平較為穩定，并未發生異常波動情況，則這個人進行醫療詐騙的可能性較小；若個人近三年的醫保支出出現異常波動，則說明這個人出現醫療詐騙傾向較高假設3：醫療機構信用水平高，則發生醫保詐騙的概率越低，醫療機構的信用水平越高，則越不容易發生醫療保險詐騙情況，因此通過對醫療機構信用水平的評價可以很好地進行預防假設4：家庭醫生對患者能夠提供一對一的更加詳細的醫療很短，進行針對性的醫療救治互動，能夠對患者進行更加精準的健康判斷。因此家庭醫生針對個人所提供的個人健康狀況評價和就醫狀況具有更加精準的認知假設5：個人信用水平對其發生醫療詐騙的可能性有重大影響。個人征信水平越高，則發生詐騙的可能性越低；個人征信水平越低，則越有可能進行醫療保險詐騙（二）指標選擇。（1）選擇原則。一是要堅持科學性。構建醫療保險欺詐模型必須科學規范，能夠識別和反映欺詐行為之間的內在動因及其聯系，公正客觀的體現醫療主體進行醫療詐騙行為的風險，因此必須從科學客觀事實出發，否則會出現風險識別的誤差，嚴重影響醫保詐騙的評價和預測。二是要做到系統全面。欺詐活動并不出現在單一環節，它是一個系統的、綜合性的活動，在就醫、開藥、住院等一系列活動中都會有所涉及，因此不能僅僅考慮單一環節，要從整個醫療體系及醫療保險運轉的整個流程出發，構建各指標相互聯系的風險分析體系，有效地對各個環節風險進行動態化、全面性分析。三是應具備穩定可靠的數據構建科學的指標體系，其模型操作的關鍵在于真實、準確、方便獲取的數據來源基礎之上。很多時候，模型構建完善后，由于缺乏相應的數據，使得模型的實際操作困難，無法運用到日常實踐活動中，那么，模型的構建也失去了意義。四是應方具備實踐操作性。但是其可操作性也是關鍵的環節，操作應具備簡單易懂，操作便利等特點，因此在進行指標選擇時應選擇那些代表性強，反應準確的衡量指標。五是要注重時效性。構建醫療保險欺詐分析模型選取的指標具備一定的超前性，能夠良好地識別和預測風險地發生，提前對這些風險進行預警防范，為稽核人員提供調查研究的時間，有效減少風險發生的概率。（2）指標體系。通過對上文風險識別體系的研究及其指標選取原則，為更好地體現準確性、可靠性、完全性及可得性，本文在構建醫療保險反欺詐模型時綜合考慮了以下指標的選取。并將其指標分為二個層次體系，其中第一級指標主要由5指標構建起來，在一級指標的5個指標中共下設22個二級指標進行衡量，其各級指標構建及其含義詳細情況如表1所示。（3）指標處理。由于各指標之間出現多重共線性，影響分析結果。為消除指標間多重共線的影響，本文首先運用聚類分析的方法將所選取的指標進行分類，篩選出更加精簡和更具代表性的指標進行下一階段地評價。同時各指標的采集和評價標準不同，如果直接進行標準化的統一分析，其分析結果將會出現極大地偏差，因此本文首先將采集的數據采用0-1標準化處理方法進行標準化處理。且根據處理后的樣本數據特征可知，數據一般都服從標準正態分布，因此進入下一階段過程。數據具體處理方法如式（1）所示：Xij=（Xij-minXij）/（MaxXj-MinXj）Yij=（Yij-minYij）/（MaxYj-MinYj）（1）聚類分析法由于具有良好的數據挖掘和分類作用，因此廣泛的應用于各種領域的數據處理中，如在統計學中經常被用來預處理數據。目前最為常見的聚類數據處理方法為K-means處理法，它主要是通過構建K個集群并設定其對應的對象，然后借用循環技術將其對象在K個集群進行自由移動的方法。除了這個方法外，還有R聚類分析法和Q聚類分析法，這兩種分析法指的是通過構建不同的層次來對各數據集合進行分類劃分的方法。本文根據獲得的數據，分析其數據的分布特征，從中篩選出最具代表性和準確性的衡量指標進行下一階段地分析。具體操作過程為：首先進行聚類分析，聚類分析完成之后，進行各類指標相關性指數的均值計算，計算完成之后，選取其中較大值作為衡量指標，具體計算如公式2所示，其中，K為對應指標層的個數，r2ij為對應的各指標層其他相關系數進行平方之后的值。R2i=∑j≠1r2ijk-1，i，j=1，...，k（2）（三）預警綜合值的計算方法。本文基于BP神經網絡分析思路進行醫療保險反詐騙模型地構建，使用該方法的主要優點是其具有良好的適用性，BP神經網絡的存儲構架具有較強的特殊性，這使得它能夠在不同系統中具有良好的適應能力和較高的錯誤容忍性，但是其也存在著以下幾點弊端：在研究領域較為復雜的情況下，若簡單的將所有可能產生的結果看作是輸入因素投入作用的結果，則無法分析其各影響因素見復雜的關系，不僅會降低模型分析的準確性，使模型分析起來更為復雜難懂。且通常情況下，完善的模型，面面俱到地分析和完備的數據只存在理想之中，現實情況下很難達到這種條件，針對模型進行簡化分析才能夠做出相對簡便的操作，并做出有力的判斷。因此，本文首先采用主成分法對論文前端模型進行處理。首先，在變量的選擇上進行篩檢，根據上文提到的聚類分析法將最重要、最具代表性的關鍵變量篩選出來，可以大大地減少數據量；其次，對整個模型的風險水平進行估算，采取的估算方法為主成分分析法，同時將估算出的風險水平導入到其構建的BP網絡中去。但是在風險估算過程中，僅憑這些簡單的計算方式難以準確估計模型的風險敞口，本文還要進一步進行以下幾個步驟：（1）計算Cronbach’sa信度系數，運用spss軟件計算出系數后，若系數大于0.6，則表明所選取的數據是可靠的。然后再分別進行Bartlett球體檢驗和KMO檢驗，這步驟主要是用來驗證主成分分析法是否使用于此模型。若Bartlett球體計算得出的系數低于0.5，則說明此分析方法適用性較好；若KMO檢驗結果低于0.5則表明此分析方法不適用，則需要考慮其他的分析方法。（2）確定主成分。通過分析變量數據來找尋其中的交互關系，并根據其交互關系來確定成分因子。在本文中主要采用因子負荷分析法來確定模型中的綜合成分因子。綜合成分因子地確定主要根據變量的特征值，當特征值大于1時，即可確定所選擇的成分因子為綜合成分因子。（3）正交處理。獲取公共成分因子在模型中更具解釋性，因此將所獲得矩陣進行正交處理來求得公共成分因子。（4）確定主成分的得分。確定主成分得分有助于對變量和因子之間的相互關系進行理解，一般計算主成分得分方法主要有最小二乘法和極大似人估計法，采用湯姆生法和巴特萊特法來計算。（5）評估風險。根據，∑單個因子的方差貢獻率因子單方差貢獻率×單個因子得分，根據此公式計算得出的值就是風險評估值（四）預警模型構建。在預警模型的構建方面，本文采用了BackPropagation（BP）神經網絡方法來構建欺詐預警模型。BP神經網絡主要有各個神經元構成整個模型的基點，并將各個神經元以網狀連接起來，形成相互聯系，相互作用的系統網絡。它的優點在于：一是BP神經網絡的存儲構架具有較強的特殊性，這使得它能夠在不同系統中具有良好的適應能力和較高的錯誤容忍性，因此可以克服數據缺失、出現誤差等缺點；二是經濟領域的各個風險更為復雜。這些風險地產生是由各個因素相互作用，相互干擾而產生的，并非簡單的線性關系，因此構建的風險預警模型能夠體現其復雜性。三是該模型操作簡便，可以通過輸入數據的簡便操作實現模擬大腦運行學習的功能，可以更好地達到研究效果。本文構建的基于BP神經網絡的欺詐預警模型主要分為三個層次。經過指標篩選后，主要有輸入層、隱含層和輸出層（即風險警示程度，可以分為無警、微警、輕警、中警、重警）。為對本預警模型進行測試，可以在測試集輸入訓練好的BP神經網絡，得到Y1，即預測的綜合風險值，然后對測試集采取相同的方法進行處理，則可得到Y2，即實際綜合風險值。如果計算得出Y1=Y2，則表明所設定模型的精確度能夠滿足驗證要求，如果Y1屹Y2，則表明模型的精確度需要進一步提升。具體操作過程如圖1所示。（五）劃分綜合預警值。在整個模型中，最重要的即風險程度地劃分。則需要確定各個風險區間所占的權重，風險權重的設置需要能夠準確反映各種風險水平，且并根據各級風險水平的劃分確定相應處置措施，并對所設置的風險敞口進行更加細致的處理。同時，本文為了便于理解分析，將計算出的對應風險值擴大了100倍，同時根據其取值范圍劃分了不同的風險水平，具體內容如表2所示：根據構建的個人醫療保險反欺詐模型可知，本文主要針對個人醫療保險報銷的五個方面進行分析測評，其中包括對個人健康狀況地測評，但是要實現對每個醫保用戶的健康狀況跟蹤記錄是非常困難的，這需要醫療機構首先將各居民的健康數據搜集出來，進行健康水平測試，且在以后的過程中進行跟蹤記錄，是一個持續復雜的工作。同時分析個人近三年來的整體醫療費用支出變動情況來分析個人進行醫保詐騙的可能性，做出提前預警。根據個人醫療支出水平較為穩定和異常波動情況進行分析比對，預防其出現騙保動機。同時醫療機構作為醫療保險參與者之一，其信用水平不容忽視，要加強對其的資質審查和信用評價。當前的家庭醫生也占我國醫療發展中的一環，因此家庭醫生針對個人所提供的個人健康狀況評價和就醫狀況具有更加精準的認知。所以在進行醫療詐騙預防體系構建中應參考家庭醫生的建議。個人的信用水平。個人信用水平對其發生醫療詐騙的可能性有重大影響，因此要加強對個人征信評價建設。

四、基于舞弊理論的醫保反欺詐預警保障機制

（一）建立定點醫療機構監測預警機制。構建醫療欺詐監測管理系統，通過將患者就診、用藥、手術、住院等數據資料公開并建立起專門的數據庫，進行跟蹤記錄，以便對異常就診情況進行及時識別和管理。不僅要對患者的就診情況加強監督，對醫療機構及醫務人員提供的服務情況也應該納入整個系統中，將其進行記錄，并作為參考，同時納入醫院的考核指標中。基本檢測指標應包括就醫人數、就醫次數、住院天數、藥品消耗數、日住院費、轉院次數、大型設備使用次數等，并對這些數據根據地區和機構的不同設置不同的警示指標，在出現異常情況時要加強監控。同時上述指標要按照相關規定進行日、月、季度進行按期披露，不規范的情況要及時改進。另外，設置警示指標值時可以參考VAR或TVAR值的設置，要跟據省、市、縣以及不同機構的情況設置分級指標，并對各風險預警情況作出具體的標示，如劃分“無警”、“中警”等不同警示指標，并利用設定的風險警示模型計算出各地區和各機構的VAR或TVAR值，并進行相對應的風險警示情況預警，同時采取相應的應對措施。（二）利用技術手段遏制各種違規現象。充分利用現代技術來遏制就醫和申請醫療保險中存在的違規情況。要求使用新農合報銷的患者進行病情和醫療情況的在線申報及審核，要求醫療機構及時輸入當天的就醫接診和醫療用品消耗情況，每天對醫療機構上傳的就診和相關使用醫療用品使用情況進行清點審核，對醫療服務進行評價等。通過這種技術結合的手段，對醫療發生的過程進行實時監測，可以有效預防其發生不規范的可能。同時充分發揮醫療保險院代表和家庭醫生的監管作用。新農合醫療保險駐院代表和家庭醫生要根據病人的住院情況和醫療情況進行及時的審查和監督，對于病人在就診、用藥和住院期間發生的不合規情況要及時的向醫院及其監管機構提出來，并要求其作出整改。（三）強化醫療服務質量和信用評價機制。要加快構建醫療服務完善和評價體系，加強對醫療機構及其醫務人員服務能力、服務水平及后續服務提供能力的評價考核和監督管理機制。成立醫療服務評價監督委員會或醫療服務質量評審委員會，通過組建專家團隊，對醫療機構及其醫務人員提供的服務進行專業監察評審，對其不正確、不規范的行為提出并責令其整改。并針對其違規情況采取相應的處罰措施：對存在違規或欺詐的醫療機構可取消醫療報銷資格；對存在違規或欺詐的醫務人員可吊銷其行醫資格并處以停職等處分；對進行醫療欺詐的患者可以停用其醫保卡等具體措施。同時加強構建機構及個人的征信體系，并將其信用水平納入整個社會的征信體系中，若其信用水平降低對其社會信譽產生影響，通過完善整個社會的征信體系，降低醫保詐騙的風險。（四）構建社會誠信。完善的社會信用體系是構建和諧的社會環境，防范醫療保險詐騙發生的重要前提。通過對個人、醫生和醫療機構進行信用評級并制定相應的信用評價和分析管理系統，則可有效的降低醫療詐騙發生的概率。當個人、醫生或醫療機構發生違規現象時，可以下調其應用等級，對存在違規或欺詐的醫務人員可吊銷其行醫資格并處以停職等處分，并處以扣除相應工資、影響其進行評職稱等活動的進行；對進行醫療欺詐的患者可以停用其醫保卡，并追回其所謀取的不正當所得等具體措施。且對信用等級較低的患者、醫生或者醫療機構要加強監督，對其醫療行為要重點進行關注。

參考文獻：

［1］王蔚臆.醫保欺詐的成因及其監管探析［J］.管理觀察，2014（8）：164-166.

［2］林源.新型農村合作醫療保險欺詐風險管理研究［D］.湖南大學，2014.

作者:牛秀粉單位:河南經貿職業學院會計學院