Publicação
DETEÇÃO DE FRAUDE EM SEGUROS DE SAÚDE. APLICAÇÃO DE ÁRVORES DE DECISÃO, K-MÉDIAS, REDES SOCIAIS
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Mota, Pedro | |
| dc.contributor.advisor | Rianço, Nelson | |
| dc.contributor.author | Costa, Sara Filipa de Sousa | |
| dc.date.accessioned | 2024-03-05T18:23:14Z | |
| dc.date.available | 2024-03-05T18:23:14Z | |
| dc.date.issued | 2023-11 | |
| dc.description.abstract | A fraude e o abuso nos seguros de saúde são problemas graves com um grande impacto nas empresas deste sector. Contudo, a auditoria das interações de seguros de saúde é morosa, e a deteção de fraudes e abusos é difícil e com limitações de capacidade. Neste estudo investigou-se a aplicação de três abordagens para a deteção e prevenção de fraudes nos seguros de saúde, as árvores de decisão, o clustering k-médias e a análise de redes sociais. Através destas abordagens espera-se detetar sinistros mais suspeitos de fraude e de abuso. Consequentemente, prevê-se também encontrar padrões e detetar interações de entidades envolvidas nos seguros de saúde que sejam atípicas e que possam ser fraudulentas ou abusivas. Utiliza-se um conjunto de dados de sinistros de saúde que pertence ao grupo Future Healthcare, um grupo internacional privado que opera no sector dos seguros de saúde e faz a gestão dos seguros de saúde de algumas seguradoras. Os resultados obtidos evidenciaram que os métodos propostos não foram eficazes na deteção de fraude em sinistros de seguros de saúde. | pt_PT |
| dc.description.abstract | Healthcare fraud and abuse is a serious problem that has a significant impact on the businesses involved. However, the verification of health insurance interactions is time consuming and the detection of fraud and abuse is difficult and capacity limited. This study investigated the application of three approaches to the detection and prevention of health insurance fraud: decision trees, k-means clustering and social network analysis. The aim of these approaches is to have a higher detection rate of suspicious claims for fraud and abuse. Consequently, it is also expected to find patterns and detect interactions of entities involved in health insurance that are atypical and may be fraudulent or abusive. A health claims dataset from the Future Healthcare Group, a private international health insurance group that manages the health insurance of a number of insurers, is used. The results showed that the proposed methods were not effective in detecting fraud in health insurance claims. | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10362/164462 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Deteção de fraude em seguros de saúde | pt_PT |
| dc.subject | Prevenção de fraude e abuso | pt_PT |
| dc.subject | Árvores de decisão | pt_PT |
| dc.subject | k-médias | pt_PT |
| dc.subject | Análise de grandes grafos | pt_PT |
| dc.title | DETEÇÃO DE FRAUDE EM SEGUROS DE SAÚDE. APLICAÇÃO DE ÁRVORES DE DECISÃO, K-MÉDIAS, REDES SOCIAIS | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | MESTRADO EM ANÁLISE E ENGENHARIA DE BIG DATA | pt_PT |