續(xù)婧 范杰

(1.中國中鋼集團(tuán)有限公司審計部 北京 100080;2.首都醫(yī)科大學(xué)附屬北京中醫(yī)醫(yī)院 北京 100010)

隨著綜合國力的不斷強(qiáng)大，我國的各行業(yè)發(fā)展不斷擴(kuò)大[1-2]。例如：為了便于國民使用醫(yī)療保險，定點零售藥店和定點醫(yī)療服務(wù)機(jī)構(gòu)的數(shù)量持續(xù)增加[3-5]。這給國民帶來方便的同時，也導(dǎo)致審計變得越來越困難。違規(guī)使用保險的現(xiàn)象層出不窮，違反審計的手段多樣且隱蔽，僅利用傳統(tǒng)的審核方式來加強(qiáng)資金的監(jiān)控難以滿足當(dāng)今各行業(yè)對審計的需求[6-7]。

針對上述問題，如何快速有效地對特定行業(yè)的審計數(shù)據(jù)進(jìn)行分析，從而發(fā)現(xiàn)違反審計的行為是非常重要的。關(guān)聯(lián)規(guī)則可以快速分析變量之間的依賴或關(guān)聯(lián)關(guān)系，因此常被用于分析審計數(shù)據(jù)中的異常行為數(shù)據(jù)[8-9]。例如：可以發(fā)現(xiàn)異常參保人通常同時購買那種中藥品，進(jìn)一步結(jié)合購藥金額、數(shù)量等信息分析是否存在醫(yī)保欺詐行為[10]。該文對關(guān)聯(lián)規(guī)則在特定行業(yè)審計數(shù)據(jù)分析中的應(yīng)用進(jìn)行研究，并以分析醫(yī)保欺詐審計數(shù)據(jù)為例進(jìn)行了實驗。實驗結(jié)果表明，該方法通過數(shù)據(jù)分析數(shù)據(jù)中的關(guān)聯(lián)規(guī)則能夠快速識別醫(yī)保欺詐行為。

1 醫(yī)保數(shù)據(jù)預(yù)處理

該文篩選在定點零售藥店和定點醫(yī)療機(jī)構(gòu)都有過醫(yī)保刷卡記錄的參保人作為研究群體，總?cè)藬?shù)共計47 028 人，其中異常購藥參保人數(shù)為1 037 人，正常購藥參保人數(shù)為45 991人。購藥異常參保人判斷依據(jù)具體如表1 所示。數(shù)據(jù)包含參保人1 年以內(nèi)分別在定點零售藥店和定點醫(yī)療機(jī)構(gòu)的購藥交易記錄數(shù)據(jù)和交易明細(xì)數(shù)據(jù)。實驗中訓(xùn)練數(shù)據(jù)集占總樣本數(shù)據(jù)的75%，測試數(shù)據(jù)集占總樣本數(shù)據(jù)的25%。該文主要分析異常參保人的購藥序列中的藥品關(guān)聯(lián)情況，判斷異常情況下通常同時購買什么藥品。因此，只保留參保人的購藥記錄序列，其中時間以月為分界點，分界點內(nèi)藥品按照金額大小排序。

表1 異常數(shù)據(jù)篩選標(biāo)準(zhǔn)

2 關(guān)聯(lián)規(guī)則挖掘

2.1 相關(guān)概念

項是數(shù)據(jù)庫中的最小單位，通常用符號i表示。設(shè)I={i1,i2,…,in}是項的集合，其中ij（j∈[1,n]）表示第j種藥品。設(shè)購藥記錄數(shù)據(jù)庫為D，其中每個元素有若干項組成，通常表示為E。E是I的子集，表示為E?I。給定一個項集A，如果A?E，則元素E包含A。對于任意兩個項集A?I和B?I，關(guān)聯(lián)規(guī)則表示為A?B，其中A∩B=?。ms表示最小支持度，mc表示最小置信度。

定義1 項集的支持度sup(A)。在數(shù)據(jù)集D中，對于任意項集A，它的支持度為A在D中出現(xiàn)的概率，即sup(A)=P(A)。

定義2 關(guān)聯(lián)規(guī)則的支持度sup(A?B)。對于任意兩個項集A?I和B?I，關(guān)聯(lián)規(guī)則A?B的支持度sup(A?B)表示為A∪B在D中的出現(xiàn)概率，即

定義3 關(guān)聯(lián)規(guī)則的置信度conf(A?B)。對于任意兩個項集A?I和B?I，關(guān)聯(lián)規(guī)則A?B的置信度conf(A?B)表示為在包含A的元素中包含B的概率P(B|A)，即

定義4 最小支持度閾值ms。最小支持度由用戶設(shè)定，取值范圍為[0,1]，它表示關(guān)聯(lián)規(guī)則或項集的最低重要性/有用性。

定義5 最小置信度閾值mc。最小支持度由用戶設(shè)定，取值范圍為[0,1]，它表示關(guān)聯(lián)規(guī)則的最低可靠性/確定性。

定義6 頻繁項集。給定一個項集A，如果sup(A)=P(A)≥ms，則A為頻繁項集。

定義7 強(qiáng)關(guān)聯(lián)規(guī)則。對于關(guān)聯(lián)規(guī)則A?B，如果A∪B是頻繁項集（P(A∪B)≥ms），且cconf(A?B)≥mc，則A?B是強(qiáng)關(guān)聯(lián)規(guī)則。

2.2 關(guān)聯(lián)規(guī)則挖掘基本步驟

關(guān)聯(lián)規(guī)則挖掘的基本步驟主要分為兩個部分：第一，從數(shù)據(jù)集中挖掘所有的頻繁項集，該文通過FPgrowth 算法[11]挖掘參保人購藥記錄中的頻繁項集；第二，從第一步中得到的頻繁項集中挖掘強(qiáng)關(guān)聯(lián)規(guī)則。相較于挖掘關(guān)聯(lián)規(guī)則，挖掘頻繁項集的工作較為繁瑣，且工作量大，因此該文重點介紹如何挖掘頻繁項集。

3 醫(yī)保審計數(shù)據(jù)分析建模

該文采用關(guān)聯(lián)規(guī)則挖掘技術(shù)對參保人的購藥記錄中的關(guān)聯(lián)藥品進(jìn)行分析，發(fā)現(xiàn)異常參保人通常同時購買什么藥品，通過藥品購買頻率和購買數(shù)量判定是否存在代刷醫(yī)?？?，代替購買藥物等醫(yī)保欺詐行為。圖1是基于關(guān)聯(lián)規(guī)則挖掘技術(shù)的醫(yī)保審計數(shù)據(jù)分析建模示意圖。

圖1 審計建模流程圖

3.1 FP-growth算法

FP-growth 算法的核心思想是構(gòu)建FP-tree 樹節(jié)點，以減少所需項集的數(shù)量。假設(shè)I={i1,i2,…,in}是數(shù)據(jù)庫D中所有項的集合，Eset={E1,E2,…,Ed}是數(shù)據(jù)庫D中所有元素的集合。每個元素包含I中的若干項。

假設(shè)參保人的購藥序列為i5、i2、i1、i3、i5、i2、i4、i2、i3、i5、i4、i2、i5、i3、i6、i1、i2、i4、i6、i5、i3、i5、i4、i2、…。將序列以月為分界點劃分為元素，得到元素集合列表，如表2 所示。通過掃描數(shù)據(jù)庫D，計算每個項的支持度，即包含項的元素個數(shù)與總元素個數(shù)之比。

表2中的內(nèi)容表示一個參保人的購藥序列的元素劃分，假設(shè)D中有m個參保人，則經(jīng)過元素劃分完成后得到12×m個元素。設(shè)最小支持度閾值為0.2，支持度小于0.2 的項視為可忽略項，將其從元素中刪除，剩余項按照支持度大小降序排列，假設(shè)對表2 重新排序后的結(jié)果如表3 所示，從表3 可以看出，元素E7中的項i7由于支持度小于最小支持度閾值而被去除，而sup(i2)＞sup(i5)＞sup(i3)＞sup(i1)＞sup(i4)＞sup(i6)。

表2 元素劃分表

假設(shè)表3 是小型數(shù)據(jù)庫，計算每個項的支持度如圖2 中左邊表格所示，依據(jù)表3 中項的排列順序?qū)?2個元素中的項依次加入FP-tree 中，得到如圖2所示的FP-tree樹狀圖。

表3 元素包含有序項劃分表

圖2 構(gòu)建FP-tree

3.2 實驗分析

圖3展示了在異常參保人購藥記錄中常購買的前15種藥品。其中，前4種藥物購買率高達(dá)60%以上，除第三種藥物是糖尿病人為控制血糖可能需要長期服用以外，剩余3種藥物均為非長期服用類藥物，因此正常情況下的購買頻率較低。顯然這是一種異?，F(xiàn)象。圖4是圖3中頻繁項中存在的強(qiáng)關(guān)聯(lián)規(guī)則，其中g(shù)roup1表示“頭孢可肟分散片”和“鹽酸二甲雙胍片”組合，group2 表示“布洛芬緩釋膠囊”和“格列齊特片（II）”組合，group3 表示“布洛芬緩釋膠囊”和“蓮花清瘟顆?！苯M合，group4 表示“頭孢可肟分散片”和“牛黃解毒片”組合。這4組規(guī)則是有效的，并且是強(qiáng)規(guī)則，說明具有異常購藥行為的參保人所購的藥品是存在一定關(guān)聯(lián)的。

圖3 藥品購買頻率

圖4 藥品中的強(qiáng)關(guān)聯(lián)規(guī)則

4 結(jié)語

該文基于關(guān)聯(lián)規(guī)則挖掘技術(shù)對對醫(yī)保審計數(shù)據(jù)進(jìn)行分析。首先，對參保人的購藥記錄數(shù)據(jù)進(jìn)行預(yù)處理，得到以月為單位的參保人的購藥項集；其次，通過關(guān)聯(lián)規(guī)則挖掘建立醫(yī)保審計數(shù)據(jù)集分析模型，通過模型可以得到具有異常行為的參保人購藥記錄中的不合理現(xiàn)象和組合。