TY -的A2 Solovjovs卡里莫夫AU - Nortey,以西结n . n . AU - Pometsey鲁本盟——Asiedu路易盟——Iddi塞缪尔盟——勇气,费利克斯·o . PY - 2021 DA - 2021/02/24 TI -异常检测使用贝叶斯分位数回归在健康保险索赔SP - 6667671六世- 2021 AB -研究表明,当前卫生支出在大多数国家,尤其是撒哈拉以南的非洲,是不够的,是不可持续的。然而,欺诈、滥用和浪费在健康保险索赔由服务提供者和用户威胁到交付高质量的医疗保健。因此必须分析医疗保险索赔数据来识别潜在的可疑的索赔。通常情况下,异常检测可以作为一个分类问题,需要提出的使用统计方法如混合模型和机器学习方法把数据点划分为正常或异常。此外,与问题相关的健康保险索赔数据大多是稀疏的,多重共线性,异方差性和存在缺失值。这类数据的分析最好采用更健壮的统计技术来解决。在本文中,我们利用贝叶斯分位数回归模型建立索赔结果感兴趣的和subject-level特性之间的关系,进一步分类为正常或异常。估计模型组件是假定固有的捕获响应变量的行为。一个贝叶斯混合模型,假设一个正常的两个组件的混合物,用于标签声称为正常或异常。模型应用于医疗保险数据捕捉到115人患有各种心血管疾病在不同的州在美国。 Results show that 25 out of 115 claims (21.7%) were potentially suspicious. The overall accuracy of the fitted model was assessed to be 92%. Through the methodological approach and empirical application, we demonstrated that the Bayesian quantile regression is a viable model for anomaly detection. SN - 0161-1712 UR - https://doi.org/10.1155/2021/6667671 DO - 10.1155/2021/6667671 JF - International Journal of Mathematics and Mathematical Sciences PB - Hindawi KW - ER -