Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Araújo, Ênnyo José Barros de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual da Paraíba
Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP
Brasil
UEPB
Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Detecção de fraude
Sistemas de auditoria
Sistemas de saúde
Machine Learning
Fraud Detection
Healhy System
CIENCIAS DA SAUDE::MEDICINA
Link de acesso: http://tede.bc.uepb.edu.br/jspui/handle/tede/3600
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.
id UEPB_20ff52dbf573a7944bd668ddceaf42db
oai_identifier_str oai:tede.bc.uepb.edu.br:tede/3600
network_acronym_str UEPB
network_name_str Biblioteca Digital de Teses e Dissertações da UEPB
repository_id_str
spelling Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUSAprendizado de máquinaDetecção de fraudeSistemas de auditoriaSistemas de saúdeMachine LearningFraud DetectionHealhy SystemCIENCIAS DA SAUDE::MEDICINAO 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.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.Universidade Estadual da ParaíbaPró-Reitoria de Pós-Graduação e Pesquisa - PRPGPBrasilUEPBPrograma de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTSGurjão, Edmar Candeia88464245491http://lattes.cnpq.br/9200464668550566Carvalho, Joelson Nogueira dehttp://lattes.cnpq.br/3149506293482176Barbosa, Paulo Eduardo e Silva03988650439http://lattes.cnpq.br/9229454955533353Araújo, Ênnyo José Barros de2020-03-13T17:53:30Z2017-04-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfARAÚJO, 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.http://tede.bc.uepb.edu.br/jspui/handle/tede/3600porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UEPBinstname:Universidade Estadual da Paraíba (UEPB)instacron:UEPB2020-03-14T04:29:15Zoai:tede.bc.uepb.edu.br:tede/3600Biblioteca Digital de Teses e Dissertaçõeshttp://tede.bc.uepb.edu.br/jspui/PUBhttp://tede.bc.uepb.edu.br/oai/requestbc@uepb.edu.br||opendoar:2020-03-14T04:29:15Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB)false
dc.title.none.fl_str_mv Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
title Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
spellingShingle Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
Araújo, Ênnyo José Barros de
Aprendizado de máquina
Detecção de fraude
Sistemas de auditoria
Sistemas de saúde
Machine Learning
Fraud Detection
Healhy System
CIENCIAS DA SAUDE::MEDICINA
title_short Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
title_full Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
title_fullStr Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
title_full_unstemmed Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
title_sort Aprendizado de máquina para detecção de comportamento fraudulento em dados simulados do Sistema Odontológico do SUS
author Araújo, Ênnyo José Barros de
author_facet Araújo, Ênnyo José Barros de
author_role author
dc.contributor.none.fl_str_mv Gurjão, Edmar Candeia
88464245491
http://lattes.cnpq.br/9200464668550566
Carvalho, Joelson Nogueira de
http://lattes.cnpq.br/3149506293482176
Barbosa, Paulo Eduardo e Silva
03988650439
http://lattes.cnpq.br/9229454955533353
dc.contributor.author.fl_str_mv Araújo, Ênnyo José Barros de
dc.subject.por.fl_str_mv Aprendizado de máquina
Detecção de fraude
Sistemas de auditoria
Sistemas de saúde
Machine Learning
Fraud Detection
Healhy System
CIENCIAS DA SAUDE::MEDICINA
topic Aprendizado de máquina
Detecção de fraude
Sistemas de auditoria
Sistemas de saúde
Machine Learning
Fraud Detection
Healhy System
CIENCIAS DA SAUDE::MEDICINA
description 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.
publishDate 2017
dc.date.none.fl_str_mv 2017-04-06
2020-03-13T17:53:30Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 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.
http://tede.bc.uepb.edu.br/jspui/handle/tede/3600
identifier_str_mv 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.
url http://tede.bc.uepb.edu.br/jspui/handle/tede/3600
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual da Paraíba
Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP
Brasil
UEPB
Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS
publisher.none.fl_str_mv Universidade Estadual da Paraíba
Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP
Brasil
UEPB
Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UEPB
instname:Universidade Estadual da Paraíba (UEPB)
instacron:UEPB
instname_str Universidade Estadual da Paraíba (UEPB)
instacron_str UEPB
institution UEPB
reponame_str Biblioteca Digital de Teses e Dissertações da UEPB
collection Biblioteca Digital de Teses e Dissertações da UEPB
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB)
repository.mail.fl_str_mv bc@uepb.edu.br||
_version_ 1843993973534752768

Registros relacionados