Resumen

La investigación ha demostrado que el gasto actual en salud en la mayoría de los países, especialmente en África subsahariana, es insuficiente e insostenible. Sin embargo, el fraude, el abuso y el desperdicio en reclamos de seguros de salud por parte de proveedores de servicios y asegurados amenazan la prestación de atención médica de calidad. Por lo tanto, es imperativo analizar los datos de reclamos de seguros de salud para identificar reclamos potencialmente sospechosos. Típicamente, la detección de anomalías puede plantearse como un problema de clasificación que requiere el uso de métodos estadísticos como modelos de mezcla y enfoques de aprendizaje automático para clasificar los puntos de datos como normales o anómalos. Además, los datos de reclamos de seguros de salud están mayormente asociados con problemas de dispersión, heterocedasticidad, multicolinealidad y la presencia de valores faltantes. Los análisis de tales datos se abordan mejor mediante la adopción de técnicas estadísticas más robustas. En este artículo, utilizamos el modelo

• Materias:Anillos Modelos dinámicos Teoría de grupos Variedades de curvas Ecuación diferencial
• Subjects:Rings Dynamic models Group theory Varieties of curves Differential Equation
• Palabras claves:Investigación; Gasto en salud; Fraude; Detección de anomalías; Métodos estadísticos; Modelo de regresión cuantílica bayesiana
• Keywords:Research; Health expenditure; Fraud; Anomaly detection; Statistical methods; Bayesian quantile regression model