保险类文献综述

国内外医疗保险欺诈研究现状分析

来源:网络转摘作者:林源点击:1730次时间:2011-8-16 12:28:12

一、引言

美国司法部于2010年7月16日宣布破获美国历史上最大的联邦医疗保险诈骗案, 对94名嫌犯提出起诉, 其中包括医生、护士、诊所业主和管理人员等, 涉及金额高达2.51亿美元。这是美国医疗改革方案通过后联邦当局第一次彻查全国范围内的医疗欺诈行为。美国联邦政府多次表示, 打击医疗保险诈骗案, 是医疗保险改革议程的重要组成部分[1]。美国全国卫生保健反欺诈协会(NHCAA)估计每年欺诈造成的医疗费用损失至少3%或不少于600亿美元, 而美国政府和其他执法机构估计该损失高达10% 或1700亿美元(NH CAA,2005)[2]。在我国, 目前还没有完整的社会医疗保险欺诈统计数据, 不过自城镇职工医疗保险和新型农村合作医疗制度实施以来, 诈骗医保基金的案件不断发生。据统计, 天津市医保结算中心仅2004年度累计拒付医疗机构不合理住院医疗费4666.1万元, 平均拒付率为4.01%, 涉及欺诈金额共计211.79万元[3]。

而新农合诈骗的现象更为严重, 出现了一些非常重大的诈骗案件, 如重庆秀山县一团伙一年半内欺诈450万元, 陕西省洋县妇幼保健院通过资料造假骗取38万元, 云南宣威市新农合管理办职工内外勾结骗取60余万元等。事实上, 医疗保健欺诈和滥用在许多国家每年都有数亿计美元的损失((USGAO,1992)[4];(sseyet a,l 1997)[5]), 对医保基金安全构成了重大的威胁, 妨碍了各国医疗保险政策的实施。因此, 医疗保险欺诈已经成为各国非常重视的社会问题, 学者们也对医疗保险欺诈问题进行了深入研究。本文尝试对国内外医疗保险欺诈研究的现状进行分析, 希望引起我国各界对医保欺诈问题研究的重视。

二、国外医疗保险欺诈的研究现状

社会心理学界在20世纪40、50年代开始关注欺诈问题。目前, 从社会心理学的角度研究欺诈的理论主要有人际间欺诈理论、欺诈识别理论、欺诈三角形理论、白领犯罪理论及欺诈防范理论等。这些理论都可以用来解释医疗保险的欺诈问题。不过, 针对医疗保险欺诈问题的专门研究, 主要集中在欺诈风险分析、欺诈风险识别、欺诈风险度量和反欺诈措施等方面, 而重点在欺诈识别与反欺诈的研究方面。

1.医疗保险欺诈的概念及经济学分析

关于医疗保险欺诈, 美国全国卫生保健反欺诈协会( NHCAA )的定义是:“个人或组织故意的欺骗或虚假的表述以使其本人或组织获得不法利益”。医疗滥用是指“医疗机构或医生提供的医疗服务与财政、商业及医疗实践不相一致, 或者未能满足卫生保健行业内公认的标准, 因而产生了不必要的费用[6] ”。欧洲医疗保健欺诈和腐败会议( 2005)中指出, 医疗保险欺诈是使用或提供虚假的、不正确的或不完整的陈述或文件,或者隐瞒了法律规定必须披露的信息, 以挪用或盗用他人的资金或财产, 或指定用途以外的其他滥用的不法行为[7]。

针对医疗保险欺诈, 一些学者还从经济学的角度对其进行了分析研究, 探讨其形成的微观机制。Arrow(1963)[8]指出: 由于健康和疾病风险的不确定性以及高度专业化的医疗服务, 导致消费者和医疗服务的提供者之间信息的严重不对称。这种信息不对称使得医疗服务的供给方缺少内在的成本约束机制和激励机制, 产生了诱导性需求, 使得医疗费用上涨的趋势必然得不到有效控制。Martin Feldstein(1970)[9]、EvansR.G(1974)[10]认为由于医疗服务供方(医院)具有信息优势, 导致了供方道德风险- 诱导需求, 此时医院具有提供过量医疗服务的倾向, 还会创造额外的需求(Fuchs,1978)[11]。

2.医疗保险欺诈风险分析

医疗保险欺诈的表现形式主要有: 修改或伪造医疗账单或其他相关资料; 过度的或不必要的治疗; 为没有提供的医疗服务支付费用; 伪造或夸大医疗事故等[12]。

医疗保险的欺诈主体: 医疗保险索赔过程中医疗服务提供商、投保人和保险人都可能涉及

欺诈[13]。进一步研究(Pf laum & Rivers,1991[14];Health care fraud,2002[15])表明: 医疗服务提供商的欺诈和滥用占据的比例更大。

医疗保险欺诈的原因。导致保险欺诈迅速增长的原因有很多: 道德观念的变化、贫困人口的增加、对中介入行为的限制(如医生)、保险人的态度等(Dionne,Gibbens and St Miche,l 1993)[16]。

3.关于医疗保险欺诈识别的研究

欺诈识别是国外医疗保险欺诈研究的重点。医疗保险欺诈的识别问题事实上就是索赔分类问题, 即区分是欺诈索赔还是合法索赔。通常包括步骤[17]:(1)数据的搜集。数据信息包括索赔人信息、索赔信息、治疗情况等。(2)选择欺诈指示因子(fraud indicators,也称red flags)。欺诈指示因子是指能够刻画欺诈特征的一些可测信息点, 在识别模型中充当解释变量。不同的险种有不同的欺诈指示因子, 欺诈特征较多时使用主成分分析法结合专家意见降维, 以有效地确定欺诈指示因子。(3)利用统计方法建立欺诈识别模型。具体方法如模糊集聚类、logistic回归模型(Viaene,S.,Derrig,Richard A.eta,l 2002) [18],PRID IT主成分分析[19]、多元神经网络方法等。最后根据统计模型计算的结果即欺诈索赔的概率, 决定直接赔付或是进一步调查。

Marisa S.etal(1996)[20] 提出了用数据挖掘方法来识别医疗保险行业的欺诈行为, 并被美国医疗保健财务管理当局(Health Care Financing Adm in istration)用于检测医疗索赔(L. Soko leta,l 2001) [21]; (L.Sokol eta,l 2001)[22])。Soko letal (2001) [23]构建了基于数据挖掘的欺诈识别模型, 该模型能识别每一项医疗服务(比如放射流程、预防医疗服务等)的一系列特征, 因而用于识别特定的医疗服务中的疑似欺诈索赔。Wan Shiou Yanga,San YihHw ang( 2006) [24] 研究了医疗服务提供商的欺诈和滥用问题, 利用临床路径的概念构建了基于数据挖掘的欺诈识别模型, 并用台湾国民健康保险的数据对欺诈和滥用进行了实证分析。结果表明,该模型比手工识别模型更有效率和判别能力更强。Fen May Lioueta.l(2008) [25] 应用逻辑回归、神经网络和分类树(classification trees)等三种数据挖掘方法检测了台湾健康保险系统(Taiw an ∀s NationalHealth Insurance system)医疗服务提供商的欺诈行为, 结果表明逻辑回归方法优于神经网络法和分类树法。在数据挖掘方法中, 神经网络因其独特优点被用于构建欺诈识别模型。为澳大利亚政府管理医疗保障计划的医疗保险委员会广泛采用BP神经网络识别医疗欺诈(Hubick,1992)[26]; Hall C(1996)[27] 应用神经网络识别医疗服务提供商的欺诈风险; Heetal(1997)[28]等构建了一个三层BP神经网络结构(28-15-4)用于识别医疗保险欺诈。Ortega(2006)[29] 等为智利一家医疗保险公司构建了神经网络欺诈识别系统, 用于识别医疗索赔、附属机构、医务人员、雇主的欺诈风险。

除了上述的方法以外, 目前电子欺诈识别技术(Electronic Fraud Detection, 简称EFD)也被用于识别医疗保险欺诈。该技术是基于启发式和机器学习的行为规则, 用于检测大量的健康保险索赔中可能的欺诈行为(Major JA,Riedinger DR,2002)[30]。Cox(1995)[31] 的研究中指出, 蓝十字和蓝盾组织(Blue Cross and B lue Shield organizations)使用模糊逻辑法识别医疗服务商的索赔。此外, 还有遗传算法(He Hetal,2000)[32]、贝叶斯网络法(S.Viaene,A.Richard and D.G.Dedene, 2004)[33]、决策树法(Bonch,i 1999) [34])、关联规则(Association rules)[35]等。Hongx ing Heeta.l(2000) [36] 应用遗传算法和K-近邻法来识别医疗欺诈问题。该方法把医生数据库中的问题分为两类: 即诊疗(费用)恰当和不恰当。而病人数据库中的问题根据其在求医治疗过程中处方药物费用是否超出其实际治疗需要而分为5类。由于该法使分类进一步改进其精确性,被澳大利亚健康保险委员会(Health Insurance Commisson)用于识别医疗保险欺诈。

4.关于医疗保险欺诈风险度量分析的研究

对于欺诈风险的度量研究较少。V eraH ernandez(2003)[37] 提出了利用健康状态和治疗成