醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn)

1、醫(yī)保欺詐行為的主動(dòng)發(fā)現(xiàn) 【摘要】在醫(yī)療保險(xiǎn)領(lǐng)域中，醫(yī)療保險(xiǎn)是關(guān)系到國計(jì)民生和國家發(fā)展的重大問題，維持醫(yī)療保險(xiǎn)基金的收支平衡、對(duì)基金運(yùn)營進(jìn)行有效監(jiān)管，以保證基金安全運(yùn)營對(duì)醫(yī)療保險(xiǎn)的發(fā)展、完善和社會(huì)穩(wěn)定發(fā)展有重要影響。醫(yī)保信息化構(gòu)建了較為完整的醫(yī)保數(shù)據(jù)倉庫，為數(shù)據(jù)挖掘技術(shù)的應(yīng)用打下了良好的基礎(chǔ)。本篇論文利用數(shù)據(jù)挖掘中的聚類分析方法，以及二元回歸分析根據(jù)實(shí)際情況建立數(shù)學(xué)模型，分析醫(yī)療費(fèi)用記錄中醫(yī)保欺詐記錄。騙保人進(jìn)行醫(yī)保欺詐時(shí)使用的方式主要有：冒用他人醫(yī)療保險(xiǎn)證、卡就醫(yī)；異地就醫(yī)人員偽造或虛開醫(yī)療票據(jù)回來報(bào)銷；“掛床”住院就醫(yī)；要求醫(yī)院開具本人不必要的診療項(xiàng)目或藥品，由他人代作或代用等。醫(yī)保欺詐行為

2、在本數(shù)據(jù)中反映主要有以下幾類：一、病人消費(fèi)等級(jí)高（消費(fèi)等級(jí)：病人每張賬單的平均消費(fèi)額/該病人對(duì)應(yīng)的病人科室的每張賬單的平均消費(fèi)額）；二、消費(fèi)頻率大（消費(fèi)頻率：病人一個(gè)月總賬單數(shù)/該病人對(duì)應(yīng)的病人科室的總賬單數(shù)）；三、一張卡在一定時(shí)間內(nèi)反復(fù)多次拿藥；四、病人死后醫(yī)保卡依舊有消費(fèi)記錄；五、一張卡多人使用；六、單張?zhí)幏剿帞?shù)量大 七、單張?zhí)幏剿幍馁M(fèi)額大 八、病人一個(gè)月內(nèi)平均每張賬單藥品數(shù)量大和價(jià)格高 ；九、一個(gè)月內(nèi)買藥的總消費(fèi)額大；十、一個(gè)月內(nèi)買藥的總數(shù)量大十一、病人死亡后醫(yī)?？ㄒ琅f有消費(fèi)記錄等。本文重點(diǎn)分析以下三類：1.對(duì)于病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為。研究病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)

3、保欺詐行為，用excel 和spss，access 通過分析數(shù)據(jù)屬性的特征值，選擇典型數(shù)據(jù)作為初始聚類中心，用spss進(jìn)行k-means聚類分析。工具進(jìn)行聚類分析。2.對(duì)于其他的醫(yī)保欺詐行為。如：病人死亡后，其醫(yī)?？ū凰耸褂美^續(xù)使用，本文首先從題目表2.1 病人資料pa_patmas 表PAPMI_DECEASED（死亡標(biāo)志）字段中篩選出死亡病人的資料。根據(jù)篩選出的死亡病人的ID 查找其醫(yī)?？ㄏM(fèi)情況，對(duì)比病人的死亡時(shí)間以及賬單號(hào)的交易時(shí)間，若病人的死亡時(shí)間在前與交易時(shí)間，則為醫(yī)保欺詐記錄。3.對(duì)于一張醫(yī)保卡多人使用的醫(yī)保欺詐行為。本文首先從題目表2.1病人資料pa_patmas 表中對(duì)醫(yī)保

4、卡號(hào)一欄運(yùn)用COUNTIF函數(shù)篩選一卡多用欺詐得出結(jié)果分為兩種：1.一張醫(yī)?？▋扇耸褂茫?.一張醫(yī)?？ㄈ耸褂藐P(guān)鍵詞：醫(yī)保欺詐 數(shù)據(jù)挖掘 聚類分析k-means logistic回歸分析 一、問題重述1.1 問題背景醫(yī)療保險(xiǎn)是為解決公民或勞動(dòng)者因?yàn)榧膊『头且蚬?fù)傷，喪失勞動(dòng)能力后的治療費(fèi)用及服務(wù)，給予物質(zhì)幫助的一種社會(huì)保險(xiǎn)制度。我國的醫(yī)療保險(xiǎn)分為社會(huì)醫(yī)療保險(xiǎn)和商業(yè)醫(yī)療保險(xiǎn)。商業(yè)醫(yī)療保險(xiǎn)是投保人根據(jù)合同約定向保險(xiǎn)公司支付保險(xiǎn)費(fèi)，當(dāng)被保險(xiǎn)人死亡、傷殘、疾病或者達(dá)到合同約定的年齡、期限時(shí)，保險(xiǎn)公司承擔(dān)給付保險(xiǎn)金責(zé)任的保險(xiǎn)合同。社會(huì)醫(yī)療保險(xiǎn)是國家通過立法的形式對(duì)社會(huì)成員強(qiáng)制征繳社會(huì)醫(yī)療保險(xiǎn)基金，用以對(duì)

5、其中患有疾病、傷殘者給予基本醫(yī)療保障的一種社會(huì)經(jīng)濟(jì)保障制度。醫(yī)療保險(xiǎn)欺詐行為是指違反醫(yī)療保險(xiǎn)管理法規(guī)和政策，采用虛構(gòu)事實(shí)、隱瞞真相以及其他方法，向醫(yī)保基金管理機(jī)構(gòu)騙取醫(yī)?；鸹蜥t(yī)保待遇的行為。這一行為具有兩個(gè)基本特征：一是主觀表現(xiàn)為直接故意，并且以非法占有醫(yī)保基金或非法獲得醫(yī)保待遇為目的，二是實(shí)施手段主要是通過虛構(gòu)事實(shí)和隱瞞真相，即故意虛構(gòu)未曾發(fā)生的保險(xiǎn)事故，或者對(duì)發(fā)生的保險(xiǎn)事故編造虛假的原因或者夸大損失程度，以達(dá)到騙取醫(yī)療保險(xiǎn)基金或醫(yī)療保險(xiǎn)待遇的目的。隨著我國醫(yī)療保險(xiǎn)事業(yè)的迅速的發(fā)展,我國醫(yī)保的覆蓋面不斷擴(kuò)大，包括了城保、鎮(zhèn)保、個(gè)保、居保等等。保證醫(yī)療保險(xiǎn)資金正常運(yùn)作，規(guī)避潛在運(yùn)營風(fēng)險(xiǎn)的前提

6、條件是判斷出醫(yī)保欺詐行為。然而，利用數(shù)學(xué)建模的方法分析醫(yī)保欺詐行為，建立醫(yī)保欺詐行為的模型，可為評(píng)判醫(yī)保欺詐行為提供科學(xué)的理論依據(jù)。1.2 問題提出騙保人進(jìn)行醫(yī)保欺詐時(shí)通常使用的手段：1、醫(yī)療保險(xiǎn)參保患者的欺詐、違規(guī)行為。使用的方式主要有：冒用他人醫(yī)療保險(xiǎn)證、卡就醫(yī)；異地就醫(yī)人員偽造或虛開醫(yī)療票據(jù)回來報(bào)銷；“掛床”住院就醫(yī)；要求醫(yī)院開具本人不必要的診療項(xiàng)目或藥品，由他人代作或代用等。2、醫(yī)療保險(xiǎn)機(jī)構(gòu)(藥店)的欺詐、違規(guī)行為。使用的方式主要有：偽造、變?cè)煲约疤峁┨摷俨v、處方、疾病診斷證明和醫(yī)療費(fèi)票據(jù)等一系列作假行為，如就醫(yī)資格作假、病因作假、票據(jù)作假、處方作假、醫(yī)療明細(xì)作假、醫(yī)療文書作假、住院

7、床位作假、醫(yī)療證明作假等等，無不與醫(yī)療機(jī)構(gòu)的工作人員有關(guān)。此外還有使用醫(yī)療保險(xiǎn)基金支付應(yīng)由參保人自費(fèi)的醫(yī)療費(fèi)用，較為嚴(yán)重的是將非醫(yī)保支付病種（如車禍、工傷、打架斗毆等）改為醫(yī)保支付病種；向參保人提供不必要的或過度的醫(yī)療服務(wù)。3、醫(yī)療保險(xiǎn)機(jī)構(gòu)(藥店)和參保患者合謀的欺詐、違規(guī)行為。使用的方式主要有:虛開醫(yī)?；饒?bào)銷所需的入院證明、醫(yī)療發(fā)票、住院清單等醫(yī)療資料。4、不法分子為了獲取不當(dāng)利益的欺詐行為。使用的方式主要有：不法分子冒用醫(yī)療保險(xiǎn)經(jīng)辦機(jī)構(gòu)名義，虛構(gòu)退返醫(yī)療保險(xiǎn)金、社?？òl(fā)生故障、醫(yī)保繳費(fèi)交易出現(xiàn)故障、醫(yī)?？ㄇ焚M(fèi)封鎖、醫(yī)?？ㄍ钢б约吧嫦淤徺I非法藥品等虛假信息，要求參保人員提供身份證號(hào)碼、醫(yī)保

8、卡號(hào)碼及密碼等個(gè)人信息，并要求其對(duì)某個(gè)銀行賬戶進(jìn)行轉(zhuǎn)款等，試圖騙取參保人員信息及錢財(cái)。本文討論醫(yī)療保險(xiǎn)參保患者的欺詐、違規(guī)行為為一下幾點(diǎn)：一、病人消費(fèi)等級(jí)高（消費(fèi)等級(jí)：病人每張賬單的平均消費(fèi)額/該病人對(duì)應(yīng)的病人科室的每張賬單的平均消費(fèi)額）；二、消費(fèi)頻率大（消費(fèi)頻率：病人一個(gè)月總賬單數(shù)/該病人對(duì)應(yīng)的病人科室的總賬單數(shù)）；三、一張卡在一定時(shí)間內(nèi)反復(fù)多次拿藥；四、病人死后醫(yī)?？ㄒ琅f有消費(fèi)記錄；五、一張卡多人使用；六、單張?zhí)幏剿帞?shù)量大 七、單張?zhí)幏剿幍馁M(fèi)額大 八、病人一個(gè)月內(nèi)平均每張賬單藥品數(shù)量大和價(jià)格高 ；九、一個(gè)月內(nèi)買藥的總消費(fèi)額大；十、一個(gè)月內(nèi)買藥的總數(shù)量大十一、病人死亡后醫(yī)?？ㄒ琅f有消費(fèi)記錄等

9、本文重點(diǎn)分析病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為， 病人死亡后仍有消費(fèi)行為和一張醫(yī)?？ǘ嗳耸褂玫那闆r二、問題分析聚類分析是數(shù)據(jù)挖掘的一種重要分析方法。聚類分析(clustering analysis)是一種根據(jù)數(shù)據(jù)對(duì)象的屬性將數(shù)據(jù)對(duì)象劃分為相應(yīng)的若干群組(Cclass)或者聚類(cluster)的過程，同時(shí)讓聚類的結(jié)果滿足相同簇中的數(shù)據(jù)對(duì)象差距盡可能的小，不同組中的數(shù)據(jù)差距盡可能的大。聚類分析算法眾多，從當(dāng)前的研究狀況來講，可以將聚類分析算法大致分為如下幾類: 即基于模型的方法(Model-based Method) ，基于層次的方法(HierarchicalMethod)，基于網(wǎng)格的方法

10、(Grid-based Method)，基于劃分的方法(PartitioningMethod)和基于密度的方法(Density-based Method)。k-means 聚類算法是一種基于劃分方法的聚類分析法，其通過計(jì)算數(shù)據(jù)對(duì)象和每個(gè)聚類簇心的距離選擇與簇心最近的簇分配到其中，從而將數(shù)據(jù)分類。是一種常用的描述任務(wù)的數(shù)據(jù)挖掘技術(shù)。本文主要通過以下兩個(gè)步驟來分析醫(yī)保數(shù)據(jù)，找出可能的醫(yī)保欺詐數(shù)據(jù)：1.參保人就醫(yī)行為模式挖掘。了解不同參保人就醫(yī)行為的特征，可以深入認(rèn)識(shí)部分參保人存在的共性。2.醫(yī)保欺詐檢測(cè)。根據(jù)分析可能的欺詐行為，并利用數(shù)據(jù)挖掘算法進(jìn)行檢測(cè)和驗(yàn)證。對(duì)于可能的欺詐行為，本文重點(diǎn)分析病人

11、消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為， 病人死亡后仍有消費(fèi)行為和一張醫(yī)?？ǘ嗳耸褂玫那闆r。1.對(duì)于病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為。研究病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為，用excel 和spss，access 通過分析數(shù)據(jù)屬性的特征值，選擇典型數(shù)據(jù)作為初始聚類中心，用spss進(jìn)行k-means聚類分析。工具進(jìn)行聚類分析。2.對(duì)于其他的醫(yī)保欺詐行為。如：病人死亡后，其醫(yī)?？ū凰耸褂美^續(xù)使用，本文首先從題目表2.1 病人資料pa_patmas 表PAPMI_DECEASED（死亡標(biāo)志）字段中篩選出死亡病人的資料。根據(jù)篩選出的死亡病人的ID 查找其醫(yī)?？ㄏM(fèi)情況，對(duì)比病人的死亡時(shí)間

12、以及賬單號(hào)的交易時(shí)間，若病人的死亡時(shí)間在前與交易時(shí)間，則為醫(yī)保欺詐記錄。3.對(duì)于一張醫(yī)?？ǘ嗳耸褂玫尼t(yī)保欺詐行為。本文首先從題目表2.1病人資料pa_patmas 表中對(duì)醫(yī)?？ㄌ?hào)一欄運(yùn)用COUNTIF函數(shù)篩選一卡多用欺詐得出結(jié)果分為兩種：1.一張醫(yī)?？▋扇耸褂?；2.一張醫(yī)?？ㄈ耸褂萌?、模型假設(shè) 1、醫(yī)?？ㄌ?hào)為1的病人為普通病人無欺詐嫌疑2、消費(fèi)資料來自同一醫(yī)院3、消費(fèi)總額和消費(fèi)數(shù)量為負(fù)數(shù)則視為沖賬，取絕對(duì)值計(jì)算4、假設(shè)參保人健康狀況正常，無重大疾病。5、假設(shè)參保人經(jīng)濟(jì)情況正常，能夠支付起正常的醫(yī)療費(fèi)。6、假設(shè)忽略一個(gè)月內(nèi)極少部分病人轉(zhuǎn)科室的情況7、假設(shè)用醫(yī)?？ㄏM(fèi)藥品低于市場(chǎng)價(jià)四、符號(hào)說明符

13、號(hào)意義Vmean屬性數(shù)據(jù)的均值Vmedian屬性數(shù)據(jù)的中位數(shù)Vvar iance屬性數(shù)據(jù)的方差d屬性數(shù)據(jù)的標(biāo)準(zhǔn)差DKL屬性數(shù)據(jù)點(diǎn)距離的平均值K數(shù)據(jù)簇L數(shù)據(jù)簇Ni表示第1 個(gè)簇包含的對(duì)象數(shù)五、模型的建立與求解本文醫(yī)保欺詐行為有：一、病人消費(fèi)等級(jí)高（消費(fèi)等級(jí)：病人每張賬單的平均消費(fèi)額/該病人對(duì)應(yīng)的病人科室的每張賬單的平均消費(fèi)額）；二、消費(fèi)頻率大（消費(fèi)頻率：病人一個(gè)月總賬單數(shù)/該病人對(duì)應(yīng)的病人科室的總賬單數(shù)）；三、一張卡在一定時(shí)間內(nèi)反復(fù)多次拿藥；四、病人死后醫(yī)?？ㄒ琅f有消費(fèi)記錄；五、一張卡多人使用；六、單張?zhí)幏剿帞?shù)量大 七、單張?zhí)幏剿幍馁M(fèi)額大 八、病人一個(gè)月內(nèi)平均每張賬單藥品數(shù)量大和價(jià)格高 ；九、一

14、個(gè)月內(nèi)買藥的總消費(fèi)額大；十、一個(gè)月內(nèi)買藥的總數(shù)量大十一、病人死亡后醫(yī)?？ㄒ琅f有消費(fèi)記錄等。用excel 和spss，access 通過分析數(shù)據(jù)屬性的特征值，選擇典型數(shù)據(jù)作為初始聚類中心，用spss進(jìn)行k-means聚類分析。參保人員模型：屬性編號(hào) 屬性數(shù)據(jù)屬性 1病人ID(PAPMI_ROWID1)主鍵2醫(yī)?？ǎ≒APMI_NAME3）參保人員基本信息3年齡參保人員基本信息4性別參保人員基本信息5醫(yī)?？ü灿门c否參保人員行為信息6消費(fèi)等級(jí)參保人員行為信息7消費(fèi)頻率參保人員行為信息8單張?zhí)幏剿幍淖畲髷?shù)量參保人員行為信息9單張?zhí)幏剿幍淖畲蠼痤~參保人員行為信息10一個(gè)月內(nèi)平均每張賬單藥品數(shù)量參保人員行

15、為信息11一個(gè)月內(nèi)平均每張賬單藥品價(jià)格參保人員行為信息12一個(gè)月內(nèi)買藥的數(shù)量參保人員行為信息13一個(gè)月內(nèi)買藥的消費(fèi)額參保人員行為信息5.1 病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為研究病人消費(fèi)等級(jí)高和消費(fèi)頻率高的醫(yī)保欺詐行為，用excel 和spss，access 通過分析數(shù)據(jù)屬性的特征值，選擇典型數(shù)據(jù)作為初始聚類中心，用spss進(jìn)行k-means聚類分析。5.1.1 數(shù)據(jù)預(yù)處理用ACCESS和EXCEL同時(shí)處理分析表一表二的數(shù)據(jù)，尋找各數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，求出各科室總消費(fèi)額，各科室總賬單數(shù)，從而得出各科室每份賬單的平均消費(fèi)額，再求出病人的總消費(fèi)額病人的總賬單數(shù)，病人每張賬單的平均消費(fèi)額。v

16、m=1mi=1mvi v median=vr+1,m=2r+112vr+vr+1,m=2r r是自然數(shù)+ + = + + = = 統(tǒng)計(jì)量消費(fèi)值的絕對(duì)值N有效9853缺失0均值1.08927817中值.93323844眾數(shù)1.072911標(biāo)準(zhǔn)差.865080854方差.748極小值.000000極大值16.148321百分位數(shù)25.5637746950.93323844751.38353338統(tǒng)計(jì)量消費(fèi)頻率N有效9853缺失0均值.00124349中值.00044111眾數(shù).000101標(biāo)準(zhǔn)差.020606502方差.000極小值.000101極大值2.000000百分位數(shù)25.00025413

17、50.0004411175.000946075.1.2 建立聚類分析模型 分析病人消費(fèi)等級(jí)和消費(fèi)頻率之后，建立聚類分析模型。根據(jù)基于凝聚層次聚類(hierarchical clustering)的K-Means 算法公式：DKL=1NKNLjckjcid(xi,xj)帶入初始聚類中心，使用spss進(jìn)行聚類分析。根據(jù)前面對(duì)數(shù)據(jù)屬性特征值的分析，選擇以下幾組數(shù)據(jù)作為初始的聚類中心。1.消費(fèi)頻率高，消費(fèi)絕對(duì)值大2.消費(fèi)頻率低，消費(fèi)絕對(duì)值大。3.消費(fèi)頻率高，消費(fèi)絕對(duì)值小。4. 消費(fèi)頻率低，消費(fèi)絕對(duì)值小初始化聚類中心，帶入聚類公式，進(jìn)行計(jì)算，得：初始聚類中心聚類1234消費(fèi)頻率.002853.00470

18、4.001045.001371消費(fèi)值的絕對(duì)值.00000016.1483215.68274010.861013迭代歷史記錄a迭代聚類中心內(nèi)的更改12341.978.0001.8021.4252.036.000.546.9663.032.000.356.7554.030.000.276.6495.031.000.220.5376.0272.396.161.4737.0271.672.137.4398.0241.456.114.4779.0221.008.101.50010.022.483.092.351a. 迭代已停止，因?yàn)橥瓿闪俗畲蟠螖?shù)的迭代。迭代無法收斂。任何中心的最大絕對(duì)坐標(biāo)更改為 .48

19、3。當(dāng)前迭代為 10。初始中心間的最小距離為 5.178。最終聚類中心聚類1234消費(fèi)頻率.001373.001262.000901.001103消費(fèi)值的絕對(duì)值.7041028.8192421.7989034.062244最終聚類中心間的距離聚類123418.1151.0953.35828.1157.0204.75731.0957.0202.26343.3584.7572.263每個(gè)聚類中的案例數(shù)聚類17032.000222.00032555.0004244.000有效9853.000缺失.000根據(jù)聚類結(jié)果，共有大約7000個(gè)病人消費(fèi)頻率高，消費(fèi)絕對(duì)值大22個(gè)病人消費(fèi)頻率低，消費(fèi)絕對(duì)值大；大

20、約2500個(gè)病人消費(fèi)頻率高,消費(fèi)絕對(duì)值小。大約244個(gè)病人消費(fèi)頻率低，消費(fèi)絕對(duì)值小。屬于第二組和第四組大約266個(gè)病人聚類結(jié)果集中都為醫(yī)保欺詐嫌疑記錄。 具體處理見附件二、聚類成員;附件三、聚類素材5.2 Logistic 回歸模型在前面我們?cè)O(shè)計(jì)并運(yùn)行的K-means聚類分析后我們有了一個(gè)較好的Logistic回歸分析模型的欺詐樣本，同時(shí)omen又取所有的自費(fèi)患者及醫(yī)保卡號(hào)為1的所有患者的相應(yīng)信息作為非欺詐樣本，這樣我們就有了容量大約為22000的樣本。方程：其中， 是和未知的多元線性回歸模型相似的常數(shù)。對(duì)我們模型的自變量是：X1=年齡（0-96，數(shù)值）X2=性別（1，2，3，4）X3=年齡（

21、數(shù)值）X4=消費(fèi)等級(jí)X5=消費(fèi)頻率Classification TableaObservedPredicted是否欺詐Percentage Correct01Step 1是否欺詐0220882100.013401.3Overall Percentage98.5a. The cut value is .500Variables in the EquationBS.E.WalddfSig.Exp(B)95.0% C.I.for EXP(B)LowerUpperStep 1a性別.0333.998性別(1)16.9691.519E4.0001.9992.341E7.000.性別(2)16.9481.

22、519E4.0001.9992.294E7.000.性別(3)-.1272.517E4.00011.000.881.000.年齡.005.0024.6981.0301.0051.0001.010消費(fèi)等級(jí)-66.04825.6326.6401.010.000.000.000消費(fèi)平率40.5888.93820.6231.0004.237E171.046E101.717E25Constant-21.2921.519E4.0001.999.000a. Variable(s) entered on step 1: 性別, 年齡, 消費(fèi)等級(jí), 消費(fèi)頻率.分析結(jié)果得出性別、Constant對(duì)欺詐概率的影響不

23、顯著?；貧w方程為：Y=0.0051*年齡-66.0477*消費(fèi)等級(jí)+40.5877*消費(fèi)頻率概率=1/(1+EXP(-(0.0051*年齡-66.0477*消費(fèi)等級(jí)+40.5877*消費(fèi)頻率)將原數(shù)據(jù)進(jìn)行檢驗(yàn) 結(jié)果與聚類結(jié)果符合度較好。5.3 其他醫(yī)保欺詐行為對(duì)于其他的醫(yī)保欺詐行為，如病人死后醫(yī)?？ㄒ琅f有消費(fèi)記錄；一張醫(yī)?？ǘ嗳耸褂?，本文通過特殊情況特殊處理，主要采用excel 數(shù)據(jù)篩選和比對(duì)的方法，分析和篩選數(shù)據(jù)。本文重點(diǎn)分析病人死后醫(yī)?？ㄈ员幌M(fèi)與一張醫(yī)?？ǘ嗳耸褂玫那闆r。5.3.1 病人死后醫(yī)保卡仍被消費(fèi)從題目表2.1 病人資料pa_patmas 表PAPMI_DECEASED（死亡標(biāo)志

24、）字段中篩選出死亡病人的資料，得：表5.3.1.1 死亡病人資料表PAPMI_ROWID1 PAPMI_NAME2 PAPMI_DECEASED PAPMI_DECEASED_DATEPAPMI_DECEASEDTIME 214055 LTL Y 2014/1/25 1970/1/1 1:10 267817 鄔XX Y 2014/4/18 1970/1/1 18:45293821 CWM Y 2014/4/9 1970/1/1 20:00 340155 LPZ Y 2014/3/13 1970/1/1 16:11474594 XZL Y 2014/2/10 1970/1/1 12:49 666

25、401 LYJ Y 2014/1/11 1970/1/1 23:03658234 WYL Y 2014/1/6 1970/1/1 17:46 679918 LCY Y 2014/1/19 1970/1/1 13:17 679677 YZY Y 2014/1/19 1970/1/1 15:23 683806 LJD Y 2014/2/19 1970/1/1 14:25 根據(jù)篩選出的死亡病人的ID 查找其醫(yī)?？ㄏM(fèi)情況，得：死亡病人費(fèi)用明細(xì)表病人ID單價(jià)數(shù)量總價(jià)賬單號(hào)結(jié)算日21405533.95133.9553345842014/1/232140550.4210.4253371222014/1/2

26、32140555.0815.0853371222014/1/232678171.5423.0852474722014/1/162678171.2452024.952474722014/1/1629382110.84110.8450862902014/1/42938211611650862902014/1/42938210.13810.13850862902014/1/42938214.1614.1650862902014/1/42938215.0815.0850862902014/1/43401550.0951009.551262572014/1/73401550.04521004.52512

27、62572014/1/73401555.6424135.3651262572014/1/73401552.01280160.9651373572014/1/73401550.175488.451373572014/1/747459442.954171.850673502014/1/34745942.687200537.450673502014/1/34745940.0211002.150673502014/1/34745941.673050.150673502014/1/34745941.0857142862122.850673502014/1/34745942.8323084.9650673

28、502014/1/34745944.7328571431466.2650673502014/1/34745940.33920067.850673502014/1/36664014.6114.6151760602014/1/116664015.0815.0851760602014/1/116664013.6713.6751760602014/1/1166640123.17123.1751760602014/1/1166640128.63128.6351760602014/1/1166640136.64136.6451760602014/1/116582340.4220.8451162572014

29、/1/66582343.6713.6751162572014/1/66582340.7632.2851162572014/1/66582344.1614.1651136902014/1/665823410.8110.851136902014/1/66582340.11810.1251136902014/1/66582344.1614.1651136902014/1/66582340.09910.151136902014/1/66799184.1614.1652830252014/1/196799184.6114.6152830252014/1/19679918102.611102.615283

30、0252014/1/196799182.918812.9252830252014/1/196799180.7621.5252830252014/1/196799181.825610.9552830252014/1/196799180.196761.1852830252014/1/196799185.5115.5152830252014/1/196799183.6713.6752830252014/1/1967991823.17123.1752830252014/1/196796772.4666666671229.652779992014/1/196796774.1614.16527802520

31、14/1/1967967726.35252.752780252014/1/196796775.0815.0852780252014/1/196796770.23420.4752780252014/1/196796774.1614.1652780252014/1/196796773.6713.6752778952014/1/196796770.09910.152778952014/1/196796770.2410.2452778952014/1/196796771611652778952014/1/196796770.76110.7652778952014/1/196838064.61313.8

32、353095512014/1/216838060.11820.2453095512014/1/2168380642853095512014/1/216838060.48710.4953095512014/1/216838064.1614.1653095512014/1/21對(duì)比兩張表格可知，并無病人死亡后醫(yī)?？ū幌M(fèi)的記錄。5.3.2一張醫(yī)保卡多人使用從題目表2.1病人資料pa_patmas 表中對(duì)醫(yī)?？ㄌ?hào)一欄運(yùn)用COUNTIF函數(shù)篩選一卡多用欺詐得出結(jié)果分為兩種：1.一張醫(yī)?？▋扇耸褂?；2.一張醫(yī)保卡三人使用一張卡兩人使用PAPMI_ROWID1PAPMI_NAME3108246043054

33、671264761888718411672159211313159500483935184916227379382212760487183919014605615535193085004995782291550048384229069500138134272656244038884146661799202555063612418102566176051857589966252939376258962987104462157619444076664196219868406595161828903871885600942318749276009576247458460717546978174625

34、201636876746043418818913150076275789245500878934925636087288499259860096098595964614929998100060601297485105771500632428110606605028197109563600115048109381500644034118576500537510117550500432632121723312295713192560910698713376860603007814386150063100215554050072963415359750100601016021361700971116

35、383261060567916801460392037016875061962565717343460398576117404050048393517440361557548217844650063100218007350071922518469460669628719523660534042919807523364882007555006440342037325005375102061565006295572053856051446552067896142174342064616194440762123126039417210001601358658210507613002989209825

36、500878934213393325402922159150063242822609860644047522619561888718422948760487183923628350046486424413461138186125144950072963425288150071922525334960561553525023260464258825465061111904425750360669628726305360758717427282050100565725910162962542024534450049957829248560135865827808050063080731041861

37、672898230498861619829830802027623503057495004326323256865006252023159196198146843162332897151362772500750095359447135744133593150074656233894550083105339140433204273905236043418813778536257817913860926077428003669351046102293725231716361364295609183328406483501000230418958605198656409131614976857413

38、322608302387394038625201636398558605185739757262306752543539761414006944565750046486442290861509071743211960092248143261161690038842358850103405342521160918332844744360060258042689160435882045390450074656247706461241810247388260145744047393462445556046712763051726247030870350534650486288774094622546

39、192590844596536062287454850576251134244893576039857614896306135388145060465010335704810086219868405355486054634445335366142174345295386053404295336302336488533971635797728530111617649581521134623067525509713622182019520302500523912509782625113424526045609753613566689289715155012650103357055295660587

40、253354337760514465557202361098109457150350116374757366350104261758003861843037859165563246882458709561947007759180461773245314711150063308261232860104360261505661828903860205763063158959665863603274461579063131958860762561843037861570126752436152776360327446161686150360946173676039203702649285006308

41、076260216139442156261536183615116356286196256576339596154601026349006155754826381506319128326390606295548706390796004973096336536161982986373526071754696387476039647746374106313195886402615006295576398486330150876462796004973096462886062287456422196259732216449951592113646340608508786640920501005657

42、640502604464365646431606440475618811133124761840560104360263194750058961362995162887740966565463191283266567261240331466569013312476652966170097116494516209830326517086257817916662196252939376666561648629651715630631589665389609753613650389600226795648640630517262665026623183772667193500750095649587

43、500585964650045619259084665068620984816665497616728982667728611753810666014619885147665223623183772648862620705684670483501005075672310606632409669194622737938668778621904673670113500930004669688629911579673777604464365674654605375610670161605872533671510501042617672416620705684669737619885147674710

44、267524367247932540296689215006252026720686077428006721116004691576703166296254206707866091069876685936081767066690196054634446740035011637476744406046425886690626043054676708436275596196712985009300046699866150909006722026229683806608176146986566639955004665056631336281829616599946231295346599966169

45、003886604736006025806586326125960386641276111190446645796009576246591202006854664161628182961664612614929998661468200685466147763411664365921661421205166017562296838066062260435882066108150076275766245350052391266245861259603866202560603007865631060817670665539561138186165632462098481665675850100023

46、065721050088136465592162224305965277161981468465726162991157965547562954557665328562987104464703760528547864747460528547865510850088136465379161060567965695250058586064710161764958165435662266501065750660830238765438663411664365571861300298965619962445556065528761414006965709861503609465755761836151

47、165356250046650565628550073419565268610461022967623550100601067978013574416806156087288496771606050281976798376009423186815906053756106772526244038886799006065560056816326004691576772815010050756799266002267956782035005896136759726150093806808346117538106808776357977286817926275596196800696154601026

48、801146075871746809615005858606792906241013506852276194700776839575005859646844076012974856844136330150876848546259732216857686039417683093613538814683530624626204684869621904673684898276235068496261497685768365862098303268496960655600568320733204276836626246262046956056014574406940265001381346934323070484694088500483842694967608508786693933614698656694590617732453693574606632409693135703505369425550107741569270861421205169586650103405369519360092248169553662266501069330160011504869049117163616900935007341956914316295455766869286124033146873683122957688301500633082690112500