Μεθοδολογία ανίχνευσης απάτης μέσω διαχείρισης πληροφοριών βασισμένων σε μοντέλο οντολογίας
Περίληψη
Τα φαινόμενα απάτης τείνουν να κυριαρχήσουν τις τελευταίες δεκαετίες σε κάθε τομέα. Ένας τομέας που πλήττεται ιδιαίτερα στις μέρες μας είναι αυτός της υγειονομικής περίθαλψης γενικά και ειδικά της συνταγογράφησης των φαρμάκων. Οι υγειονομικές υπηρεσίες είναι ιδιαίτερα τρωτές στην απάτη και την κατάχρηση. Τόσο οι φορείς κοινωνικής ασφάλισης, όσο και οι ιδιωτικές ασφαλιστικές εταιρείες χάνουν όλο και περισσότερα χρήματα κάθε χρόνο, λόγω ψευδών αιτιών αποζημιώσεων. Το αντικείμενο της παρούσας διατριβής είναι ο σχεδιασμός και η ανάπτυξη μιας μεθοδολογίας ανίχνευσης και πρόληψης της απάτης, που θα μπορεί να εφαρμοστεί στις επιχειρησιακές διεργασίες των υπηρεσιών υγειονομικής περίθαλψης και θα εξασφαλίζει την ελαχιστοποίηση της απώλειας των σχετικών κεφαλαίων. Η ίδια θα είναι σε θέση να ανιχνεύει τα ύποπτα προς απάτη περιστατικά, εξασφαλίζοντας έτσι την ποιότητα και την συνέπεια των παρεχόμενων υπηρεσιών.
Περίληψη σε άλλη γλώσσα
Fraud phenomena tend to dominate the last decades. A sector that is particularly affected in our days is that of healthcare domain in general and specifically prescriptions reimbursement. Healthcare services are particularly vulnerable in fraud and abuse. Not only institutions of social insurance, but also private companies lose more money each year, because of false causes of compensations. This thesis intends to illustrate the planning and development of a fraud detection methodology, which is accompanied and supported by a generic fraud ontological framework. This methodology will be able to detect erroneous or suspicious records, ensuring thus the quality and the consequence of provided services.
![]() | |
![]() | Κατεβάστε τη διατριβή σε μορφή PDF (3.21 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης

ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.

ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.

ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.

ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.