Hernandez_Hernandez_Practica web de la sesion 11.pptx
Rework prevention tool
1. DIANA BENAVIDES JORGE GUÍO Aplicaciones en contextos de granescala: Dominio de salud Rework Prevention Tool
2. Rework Prevention Tool Data Mining to Predict and Prevent Errors in Health InsuranceClaimsProcessing MohitKumar, RayidGhani, Zhu-SongMei AccentureTechnologyLabs Chicago, IL, USA mohit.x.kumar, rayid.ghani, zhu-song.mei@accenture.com Presentedon: ACM SIGKDD Conference 2010, Washington. http://www.kdd.org/kdd/2010/ http://videolectures.net/kdd2010_kumar_dmppeh/ http://www.kdd.org/
3.
4. El proveedor de servicios envía una solicitud de pago a la aseguradora en salud (EPS).
11. Exactitud: Reportar solicitudes de pago sospechosas exitosamente, y mejor a medida que pasa el tiempo: se optimizan las predicciones para las de mayor confianza.
12. Explicaciones: Habilidad para sustentar el por qué de la clasificación de la solicitud es determinada como sospechosa: UI.
13. Adaptabilidad: A cambios en legislaciones, contratos, normas: feed-back desde la UI.** A través de clasificación binaria mediante SVM: confidence score **
14.
15. FeatureConstruction: Hay cuatro tipos de información en cada solicitud: información del paciente, información del proveedor, encabezado de la solicitud, detalle de la solicitud (por cada procedimiento). Creación de nuevos atributos importantes.
27. Métrica: en base a precisión para los top 10: Aseguramiento de exactitud del modelo, puesto que los datos con que se analiza están sesgados hacia re-work(en la vida real es del 2-5%).