Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil

Detalhes bibliográficos
Autor(a) principal: Ferreira, Jorge André Muñoz
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/214032
Resumo: Esta dissertação tem por objetivo desenvolver um método de detecção de indícios de fraudes no Programa Farmácia Popular do Brasil. Nesta pesquisa, foram avaliadas intervenções utilizadas para combater a fraude na atenção à saúde e identificaram-se resultados relacionados a fatores de importância para os profissionais de área, como maior confiabilidade. Para esse propósito o estudo aproveita os métodos de machine learning. O estudo começa com um breve relato de artigos relacionados à detecção de outliers e análise de técnicas encontradas na literatura especializada nesse contexto. Posteriormente, técnicas não supervisionadas de detecção de outliers são aplicadas a dados empíricos. Os resultados são comparados e mostram que o Método Mahalanobis tem o melhor desempenho de detecção de indícios de fraudes em potencial.
id URGS_b44d59eebd3f3362edf110ee2de7c63f
oai_identifier_str oai:www.lume.ufrgs.br:10183/214032
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Ferreira, Jorge André MuñozBecker, Joao Luiz2020-10-08T04:01:40Z2020http://hdl.handle.net/10183/214032001118524Esta dissertação tem por objetivo desenvolver um método de detecção de indícios de fraudes no Programa Farmácia Popular do Brasil. Nesta pesquisa, foram avaliadas intervenções utilizadas para combater a fraude na atenção à saúde e identificaram-se resultados relacionados a fatores de importância para os profissionais de área, como maior confiabilidade. Para esse propósito o estudo aproveita os métodos de machine learning. O estudo começa com um breve relato de artigos relacionados à detecção de outliers e análise de técnicas encontradas na literatura especializada nesse contexto. Posteriormente, técnicas não supervisionadas de detecção de outliers são aplicadas a dados empíricos. Os resultados são comparados e mostram que o Método Mahalanobis tem o melhor desempenho de detecção de indícios de fraudes em potencial.This Master Thesis aims to develop a method of detecting evidence of fraud in the Programa Farmácia Popular do Brasil. In this research, interventions used to combat fraud in health care were evaluated and results related to factors of importance to professionals in the area were identified, such as greater reliability. For this purpose, the study takes advantage of machine learning methods. The study begins with a brief report of articles related to the detection of outliers and analysis of techniques found in the specialized literature in this context. Subsequently, unsupervised outlier detection techniques are applied to empirical data. The results are compared and show that the Mahalanobis Method has the best performance of detecting evidence of potential fraud.application/pdfporMedicamentosAssistência farmacêuticaPolítica de saúdeHealthcareFraud detectionDetecção de indícios de fraudes no Programa Farmácia Popular do Brasilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de AdministraçãoPrograma de Pós-Graduação em AdministraçãoPorto Alegre, BR-RS2020mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001118524.pdf.txt001118524.pdf.txtExtracted Texttext/plain186648http://www.lume.ufrgs.br/bitstream/10183/214032/2/001118524.pdf.txt0dd3762df7f3141ef7795932ce5bab3bMD52ORIGINAL001118524.pdfTexto completoapplication/pdf4661110http://www.lume.ufrgs.br/bitstream/10183/214032/1/001118524.pdf8b3b3e5f074bb36f79665f895a160dbbMD5110183/2140322020-10-09 04:03:33.939971oai:www.lume.ufrgs.br:10183/214032Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532020-10-09T07:03:33Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
title Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
spellingShingle Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
Ferreira, Jorge André Muñoz
Medicamentos
Assistência farmacêutica
Política de saúde
Healthcare
Fraud detection
title_short Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
title_full Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
title_fullStr Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
title_full_unstemmed Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
title_sort Detecção de indícios de fraudes no Programa Farmácia Popular do Brasil
author Ferreira, Jorge André Muñoz
author_facet Ferreira, Jorge André Muñoz
author_role author
dc.contributor.author.fl_str_mv Ferreira, Jorge André Muñoz
dc.contributor.advisor1.fl_str_mv Becker, Joao Luiz
contributor_str_mv Becker, Joao Luiz
dc.subject.por.fl_str_mv Medicamentos
Assistência farmacêutica
Política de saúde
topic Medicamentos
Assistência farmacêutica
Política de saúde
Healthcare
Fraud detection
dc.subject.eng.fl_str_mv Healthcare
Fraud detection
description Esta dissertação tem por objetivo desenvolver um método de detecção de indícios de fraudes no Programa Farmácia Popular do Brasil. Nesta pesquisa, foram avaliadas intervenções utilizadas para combater a fraude na atenção à saúde e identificaram-se resultados relacionados a fatores de importância para os profissionais de área, como maior confiabilidade. Para esse propósito o estudo aproveita os métodos de machine learning. O estudo começa com um breve relato de artigos relacionados à detecção de outliers e análise de técnicas encontradas na literatura especializada nesse contexto. Posteriormente, técnicas não supervisionadas de detecção de outliers são aplicadas a dados empíricos. Os resultados são comparados e mostram que o Método Mahalanobis tem o melhor desempenho de detecção de indícios de fraudes em potencial.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-10-08T04:01:40Z
dc.date.issued.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/214032
dc.identifier.nrb.pt_BR.fl_str_mv 001118524
url http://hdl.handle.net/10183/214032
identifier_str_mv 001118524
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/214032/2/001118524.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/214032/1/001118524.pdf
bitstream.checksum.fl_str_mv 0dd3762df7f3141ef7795932ce5bab3b
8b3b3e5f074bb36f79665f895a160dbb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309171354075136

Registros relacionados