| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.1.1 研究的背景 | 第11-12页 |
| 1.1.2 研究的意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 文献述评 | 第14-15页 |
| 1.3 研究方法、内容和技术路线 | 第15-18页 |
| 1.3.1 研究方法 | 第15页 |
| 1.3.2 研究内容 | 第15-17页 |
| 1.3.3 技术路线 | 第17-18页 |
| 1.4 创新点 | 第18-19页 |
| 2 概念界定与理论基础 | 第19-27页 |
| 2.1 概念界定 | 第19-24页 |
| 2.1.1 大数据 | 第19-21页 |
| 2.1.2 医疗保险 | 第21页 |
| 2.1.3 传统常规医保审计 | 第21-22页 |
| 2.1.4 大数据医保审计 | 第22-24页 |
| 2.2 理论基础 | 第24-27页 |
| 2.2.1 审计“免疫系统”理论 | 第24-25页 |
| 2.2.2 DRGs理论 | 第25页 |
| 2.2.3 数据挖掘理论 | 第25-27页 |
| 3 F市医保审计现状与存在的问题 | 第27-38页 |
| 3.1 F市医保现状 | 第27-29页 |
| 3.1.1 F市医保基金管理情况 | 第27-28页 |
| 3.1.2 F市医保基金运行情况 | 第28-29页 |
| 3.2 F市医保审计现状 | 第29-32页 |
| 3.2.1 编制审计项目计划 | 第29-30页 |
| 3.2.2 建立医保审计项目 | 第30页 |
| 3.2.3 现场审计 | 第30-31页 |
| 3.2.4 审计报告 | 第31页 |
| 3.2.5 审计整改 | 第31-32页 |
| 3.3 F市医保审计存在的问题 | 第32-38页 |
| 3.3.1 F市医保审计未能实现审计全覆盖 | 第32-33页 |
| 3.3.2 F市医保审计未能完全深入医保核心 | 第33-34页 |
| 3.3.3 F市医保审计未能有效激活“免疫系统” | 第34-35页 |
| 3.3.4 F市医保审计未能有效利用数据资源 | 第35-36页 |
| 3.3.5 F市医保审计未能充分应用大数据技术 | 第36-38页 |
| 4 F市大数据医保审计模型构建与应用 | 第38-60页 |
| 4.1 审计模型构建 | 第38-40页 |
| 4.1.1 数据预处理与数据转换 | 第38页 |
| 4.1.2 K-均值聚类分析模型构建 | 第38-39页 |
| 4.1.3 朴素贝叶斯分类分析模型构建 | 第39-40页 |
| 4.2 F市大数据医保审计模型应用 | 第40-60页 |
| 4.2.1 疾病选取 | 第40页 |
| 4.2.2 应用K-均值聚类模型对贫血性心脏病大数据审计 | 第40-52页 |
| 4.2.3 应用朴素贝叶斯模型对贫血性心脏病大数据审计 | 第52-60页 |
| 5 F市大数据医保审计的保障措施 | 第60-68页 |
| 5.1 转变审计理念,确定审计重点 | 第60-61页 |
| 5.1.1 从事后审计理念向事中、事前审计理念改变 | 第60页 |
| 5.1.2 从微观审计理念向宏观审计理念改变 | 第60-61页 |
| 5.1.3 从真实性、合法性审计理念向效益性审计理念改变 | 第61页 |
| 5.2 健全审计制度,规范审计过程 | 第61-64页 |
| 5.2.1 建立数据规范制度 | 第62页 |
| 5.2.2 建立数据采集制度 | 第62-63页 |
| 5.2.3 建立大数据审计制度 | 第63页 |
| 5.2.4 建立审计整改联动制度 | 第63-64页 |
| 5.2.5 建立大数据审计保密制度 | 第64页 |
| 5.3 创新审计方式,优化资源配置 | 第64-66页 |
| 5.3.1 数据先行审计方式 | 第64-65页 |
| 5.3.2 建立大数据审计分析平台 | 第65-66页 |
| 5.4 推进培训创新,加强人才培养 | 第66-68页 |
| 5.4.1 人才结构战略性调整 | 第66页 |
| 5.4.2 培养大数据医保审计分析团队 | 第66-68页 |
| 6 主要结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
