Audit Trails for Detecting Fraud Involving Public Health Officials

• Marco Túlio Dutra UFMG / UFOP
• Lucas G. L. Costa UFMG
• Gabriel P. Oliveira UFMG
• Mariana O. Silva UFMG
• Gisele L. Pappa UFMG

DOI: https://doi.org/10.5753/wcge.2024.2280

Abstract

Identifying and preventing fraud in the public sector, especially in the context of healthcare, are crucial issues to guarantee the integrity of resources and the quality of services provided to the population. This paper proposes an approach based on audit trail modeling to identify and rank fraud alerts involving public health employees. By analyzing suspicious patterns in public employee records, we propose a ranking system that directs audit efforts to cases with the highest probability of fraud. The results obtained using our approach provide essential information that simplifies the subsequent manual investigation step carried out by auditors.

References

Brandão, M. A. et al. (2024). PLUS: A Semi-automated Pipeline for Fraud Detection in Public Bids. Digit. Gov. Res. Pract., 5(1):5:1–5:16.

Braz, C. S. et al. (2023). Análise de irregularidades em licitações públicas com foco em empresas de pequeno porte. In WCGE, pages 94–105. SBC.

Costa, L. L. et al. (2023). Identificação de licitações suspeitas de fraude por meio de trilhas de auditagem. iSys-Brazilian Journal of Information Systems, 16(1):13–1.

Domingues, M. et al. (2021). Programa Autoestima: Uma ferramenta Web pública e amigável que integra formação de profissionais da saúde e acolhimento psicossocial da população. In WCGE, pages 251–258. SBC.

Handoko, B. L. and Rosita, A. (2022). The effect of skepticism, big data analytics to financial fraud detection moderated by forensic accounting. In ICEEG, pages 59–66.

Kratcoski, P. C. (2018). Fraud and Corruption in the Healthcare Sector in the United States, pages 109–124. Springer International Publishing, Cham.

Kumaraswamy, N. et al. (2024). Using a bayesian belief network to detect healthcare fraud. Expert Syst. Appl., 238(Part F):122241.

Mongwe, W. T. and Malan, K. M. (2020). The efficacy of financial ratios for fraud detection using self organising maps. In SSCI, pages 1100–1106. IEEE.

Neubauer, T., Araujo, R., Fantinato, M., and Peres, S. (2022). Transparency promoted by process mining: an exploratory study in a public health product management process. In WCGE, pages 37–48. SBC.

Oliveira, E. F. et al. (2021). O uso de tecnologias para detecção de fraudes na pandemia da covid-19. Revista de Contabilidade e Controladoria, 13(1):156–177.

Oliveira, G. P. et al. (2022). Detecting inconsistencies in public bids: An automated and data-based approach. In WebMedia, pages 182–190. ACM.

Oliveira, G. P. et al. (2023). Ranqueamento de licitações públicas a partir de alertas de fraude. In BraSNAM, pages 1–12. SBC.

Pelissari, M. R. (2019). CNES como instrumento de gestão e sua importância no planejamento das ações em saúde. Revista de Saúde Pública do Paraná, 2(1):159–165.

Pereira, A. K. d. S. et al. (2022). Usando redes complexas na identificação de empresas fraudulentas em licitações públicas. In WCGE, pages 13–24. SBC.

Rocha, T. A. H. et al. (2018). Cadastro Nacional de Estabelecimentos de Saúde: evidências sobre a confiabilidade dos dados. Ciência & Saúde Coletiva, 23(1):229–240.

Silva, C. A., dos Santos, E. A., de Oliveira Ribeiro, F., and da Rosa, F. S. (2020). Consciência, Prevenção e Detecção contra Fraude: Estudo com Auditores Internos e Contadores do Setor Público Brasileiro. In USP International Conference on Accounting.

Silva, M. O. et al. (2023). Análise de sobrepreço em itens de licitações públicas. In WCGE, pages 118–129. SBC.

Wang, Y. et al. (2013). A theoretical analysis of NDCG type ranking measures. In COLT, volume 30 of JMLR Workshop and Conference Proceedings, pages 25–54. JMLR.org.