ارائه مدل مطلوب پيش‌بيني هزينه‌هاي درماني بيمه‌شدگان (موردمطالعه: سازمان بيمه سلامت ايران)

كارشناسي ارشد

پيش‌بيني هزينه‌هاي درمان به‌منظور مديريت بهينه منابع مالي و تأمين بودجه‌هاي لازم از مقوله‌هاي مهم در سازمان بيمه سلامت ايران است. اين سازمان به‌عنوان يك سازمان بيمه‌گر پايه متولي ارائه خدمات درماني به بيمه‌شدگان خود كه بيش از نيمي از جمعيت كشور محسوب مي‌شوند، است. در اين تحقيق، ماهيت داده‌هاي هزينه‌اي سازمان، سري زماني در نظر گرفته‌شده است، لذا از روش‌هاي رايج در پيش‌بيني سري‌هاي زماني كه هم در دسته روش‌هاي آماري كلاسيك و هم در دسته روش‌هاي جديد مبتني بر شبكه عصبي وجود دارند، استفاده‌شده است. روش‌هاي استفاده‌شده، روش توسعه‌يافته آماري كلاسيك SARIMAX و روش LSTM مبتني بر روش‌هاي شبكه عصبي است. داده‌هاي موردتحقيق داده¬هاي هزينه‌اي سازمان مربوط به سال‌هاي 1385-1398 است. در هر دو روش كه برمبناي الگوريتم‌هاي يادگيري ماشين كار مي‌كنند داده‌ها به دودسته آموزش و آزمون تقسيم‌شده و مدل موردنظر پس از آموزش، ايجاد و برازش مي‌شود. با استفاده از روش‌هاي آماري فوق و گروه‌بندي هزينه‌هاي سازمان بر اساس چهار مشخصه هزينه‌اي استان محل ارائه خدمت، نوع مالكيت مؤسسات درماني طرف قرارداد، نوع صندوق بيمه‌اي و نوع خدمت ارائه‌شده، 4973 مدل ايجادشده است. جهت ارزيابي مدل‌ها و انتخاب مدل با كارايي بهتر از شاخص‌هاي RMSE و MAPE به‌تنهايي و باهم، استفاده‌شده است. بررسي‌ها نشان مي‌دهد در حالتي كه هزينه‌ها سرجمع نباشند روش LSTM داراي كارايي بهتري است وليكن در اكثر مواردي كه هزينه‌ها سرجمع مي‌باشند و يا اينكه يك هزينه به‌صورت ذاتي از هزينه‌هاي مختلفي تشكيل‌شده است، كارايي روش SARIMAX بهتر است. درنهايت جهت ارائه مدل مطلوب پيش-بيني از روش تركيبي و معيار درصد تحقق پيش بيني استفاده‌شده است.

196440

دانشگاه علم و صنعت ايران

دكتر حسين علي احمدي جشفقاني

مديريت فناوري اطلاعات-كسب و كار الكترونيكي

دكتر محمد فتحيان