AsiaAnalytics 台灣析數資訊
醫療費用保險之風險評估
Share

目標:

保險公司為降低虧損風險,希望不只利用過去資料預測個人之醫療費用,甚至能預測未來投保人的總體醫療費用,而透過預測模型每個輸入變數皆代表著影響醫療費用的不確定因素,因此若能全盤掌握這些不確定因素,便能確實掌握理賠風險,精準擬定給付方案。

解決方案:
透過SPSS Statistics蒙地卡羅模擬方法,不僅可利用歷史資料建立預測醫療花費之模型,甚至可模擬各種不確定性的輸入變數,代入預測模型計算並建立總體醫療費用,便能全盤掌握所有可能的醫療花費情況。

  • 利用歷史資料建立預測模型,確立影響糖尿病醫療費用之輸入變數。
  • 將各個輸入變數配適於適合之機率分配(透過SPSS Statistics蒙地卡羅模擬方法,可輕鬆將變數配適符合之機率分配,如下圖)。

 

  • 透過配適的機率分配,隨機生成輸入變數值。
  • 將隨機生成的輸入變數值,代入建立之預測模型計算出醫療費用。
  • 反覆隨機生成輸入變數值(步驟3~4,通常反覆執行上千、萬次),可大量生成各種情況之醫療費用及其發生機率,形成機率分布函數。
  • 經過配適機率分配後,模擬隨機生成觀察值:共19,153筆

 

應用效果:

蒙地卡羅模擬方法,大量模擬生成各種不確定性的輸入變數(age、glucose、income),並透過模型計算出醫療費用(cost)。

  • 透過模擬數據得到總體醫療費用,便能透過資料確實掌握醫療花費的資訊

 

透過機率密度函數不僅能處理點估計---總體醫療花費之平均值,甚至是總體醫療費用之機率分配情況,因此我們能得知總體投保人在醫療花費的最高or最低門檻(例如:95%投保人其醫療花費之最高門檻為22,866元),掌握完整的理賠給付資訊,做好理賠風險之評估。

解決方案

  • 數據準備:通過諮詢專家採集門診的就診率、患病率、篩檢陽型比率等指標進行病例數估算
  • 數據建模:利用SPSS Statistics時間序列對2009.8.3~11.22期間的病例相關資料進行建模
  • 結果匯出及評估:利用圖形及統計量的方式對結果進行評估及預測

實施效果

  • 該城市H1N1新型流感已經度過高峰階段,呈明顯下降趨勢

 

預測資料顯示:大規模接種疫苗後,H1N1新型流感病例數下降趨勢更加明顯。

該城市實施流感疫苗的措施後,大幅度降低H1N1新型流感的感染率,成效顯著

 

  • 綠色的線表示實施疫苗接種後,預測的H1N1新型流感的病例數
  • 紅色的線代表假設無疫苗影響下,預測的H1N1新型流感的病例數

 

 

洽詢業務專員 線上索取報價

TOP