Arab M, Fathian M, Aliahmadi Jeshfaghani H. Forecast of Medical Expenses of Iran Health Insurance Organization Using Machine Learning Based Methods. Iran J Health Insur. 2022; 4 (4) :269-279
URL:
http://journal.ihio.gov.ir/article-1-180-fa.html
1- دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران
2- دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران ، fathian@iust.ac.ir
چکیده: (435 مشاهده)
مقدمه: تأمین دقیق منابع مالی بهمنظور مدیریت بهتر هزینهها یکی از دغدغههای اصلی مدیران سازمانها است. سازمان بیمه سلامت ایران با عنوان یکی از بزرگترین سازمانهای بیمهگر پایه از این امر مستثنا نبوده و قطعاً برای تأمین منابع مالی و اخذ بودجههای لازم در حوزه درمان خود، نیازمند شناسایی و پیشبینی دقیق هزینههای درمان است. استفاده از روشهای مبتنی بر یادگیری ماشین به منظور ایجاد مدل پیشبینی هزینههای درمان میتواند کمک بزرگی به تأمین دقیقتر منابع مالی نماید.
روش بررسی: این پژوهش با استفاده از دادههای هزینهای موجود در سامانه اسنادپزشکی استانهای سازمان طی سالهای ۱۳۸۵ تا ۱۳۹۸ و با استفاده از روشهای SARIMAX و LSTM، مدل و روشی را برای پیشبینی هزینههای سازمان ارائه داده است. این روش میتواند به پیشبینی دقیقتر هزینههای سازمان کمک نماید.
یافتهها: مشخص کردن روش با کارایی بهتر بر اساس شاخص MAPE به تنهایی جوابگوی ایجاد مدل مطلوب نبوده؛ لذا با ایجاد یک روش ترکیبی و استفاده از معیار درصد تحقق پیش بینی، مدل مطلوب برای پیش بینی هزینه ها ارائه شده است.
نتیجهگیری: با توجه به ضرورت داشتن روش علمی به منظور پیش بینی دقیقتر هزینههای سازمان، روش و مدل پیشنهاد شده توانست با حداقل خطا نسبت به خطاهای پذیرفته شده در فرآیندهای دستی، هزینههای سازمان را پیشبینی نماید.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1399/11/25 | ویرایش نهایی: 1401/4/11 | پذیرش: 1399/11/26 | انتشار الکترونیک: 1400/12/18