Iranian Journal of Health Insurance

fa پیش‌بینی هزینه‌های درمانی سازمان بیمه سلامت ایران با استفاده از روش‌های مبتنی بر یادگیری ماشین Forecast of Medical Expenses of Iran Health Insurance Organization Using Machine Learning Based Methods تخصصي Special پژوهشي Research <div style="text-align: justify;">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.</div> <div style="text-align: justify;">Introduction: Accurate funding in order to better manage costs is one of the main concerns of managers. The Health Insurance Organization of Iran, as one of the largest basic insurance organizations, is no exception to this and certainly needs to identify and accurately predict the costs of treatment in order to provide financial resources and obtain the necessary funds in its field of treatment. Using machine learning methods to create a model for predicting treatment costs can be a great help in accurately financing. Methods: This study has provided a model and method for predicting the costs of the organization by using the cost data available in the medical documentation systems of the provinces of the organization during the years 2007 to 2020 and using the SARIMAX and LSTM methods. This method can help to more accurately predict the costs of the organization. Results: Determining the method with better performance based on the MAPE index alone did not meet the desired model; therefore, by creating a combined method and using the criterion of percentage of realization of the forecast, the optimal model for cost forecasting is presented. Conclusion: Due to the need for a scientific method to more accurately predict the costs of the organization, the proposed method and model was able to predict the costs of the organization with minimal errors compared to the errors accepted in manual processes.</div> سازمان بیمه سلامت ایران, هزینه‌های درمانی, پیش‌بینی, یادگیری ماشین, سری زمانی Iran Health Insurance Organization, Medical Expenditure, Forecast, Machine Learning, Time Series 269 279 http://journal.ihio.gov.ir/browse.php?a_code=A-10-115-1&slc_lang=fa&sid=1 Maryam Arab مریم عرب hmz_arab@yahoo.com 10031947532846003218 10031947532846003218 No Faculty of Progress Engineering, University of Science and Technology, Tehran, Iran دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران Mohammad Fathian محمد فتحیان fathian@iust.ac.ir 10031947532846003219 10031947532846003219 Yes Faculty of Progress Engineering, University of Science and Technology, Tehran, Iran دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران Hosein Aliahmadi Jeshfaghani حسین علی‌احمدی جشفقانی aliahmadi@iust.ac.ir 10031947532846003220 10031947532846003220 No Faculty of Progress Engineering, University of Science and Technology, Tehran, Iran دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت، تهران، ایران