Iranian Journal of Health Insurance

fa رویکرد باورمندی به پیشگویی هزینه‌های درمان: مطالعه موردی بررسی هزینه‌های دندانپزشکی A Credibility Approach to Predicting Healthcare Costs: A Case Study of Dental Costs تخصصي Special پژوهشي Research <div style="text-align: justify;">مقدمه: افزایش هزینه‌های خدمات پزشکی و سالمند شدن جمعیت ایران، مشکلاتی را برای صنعت بیمه درمان به وجود آورده که این حوزه را به یکی از پرمخاطره‌ترین حوزه‌ها تبدیل کرده است. در این شرایط یکی از اساسی‌ترین نیازهای این حوزه، برازش مدلی مناسب به خسارت‌های درمان است، به‌طوری‌که بیمه‌گر بتواند روند هزینه‌های درمان را بررسی کند، برآورد دقیقی از خسارت‌های سال آینده داشته باشد و حق بیمه متناسب با آن را محاسبه کند. روش بررسی: با مطالعه بنیادی تجربی، داده‌های خسارت‌ مربوط به بیمه‌نامه‌های درمان گروهی صادره از اواسط سال ۱۳۹۷ تا اواسط ۱۳۹۹ شرک بیمه دی جمع‌آوری شد و با استفاده از توزیع‌های آمیخته، خسارت‌های دندانپزشکی مدل‌بندی شد و با استفاده از روش باورمندی خسارت سال آینده پیش‌بینی شد. یافته‌ها: باتوجه به ناهمگنی موجود در دادها، توزیع‌ های آمیخته به دلیل انعطاف‌پذیری بالا برازش مناسب‌ تری خواهد داشت. افراد بیمه ‌ شده باتوجه به مشخصات آنها در 2 دسته پرریسک و کم‌ریسک تقسیم‌ شدند و به هر یک از این دسته‌ها یک توزیع برازش داده‌ شده است. توزیع کلی خسارت ‌ها را یک توزیع آمیخته از این توزیع‌ ها در نظر گرفته که وزن‌های آمیختگی این توزیع با استفاده از رگرسیون لجستیک برآورد شد. نتیجه‌گیری: یکی از اساسی‌ترین مسائل در انواع بیمه‌ها، تعیین حق بیمه‌‌‌ آنهاست. در این پژوهش با استفاده از نظریه‌ باورمندی، برای هر یک از بیمه‌ شده‌ها باتوجه به پارامتر ریسک آنها حق بیمه سال آینده محاسبه می‌شود. درواقع باورمندی، حق بیمه‌‌‌ موجود را با خسارت‌های گذشته ترکیب کرده و حق بیمه‌‌ ‌تعدیل‌ شده را ارائه می‌دهد.</div> <div style="text-align: justify;">Introduction: The increase in the cost of medical services and the aging of Iran's population have created problems for the medical insurance industry, which has turned this field into one of the most risky fields. In this situation, one of the most basic needs of this field is to fit a suitable model to the treatment losses, so that the insurer can check the trend of the treatment costs, have an accurate estimate of the next year's losses, and calculate the corresponding insurance premium. Methods: Based on an empirical fundamental study, the loss data related to group treatment insurance policies issued from the middle of 2017 to the middle of 2019 was collected by Day insurance company and using mixed distributions, dental claims were modeled and the loss of the next year was predicted using the credibility method. Results: Due to the heterogeneity in the data, mixed distribution will be more suitable due to its high flexibility. The insured people were divided into 2 high-risk and low-risk categories according to their characteristics, and a distribution was given to each of these categories. The general distribution of damages is considered as a mixed distribution of these distributions, and the mixed weights of this distribution were estimated using logistic regression. Conclusion: One of the most basic issues in all types of insurances is determining their insurance premiums. In this research, using the theory of credibility, the next year's insurance premium is calculated for each of the insured according to their risk parameter. In fact, credibility theory combines the existing insurance premium with past losses and provides the adjusted premium.  </div> توزیع آمیخته متناهی, درمان تکمیلی, رگرسیون لجستیک, دندانپزشکی Finite Mixed Distribution, Complementary Treatment, Logistic Regression, Dentistry 96 107 http://journal.ihio.gov.ir/browse.php?a_code=A-10-317-1&slc_lang=fa&sid=1 Ehsan Jahanbani احسان جهان‌بانی e.jahanbani1370@gmail.com 10031947532846003526 10031947532846003526 Yes Department of Actuarial Sciences, Shahid Beheshti University, Tehran, Iran گروه بیم‌سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران Amirteymor Payandeh Najafabadi امیرتیمور پاینده نجف‌آبادی amirtpayandeh@gmail.com 10031947532846003527 10031947532846003527 No Department of Actuarial Sciences, Shahid Beheshti University, Tehran, Iran گروه بیم‌سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران Khaled Masoumifard خالد معصومی‌فرد masoumifardk@yahoo.com 10031947532846003528 10031947532846003528 No Department of Actuarial Sciences, Shahid Beheshti University, Tehran, Iran گروه بیم‌سنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران