فناوری‌های پوشیدنی و اینترنت اشیاء در بیمه‌های زندگی و درمان Wearable Technologies and Internet of Things in Life and Health Insurance 1 1 پیشرفت فناوری‌ و استقبال کاربران از آن‌ها، منجر به تولید و راه‌اندازی ابزارهای پوشیدنی توسط شرکت‌های استارتاپی طی چند سال و نیز رواج اینترنت اشیاء شده است که می‌تواند فرصت‌های شگفت‌انگیزی را به ویژه برای بیمه‌‎گران ایجاد نماید. هدف این مقاله، ضمن معرفی اینترنت اشیاء و فناوری‌های پوشیدنی و تبیین دلایل اهمیت استفاده از آن‌ها در بیمه‌های زندگی و درمان، معرفی و بررسی شرکت‌های بیمه‌ استفاده‌کننده از این فناوری‌ها در ارائه محصولات خود به‌منظور ارائه تصویری روشن از کاربرد و قابلیت آن‌ها است. این پژوهش، با استفاده از روش کیفی از نوع توصیفی-اکتشافی به بررسی کاربردها، قابلیت‌ها و چالش‌های استفاده از فناوری‌های پوشیدنی در بیمه‌های زندگی و درمان می‌پردازد. نتایج تحقیق نشان می‌دهد فناوری‌های مختلفی برای ارزیابی ریسک بیمه‌شده و آگاهی بیمه‌گر از وضعیت سلامت بیمه‌شده وجود دارد که هر کدام، شاخص‎های مختلفی را درنظر می‌گیرند. نتایج تصریح می‌نماید که به‌کارگیری پوشیدنی‌های سلامت از ابعاد مختلفی مانند ارزیابی ریسک، فرایندهای بیمه‌گری، کنترل خسارت و کاهش هزینه‌ها و زمان‌، در طراحی محصولات بیمه زندگی و درمان موثر است. لذا، بیمه‌گران زندگی و درمان، بایستی علاوه بر مدنظر قرار دادن این فناوری‌ها در طراحی و ارائه محصولات، آمادگی لازم را در مقابله با چالش‌هایی نظیر مدیریت داده‌ها، ایجاد زیرساخت‌های لازم، حفظ حریم خصوصی و امنیت داده‌ها داشته باشند. در این راستا، ضروری است در مراحل اولیه برنامه‌ریزی این فناوری‌ها، استراتژی‌هایی را مانند افزایش آگاهی و ترغیب مشتریان به استفاده از این فناوری‌ها، مشارکت با شرکت‌های حوزه سلامت، امنیت داده‌ها، نوآوری در محصولات، کنترل خسارت و فرایندهای بیمه‌گری به کار گیرند. 2 Advances in technology and user acceptance have led to the production and launch of wearable devices by startup companies over the years, as well as the spread of the Internet of Things, which can create amazing opportunities, especially for insurers. The purpose of this article, while introducing the Internet of Things and wearable technologies and explaining the reasons for their importance in life and health insurance, is to introduce and review the insurance companies that use these technologies in presenting their products in order to provide a clear picture of their application and capabilities. This research, using a qualitative method of descriptive-exploratory type, examines the applications, capabilities and challenges of using wearable technologies in life and health insurance. The research results show that there are different technologies for assessing the insured risk and the insurer’s awareness of the insured health status, each of which considers different indicators. The results indicate that the use of health wearables from various dimensions such as risk assessment, insurance processes, damage control and cost and time reduction is effective in designing life insurance and treatment products. Therefore, life and health insurers, in addition to considering these technologies in the design and delivery of products, must be prepared to face challenges such as data management, building the necessary infrastructure, privacy and data security. In this regard, it is necessary in the early stages of planning these technologies, strategies such as increasing awareness and encouraging customers to use these technologies, partnerships with companies in the field of health, data security, product innovation, damage control and insurance processes. 2 13 2021/01/18 1399/10/29 2021/06/4 1400/3/14 میترا قنبرزاده Mitra Ghanbarzadeh پژوهشکده بیمه، تهران، ایران ghanbarzadeh@irc.ac.ir اسماء حمزه Asma Hamzeh پژوهشکده بیمه، تهران، ایران hamzeh@irc.ac.ir نسرین حضارمقدم Nasrin Hozarmoghadam پژوهشکده بیمه، تهران، ایران hozarmoghadam@irc.ac.ir Life Insurance Health Insurance Internet of Things Wearable Technology بیمه زندگی بیمه‌ درمان اینترنت اشیاء فناوری‌ پوشیدنی [1] Munich Re. The future is now: wearables for insurance risk assessment, Munich American Reassurance Company, Atlanta, Georgia; 2018.##[2] Light D. The internet of things and life & health insurance, Celent; 2014.##[3] Canaan M, Lucker J, Spector B. Opting in: using iot connectivity to drive differentiation the internet of things in insurance, Deloitte Report; 2016.##[4] Deloitte. Putting the nectar in the sector: making insurance careers more attractive, Deloitte Talent in Insurance Survey; 2015. ##[5] Raynor M E, Cotteleer M J. The more things change: value creation, value capture, and the internet of things, Deloitte Review 17; 2015.##[6] LexisNexis. Usage-based insurance (UBI) research results for the consumer market, LexisNexis White Paper; 2015.##[7] Capgemini Financial Services Analysis. Wearable devices and their applicability in the life insurance industry, Industry Report Store; 2017.##[8] Buckle J, Hayward T, Singhal N, Desai K. The role of wearable in private medical insurance, Milliman Report; 2020.##[9] EY. The internet of things in insurance: shaping the right strategy, managing the biggest risks, EY Report; 2016.##[10] Ono H, Moin-Safa R, Huang SH, Mu Z, Lai X. Beyond Fitbit: trends and healthcare policy considerations for the cognitive internet of things, Prepared for IBM by Columbia University, School of International and Public Affairs, Capstone team; 2017.##[11] Dinh-Le C, Chang R, Chokshi S, Mann D. Wearable health technology and electronic health record integration: scoping review and future directions, JMIR Mhealth Uhealth. 7(9); 2019.##[12] Spender A, Bullen C, Altmann-Richer L, Cripps J, Duffy R, Falkous C, Farrell M, Horn T, Wigzell J, Yeap W. Wearables and the internet of things: considerations for the life and health insurance industry. British Actuarial Journal. Cambridge University Press; 2019.##[13] Troiano A. Wearables and personal health data: putting a premium on your privacy. Brooklyn Law Review. 82(4); 2017.##[14] Abraham M. Wearable technology: a health-and-care actuary’s perspective. Institute and Faculty of Actuaries; 2016.##[15] Capgemini Financial Services Analysis. Wearable technology: tailor-made for life and health insurers, Industry Report Store; 2015. ##[16] Center for Progress and Development of Iran. Internet of things report on health, Presidential Administration of Islamic Republic of Iran; 2017, In Persian.##[17] Breteau J. Wearable technology- the next frontier in health insurance. The Future of Health; 2017.##[18] Afshin A, Babalola D, Mclean M, Yu Z, Ma W, Chen C Y, Arabi M, Mozaffarian D. Information technology and lifestyle: a systematic evaluation of internet and mobile interventions for improving diet, physical activity, obesity, tobacco, and alcohol use. Journal of the American Heart Association, 5(9); 2016.##[19] Kaul A, Wheelock C. Wearable Devices for Healthcare Markets, Tactica; 2016.##[20] Yurkevich S. How IoT is changing health insurance. EliNext; 2018.##[21] Barbosa J. The business opportunities of implementing wearable based products in the health and life insurance industries, Universidade Católica Portuguesa; 2019.##[22] Casselman J, Onopa N, Khansa L. Wearable healthcare: lessons from the past and a peek into the future. Telematics and Informatics, 34(7), 1011–1023; 2017.##[23] Cather D A. Cream skimming: innovations in insurance risk classification and adverse selection. Risk Management and Insurance Review, 21; 2018.##[24] McKinzey. Insurance 2030-the impact of ai on the future of insurance, McKinsey; 2018.##[1] Munich Re. The future is now: wearables for insurance risk assessment, Munich American Reassurance Company, Atlanta, Georgia; 2018.##[2] Light D. The internet of things and life & health insurance, Celent; 2014.##[3] Canaan M, Lucker J, Spector B. Opting in: using iot connectivity to drive differentiation the internet of things in insurance, Deloitte Report; 2016.##[4] Deloitte. Putting the nectar in the sector: making insurance careers more attractive, Deloitte Talent in Insurance Survey; 2015. ##[5] Raynor M E, Cotteleer M J. The more things change: value creation, value capture, and the internet of things, Deloitte Review 17; 2015.##[6] LexisNexis. Usage-based insurance (UBI) research results for the consumer market, LexisNexis White Paper; 2015.##[7] Capgemini Financial Services Analysis. Wearable devices and their applicability in the life insurance industry, Industry Report Store; 2017.##[8] Buckle J, Hayward T, Singhal N, Desai K. The role of wearable in private medical insurance, Milliman Report; 2020.##[9] EY. The internet of things in insurance: shaping the right strategy, managing the biggest risks, EY Report; 2016.##[10] Ono H, Moin-Safa R, Huang SH, Mu Z, Lai X. Beyond Fitbit: trends and healthcare policy considerations for the cognitive internet of things, Prepared for IBM by Columbia University, School of International and Public Affairs, Capstone team; 2017.##[11] Dinh-Le C, Chang R, Chokshi S, Mann D. Wearable health technology and electronic health record integration: scoping review and future directions, JMIR Mhealth Uhealth. 7(9); 2019.##[12] Spender A, Bullen C, Altmann-Richer L, Cripps J, Duffy R, Falkous C, Farrell M, Horn T, Wigzell J, Yeap W. Wearables and the internet of things: considerations for the life and health insurance industry. British Actuarial Journal. Cambridge University Press; 2019.##[13] Troiano A. Wearables and personal health data: putting a premium on your privacy. Brooklyn Law Review. 82(4); 2017.##[14] Abraham M. Wearable technology: a health-and-care actuary’s perspective. Institute and Faculty of Actuaries; 2016.##[15] Capgemini Financial Services Analysis. Wearable technology: tailor-made for life and health insurers, Industry Report Store; 2015. ##[16] Center for Progress and Development of Iran. Internet of things report on health, Presidential Administration of Islamic Republic of Iran; 2017, In Persian.##[17] Breteau J. Wearable technology- the next frontier in health insurance. The Future of Health; 2017.##[18] Afshin A, Babalola D, Mclean M, Yu Z, Ma W, Chen C Y, Arabi M, Mozaffarian D. Information technology and lifestyle: a systematic evaluation of internet and mobile interventions for improving diet, physical activity, obesity, tobacco, and alcohol use. Journal of the American Heart Association, 5(9); 2016.##[19] Kaul A, Wheelock C. Wearable Devices for Healthcare Markets, Tactica; 2016.##[20] Yurkevich S. How IoT is changing health insurance. EliNext; 2018.##[21] Barbosa J. The business opportunities of implementing wearable based products in the health and life insurance industries, Universidade Católica Portuguesa; 2019.##[22] Casselman J, Onopa N, Khansa L. Wearable healthcare: lessons from the past and a peek into the future. Telematics and Informatics, 34(7), 1011–1023; 2017.##[23] Cather D A. Cream skimming: innovations in insurance risk classification and adverse selection. Risk Management and Insurance Review, 21; 2018.##[24] McKinzey. Insurance 2030-the impact of ai on the future of insurance, McKinsey; 2018. ##

نظام حقوقی حاکم بر سازمان‌های ارائه دهنده خدمات بیمه درمان Legal System Governing Organizations Providing Health Insurance Services 1 1 سلامت یکی از اساسی‌ترین نیازهای همه انسان‌هاست. اصلی‌ترین کارکرد نظام سلامت هر کشوری، ارائه خدمات این حوزه است. هدف انجام این تحقیق، این است که خدمات به چه طریقی از سوی چه نهادی و به توجه به چه اصولی ارائه می‌گردند. بعد از پیروزی انقلاب اسلامی گسترش تأمین اجتماعی در اصل 29 قانون اساسی با تکیه بر برخورداری همه مردم از مزایای تأمین اجتماعی به عنوان حقی همگانی سرلوحه کار قرار گرفت. بر این اساس نهادها، سازمان‌ها، مؤسسات و صندوق‌های اصلی در قلمروهای بیمه‌ای، حمایتی و امدادی این نظام مکلفند امور اجرایی و تصدی گری خود در زمینه تولید و ارائه خدمات و تعهدات قانونی مربوط را به موجب قراردادهایی که ضوابط آن با پیشنهاد وزارت تعاون، کار و رفاه اجتماعی و تصویب شورای عالی رفاه و تأمین اجتماعی تعیین خواهد شد به مؤسسات کارگزاری محول نمایند. در نظام حقوقی ایران نهادهای مختلفی مسئول ارائه خدمات حوزه سلامت به اقشار مختلف جامعه هستند، اما اصلی‌ترین نهادهای ارائه دهنده خدمات بیمه‌ای، سازمان بیمه خدمات درمانی و سازمان تامین اجتماعی هستند. هر یک از این سازمان‌ها با توجه به وظایف و تعهداتی که بر عهده دارند، اقدام به ارائه خدمات سلامت در جامعه می‌کنند. 2 Health is one of the most basic needs of all human beings. The main function of the health system of any country is to provide services in this field. The purpose of this research is to find out how services are provided by which institution and according to what principles. After the victory of the Islamic Revolution, the expansion of social security became a public right in Article 29 of the Constitution, relying on the enjoyment of social security benefits by all people. Accordingly, the main institutions, organizations, institutes and funds in the areas of insurance, protection and relief of this system are obliged to carry out their executive affairs and tenure in the field of production and provision of services and related legal obligations in accordance with contracts proposed by the Ministry of Cooperatives. Social welfare and the approval of the High Council of Welfare and Social Security will be determined to be delegated to brokerage firms. In the Iranian legal system, various institutions are responsible for providing health services to different segments of society, but the main institutions providing insurance services are the Health Insurance Organization of Iran and the Social Security Organization. Each of these organizations, according to their duties and responsibilities, provide health services in the community. 14 29 2021/01/182020/10/11 1399/7/20 2021/06/42021/04/30 1400/2/10 سید رضا حسینی Seyed Reza Hosseini گروه حقوق عمومی، دانشکده علوم انسانی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران srho7585@gmail.com بیژن عباسی Bijan Abbasi گروه حقوق عمومی، دانشکده حقوق و علوم سیاسی، دانشگاه تهران، تهران، ایران babbasi@ut.ac.ir احسان آقامحمدآقایی Ehsan Aghamohammadaghaee گروه حقوق عمومی، دانشکده علوم انسانی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران e.aghamohammadaghaee@iau-tnb.ac.ir Health Services Health Insurance Health System Social Security خدمات سلامت بیمه سلامت نظام سلامت تأمین اجتماعی 33- Smith PC, Anell A, Busse R, Crivelli L, Lindahl AK, Westert G, et al. Leadership and governance in seven developed health systems. Health Policy, 2012; 106: 37–49.##34- WHO. Everybody’s business: strengthening health systems to improve health outcomes: WHO’s framework for action. Geneva, Switzerland: World Health Organization; 2007:1-56.##35- Xu K, Evans DB, Kawabata K, Zeramdini R, Klavus J, Murray CJ. Household catastrophic health expenditure: a multicountry analysis. The lancet, 2003; 362(9378): 111-7.##1- ابوالشمس اصغری، بهناز.(1385). مطالعه تطبیقی بسته خـدمات سلامت سازمان‌های ارائه‌کننده بیمه درمان مکمل در کشورهای منتخب و پیشنهاد بسته خدمتی برای ایران، تهران: دانشگاه علوم و تحقیقات تهران.##2- اخوان بهبهانی(1396)، اصول و مبانی بیمه‌های اجتماعی، تهران: مؤسسه عالی پژوهش تأمین اجتماعی.##3- ارسنجانی، حسین.(1391). حکومت دولتها، بی چا.##4- استوار سنگری، کوروش.(1394). حقوق تأمین اجتماعی، تهران: بنیاد حقوقی میزان.##5- اسلامی تبار، شهریار.(1395). مبانی حقوق سلامت، تهران: مجد.##6- بادینی، حسن (1386)، جایگاه حقوق تأمین اجتماعی در نظام حقوقی، فصلنامه تأمین اجتماعی، 9(30): 123-150.##7- بادینی، حسن و عصمتی، زینب(1391). زمینه‌های تحقق اصول حاکم بر حقوق تامین اجتماعی جمهوری اسلامی ایران، رفاه اجتماعی، 12(14): 199-230.##8- بادینی، حسن و عصمتی، زینب.(1391)، زمینه‌های تحقق اصول حاکم بر حقوق تأمین اجتماعی جمهوری اسلامی ایران. مجله رفاه اجتماعی، 12(44): 199-230.##9- بادینی، حسن.(1387). جستاری نقادانه در نظام حقوقی تأمین اجتماعی ایران، مطالعات حقوق خصوصی، 38(4): 57-88.##10- بدیسار، سیدناصرالدین و همکاران.(1391). ارزیابی خدمات درمانی در حقوق تأمین اجتماعی ایران، مجلس و راهبرد، 18(68): 33-62.##11- تامپسون، لارنس.(1383). سالمندی و خردمندی، ترجمه زهره کسایی، تهران: مؤسسه عالی پژوهش تأمین اجتماعی.##12- جعفری لنگرودی، محمد جعفر.(1394). ترمینولوژی حقوق، تهران: گنج دانش.##13- دانش دهکردی، نوشین.(1384). بیمه همگانی خدمات درمانی از منظر قانون، تهران: سازمان بیمه خدمات درمانی.##14- رستمی، ولی و کمرخانی، ایام.(1394). اعمال مقررات حقوق رقابت بر اَعمال حاکمیتی و تصدی دولت، حقوق خصوصی، 45(3): 431-451.##15- زارع، محمد حسین و صمیمی‌فر، سیدقاسم.(1387)، مروری بر پوشش بیمه خدمات درمانی و برخورداری از خدمات در سازمان بیمه خدمات درمانی، تأمین اجتماعی، 8(26): 173-197.##16- ساروخانی، باقر(1386)، اصول‌ پایه در تدوین نظام جامع تامین اجتماعی، فصلنامه تامین اجتماعی، 1(1): 70-98).##17- طریقت منفرد، محمد حسن، همکاران.(1387). اصول و مبانی سیاست ملی سلامت (مطالعه تطبیقی)، تهران: دفتر مطالعات اجتماعی، مرکز پژوهش‌های مرکز شورای اسلامی.##18- عباسی، بیژن.(1398). حقوق اداری، تهران: دادگستر##19- عراقی، سید عزت اله و دیگران‌(1386‌)، درآمدی بر‌ حقوق تأمین اجتماعی، تهران: مؤسسه عالی پژوهش تأمین اجتماعی.##20- عراقی، سیدعزت اله و دیگران.(1386‌). درآمدی بر حقوق تأمین اجتماعی، تهران: مؤسسه عالی پژوهش تأمین اجتماعی.##21- قاآنی، حسین.(1389)، اخذ فرانشیز از بیمه شدگان برای پوشش بیماری‌های صعب العلاج، تهران، روزنامه ایران.##22- قاضی شریعت پناهی، ابوالفضل.(1389). حقوق اساسی و نهادهای سیاسی، تهران: میزان.##23- کریمی، مظفر.(1380)، جایگاه بیمه خدمات درمانی در نظام جامع تأمین اجتماعی، تأمین اجتماعی، 3(10): 192-216. ##24- مجموعه قوانین و مقررات سازمان بیمه خدمات درمانی. (1375). تهران، جلد اول، سازمان چاپ و انتشارات وزارت فرهنگ و ارشاد اسلامی.##25- محمودی، وحید.(1389)، چالش‌های بخش سلامت و بیمه‌های درمانی، الکترونیکی، به نشانی: https:// http://vista.ir/article/297368/##26- مسعود اصل، ایروان(1390).، نظام رفاه اجتماعی در جهان، تهران: دفتر مطالعات اجتماعی.##27- مسلمی، عبدالرضا.(1384)، شناخت جامعه روستایی ایران از دیدگاه تأمین اجتماعی، تأمین اجتماعی، 7(20): 239-264.##28- مصدق راد، محمدعلی(1395). کلیات مدیریت خدمات بهداشتی و درمانی. تهران: دیباگران.##29- ملکی، مرتضی و همکاران.(1395)، نقش بهبود کیفیت خدمات بیمارستانی در ترجیح برند بیمارستان در بازاریابی خدمات درمانی، بیمارستان، 15(4): 39-48.##30- نصرالله پور، سید داود و موعودی، سیمین.(1393). سیاستگذاری مبتنی بر شواهد در نظام سلامت و دستاوردها و چالش‌های آن در ایران، بابل: دانشگاه علوم پزشکی بابل.##31- نصیری، مرتضی.(1382). جایگاه حقوقی سازمان تامین اجتماعی در ساختار کلان مدیریت کشور. تامین اجتماعی، 1(15): 103-124.##32- نصیری، مرتضی.(1382). مبانی حقوق تأمین اجتماعی در ایران، تهران: مؤسسه عالی پژوهش تأمین اجتماعی. ##

تاثیر برنامه تحول سلامت بر سرانه مراجعات و ‌هزینه خدمت بستری بیمه شدگان سازمان بیمه سلامت The Impact of Health Transformation Program on Per Capita Referrals and the Cost of Inpatient Services for the Insured of the Iran Health Insurance Organization 1 1 مقدمه: اجرای برنامه تحول سلامت با هدف گسترش افزایش کیفیت خدمات بستری و حفاظت مالی از بیماران بستری در راستای کاهش پرداخت از جیب و تامین خدمات مورد نیاز بیماران بستری توسط بیمارستان سبب افزایش هزینه‌های بستری در بیمارستان‌های مجری طرح بوده‌است. هدف این پژوهش بررسی تاثیر اجرای این برنامه بر هزینه‌های خدمت بستری بیمه‌شدگان سازمان بیمه سلامت در کشور بود. روش‌ بررسی: این مطالعه، مطالعه مقطعی است که به منظور بررسی تعداد مراجعات و هزینه‌های خدمت بستری بیمه‌شدگان سازمان بیمه سلامت با اجرای برنامه تحول سلامت در بازه زمانی فروردین 1391 الی اسفند 1395 انجام شده‌است. داده‌های مورد بررسی از کتب گزارش عملکرد سازمان‌بیمه سلامت در سال‌های مورد بررسی استخراج و جمع‌آوری شده‌است. دسته‌بندی داده‌ها با استفاده از نرم‌افزار Excel نسخه 2013 انجام شده‌است و تحلیل این داده‌ها با استفاده از نرم‌افزار SPSS نسخه 21 و E-Views نسخه 8 صورت گرفته‌است و داده‌ها با مدل سری زمانی منقطع (ITS) آنالیز شده است. یافته‌ها: نتایج تحلیل سری زمانی منقطع نشان می‌دهد که سرانه تعداد مراجعات خدمت بستری بیمه‌شدگان سازمان بیمه سلامت در کشور متاثر از اجرای برنامه تحول سلامت، بعد از گذشت حدود 4 ماه از آغاز برنامه به طور چشمگیری افزایش داشت. به نحوی که هر ماه به طور متوسط، به ازای هر یک میلیون نفر بیمه شده سازمان بیمه سلامت، 156 بستری به تعداد مراجعات بستری بیمه‌شدگان این سازمان اضافه شد. همچنین اجرای برنامه تحول سلامت موجب افزایش سرانه هزینه ثابت خدمت بستری بیمه شدگان سازمان بیمه سلامت در کشور شده است. افزایش سرانه هزینه ثابت بستری بیمه شدگان بیمه سلامت پس از گذشت 4 ماه از شروع برنامه تحول سلامت و همزمان با آغاز اجرای فاز سوم برنامه تحول سلامت، بازنگری کتاب ارزش‌های نسبی خدمات سلامت، بوده است. یافته ها نشان دادند که اجرای برنامه تحول سلامت، هر ماه به طور متوسط، به ازای هر بیمه شده سازمان بیمه سلامت، مبلغ 8/1.544 ریال به هزینه هر خدمت بستری افزوده است. نتیجه‌گیری: اجرای برنامه تحول سلامت موجب افزایش سرانه‌مراجعه بستری بیمه‌شدگان سازمان بیمه سلامت شده است. همچنین اجرای این برنامه سرانه هزینه ثابت بستری بیمه‌شدگان سازمان بیمه‌سلامت را افزایش داده است. با عنایت به محدودیت منابع مالی سازمان بیمه سلامت لازم است جهت کنترل و مدیریت منابع مالی، سیاست هایی از قبیل نظام ارجاع و ایجاد لیست انتظار دریافت خدمت بستری در درمان بیماری های غیراورژانسی به فوریت اتخاذ گردد. 2 Introduction: Introduction: The implementation of Health Transformation Plan (HTP) with the aim of expanding the quality of inpatient services and financial protection of inpatients in order to reduce out-of-pocket payments and provide the services required by inpatients by the hospital has increased hospitalization rate and costs in hospitals. The purpose of this study was to investigate the impact of the implementation of this program on the service costs, hospitalization of the insured of Iran Health Insurance Organization (IHIO). Methods: This cross-sectional study was conducted to investigate the hospitalization rate and cost of the insured of IHIO by implementing HTP in the period of April 2012 to March 2016. The data sources were gathered from the books of performance report of the IHIO from 2012-2016. Data was categorized using Excel software version 2013. Then Data was analyzed by SPSS software version 21 and E-Views version 8 using the Interrupted Time Series (ITS) model. Results: The results of ITS showed a significant increase in hospitalization rate per capita after 4 months of the implementation of HTP. So that every month, on average, for every one million people insured, 156 people werr added to the number of hospitalized referrals of the insured of this organization. Also, the implementation of the HTP has increased the per capita fixed cost of service hospitalization of the insured insurance in the country. The increase in the per capita fixed cost of hospitalization after 4 months from the beginning of the Health Transformation Program and at the same time with the start of the third phase of the program has been the reason for reviewing the book Relative Values of Health Services. The Findings showed that the implementation of the program, on average per month, for each insured person, the amount of 1,544.8 Rials has been added to the cost of each hospital service. Conclusion: The implementation of the HTP has increased the hospitalization rate and cost of per- insured of the IHIO. Also, the implementation of this program has increased the per capita cost of proving the hospitalization of the insured of the organization. Due to the limited financial resources of the organization, in order to control and manage financial resources, policies such as referral system and creating a waiting list for hospital services in the treatment of non-emergency diseases should be adopted immediately. 30 39 2021/01/182020/10/112020/12/9 1399/9/19 2021/06/42021/04/302021/04/20 1400/1/31 مهرانه شمشیربندی Mehraneh Shamshirbandi گروه تلفیق برنامه و بودجه، دفتر نوسازی و تحول اداری، سازمان بیمه سلامت ایران، تهران، ایران m.shamshirbandi@gmail.com سارا امامقلی پور سفیددشتی Sara Emamgholipour Sefid-Dashti گروه علوم مدیریت و اقتصاد بهداشت، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران m.shamshirbandi@gmail.com Health Transformation Plan Hospitalization Rate Hospitalization Cost Iran Health Insurance Organization برنامه تحول سلامت تعداد مراجعات بستری هزینه بستری سازمان بیمه سلامت ایران 1. Vahidi RGH, Saadati M. Determining the distribution of effective factors on out of pocket payment (formal and informal) in hospitalized cardiac patients of Shahid Madani hospital and its side effects on the patient or companions–Iran-Tabriz 2010. HOSPITAL. 2012;43(4): 45-52##2. Zarei E, Pouragha B, Khodakarim S,Mousazadehnasrabadi A. Out of Pocket Payment by Inpatients of Public Hospitals After Health Sector Evolution Plan. HOSPITAL 2017; 62(3): 9-17##3. Xu K, Evans D, Carrin G, Mylena Aguilar-Rivera A. Technical briesfs for policy-makers. WHO 2005; Feb(2): Report.##4. Yousefi M, Assari Arani A, Sahabi B, Kazemnejad A, Fazaeli S. The Financial Contribution Of Households Using By Health Services. Payavard Salamat 2015; 8(6): 517-527 ##5. Raghfar H KM, Vaez Mahdavi Z, Sangesari Mohazab K. Impact of Health Insurance Inefficiency on Poverty among Iranian Households. Hakim Research Journal. 2013 , 1(16):9-19##6. Kavosi Z, Rashidian A, Pourmalek F, Majdzadeh R, Pourreza A, Mohammad K, Arab M. Measuring Household Exposure to Catastrophic Health Care Expenditures. Hakim 2009; 2(12):38-47##7. Rezapour A, Asefzadeh S, Ebadifardazar F. Determine of the Hoteling cost and burden of the day- patient teaching hospitals -Qazvin University of Medical Sciences. Teb va Tazkiyeh. 2009; (74-75): 8-11##8. Aghajani1 M, Harirchi I, Shahrami I, Maher I, Olyaeemanesh A, Kolivand P, et al. Planning, Elaborating, and Implementating the Health Transformation Plan, Implementation of a National Plan with the Trusteeship of Ministry of Health and Medical Education Through the Creation of New Credit Resources and Extensive Inter-Sectoral Collaboration with the Overall Aim of Continuously Improving the Level of Health Alongside the Creation of Justice in Accessing and Benefiting and Protecting Citizens from Health Costs. Hakim Health Sys Res 2017; 20(2): 110- 121##9. Mosadeghrad A.M, Mirzaee N, Afshari M, Darrudi A. The impact of health transformation plan on health services fees: Brief report. Tehran Univ Med Journal. 2018;76(4): 277-282##10. Lopez Bernal J, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: A tutorial. International Journal of Epidemiology 2017; 46(1): 348–355##11. Ghazizadeh J, Partovi Y, Alidoost S, Kavakebi N. Performance indicators of hospitals affiliated to Health Network in East Azerbaijan before and after health reform. Payesh. 2018;17(3): 217-226 ##12. Vaez-Mahdavi Z, Vaez-Mahdavi M. Health reform plan; Necessity, challenges and perspectives. Eghtesad va Jame-e 2016; 13(29):147-172##13. Khayeri F, Goodarzi L, Meshkini A, Khaki E. Evaluation of the National Health Care Reform Program from the Perspective of Experts. Client-Centered Nursing Care 2015; 1(1):37-46##14. Soofi M, Bazyar M, Rashidian A. Types of moral hazards and its effects on insurance marketing and health system. HOSPITAL 2012; 42(3):73-80##1. Vahidi RGH, Saadati M. Determining the distribution of effective factors on out of pocket payment (formal and informal) in hospitalized cardiac patients of Shahid Madani hospital and its side effects on the patient or companions–Iran-Tabriz 2010. HOSPITAL. 2012;43(4): 45-52##2. Zarei E, Pouragha B, Khodakarim S,Mousazadehnasrabadi A. Out of Pocket Payment by Inpatients of Public Hospitals After Health Sector Evolution Plan. HOSPITAL 2017; 62(3): 9-17##3. Xu K, Evans D, Carrin G, Mylena Aguilar-Rivera A. Technical briesfs for policy-makers. WHO 2005; Feb(2): Report.##4. Yousefi M, Assari Arani A, Sahabi B, Kazemnejad A, Fazaeli S. The Financial Contribution Of Households Using By Health Services. Payavard Salamat 2015; 8(6): 517-527 ##5. Raghfar H KM, Vaez Mahdavi Z, Sangesari Mohazab K. Impact of Health Insurance Inefficiency on Poverty among Iranian Households. Hakim Research Journal. 2013 , 1(16):9-19##6. Kavosi Z, Rashidian A, Pourmalek F, Majdzadeh R, Pourreza A, Mohammad K, Arab M. Measuring Household Exposure to Catastrophic Health Care Expenditures. Hakim 2009; 2(12):38-47##7. Rezapour A, Asefzadeh S, Ebadifardazar F. Determine of the Hoteling cost and burden of the day- patient teaching hospitals -Qazvin University of Medical Sciences. Teb va Tazkiyeh. 2009; (74-75): 8-11##8. Aghajani1 M, Harirchi I, Shahrami I, Maher I, Olyaeemanesh A, Kolivand P, et al. Planning, Elaborating, and Implementating the Health Transformation Plan, Implementation of a National Plan with the Trusteeship of Ministry of Health and Medical Education Through the Creation of New Credit Resources and Extensive Inter-Sectoral Collaboration with the Overall Aim of Continuously Improving the Level of Health Alongside the Creation of Justice in Accessing and Benefiting and Protecting Citizens from Health Costs. Hakim Health Sys Res 2017; 20(2): 110- 121##9. Mosadeghrad A.M, Mirzaee N, Afshari M, Darrudi A. The impact of health transformation plan on health services fees: Brief report. Tehran Univ Med Journal. 2018;76(4): 277-282##10. Lopez Bernal J, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: A tutorial. International Journal of Epidemiology 2017; 46(1): 348–355##11. Ghazizadeh J, Partovi Y, Alidoost S, Kavakebi N. Performance indicators of hospitals affiliated to Health Network in East Azerbaijan before and after health reform. Payesh. 2018;17(3): 217-226 ##12. Vaez-Mahdavi Z, Vaez-Mahdavi M. Health reform plan; Necessity, challenges and perspectives. Eghtesad va Jame-e 2016; 13(29):147-172##13. Khayeri F, Goodarzi L, Meshkini A, Khaki E. Evaluation of the National Health Care Reform Program from the Perspective of Experts. Client-Centered Nursing Care 2015; 1(1):37-46##14. Soofi M, Bazyar M, Rashidian A. Types of moral hazards and its effects on insurance marketing and health system. HOSPITAL 2012; 42(3):73-80 ##

پیش بینی روند رشد مخارج سلامت در ایران با استفاده از تابع تعادلی تقاضای خدمات سلامت خانوار Forecasting the Trend of Iran's Health Expenditures Growth Using the Equilibrium Function of Households Health Services Demand 1 1 مقدمه: پیشبینی روند تغییرات مخارج سلامت در ایران، میتواند زمینه لازم برای کنترل و مدیریت هزینه های سلامت و ایجاد یک رشد برنامهریزی شده و متعادل در هزینهها را فراهم نماید. هدف از مطالعه حاضر پیشبینی روند رشد مخارج سلامت در ایران تا سال 1404 بود. روش بررسی: پژوهش حاضر یک پژوهش توصیفی-تحلیلی و کاربردی بود. برای پیشبینی روند رشد مجموع مخارج سلامت، با استفاده از روش اقتصادسنجی، یک تابع تعادلی برای تقاضا خدمات سلامت خانوارها برازش گردید. جهت تخمین تابع تعادلی تقاضای خانوار از روش دو مرحلهای حداقل مربعات(2SLS) استفاده شد. پیش از برازش مدل، وجود مانایی در متغیرهای مورد مطالعه با استفاده از آزمون دیکی-فولر تعمیم یافته(ADF) مورد تایید قرار گرفت. همچنین عدم وجود مشکل همبستگی سریالی از طریق آزمون دوربین-واتسن (D-W) مورد بررسی و تایید قرار گرفت. تمامی تخمینها با استفاده از نرمافزار اقتصادسنجی Eviews 7 انجام شد. یافته ها: رشد مخارج سلامت طی سه سال اول (1396-1398) بین 3/1 تا 7/4 میباشد و پس از آن در یک دوره 4 ساله (1399-1402) کاهش خواهد یافت و سپس مجدداً رشد بلندمدت خود را دنبال مینماید. به طوری که در سال 1403 و 1404 به ترتیب مجدداً رشد 3/3 و 6/5 درصدی را تجربه خواهد نمود. نتیجه گیری: ادامه رشد بلندمدت در مخارج سلامت، در شرایط محدودیت تامین مالی دولت، می تواند منجر به افزایش ریسک مواجه خانوارها با هزینه های کمرشکن سلامت گردد. سیاست گذاران سلامت کشور باید با گسترش فضای مالی بخش سلامت، منابع مالی جدیدی را برای تامین مالی هزینه های سلامت خانوارها تخصیص دهند. 2 Introduction: Predicting the trend of changes in health expenditures in Iran can provide the necessary basis for controlling and managing health expenditures and creating a planned and balanced growth in expenditures. The purpose of this study was to predict the growth trend of health expenditures in Iran until 2025. Methods: The present study was a descriptive-analytical and applied research. To predict the growth trend of total health expenditures, an equilibrium function for household health service demand was fitted using the econometric method. Two-stage least squares (2 SLS) method was used to estimate the equilibrium function of household demand. Before fitting the model, the presence of mania in the studied variables was confirmed using the generalized Dickey-Fuller test (ADF). The absence of serial correlation was also assessed and confirmed by the Watson-D-W camera test. All estimates were performed using Eviews 7 econometric software. Results: The growth of health expenditures during the first 3 years (2017-2019) is between 1.3 to 4.7, after which it will decrease over a period of 4 years (2020-2023) and then pursues its long-term growth again; In 2024 and 2025, it will grow again by 3.3 and 5.6 percent, respectively. Conclusion: Continued long-term growth in health expenditures, in conditions of limited government funding, can lead to an increased risk of households facing catastrophic health expenditures. The country’s health policy makers must allocate new financial resources to finance household health expenses by expanding the financial sector of the health sector. 40 47 2021/01/182020/10/112020/12/92021/03/16 1399/12/26 2021/06/42021/04/302021/04/202021/05/19 1400/2/29 محمود کاظمیان Mahmood Kazemian گروه اقتصاد سلامت، دانشکده پزشکی، دانشگاه شاهد، تهران، ایران mah_kazem@yahoo.com محمد مسکرپور امیری Mohammad Meskarpour-Amiri مرکز تحقیقات مدیریت سلامت، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران mailer.amiri@gmail.com Forecasting Health Expenditures Households Iran پیش‌بینی مخارج سلامت خانوار ایران 1. Moghaddam, A.V., et al., Health in the 5th 5-years Development Plan of Iran: main challenges, general policies and strategies. Iranian journal of public health, 2013. 42(Supple1): p. 42.##2. Zare, H., et al., Health inequalities and development plans in Iran; an analysis of the past three decades (1984–2010). International journal for equity in health, 2014. 13(1): p. 42.##3. Moradi-Lakeh, M. and A. Vosoogh-Moghaddam, Health sector evolution plan in Iran; equity and sustainability concerns. International journal of health policy and management, 2015. 4(10): p. 637.##4. Heshmati, B. and H. Joulaei, Iran's health-care system in transition. The Lancet, 2016. 387(10013): p. 29-30.##5. Rezaei, S., et al., Determinants of healthcare expenditures in Iran: evidence from a time series analysis. Med J Islam Repub Iran, 2016. 30: p. 313.##6. Abolhallaje, M., et al., Determinants of catastrophic health expenditure in Iran. Iranian journal of public health, 2013. 42(Supple1): p. 155.##7. Zakeri, M., et al., The financing of the health system in the Islamic Republic of Iran: A National Health Account (NHA) approach. Medical journal of the Islamic Republic of Iran, 2015. 29: p. 243.##8. Ke, X., P. Saksena, and A. Holly, The determinants of health expenditure: a country-level panel data analysis. Geneva: World Health Organization, 2011.##9. Toor, I.A. and M.S. Butt, Determinants of health care expenditure in Pakistan. Pakistan Economic and Social Review, 2005. 5(2): p. 133-150.##10. Martín, J.J.M., M. Puerto Lopez del Amo Gonzalez, and M. Dolores Cano Garcia, Review of the literature on the determinants of healthcare expenditure. Applied Economics, 2011. 43(1): p. 19-46.##11. Younsi, M., M. Chakroun, and A. Nafla, Robust analysis of the determinants of healthcare expenditure growth: evidence from panel data for low‐, middle‐and high‐income countries. The International journal of health planning and management, 2016. 31(4): p. 580-601.##12. Consumer Price Index. 2017, Central Bank of Islamic Republic of Iran: Tehran.##13. Hartwig, J., What drives health care expenditure? Baumol's model of 'unbalanced growth' revisited. Journal of Health Economics, 2008. 27(3): p. 603-623.##14. Narayan, P.K., Examining structural breaks and growth rates in international health expenditures. Journal of health economics, 2006. 25(5): p. 877-890.##15. Keehan, S.P., et al., National Health Spending Projections Through 2020: Economic Recovery And Reform Drive Faster Spending Growth. Health Affairs, 2011. 30(8): p. 1594-1605.##16. Keehan, S.P., et al., National health expenditure projections, 2016–25: price increases, aging push sector to 20 percent of economy. Health Affairs, 2017. 36(3): p. 553-563.##17. Atanasova, E., et al., Informal payments for health services: the experience of Bulgaria after 10 years of formal co-payments. The European Journal of Public Health, 2014. 24(5): p. 733-739.##18. Hartwig, J. and J.E. Sturm, Robust determinants of health care expenditure growth. Applied Economics, 2014. 46(36): p. 4455-4474.##19. Keehan, S.P., et al., National Health Expenditure Projections, 2015-25: Economy, Prices, And Aging Expected To Shape Spending And Enrollment. Health Affairs, 2016. 35(8): p. 1522-1531.##20. Aladag, C.H. and S. Aladag. Forecasting total health expenditures with a hybrid heuristic method. 2011.##21. Meskarpour_Amiri, M., et al., Informal payments for health care in Iran. International Journal of Health Governance, 2018. 23(3): p. 205-215.##22. Meskarpour-Amiri, M., et al., The Reality behind Informal Health Payments in Iran:“Under the Table Payments” or “On the Table Payments”? Iranian journal of public health, 2017. 46(2): p. 278.##23. Ghiasvand, H., et al., Catastrophic Health Expenditure Among Iranian Rural and Urban Households, 2013 - 2014. Iranian Red Crescent Medical Journal, 2015. 17(9): p. e30974.## ##

پیش‌بینی سرانه مراجعات سرپایی بیمه‌شدگان تامین اجتماعی تا سال 1404 Predicting Outpatient Contacts of Social Security Insured until 2025 1 1 مقدمه: هدف مطالعه حاضر پیش‌بینی سرانه مراجعات سرپایی بیمه‌شدگان تامین اجتماعی از سال 1399 تا سال 1404 می‌باشد. روش بررسی: برای انجام پیش‌بینی از یک روش پنج مرحله‌ای شامل تعیین هدف پیش‌بینی، تعیین افق زمانی، انتخاب مدل پیش‌بینی، انجام پیش‌بینی و تعیین دقت آن استفاده شد. یافته ها: تعداد مراجعات سرپایی بیمه‌شدگان تامین اجتماعی در انتهای سال 1404، برابر با 553.124.688 مراجعه خواهد بود. از این تعداد 157،843،600مراجعه به مراکز درمانی تامین اجتماعی و 395،281،088 مراجعه به مراکز دولتی و خصوصی خواهد بود. هر بیمه‌شده به طور متوسط در سال 1398، 10.84 مراجعه سرپایی داشته است. از این مقدار 3.16 مراجعه به مراکز درمانی سازمان تامین اجتماعی و 7.68 مراجعه به مراکز عمومی و خصوصی طرف قرارداد بوده است. پیش‌بینی می‌شود در پایان سال 1404، به ازای هر بیمه‌شده 11 مراجعه سرپایی وجود داشته باشد که از این مراجعات 3.14 مراجعه به مراکز درمانی تامین اجتماعی و 7.86 مراجعه به مراکز درمانی عمومی و خصوصی خواهد بود. نتیجه‌گیری: هرچند افزایش تعداد مراجعات به دلیل افزایش تعداد بیمه‌شدگان قابل توجیه می‌باشد اما صرفنظر از جمعیت، تا سال 1404 به ازای هر 100 نفر 8 مراجعه بیشتر نسبت به سال 1398 وجود خواهد داشت. 2 Introduction: The aim of this study is to predict the per capita outpatient contacts of social security insured from 2020 to 2025. Methods: To perform the prediction, a five-step method including determining the purpose of the prediction, determining the time horizon, selecting the prediction model, performing the prediction and determining its accuracy was used. Results: The number of outpatient contacts of social security insured at the end of 2025 will be equal to 553,124,688. Of these, 157,843,600 will be referred to social security medical centers (28.5%) and 395,281,088 will be referred to public and private centers (71.5%). In 2019, each insured person had an average of 10.92 outpatient contacts. Of this amount, 3.24 referred to the medical centers of the Social Security Organization and 7.68 referred to public and private centers of the contracting party. It is predicted that by the end of 2025, each insured person will have 11 outpatient contacts, of which 3.14 contacts will be to social security medical centers and 7.86 will be to public and private medical centers. Conclusion: The per capita number of outpatient contacts of social security insured will increase by 0.08 by 2025. That is, for every 100 people, there will be 8 more contacts than in 2019. Despite the slight increase in per capita outpatient contacts until 2025, per capita contacts in 2025 will still be 0.74 units lower than the maximum per capita contacts in 2009. The estimated per capita is lower than the actual per capita due to the non-registration of claims outside the insurance coverage. 48 57 2021/01/182020/10/112020/12/92021/03/162021/01/20 1399/11/1 2021/06/42021/04/302021/04/202021/05/192021/05/22 1400/3/1 حسین جودکی Hossen Joudaki سازمان تأمین اجتماعی، تهران، ایران hjoudaki56@gmail.com بیتا همت بلند Bita Hemmat-Boland سازمان تأمین اجتماعی، تهران، ایران hemmatboland@gmail.com نجمه سادات میرشفیعی Najmeh Sadat Mirshafiei سازمان تأمین اجتماعی، تهران، ایران N.S.Mirshafiei@gmail.com Outpatient Contacts Outpatients Visit Predicting Social Security Organization مراجعه سرپایی ویزیت سرپایی پیش‌بینی 1- World Health Organization. ;2010. Monitoring the building blocks of health systems: a handbook of indicators and their measurement strategies. World Health Organization.‌##2- Gautam, A. (Ed.). Tackling wasteful spending on health. OECD;2017##3- Social Security Organization ;2020. Center for Information Technology, Statistics and Computation. Statistical Yearbook ;1398. ##4- OECD ;2019, Health at a Glance 2019: OECD Indicators, OECD Publishing, Paris, Available from: https://doi.org/10.1787/4dd50c09-en. Updated 18 November 2020.##5- Moses, M. W., Pedroza, P., Baral, R., Bloom, S., Brown, J., Chapin, A., ... & Weaver, M. R.. Funding and services needed to achieve universal health coverage: applications of global, regional, and national estimates of utilisation of outpatient visits and inpatient admissions from 1990 to 2016, and unit costs from 1995 to 2016. The Lancet Public Health; 2019. 4(1), e49-e73.##6- Harirchi Iraj, Majdzadeh Seyed Reza, Ahmadnezhad Elham, Abdi Zhaleh. Observatory on Health System, Islamic Republic of Iran. National Institute for Health Research; 2017.##7- Ozcan, Y. A. Quantitative methods in health care management: techniques and applications (Vol. 4). John Wiley & Sons.;2005.##8- Centers for Disease Control and Prevention (CDC). National Center for Health Statistics. Ambulatory Care Use and Physician office visits. Available from: https://www.cdc.gov/nchs/fastats/physician-visits.htm. Updated 18 November 2020.##9- Centers for Medicare and Medicaid Services (CMS). Medicare & You handbook. Available from: https://www.medicare.gov/pub/medicare-you-handbook. Updated 18 November 2020.##1- World Health Organization. ;2010. Monitoring the building blocks of health systems: a handbook of indicators and their measurement strategies. World Health Organization.‌##2- Gautam, A. (Ed.). Tackling wasteful spending on health. OECD;2017##3- Social Security Organization ;2020. Center for Information Technology, Statistics and Computation. Statistical Yearbook ;1398. ##4- OECD ;2019, Health at a Glance 2019: OECD Indicators, OECD Publishing, Paris, Available from: https://doi.org/10.1787/4dd50c09-en. Updated 18 November 2020.##5- Moses, M. W., Pedroza, P., Baral, R., Bloom, S., Brown, J., Chapin, A., ... & Weaver, M. R.. Funding and services needed to achieve universal health coverage: applications of global, regional, and national estimates of utilisation of outpatient visits and inpatient admissions from 1990 to 2016, and unit costs from 1995 to 2016. The Lancet Public Health; 2019. 4(1), e49-e73.##6- Harirchi Iraj, Majdzadeh Seyed Reza, Ahmadnezhad Elham, Abdi Zhaleh. Observatory on Health System, Islamic Republic of Iran. National Institute for Health Research; 2017.##7- Ozcan, Y. A. Quantitative methods in health care management: techniques and applications (Vol. 4). John Wiley & Sons.;2005.##8- Centers for Disease Control and Prevention (CDC). National Center for Health Statistics. Ambulatory Care Use and Physician office visits. Available from: https://www.cdc.gov/nchs/fastats/physician-visits.htm. Updated 18 November 2020.##9- Centers for Medicare and Medicaid Services (CMS). Medicare & You handbook. Available from: https://www.medicare.gov/pub/medicare-you-handbook. Updated 18 November 2020. ##

تجربه آنلاین مشتری در خدمات سلامت با رویکرد مدلسازی ساختاری تفسیری Online Customer Experience in Health Services: An Interpretive Structural Modeling Approach 1 1 مقدمه: کوید19 فراگیرترین بحران دهه‌های اخیر است که عامل تغییرات چشمگیری در رفتار مشتری شده‌است. چالش‌های ایجاد شده برای ارائه‌دهندگان خدمات درمانی به علت افزایش بیمار و استرس شغلی کادر‌درمان، کاهش مراجعات به بیمه سلامت و در نتیجه عدم دسترسی به مراقبت‌های مورد نیاز، محدودیت‌های قانونی و ترس از ابتلاء، تجربه آنلاین مشتری را به عرصه جدی برای ارائه خدمات بهتر در حوزه سلامت بدل ساخته‌است. پژوهش حاضر با هدف ارائه مدل ساختاری-تفسیری تجربه آنلاین مشتری در دوره کوید19 انجام شده‌است. روش بررسی: پژوهش حاضر با رویکرد پراگماتیک و بهره‌گیری از روش مروری فراترکیب در مرحله کیفی و مدلسازی ساختاری-تفسیری در مرحله کمی در سال 1399 انجام شد.در بخش کیفی با بررسی نظام‌مند 326 مقاله، 36 مقاله انتخاب و ابعاد شناسائی شده جهت ارائه مدل نهایی، از تکنیک مدلسازی ساختاری-تفسیری و تحلیل قدرت نفوذ-وابستگی استفاده شد. یافته ها: یافته‌های پژوهش حاکی از آن است که این سازه دارای ابعاد تجربه شرکت، تجربه ایمنی بهداشتی، تجربه وب‌سایت، تجربه احساسی، تجربه پرداخت، تجربه محصول/خدمت و تجربه امنیت می‌باشد. همچنین تجربه شرکت، مولفه مستقل، تجربه احساسی به عنوان مولفه وابسته و مابقی مولفه‌های پیوندی می‌باشند. نتیجه‌گیری: به سازمان بیمه سلامت پیشنهاد می‌شود؛ با توجه به اینکه مهم‌ترین هدف این سازمان منطبق بر اساسنامه حمایت از بیمار است؛ با بهره‌گیری از یافته‌های این پژوهش و تمرکز بر رویکرد دوراپزشکی، تجربه آنلاین مشتریان خود در دوره کرونا را بهبود بخشد. 2 Introduction: Covi-19 is the most pervasive crises in recent decades that has caused unmissable changes in customer behavior. Increasing patient numbers has created many challenges for health care providers and their staff, reduced referrals to health insurance and consequently lack of access to the care needed, lockdown and fear of infection have made online customer experience a serious issue for providing better health services. The aim of this study was to present a structural-interpretive model of online customer experience in covid-19 period. Methods: The present study is based on pragmatism. In the qualitative part Meta-Synthesis (MS) which is a kind of review study and in quantitative stage, interpretive structural models have been used and it has done in 2020. In the qualitative section, by systematically reviewing 326 articles, 36 articles were selected and the identified dimensions were used to present the final model, structural-interpretive modeling technique and penetration-dependence analysis. Results: The findings indicate that, the structure has the dimensions of company experience, health safety experience, website experience, emotional experience, payment experience, product/service experience and security experience. Also, the company’s experience is independent component, emotional experience as dependent component and the other are related components. Conclusion: Given that the main goal of the health insurance organization is to protect the patient, it is recommended that by utilizing the findings of this research and focusing on the telemedicine approach, improve the online experience of its customers in the time of covid-19. 58 67 2021/01/182020/10/112020/12/92021/03/162021/01/202021/04/13 1400/1/24 2021/06/42021/04/302021/04/202021/05/192021/05/222021/05/20 1400/2/30 فائزه محمدی Faezeh Mohammadi گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران fae.mohammadi.mng@iauctb.ac.ir سینا نعمتی زاده Sina Nematizadeh گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران sin.nematizadeh@iauctb.ac.ir عباس حیدری Abbas Heydari گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران Abbas.heydari71@yahoo.com حسین صفرزاده Hossein Safarzadeh گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران Hr.safarzadeh@gmail.com Online Customer Experience Health Services Telemedicine Covid-19 تجربه آنلاین مشتری خدمات سلامت دوراپزشکی کوید19. 1. Ohannessian R, Duong TA, Odone A. Global telemedicine implementation and integration within health systems to fight the COVID-19 pandemic: a call to action. JMIR public health and surveillance. 2020 Apr 2;6(2):e18810.##2. Wosik J, Fudim M, Cameron B, Gellad ZF, Cho A, Phinney D, Curtis S, Roman M, Poon EG, Ferranti J, Katz JN. Telehealth transformation: COVID-19 and the rise of virtual care. Journal of the American Medical Informatics Association. 2020 Jun;27(6):957-62.##3. Boscarato K, Lee S, Kroschel J, Hollander Y, Brennan A, Warren N. Consumer experience of formal crisis‐response services and preferred methods of crisis intervention. International Journal of Mental Health Nursing. 2014 Aug;23(4):287-95.##4. Bove LL, Benoit S. Restrict, clean and protect: signaling consumer safety during the pandemic and beyond. Journal of Service Management. 2020 Aug 11.##5. Meyer MA. COVID-19 Pandemic Accelerates Need to Improve Online Patient Engagement Practices to Enhance Patient Experience. Journal of patient experience. 2020 Oct;7(5):657-64.##6. Zhou X, Snoswell CL, Harding LE, Bambling M, Edirippulige S, Bai X, Smith AC. The role of telehealth in reducing the mental health burden from COVID-19. Telemedicine and e-Health. 2020 Apr 1;26(4):377-9.##7. http://journal.ihio.gov.ir/##8. Ramezani P. The Effect of COVID-19 Disease on the Number of Referrals of the Insured of the Iran Health Insurance Organization in Bushehr Province. Iran J Health Insur. 2020; 3 (4) :308-310##9. Wong MY, Gunasekeran DV, Nusinovici S, Sabanayagam C, Yeo KK, Cheng CY, Tham YC. Telehealth demand trends during the COVID-19 pandemic in the top 50 most affected countries: Infodemiological evaluation. JMIR public health and surveillance. 2021 Feb 19;7(2):e24445.##10. Diebner R, Silliman E, Ungerman K, Vancauwenberghe M. Adapting customer experience in the time of coronavirus. McKinsey & Company. 2020 Apr:1-7.##11. OECD. (2020a). Economic outlook##12. Schulte F. Coronavirus Fuels Explosive Growth In Telehealth―And Concern About Fraud. Kaiser Health News. 2020 Apr;22.##13. Parisien RL, Shin M, Constant M, Saltzman BM, Li X, Levine WN, Trofa DP. Telehealth utilization in response to the novel coronavirus (COVID-19) pandemic in orthopaedic surgery. The Journal of the American Academy of Orthopaedic Surgeons. 2020 Jun 1.##14. Gursoy D, Chi CG. Effects of COVID-19 pandemic on hospitality industry: review of the current situations and a research agenda.##15. Kanakaratne MD, Bray J, Robson J. The influence of national culture and industry structure on grocery retail customer loyalty. Journal of Retailing and Consumer Services. 2020 May 1;54:102013.##16. Becker L, Jaakkola E. Customer experience: fundamental premises and implications for research. Journal of the Academy of Marketing Science. 2020 Jul;48(4):630-48.##17. Rose S, Clark M, Samouel P, Hair N. Online customer experience in e-retailing: an empirical model of antecedents and outcomes. Journal of retailing. 2012 Jun 1;88(2):308-22.##18. Wang L, Tang H, Liu D, Xing C. Study on Customer Experience Dimension Based on Online Shopping reviews of MI’s Products. InMATEC Web of Conferences 2017 (Vol. 100, p. 05024). EDP Sciences.##19. Yuen KF, Wang X, Ma F, Li KX. The psychological causes of panic buying following a health crisis. International journal of environmental research and public health. 2020 Jan;17(10):3513.##20. Al-Dmour HH, Ali WK, Al-Dmour RH. The Relationship Between Customer Engagement, Satisfaction, and Loyalty. International Journal of Customer Relationship Marketing and Management (IJCRMM). 2019 Apr 1;10(2):35-60.##21. Bazargan A. An introduction to qualitative and mixed methods research.##22. Edwards M, Davies M, Edwards A. What are the external influences on information exchange and shared decision-making in healthcare consultations: a meta-synthesis of the literature. Patient education and counseling. 2009 Apr 1;75(1):37-52.##23. Zimmer L. Qualitative meta‐synthesis: a question of dialoguing with texts. Journal of advanced nursing. 2006 Feb;53(3):311-8.##24. Sandelowski M, Barroso J, Voils CI. Using qualitative metasummary to synthesize qualitative and quantitative descriptive findings. Research in nursing & health. 2007 Feb;30(1):99-111.##25. Viera AJ, Garrett JM. Understanding interobserver agreement: the kappa statistic. Fam med. 2005 May 1;37(5):360-3.##26. Tavakolan M, Etemadinia H. Fuzzy weighted interpretive structural modeling: Improved method for identification of risk interactions in construction projects. Journal of Construction engineering and Management. 2017 Nov 1;143(11):04017084.##27. Shahabadkar P, Hebbal SS, Prashant S. Deployment of Interpretive Structural Modeling methodology in supply chain management-an overview.##28. Chen T, Peng L, Jing B, Wu C, Yang J, Cong G. The impact of the COVID-19 pandemic on user experience with online education platforms in China. Sustainability. 2020 Jan;12(18):7329.##29. Zolfagharian M, Yazdanparast A. Immediacy pandemic: consumer problem-solving styles and adaptation strategies. European Journal of Marketing. 2019 Jun 10.##30. Barnes DC, Mesmer-Magnus J, Krallman A, Scribner LL, Guidice RM. Customer delight during a crisis: understanding delight through the lens of transformative service research. Journal of Service Management. 2020 Aug 5.##31. Grashuis J, Skevas T, Segovia MS. Grocery shopping preferences during the COVID-19 pandemic. Sustainability. 2020 Jan;12(13):5369.##32. Manthiou A. Applying the EEE customer mindset in luxury: reevaluating customer experience research and practice during and after corona. Journal of Service Management. 2020 Aug 18.##33. O’Connell P. Advantages and challenges to using telehealth medicine. Global Journal of Medical Research. 2015;15(4):19-22.##34. Agustina NK. The Influence of Customer ExperienceÂ to Revisit Intenton in Pandawa Beach Attraction. The Journal of Social Sciences Research. 2018:634-8.##1. Ohannessian R, Duong TA, Odone A. Global telemedicine implementation and integration within health systems to fight the COVID-19 pandemic: a call to action. JMIR public health and surveillance. 2020 Apr 2;6(2):e18810.##2. Wosik J, Fudim M, Cameron B, Gellad ZF, Cho A, Phinney D, Curtis S, Roman M, Poon EG, Ferranti J, Katz JN. Telehealth transformation: COVID-19 and the rise of virtual care. Journal of the American Medical Informatics Association. 2020 Jun;27(6):957-62.##3. Boscarato K, Lee S, Kroschel J, Hollander Y, Brennan A, Warren N. Consumer experience of formal crisis‐response services and preferred methods of crisis intervention. International Journal of Mental Health Nursing. 2014 Aug;23(4):287-95.##4. Bove LL, Benoit S. Restrict, clean and protect: signaling consumer safety during the pandemic and beyond. Journal of Service Management. 2020 Aug 11.##5. Meyer MA. COVID-19 Pandemic Accelerates Need to Improve Online Patient Engagement Practices to Enhance Patient Experience. Journal of patient experience. 2020 Oct;7(5):657-64.##6. Zhou X, Snoswell CL, Harding LE, Bambling M, Edirippulige S, Bai X, Smith AC. The role of telehealth in reducing the mental health burden from COVID-19. Telemedicine and e-Health. 2020 Apr 1;26(4):377-9.##7. http://journal.ihio.gov.ir/##8. Ramezani P. The Effect of COVID-19 Disease on the Number of Referrals of the Insured of the Iran Health Insurance Organization in Bushehr Province. Iran J Health Insur. 2020; 3 (4) :308-310##9. Wong MY, Gunasekeran DV, Nusinovici S, Sabanayagam C, Yeo KK, Cheng CY, Tham YC. Telehealth demand trends during the COVID-19 pandemic in the top 50 most affected countries: Infodemiological evaluation. JMIR public health and surveillance. 2021 Feb 19;7(2):e24445.##10. Diebner R, Silliman E, Ungerman K, Vancauwenberghe M. Adapting customer experience in the time of coronavirus. McKinsey & Company. 2020 Apr:1-7.##11. OECD. (2020a). Economic outlook##12. Schulte F. Coronavirus Fuels Explosive Growth In Telehealth―And Concern About Fraud. Kaiser Health News. 2020 Apr;22.##13. Parisien RL, Shin M, Constant M, Saltzman BM, Li X, Levine WN, Trofa DP. Telehealth utilization in response to the novel coronavirus (COVID-19) pandemic in orthopaedic surgery. The Journal of the American Academy of Orthopaedic Surgeons. 2020 Jun 1.##14. Gursoy D, Chi CG. Effects of COVID-19 pandemic on hospitality industry: review of the current situations and a research agenda.##15. Kanakaratne MD, Bray J, Robson J. The influence of national culture and industry structure on grocery retail customer loyalty. Journal of Retailing and Consumer Services. 2020 May 1;54:102013.##16. Becker L, Jaakkola E. Customer experience: fundamental premises and implications for research. Journal of the Academy of Marketing Science. 2020 Jul;48(4):630-48.##17. Rose S, Clark M, Samouel P, Hair N. Online customer experience in e-retailing: an empirical model of antecedents and outcomes. Journal of retailing. 2012 Jun 1;88(2):308-22.##18. Wang L, Tang H, Liu D, Xing C. Study on Customer Experience Dimension Based on Online Shopping reviews of MI’s Products. InMATEC Web of Conferences 2017 (Vol. 100, p. 05024). EDP Sciences.##19. Yuen KF, Wang X, Ma F, Li KX. The psychological causes of panic buying following a health crisis. International journal of environmental research and public health. 2020 Jan;17(10):3513.##20. Al-Dmour HH, Ali WK, Al-Dmour RH. The Relationship Between Customer Engagement, Satisfaction, and Loyalty. International Journal of Customer Relationship Marketing and Management (IJCRMM). 2019 Apr 1;10(2):35-60.##21. Bazargan A. An introduction to qualitative and mixed methods research.##22. Edwards M, Davies M, Edwards A. What are the external influences on information exchange and shared decision-making in healthcare consultations: a meta-synthesis of the literature. Patient education and counseling. 2009 Apr 1;75(1):37-52.##23. Zimmer L. Qualitative meta‐synthesis: a question of dialoguing with texts. Journal of advanced nursing. 2006 Feb;53(3):311-8.##24. Sandelowski M, Barroso J, Voils CI. Using qualitative metasummary to synthesize qualitative and quantitative descriptive findings. Research in nursing & health. 2007 Feb;30(1):99-111.##25. Viera AJ, Garrett JM. Understanding interobserver agreement: the kappa statistic. Fam med. 2005 May 1;37(5):360-3.##26. Tavakolan M, Etemadinia H. Fuzzy weighted interpretive structural modeling: Improved method for identification of risk interactions in construction projects. Journal of Construction engineering and Management. 2017 Nov 1;143(11):04017084.##27. Shahabadkar P, Hebbal SS, Prashant S. Deployment of Interpretive Structural Modeling methodology in supply chain management-an overview.##28. Chen T, Peng L, Jing B, Wu C, Yang J, Cong G. The impact of the COVID-19 pandemic on user experience with online education platforms in China. Sustainability. 2020 Jan;12(18):7329.##29. Zolfagharian M, Yazdanparast A. Immediacy pandemic: consumer problem-solving styles and adaptation strategies. European Journal of Marketing. 2019 Jun 10.##30. Barnes DC, Mesmer-Magnus J, Krallman A, Scribner LL, Guidice RM. Customer delight during a crisis: understanding delight through the lens of transformative service research. Journal of Service Management. 2020 Aug 5.##31. Grashuis J, Skevas T, Segovia MS. Grocery shopping preferences during the COVID-19 pandemic. Sustainability. 2020 Jan;12(13):5369.##32. Manthiou A. Applying the EEE customer mindset in luxury: reevaluating customer experience research and practice during and after corona. Journal of Service Management. 2020 Aug 18.##33. O’Connell P. Advantages and challenges to using telehealth medicine. Global Journal of Medical Research. 2015;15(4):19-22.##34. Agustina NK. The Influence of Customer ExperienceÂ to Revisit Intenton in Pandawa Beach Attraction. The Journal of Social Sciences Research. 2018:634-8. ##

تحلیل خانواده مدل‌های مرگ‌ومیر تصادفی برپایه مدل لی-کارتر در پیش‌بینی نرخ مرگ‌ومیر در بیمه‌های زندگی و درمان Analysis of the Stochastic Mortality Models Based on Lee-Carter Model in Predicting Mortality Rates in Life and Health Insurance 1 1 مقدمه: شاخص جمعیتی از جمله نرخ مرگ‌ومیر در سیاست‌گذاری‌های مربوط به بهداشت و سلامت، مالی و سیستم بازنشستگی نقش بسیار مهمی دارند. لذا دقت مدل‌های ریاضی در پیش‌بینی مرگ‌ومیر یک چالش مهم است و پیش‌بینی دقیق‌تر امید به زندگی تأثیر فزاینده‌ای بر سیاست‌گذاری بخش عمده‌ای از اجتماع دارد. لذا هدف از این پژوهش، پیش‌بینی نرخ مرگ‌ومیر بر اساس خانواده مدل‌های مرگ‌ومیر تصادفی و مقایسه نتایج با یکدیگر است. روش بررسی: یکی از روش‌های کاربردی برای پیش‌بینی مرگ‌ومیر، مدل لی-کارتر است. اما در این روش همانند سایر روش‌های برون‌یابی، اطلاعات پیرامون تاثیرات حاصل از پیشرفت‌های پزشکی، رفتاری یا اجتماعی روی نرخ مرگ‌ومیر لحاظ نمی‌شود. از جمله تعمیم‌های مدل لی-کارتر، مدل‌های رینشو-هابرمن و کوری هستند، که اثرات هم‌گروهی سنین خاص از داده‌ها را نیز اعمال می‌کنند. در این پژوهش از یک خانواده از مدل‌های تصادفی برای براورد پارامترهای مدل، نرخ‌های مرگ‌و‌میر ویژه سنی و پیش‌بینی نرخ مرگ‌و میر استفاده می‌شود. در این راستا، از داده‌های پایگاه اطلاعات مرگ‌ومیر انسانی (HMD) استفاده می‌شود. اما اطلاعات مربوط به کشور ما در این پایگاه وجود ندارد. از آنجائیکه، الگوی مرگ‌ومیر فرانسه به الگوی ایران بسیار نزدیک است و از جداول عمر این کشور (TD 88-90) در کاربرد‌های بیمه ایران استفاده‌ می‌شود، لذا از نرخ فوت خام مردان فرانسه در سال‌های ۱۹۰۰-۲۰۱۸ بر روی سنین ۱۸، ۴۰ و ۶۵ سال استفاده می‌کنیم. یافته‌ها: در این پژوهش سه مدل مختلف از این خانواده مورد ارزیابی قرار گرفتند. براساس براورد پارامترها، مدل‌های برازش‌شده به داده‌ها و در نهایت پیش‌بینی نرخ‌ مرگ‌ومیر مشاهده شد که در پیش‌بینی نرخ مرگ‌ومیر برای همه سنین تحت بررسی مدل رینشو-هابرمن بهتر از دو مدل دیگر عمل کرده است. نتیجه‌گیری: در این پژوهش سعی می‌شود با تعمیم مدل لی-کارتر به‌وسیله اعمال اثرات هم‌گروهی سنین خاص عملکرد مدل بهبود و روش بهینه با ارزیابی این مدل‌ها ارائه ‌شود. 2 Introduction: Demographic indicators such as mortality rates play a very important role in health, financial and pension policies. Therefore, the accuracy of mathematical models in predicting death is an important challenge, and a more accurate prediction of life expectancy has an increasing impact on the policy-making of a large part of society. Therefore, the purpose of this study is to predict the mortality rate based on the family of stochastic mortality models and compare the results with each other. Methods: One of the practical methods for predicting mortality is the Lee-Carter model. But this method, like other extrapolation methods, does not include information about the effects of medical, behavioral, or social advances on mortality rates. Among the generalizations of the Lee-Carter model are the Renshaw-Haberman and Currie models, which also apply age-specific cohort effects. In this study, a family of stochastic models is used to estimate model parameters, age-specific mortality rates and predict mortality rates. In this regard, human mortality database (HMD) data is used. But there is no information about our country in this database. Since the French mortality model is very close to the Iranian model and the life tables of this country (TD 88-90) are used in Iranian insurance applications, so the crude death rate of French men in the years 1900-2018 on the ages of 18, 40 and 65 years is used. Results: In this study, three different models of this family were evaluated. Based on the parameter estimation, the models fitted to the data and finally, the mortality rate prediction were found that the Rinshaw-Haberman model performed better in predicting the mortality rate for all ages under study than the other two models. Conclusion: In this study, by generalizing the Lee-Carter model by applying the applying the age-specific cohort effects, the performance of the model was improved and the optimal method was presented by evaluating these models. 68 79 2021/01/182020/10/112020/12/92021/03/162021/01/202021/04/132021/04/4 1400/1/15 2021/06/42021/04/302021/04/202021/05/192021/05/222021/05/202021/05/31 1400/3/10 شیرین شعاعی Shirin Shoaee گروه علوم بیمسنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران sh_shoaee@sbu.ac.ir محمدمهدی قلی‌کشمرزی Ⅿohaⅿⅿaⅾ Ⅿehⅾi Ghoⅼi Keshⅿarzi گروه علوم بیمسنجی، دانشکده علوم ریاضی، دانشگاه شهید بهشتی، تهران، ایران m.gholikeshmarzi@mail.sbu.ac.ir Life Expectancy Mortality Prediction Stochastic Mortality Model Lee-Carter Model Renshaw-Haberman Model Currie Model امید به زندگی پیش‌بینی مرگ‌ومیر مدل مرگ‌ومیر تصادفی مدل لی-کارتر مدل رنشیووهابرمن مدل کوری. 1. Lopez AD, Salomon J, Ahmad O, Murray CJ, Mafat D. Life Tables for 191 Countries: Data, Methods and Results. World Health Organization. 2002. https://apps.who.int/iris/handle/10665/67772 ##2. Moultrie T, Dorrington R, Hill A, Hill K, Timæus I, Zaba. B. Tools for Demographic Estimation. International :union: for the Scientific Study of Population, 2013. ##3. United Nations. Manual X: Indirect Techniques for Demographic Estimation. Department of International Economic and Social Affairs. Population Studies, No. 81. 1983.##4. Komijani A, Koosheshi M, Niakan L. Iran Mortality Rates Using Lee-Carter Model: Estimation and Forecasting. Iranian Journal of Insurance Research. 2014; 28(4): 1–25. [Persian]##5. Tabeau E. A Review of Demographic Forecasting Models for Mortality. Forecasting Mortality in Developed Countries. 2001.##6. Lee RD, Carter LR. Modeling and Forecasting US Mortality. Journal of the American Statistical Association. 1992; 87(419): 659–671.##7. Deaton A, Paxson, C. Mortality, Income, and Income Inequality over Time in the Britain and the United States. Technical Report 8534 National Bureau of Economic Research Cambridge, MA. 2004.##8. Christiansen M, Denuit M, Lazar D. The Solvency II Square–Root Formula for Systematic Biometric Risk. Insurance: Mathematics and Economics. 2012; 50(2): 257–65.##9. Moosavi SS, Payandeh Najafabadi AT. Modelling the Laboratory Health Costs During 2015 to 2019. The Iranian Journal of Health Insurance. 2020; 3(3): 200–209.##10. Renshaw RE, Haberman S. A Cohort-Based Extension to the Lee-Carter Model for Mortality Reduction Factors. Insurance: Mathematics and Economics. 2006; 38(3): 556–570.##11. Currie ID. Smoothing and Forecasting Mortality Rates. Statistical Modelling. 2006; 4(4): 279–298.##12. Brouhns N, Denuit M, Vermunt, JK. Measuring the Longevity Risk in Mortality Projections. Bulletin of the Swiss Association of Actuaries. 2002; 2(1): 105–130.##13. Zokaei M, Alehoseini FS. A Comparison of Singular Spectrum Analysis Method with Methods in Lee-Carter Family in Forecasting Mortality Rate. Iranian Journal of Insurance Research. 2014; 29(1): 23–51. [Persian]##14. Box GE, Jenkins GM. Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day. 1976.##15. Haberman S, Renshaw A. A Comparative Study of Parametric Mortality Projection Models. Insurance: Mathematics and Economics. 2011; 48 (1): 35–55.##16. Zokaei M, Maghsoudi M. Reconstruction of Frailty-Based Mortality Models by a Generalization of Gompertz Distribution. SANAAT-E-BIMEH. 2011; 25(4): 59–85. [Persian]##17. Hassan Zadeh A, Daraee D. Mortality Rates Estimation of Active insured members of Social Insurance Fund of Farmers, Villagers and Tribes in 2016. Iran Health Insurance Organization. 2020; 3(1): 57–66. [Persian]##18. Cairns, AJG, Blake D, Dowd K, Coughlan GD, Epstein D, Ong A, Balevich I. A Quantitative Comparison of Stochastic Mortality Models using Data from England and Wales and the United States. North American Actuarial Journal. 2009; (13)1: 1–35.## ##

بازسازی نظام بیمه سلامت کشور Reconstruction of the Iran’s health insurance system. 1 80 82 2021/01/182020/10/112020/12/92021/03/162021/01/202021/04/132021/04/42021/04/28 1400/2/8 2021/06/42021/04/302021/04/202021/05/192021/05/222021/05/202021/05/312021/05/22 1400/3/1 جهان آرا ممی خانی Jahanara Mamikhani گروه اقتصاد، واحد خمینی شهر، دانشگاه آزاد اسلامی، اصفهان، ایران mamikhani@gmail.com ## ##