×
我·邓肯。；罗尼诺夫，M。；卢德科夫斯基，M。

测试替代回归框架，用于医疗保健成本的预测建模。 （英语） Zbl 1414.91181号

北美法案。J。 20，第1期，65-87（2016）.
概述：医疗成本预测模型已成为许多医疗保险精算工作的主流。《平价医疗法案》要求使用基于预测模型的风险调整模型，在不同的医疗交换参与者之间转移收入。虽然这些模型的预测准确性已经在许多研究中进行了调查，但除风险调整外，模型的准确性和应用还没有得到太多的调查。我们使用多种统计技术研究未来医疗成本的预测模型。我们的分析基于包含连续两年索赔信息的30000名被保险人的数据集。该数据集包含每个被保险人的100多个协变量，包括通过共存条件标志编码的过去成本和原因的详细细分。我们讨论了下一年成本与医疗和成本信息之间关系的统计模型，以预测未来成本的平均值和分位数，对风险进行排序，并确定最具预测性的协变量。对多种模型进行了比较，包括（除了风险调整器下的传统线性回归模型外）套索GLM、多元自适应回归样条、随机森林、决策树和增强树。详细的性能分析表明，传统的回归方法性能不佳，可以使用更精确的模型。

引用于2文件

MSC公司：

91B30型 风险理论，保险（MSC2010）
62P05号 统计学在精算学和金融数学中的应用
62J05型 线性回归；混合模型

关键词：

医疗保健费用；预测建模；回归框架

软件：

立体派；随机森林；ElemStatLearn（电子状态学习）；拉尔斯；地球
PDF格式BibTeX公司 XML格式引用
\textit{I.Duncan}等人，《北美演员》。J.20，第1号，65-87（2016；Zbl 1414.91181）
全文： 内政部

参考文献：

[1] Bertsimas，D。；Bjarnadóttir先生。；凯恩，医学硕士。；Kryder，J.C。；潘迪，R。；Vempala，S。；Wang，G.，《医疗成本的算法预测》，运筹学，56，6，1382-1392（2008）·Zbl 1167.91406号
[2] 布雷曼，L。；弗里德曼，J。；斯通，C.J。；Olshen，R.A.，分类和回归树（1984），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 0541.62042号
[3] Cuckler公司。；Sisko，A.M。；Keehan，S.P。；S.D.史密斯。；麦迪逊，A.J。；Poisal，J.A。；Wolfe，C.J。；利佐尼茨，J.M。；Stone，D.A.，《2012-22年国家卫生支出预测：在覆盖范围扩大和经济改善之前缓慢增长》，《卫生事务》，第32、10、1820-1831页（2013年）
[4] 卡明，R.B。；Knutson，D。；卡梅隆，学士。；Derrick，B.，《基于索赔的商业人群健康风险评估方法的比较分析》（2002年）
[5] De Jong，P。；Heller，G.Z.，《保险数据的广义线性模型》（2008），剑桥：剑桥大学出版社，剑桥·Zbl 1142.91046号
[6] Denuit，M。；Lang，S.，《使用贝叶斯GAM进行非终身费率制定》，《保险：数学和经济学》，35，3，627-647（2004）·Zbl 1070.62095号
[7] 邓肯，I。；贝蒂，B。；Day，B.，《慢性病健康管理项目成本效益的基于风险的评估方法》，北美精算杂志，15，1，1-12（2011）
[8] Duncan，I.G.，《医疗风险调整和预测模型》（2011），康涅狄格州Winsted：Actex Publications，Winsted，康涅迪格州
[9] Elith，J。；Leathwick，J.R。；Hastie，T.，《增强回归树工作指南》，《动物生态学杂志》，77，4，802-813（2008）
[10] 埃哈特，V。；Czado，C.，《私人健康保险中包括零索赔在内的受抚养人年度索赔总额建模》，《斯堪的纳维亚精算杂志》，2012年，第2期，第106-129页（2012年）·Zbl 1277.91084号
[11] Frees，E.W.，《精算和金融应用回归建模》（2009），剑桥：剑桥大学出版社，剑桥·Zbl 1284.62010年
[12] Frees，E.W。；R.A.钻机。；Meyers，Eds.，G.，《精算科学中的预测建模应用》（2014），剑桥：剑桥大学出版社，剑桥
[13] Frees，E.W。；高杰。；Rosenberg，M.A.，《预测医疗保健支出的频率和金额》，《北美精算杂志》，第15、3、377-392页（2011年）
[14] Frees，E.W。；金，X。；Lin，X.，多变量两部分回归模型的精算应用，精算学年鉴，7，2258-287（2013）
[15] 弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，glmnet:Lasso和弹性网正则化广义线性模型（2009）
[16] Friedman，J.H.，多元自适应回归样条，《统计学年鉴》，1-67（1991）·兹比尔0765.62064
[17] Guelman，L.，《汽车保险损失成本建模和预测的梯度增强树》，《应用专家系统》，39，3，3659-3667（2012）
[18] 哈斯蒂，T。；Efron，B.，lars：最小角度回归，Lasso和正向分段（2012）
[19] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2009），纽约：施普林格出版社，纽约·Zbl 1273.62005年
[20] 克莱因，N。；Denuit，M。；朗·S。；Kneib，T.，《位置、规模和形状的贝叶斯广义加法模型非寿险费率制定和风险管理》，《保险：数学和经济学》，55，225-249（2014）·Zbl 1296.62089号
[21] 库恩，M。；威斯顿，南卡罗来纳州。；基弗，C。；Coulter，N.，《立体派：基于规则和实例的回归建模》（2013）
[22] Liaw，A。；Wiener，M.，《随机森林分类与回归》，R News，2，3，18-22（2002）
[23] Mehmud，S.M.，《医疗风险调整中的非传统变量》（2013年）
[24] Milborrow，S.，earth:多元自适应回归样条模型（2012）
[25] Pope，G.C。；Kautter，J。；Ingber，M.J。；弗里曼，S。；塞卡尔·R。；Newhart，C.，《CMS-HCC风险调整模型评估》（2011年）
[26] Pope，G.C。；Kautter，J。；Ellis，R.P。；Ash，A.S。；阿扬扬，J.Z。；伊佐尼，L.I。；Ingber，M.J。；利维，J.M。；Robst，J.，《使用CMS-HCC模型对医疗保险按人头付费进行风险调整》，《医疗保健融资评论》，25，4，119-141（2004）
[27] 罗森博格，医学硕士。；Farrell，P.M.，《慢性病急性高成本事件的成本预测模型》，《北美精算杂志》，12，1，1-19（2008）
[28] Thorpe，K.E。；佛罗伦萨，C.S。；Joski，P.，《医疗条件如何解释医疗保健支出的增长》，《卫生事务》，第23期，补充2，第437-445页（2004年）
[29] 温克尔曼，R。；Mehmud，S.，《基于索赔的健康风险评估工具的比较分析》（2007年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。