مقایسه عملکرد مدل های دوبخشی و خطی تعمیم یافته توئیدی در پیش بینی هزینه های سالانه بستری و شناسایی بیماران پرهزینه

داده های هزینه ای سلامت به دلیل ماهیت نیمه پیوسته، تورم صفر فراوان و توزیع از راست چوله و دم سنگین در بخش مقادیر مثبت، چالش های روش شناختی قابل توجهی را در مدل سازی ایجاد می کنند. لذا انتخاب مدل بهینه جهت پیش بینی دقیق مخارج و شناسایی بیماران پرهزینه در مدیریت منابع و سیاست گذاری اقتصاد سلامت نقشی کلیدی ایفا می کند. این مطالعه شبیه سازی با هدف ارزیابی تطبیقی سه رویکرد رگرسیون لگاریتمی با برآوردگر اسمییرینگ، مدل دوبخشی و مدل خطی تعمیم یافته توئیدی طراحی و اجرا شد. برای بازنمایی دقیق ویژگی های چولگی و پراکندگی داده های واقعی، داده های شبیه سازی بر اساس سازوکار پواسون مرکب-گاما تولید گردیدند. در فرآیند تحلیل، مشاهدات (n=۲۰۰۰) به دو مجموعه آموزش و آزمون (۷۰/۳۰) تقسیم شده و عملکرد مدل ها بر مبنای معیارهای MAE، RMSE و نرخ جذب هزینه در ۱۰ درصد بالای ریسک پیش بینی شده (Capture@۱۰%) مورد سنجش قرار گرفت. یافته ها نشان داد که در سناریویی با نرخ صفر، ۷۷ درصد و میانگین هزینه ۲۷/۹ میلیون ریال، مدل دوبخشی با کمترین میزان خطا (RMSE ≈ ۲۴.۰۹) دقیق ترین پیش بینی را ارائه کرده و در شاخص شناسایی ۱۰ درصد افراد پرهزینه، عملکردی مشابه و رقابتی با مدل توئیدی دارد. در نهایت، اگرچه مدل دوبخشی به دلیل انعطاف پذیری در تفکیک فرآیند وقوع و شدت هزینه، گزینه ای بهینه برای داده های با صفرهای فراوان محسوب می شود، اما مدل توئیدی به واسطه ساختار تک مرحله ای و کم پارامتر بودن در مدل سازی، جایگزینی ساده تر و قابل اتکا در تحلیل های اقتصاد سلامت به شمار می رود.

کلیدواژه ها:

داده های نیمه پیوسته ، مدل های دوبخشی ، توزیع توئیدی ، مدل های خطی تعمیم یافته