پیش بینی هزینه های بیمه درمانی با استفاده از رگرسیون خطی چندگانه: رویکردی داده محور برای مدیریت سلامت

پیش بینی هزینه های بیمه درمانی یکی از چالش های اساسی در مدیریت سلامت است که به طور مستقیم بر استراتژی های قیمت گذاری و تخصیص منابع تاثیر می گذارد. این پژوهش با استفاده از رگرسیون خطی چندگانه (Multiple Linear Regression - MLR) به پیش بینی هزینه های بیمه درمانی افراد بر اساس عوامل جمعیت شناختی و سبک زندگی می پردازد. مجموعه داده مورد استفاده شامل ۱,۳۳۸ رکورد با ویژگی های سن، شاخص توده بدنی (BMI)، وضعیت سیگار کشیدن و منطقه جغرافیایی است که از پایگاه داده Kaggle استخراج شده است. فرآیند تحلیل داده ها بر اساس چارچوب CRISP-DM انجام شده و پیش پردازش داده ها شامل کدگذاری One-Hot Encoding برای متغیرهای کیفی و حذف نقاط پرت با استفاده از روش دامنه بین چهارکی (IQR) بوده است. مدل نهایی به ضریب تعیین (R² = ۰.۷۵) و ریشه میانگین مربعات خطا (RMSE = ۵,۸۲۸ دلار) دست یافت که نشان می دهد ۷۵ درصد از تغییرات هزینه های درمانی توسط متغیرهای پیش بینی کننده تبیین می شود. یافته های کلیدی نشان می دهد که وضعیت سیگار کشیدن بیشترین تاثیر را بر هزینه های بیمه دارد و پس از آن شاخص توده بدنی و سن قرار دارند، در حالی که جنسیت تاثیر ناچیزی نشان می دهد. این پژوهش با تلفیق علوم کامپیوتر و مدیریت بیمه، نشان می دهد که چگونه تکنیک های یادگیری ماشین می توانند از تصمیم گیری مبتنی بر داده در صنعت بیمه حمایت کنند.

کلیدواژه ها:

پیش بینی هزینه بیمه درمانی ، رگرسیون خطی چندگانه ، مدیریت سلامت ، داده کاوی ، یادگیری ماشین