论文部分内容阅读
目的:在传统风险管理研究基础上,探索BP神经网络技术在医疗保险统筹基金运行风险管理中作为风险识别与衡量工具的应用条件、风险评价指标、网络设置等;同时,比较不同风险因素分析模型下,医保患者住院费用影响因素分析结果的差异性;通过BP神经网络技术的应用,筛选出医疗保险基金运行中的风险,为医疗保险统筹基金运行风险管理提供理论依据。
方法:在医疗保险风险相关文献研究的基础上,通过现场座谈会和数据采集两种方式,基于医疗保险经办信息系统,对样本市各级医疗机构医保患者住院费用信息进行调查;运用Excel2003和SPSS13.0对患者的个人特征、疾病构成、费用特征、个人负担等指标进行描述;以研究变量如年龄、性别、疾病、住院天数等为输入神经元,住院费用为输出神经元,建立单隐层BP神经网络,同时以住院费用对数为因变量Y,其他研究因素为自变量X,逐步拟合多元线性回归模型,比较两模型结果,评价各风险因素及其影响力。
结果:在25654例患者中,循环系统疾病患者住院人次(24.66％)最多,肿瘤患者次均住院费用最高(9568.44元从次);由BP神经网络模型分析得各因素平均影响力MIV从大到小依次是:住院天数(0.1380)＞地理区位(-0.1015)＞ICD10疾病组(-0.0443)＞个人负担比(-0.0169)＞人员类别(-0.0129)＞药占比(0.0118)＞医院级别(0.0088)＞住院季节(0.0086)＞婚姻状况(-0.0041)＞是否输氧(0.0029)＞检查费占比(0.0025)＞性别(0.0015)＞入院时间(-0.0013)＞出院转归＞(-0.0008)＞年龄组(0.0004)＞是否手术(0.0002)＞是否输血(0.0001),模型拟合效果好,决定系数R2为0.8613;由多元回归模型分析结果得各因素对住院费用的影响力从大到小依次是:住院天数(0.4380)＞医院级别(0.2804)＞地理区位(-0.2720)＞检查费占比(-0.1680)＞是否输血(0.1545)＞是否手术(0.1170)＞入院时间(0.0922)＞出院转归(-0.0568)＞年龄组(0.0401)＞药占比(0.0307)＞性别(0.0292)＞住院季节(0.0290)＞是否输氧(0.0250)＞人员类别(0.0122)＞个人负担比(-0.0110)＞ICD10疾病组(0.0102),模型决定系数R2为0.7223,住院费用变化的72.23%可由上述16个变量解释;神经网络与多元回归模型结果比较,排前五位的影响因素中,二模型共有的因素为住院天数和地理区位。
结论:医疗保险统筹基金支付风险分为系统内风险和系统外风险(人口老龄化、疾病谱的变化、高新医疗技术、设备和药品催生医疗高消费);BP神经网络和多元回归模型在住院费用影响因素分析上都能以令人满意的精度进行拟合;两模型在适用条件和信息挖掘程度上存在差异;神经网络影响因素分析功能比多元回归模型丰富,但它在训练样本选择、解释变量意义、模型稳定性、推广能力和软件实现方面还存在其局限性;多元线性回归模型要求数据存在线性关系、总体服从正态分布、方差齐、变量间相互独立等诸多条件,应用局限。因此,在风险因素分析中,应根据数据特点、风险控制要求等不同条件,运用不同工具,以保证分析结果的准确性。