مدل بندي هزينه هاي آزمايشگاهي درمان در سالهاي 1394 تا 1398

Modelling the Laboratory Health Costs During 2015 to 2019

مقدمه: سالمند شدن جمعيت ايران از يك سو و افزايش هزينه‌هاي خدمات پزشكي به دليل توسعه تكنولوژي ازسوي ديگر، مشكلاتي را براي صنعت بيمه درمان به وجود آورده كه اين حوزه از بيمه را به يكي از حوزه‌هاي پرمخاطره تبديل كرده است. در اين شرايط، يكي از اساسي‌ترين نيازهاي حوزه درمان، تعيين مدلي براي هزينه هاي درمان به صورت دقيق و موردي است. بيمه‌گر اجتماعي بايد روند هزينه‌ها را با دقت بررسي كرده يا رويكرد مالي هزينه‌هاي آينده را پيش‌بيني كند. روش بررسي: اين مقاله با استفاده از داده‌هاي بيمه سلامت در سال هاي 1394 تا 1398 و به كارگيري ايده مورد بررسي توسط كريستينسن و همكاران، مدل مناسبي براي متوسط هزينه‌هاي آزمايشگاهي درمان ارائه داده است. بنابراين نتايج اين پژوهش مي تواند به بهبود بيمه سلامت كمك كند. يافته ها: براساس نتايج، متوسط هزينه‌هاي درمان توزيع نسبتا متقارني داشته و به عوامل سن و زمان بستگي دارد. نتايج نشان مي‌دهد كه متوسط هزينه‌هاي درمان آزمايشگاهي فصلي، مقدار بالاتري براي سنين نوزادي و سنين جواني داشته و به طور يكنواخت با افزايش سن، افزايش پيدا مي‌كند. نتيجه گيري: يكي از دلايل ناموفق بودن طرح سلامت، مشخص نبودن هزينه هاي درمان به صورت دقيق است. اين پژوهش با ارائه مدل‌هاي رياضي، اين مشكل را مرتفع و در نهايت، مدل مناسبي براي متوسط هزينه‌هاي فصلي آزمايشگاهي درمان پيشنهاد مي‌دهد.

Introduction: Greater awareness of longevity risk and health expenses due to improvements in medical technology, have created some problems for health insurance and make it one of the riskiest insurance industries. Therefore, determining the exact health expense model is the most requirement in the field of health insurance. The social insurer must monitor the expenses trend carefully and predict future health expenses using the financial approach. Methods: This article will propose a good model for projecting average seasonal laboratory health insurance expenses based on Christiansen et al. paper, using health insurance data from 2015 to 2019. Therefore, the results of this article can improve health insurance for modeling health costs. Results: According to the findings, the average of seasonal laboratory health expenses has a relatively symmetrical distribution and depends on “age” and “time” factors. The results show that the average of seasonal laboratory health expenses has higher values around birth and at young adult ages, and then monotonically increasing at older ages. Conclusion: Lack of a proper model for health costs is one of the reasons for the failure of the health plan. This paper solves this problem by proposing a suitable model for the average seasonal laboratory health costs.