ZASTOSOWANIE HURTOWNI DANYCH W ALGORYTMACH RISK
Transkrypt
ZASTOSOWANIE HURTOWNI DANYCH W ALGORYTMACH RISK
Zastosowanie hurtowni danych w algorytmach Risk Adjustment ZASTOSOWANIE HURTOWNI DANYCH W ALGORYTMACH RISK ADJUSTMENT (omówienie artyku∏u*) Application of data warehouse for Risk Adjustment algorithms – discussion of the article* Petre Iltchev, Uniwersytet Medyczny w ¸odzi ABSTRACT The main objective of this paper is to present a framework for designing a research data warehouse to analyse Risk Adjustment algorithms. The framework provides a methodological foundation for a systems approach to analysing Risk Adjustment models. The data warehouse will store data from many insurers, sickness funds and other source systems, and will offer a foundation for modelling and multidimensional analysis of Risk Adjustment algorithms. Keywords: data warehouse, Risk Adjustment algorithms analysis, modelling health insurance S∏owa kluczowe: hurtownie danych, algorytmy korekcji ryzyka, modelowanie ubezpieczeƒ zdrowotnych STRESZCZENIE Celem artyku∏u jest ocena przydatnoÊci zasad i metodologii projektowania hurtowni danych do badania i analizy ryzyka w algorytmach korekcji ryzyka. Prezentowane za∏o˝enia metodologiczne mogà stanowiç podstaw´ dla systemowego podejÊcia do analizy w modelach korekcji (regulacji) ryzyka. Hurtownia danych powinna przechowywaç dane od wielu ubezpieczycieli, funduszy zdrowotnych (p∏atników), innych systemów i êróde∏, a tak˝e stanowiç podstaw´ do modelowania i wielowymiarowej analizy algorytmów regulacji ryzyka. Celem ka˝dego systemu ubezpieczeƒ zdrowotnych w krajach cz∏onkowskich UE jest zapewnienie maksimum efektów przy minimalnych nak∏adach. Jednym z g∏ównych problemów ka˝dego systemu opieki zdrowotnej w krajach rozwini´tych jest selekcja na bazie ryzyka. W Niemczech, Belgii, Holandii, Szwajcarii i Izraelu stosuje si´ metody minimalizowania korzyÊci dla firm ubezpieczeniowych z tytu∏u stosowania przez nie praktyki negatywnej selekcji klientów. Kraje te stosowa∏y g∏ównie wspó∏dzielenie ryzyka (ang. risk scharing) i opartà na bazie zdrowia korekt´ z tytu∏u regulacji ryzyka (ang. Risk Adjustment). Innà metodà, opracowanà przez Van de Ven’a i Van Vilet, jest „ryzyko wskaênika udzia∏u sk∏adki konsumenta wed∏ug funduszy zdrowotnych” – nie by∏a ona jeszcze stosowana w praktyce.1 Dwa g∏ówne cele implementacji korekty z tytu∏u ryzyka to: 1) zapobieganie lub ograniczanie zach´t firm ubezpieczeniowych do stosowania wyboru pacjentów z mniejszym ryzykiem2; 2) wyrównanie ró˝nic mi´dzy funduszami zdrowotnymi, wynikajàcych z cz∏onkostwa w poszczególnych funduszach pacjentów Pe∏ny angielskoj´zyczny tekst artyku∏u w Journal of Health Policy Insurance and Management VIII (I), s. 77-92. Risk Adjustment and risk selection on the sickness fund insurance market in five European countries, Van de Ven W P M M, Beck K, Buchner F, Chernichovsky D, Gardiol L, Holly A, Lamers L M, Schokkaert E, Shmueli A, Spycher S, Van de Voorde C, van Vliet R C J A, Wasem J, Zmora I, University of Zurich, Zurich Open Repository and Archive. 2003: 28. 2 Risk Adjustment and risk selection on the sickness fund insurance market in five European countries, Van de Ven W P M M, Beck K, Buchner F, Chernichovsky D, Gardiol L, Holly A, Lamers L M, Schokkaert E, Shmueli A, Spycher S, Van de Voorde C, van Vliet R C J A, Wasem J, Zmora I. University of Zurich, Zurich Open Repository and Archive. 2003: 31. * 1 Polityka Zdrowotna 143 Petre Iltchev o ró˝nym stanie zdrowia i zwiàzanych z tym kosztów.3 Wdro˝enie opartego na stanie zdrowia algorytmu korekcji ryzyka zmniejsza korzyÊci firm ubezpieczeniowych i funduszy zdrowotnych zwiàzanych ze stosowania praktyk doboru pacjentów z mniejszym ryzykiem, bardziej zdrowych klientów. W celu szczegó∏owej analizy warunków rozpocz´cia implementacji niezb´dna jest analiza i porównanie systemów ochrony zdrowia i systemów ubezpieczeƒ zdrowotnych w nowych krajach UE z tymi paƒstwami, które majà doÊwiadczenia w stosowaniu algorytmów korekcji ryzyka. PodejÊcie systemowe wymaga ca∏oÊciowej analizy modeli tych algorytmów. Proces oceny ryzyka jest oparty na pracach nast´pujàcych autorów: Cox, 4 Hardy, 5 Caroll, 6 Chrisodoulakis i Satchell, 7 Byrd i Cothern. 8 Algorytmy korekty ryzyka ewoluujà z czasem w celu dostosowania si´ do potrzeb u˝ytkowników i zwi´kszenia dok∏adnoÊci modeli. Najbardziej istotne zmiany nast´pujà w algorytmach, zwi´kszeniu liczby czynników branych pod uwag´ przy korekcie ryzyka i czasu. Analiza algorytmów korekcji ryzyka jest oparta na pracach cz∏onków „Risk Adjustment Network” (Schokkaert,9 Buchner,10 Van de Ven,11 Wasem, oraz Chernichovsky12). Porównanie mi´dzynarodowe algo- 3 rytmów korekcji ryzyka jest trudnym zadaniem. Zosta∏o ono dokonane przez zespó∏: Wynard P. M. M. Van de Ven, Dov Chernichovsky i Schneider, Ulrich i Wille.13 Po przeanalizowaniu literatury wymienionych autorów mo˝na stwierdziç, ˝e: 1) wraz ze wzrastajàcym wolumenem (iloÊcià) danych wzrasta dok∏adnoÊç szacowania ryzyka; 2) kilka wa˝nych pytaƒ zwiàzanych z analizà algorytmów korekcji ryzyka mo˝na rozwiàzaç jedynie po wdro˝eniu hurtowni danych. Niniejsze opracowanie koncentruje si´ na zastosowaniu hurtowni danych jako technologii u∏atwiajàcej proces analizy algorytmów korekcji ryzyka oraz wskazaniu, ˝e technologie te mogà odegraç istotnà rol´ w tym procesie. Hurtownia danych, jako platforma przechowywania i analizy danych, jest podstawà sukcesu projektów badawczych tej skali. W artykule wyjaÊniono poj´cia, teorie i za∏o˝enia dotyczàce metodologii hurtowni danych. Analiza roli hurtowni danych w procesie badawczym jest oparta na pracach Ponniah.14 Autor zgadza si´ z tezà, której twórcami sà Kimball i Ross, ˝e „przede wszystkim hurtownia danych musi uwzgl´dniaç potrzeby biznesu”.15 Hurtownia danych jest zdefiniowana jako „ukierunkowane tematycznie, zintegrowane, nie- Risk Adjustment and Risk Selection on the sickness fund insurance market in five European countries, Van de Ven W P M M, Beck K, Buchner F, Chernichovsky D, Gardiol L, Holly A, Lamers L M, Schokkaert E, Shmueli A, Spycher S, Van de Voorde C, van Vliet R C J A, Wasem J, Zmora I, University of Zurich, Zurich Open Repository and Archive. 2003: 31. 4 Cox L. Risk Analysis of Complex and Uncertain Systems, Springer Science+Business Media, LLC 2009. 5 Hardy M. Investment guarantees: modeling and risk management for equity-linked life insurance, John Wiley & Sons, Inc. 2003. 6 Risk Management Handbook for Health Care Organizations /American Society for Healthcare Risk Management. Roberta Carroll, editor/, Third Edition, Jossey-Bass Inc., 2001. 7 Validation of credit risk models is described in: Chrisodoulakis G, Satchell St. The Analytics of Risk Model Validation, Elsevier LTD., 2008. 8 Byrd D, Cothern C. Introduction to Risk Analysis. A Systematic Approach to Science-Based Decision Making, Government Institutes. 2000. 9 Schokkaert E, Van de Voorde C. Direct and indirect standardization and Risk Adjustment, Journal of health economics, vol. 28, no. 2. 2009: 361-374. 10 Buchner Fl, Wasem J, Behrend C, Happich M, Holle R, Reitmeier P. Risk-adjusted capitation payments: how well do principal inpatient diagnosis-based models work in the German situation? Results from a large data set, The European Journal of Health Economics, Volume 8, Issue 1/March. 2007: 31-39. 11 Van de Ven W. A comparison of the Risk Equalization systems and the policy context of 5 European countries, IAAHS Conference, 5 May 2007, Cape Town, Available online at: http://www.actuaries.org/IAAHS/Colloquia /Cape_Town/van_de_Ven.pdf 12 Shmueli A, Chernichovsky D, Zmora I. Risk Adjustment and risk sharing: the Israeli experience, Health Policy 65. 2003: 37-48. 13 Schneider U, Ulrich V, Wille E. Risk Adjustment Systems in Health Insurance Markets in the US, Germany, Netherlands and Switzerland, CESifo DICE Report 3/2008, Available at: http://www.ifo.de/DocCIDL/dicere port308-rr1.pdf 14 Ponniah P. Data Modeling Fundamentals. A Practical Guide for IT Professionals, John Wiley & Sons, Inc., 2007. 15 Kimbal R, Ross M. The Data Warehouse Toolkit, Second Edition, John Willey & Sons, 2002: 1. 144 Grudzieƒ 2011 • Nr IX Zastosowanie hurtowni danych w algorytmach Risk Adjustment zmienne (sta∏e), posiadajàce wymiar czasowy dane wykorzystywane jako wsparcie decyzji kierownictwa”.16 Schemat gwiazdy jest najcz´Êciej stosowanym modelem organizacji hurtowni danych.17 Wielowymiarowa hurtownia jest opisana w klasycznych dzie∏ach takich autorów, jak: Kimball and Ross,18 Imhoff, Galemmo i Geiger.19 Hurtownia danych jest jednà z najcz´Êciej u˝ywanych technologii do analizy danych historycznych. Jest ona logicznà ewolucjà modelowania baz danych opisanà przez Powell,20 Simsion i Witt.21 W wyniku wdro˝enia takich rozwiàzaƒ dane mogà byç analizowane pod ró˝nymi kàtami, wymiarami, co mo˝e si´ prze∏o˝yç na lepsze decyzje.22 Business intelligence jest technologià, która wymaga hurtowni danych i rozszerza jej u˝ytecznoÊç. 23 Data mining to zaÊ proces wykrywania nowych zwiàzków (wiedzy) w istniejàcych danych przechowywanych w hurtowni danych. 24 Mo˝na wyró˝niç nast´pujàce typy hurtowni: 1) rzàdowe hurtownie danych (np. urz´dów statystycznych agencji, takich jak G∏ówny Urzàd Statystyczny (GUS), 2) hurtownie danych stanowiàcych w∏asnoÊç funduszy zdrowotnych (na przyk∏ad Narodowy Fundusz Zdrowia (NFZ), 3) biznesowe (korporacyjne) hurtownie danych (na przyk∏ad w firmach ubezpieczeniowych, szpitalach). Celem projektu jest opracowanie jednego êród∏a danych dotyczàcych ubezpieczeƒ zdrowotnych na u˝ytek badaƒ zwiàzanych z algorytmami korekcji ryzyka stosowanych w Europie. W UE nie ma hurtowni danych zbudowanej w celu analizy: 1) efektywnoÊci ubezpieczeƒ zdrowotnych – jak zmiany w regulacji systemu ubezpieczeƒ zdrowotnych mogà wp∏ynàç na koszty polis i ich jakoÊç oraz efektywnoÊç. Mo˝na tego dokonaç poprzez analiz´ wra˝liwoÊci modeli ekonometrycznych ubezpieczeƒ zdrowotnych; 2) mo˝liwoÊci analizy polityk w zakresie ochrony zdrowia stosowanych w ró˝nych paƒstwach cz∏onkowskich UE pod kàtem ich integracji. Projekt budowy hurtowni danych w celu lepszego zarzàdzania projektem zosta∏ podzielony na kilka logicznie powiàzanych etapów – podprojektów. Obecnie ekipa projektowa pracuje nad schematem gwiazdy hurtowni danych. Po zakoƒczeniu badania literatury oraz stosowanych modeli korekcji ryzyka schemat gwiazdy b´dzie rozszerzony o nowe obszary. Istotna przy projektowaniu hurtowni danych wspierajàcej procesy badawcze jest analiza ró˝nic mi´dzy typowà hurtownià danych wykorzystywanà w firmach ubezpieczeniowych a tà stosowanà do analizy algorytmów korekcji ryzyka. Ró˝nice te wynikajà z przeznaczenia hurtowni danych, obszarów funkcjonalnych, êróde∏ danych (wewn´trzne dla firmy ubezpieczeniowej i zewn´trzne dla hurtowni danych do analiz algorytmów korekcji ryzyka). Cele analizy algorytmów korekcji ryzyka za pomocà hurtowni danych zostanà osiàgni´te przez: 1) gromadzenie danych odnoÊnie systemów ochrony zdrowia w poszczególnych krajach UE, 2) porównanie stosowanych algorytmów korekcji ryzyka, 3) zdefiniowanie modelu oceny jakoÊci produktów ubezpieczeƒ zdrowotnych i okreÊlania zwiàzków mi´dzy jakoÊcià produktów ubezpieczenia zdrowotnego a skutecznoÊcià regulacji paƒstwa, 4) symulacj´ ró˝nych wariantów ubezpieczeƒ zdrowotnych, algorytmów korekcji ryzyka i prowadzenie analizy „co-jeÊli …; je˝eli…”. 16 Inmon W. Building the Data Warehouse, Wiley Publishing, Inc., 2005: 29. Adamson Chr. Mastering Data Warehouse Aggregates: Solutions for Star Schema Performance (with a foreword by Ralph Kimball), Wiley Publishing, Inc. 2006. 18 Kimbal R, Ross M. The Data Warehouse Toolkit, Second Edition, John Willey & Sons, 2002. 19 Imhoff Cl, Galemmo N, Geiger J. Mastering Data Warehouse Design Relational and Dimensional Techniques, Wiley Publishing, Inc. 2003. 20 Powell G. Beginning Database Design, Wiley Publishing, Inc., 2006: 172. 21 Simsion Gr, Witt Gr. Data Modelling Essentials, Third Edition, Elsevier Inc., 2005. 22 Liebowitz J. Strategic intelligence: business intelligence, competitive intelligence, and knowledge management, Taylor & Francis Group, LLC. 23 Encyclopedia of decision making and decision support technologies (Fr. Adam and P. Humphreys, editors.), IGI Global, 2008. 24 Rud Ol. Data Mining Cookbook. Modeling Data for Marketing, Risk, and Customer Relationship Management, John Wiley & Sons Inc. 2001. 17 Polityka Zdrowotna 145 Petre Iltchev Jako g∏ówne problemy w procesie opracowania projektu hurtowni danych mo˝na wskazaç: 1) identyfikowanie i artyku∏owanie oczekiwaƒ badaczy w stosunku do hurtowni danych, 2) potrzeb´ integracji danych z ró˝nymi systemami informatycznymi wykorzystywanymi przez zak∏ady opieki zdrowotnej, firmy ubezpieczeniowe i p∏atników, 3) zabezpieczenie danych personalnych w celu zapewnienia uniemo˝liwienia identyfikacji osoby, 4) luki w dokumentacji pacjenta, 5) dokumentacj´ medycznà, która jest cz´sto bez okreÊlonej struktury, co utrudnia wyszukiwanie informacji. Model hurtowni danych zaproponowany w artykule pozwoli na rozwój nowych modeli algorytmów korekcji ryzyka, bardziej adekwatnych do rzeczywistoÊci w zakresie ubezpieczeƒ zdrowotnych. 7. Hardy M. Investment guarantees: modeling and risk management for equity-linked life insurance, John Wiley & Sons, Inc. 2003. 8. Imhoff Cl, Galemmo N, Geiger J. Mastering Data Warehouse Design Relational and Dimensional Techniques, Wiley Publishing, Inc, 2003. Inmon W. Building the Data Warehouse, Wiley Publishing, Inc. 2005. 9. Kimbal R, Ross M. The Data Warehouse Toolkit, Second Edition, John Willey & Sons, 2002. 10. Liebowitz J. Strategic intelligence: business intelligence, competitive intelligence, and knowledge management, Taylor & Francis Group LLC. 11. Ponniah P. Data Modeling Fundamentals. A Practical Guide for IT Professionals, John Wiley & Sons, Inc. 2007. 12. Powell G. Beginning Database Design, Wiley Publishing, Inc. 2006. LITERATURA 1. Adamson Chr. Mastering Data Warehouse Aggregates: Solutions for Star Schema Performance (with a foreword by Ralph Kimball), Wiley Publishing Inc, 2006. 2. Buchner Fl, Wasem J, Behrend C, Happich M, Holle R, Reitmeier P. Risk-Adjusted capitation payments: how well do principal inpatient diagnosis-based models work in the German situation? Results from a large data set, The European Journal of Health Economics, Volume 8, Issue 1 / March, 2007. 3. Byrd D, Cothern C. Introduction to Risk Analysis. A Systematic Approach to Science-Based Decision Making, Government Institutes, 2000. 4. Chrisodoulakis G, Satchell St. The Analytics of Risk Model Validation, Elsevier LTD. 2008. 5. Cox L. Risk Analysis of Complex and Uncertain Systems, Springer Science +Business Media LLC 2009. 6. Encyclopedia of decision making and decision support technologies (Fr. Adam and P. Humphreys, editors.), IGI Global, 2008. 146 Grudzieƒ 2011 • Nr IX 13. Risk Management Handbook for Health Care Organizations /American Society for Healthcare Risk Management. Roberta Carroll, editor/, Third Edition, Jossey-Bass Inc. 2001. 14. Rud Ol. Data Mining Cookbook. Modeling Data for Marketing, Risk and Customer Relationship Management, John Wiley & Sons, Inc. 2001. 15. Schneider U, Ulrich, ., Wille E. Risk Adjustment Systems in Health Insurance Markets in the US, Germany, Netherlands and Switzerland, CESifo DICE Report 3/2008, Available at: http://www.ifo.de /DocCIDL/dicereport308-rr1.pdf 16. Schokkaert E, Van de Voorde C. Direct and indirect standardization and Risk Adjustment, Journal of health economics, vol. 28, no. 2, 2009. 17. Shmueli A, Chernichovsky D, Zmora I. Risk Adjustment and risk sharing: the Israeli experience, Health Policy 65, 2003. 18. Simsion Gr, Witt Gr. Data Modelling Essentials, Third Edition, Elsevier Inc., 2005. Zastosowanie hurtowni danych w algorytmach Risk Adjustment 19. Van de Ven W. A comparison of the Risk Equalization systems and the policy context of 5 European countries, IAAHS Conference, 5 May 2007, Cape Town, Available online at: http://www.actuaries.org / I A A H S / C o l l o q u i a / C a p e _ To w n / van_de_Ven.pdf 20. Van de Ven W P M M, Beck K, Buchner F, Chernichovsky D, Gardiol L, Holly A, Lamers L M, Schokkaert E, Shmueli A, Spycher S, Van de Voorde C, van Vliet R C J A, Wasem J, Zmora I. Risk Adjustment and risk selection on the sickness fund insurance market in five European countries, University of Zurich, Zurich Open Repository and Archive, 2003. Omówienie artyku∏u: Petre Iltchev Polityka Zdrowotna 147