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