Eseményt követő kiadások eloszlásának és várható értékének modellezése Cox-féle arányos hazárd modellel

Absztrakt:

A regresszión alapuló költségmodellek egyik gyakori hátránya, hogy a betegút egyes szakaszai alatt felmerülő költségeket csupán aggregált formában modellezik, ha az egészségügyi mutatók becslésére szolgáló betegutakat csak korlátozottan, egy-egy időablakban figyeljük meg. Mindez a gazdasági modellként történő használat korlátait jelentheti, ugyanis az átalányköltség már nem veszi figyelembe a betegenkénti eltérések okozta varianciát, s jelentős eltéréseket okozhat a való- ságban tapasztalt és szimulált költségek között. A költségmodelleket a betegutak komplex leírására alkalmas Cox-féle arányos hazárd statisztikai modellel együtt fejleszthetjük tovább, ami az egyes szimulált betegút szeletek pontosabb költségtételekkel való társításával segítheti a kockázatok finanszírozási nézőpont szerinti értékelését. A Cox-féle arányos hazárd modell azon mó- dosításával, hogy az események egymás utáni bekövetkeztekor nem csak a közöttük lévő időtávot, hanem a költségkülönbségeket is vizsgáljuk, módunk van az egyes eseményeket követő költségek nagyságát és valószínűségét megbecsülni. A kiadások eloszlásának, várható értékének és szóródásának pontosabb előrejelzése fokozza az egyes befolyásoló tényezők eltéréséből származó különbségek kimutathatóságát.

Abstract:

A common problem with cost regression models applied to aggregated health expenditures is that they cannot reflect on real and particular patient-path’s events as we are restricted to use a limited time frame approach for observation. Fitting only average-like costs to patient-path pieces instead of modelling detailed cost elements imposes restrictions on the applicability of these models and may cause large differences between the observed and simulated costs. As an alternative approach we propose a procedure analogous to the Cox’s proportional hazard model that is able to describe complex patient-paths. If simulated patientpaths pieces are matched with cost components then such cost models can improve the precision of the corresponding financing model. The magnitude and probability of the cost elements occurring after certain events can be estimated by a modified Cox’s proportional hazard model that is scaled according to cost differences instead of times elapsed. More accurate prediction of the distribution, expected value and standard deviation of the costs makes it possible to describe the differences – caused by modifying factors – more accurately