用于医疗支出的公平回归
应用统计
2021-02-25 v2 计算机与社会
统计方法学
机器学习
摘要
向保险计划支付医疗费用的分配方式对社会政策具有重大影响。风险调整公式用于预测医疗保险市场中的支出,以便为所有参保人提供公平的福利和医疗保障,而不论其健康状况如何。遗憾的是,当前的风险调整公式已知会低估特定参保人群体的支出,导致对健康保险公司的补偿不足。这激励保险公司设计其计划,使得补偿不足群体中的个人不太可能参保,从而影响这些群体获得医疗保健的机会。为了改进针对补偿不足群体的风险调整公式,我们扩展了统计学、计算机科学和卫生经济学文献中的概念,通过将公平性考量直接构建到目标函数中,开发了针对连续结果的新的公平回归方法。我们还提出了一种新颖的公平性度量,同时断言需要一套指标才能更全面地评估风险调整公式。我们使用 IBM MarketScan Research Databases 的数据应用和模拟研究表明,这些新的公平回归方法可带来群体公平性的大幅改善(例如 98%),而总体拟合度仅小幅下降(例如 4%)。
引用
@article{arxiv.1901.10566,
title = {Fair Regression for Health Care Spending},
author = {Anna Zink and Sherri Rose},
journal= {arXiv preprint arXiv:1901.10566},
year = {2021}
}
备注
30 pages, 3 figures