MODELAGEM PREDITIVA. Big Data e Machine Learning para a redução de custos médicos

Transcrição

1 MODELAGEM PREDITIVA Big Data e Machine Learning para a redução de custos médicos

2 Você sabia que 5% da população de alto risco é responsável por 25% do custo total com saúde?* *Em relação ao modelo de Alto Risco Alto Custo, identificamos que 5% da população que têm o maior risco de gerar alto custo nos próximos 12 meses é responsável por 25% do custo total da população.

3 Inovação e eficiência Focada na otimização dos recursos utilizados na gestão de saúde e bem-estar, a Análise Preditiva realiza um mapeamento de toda a população, identificando a probabilidade ou chance de eventos futuros com base em dados e padrões históricos. Recursos avançados para o cruzamento de informações - algoritmos que identificam pessoas com grandes chances de desenvolver problemas de saúde de alto custo e grandes riscos. Identifica oportunidades de ação futura com base em dados históricos

4 BIG DATA trouxe uma nova era para a computação: a exploração dos dados para melhorar o processo de tomada de decisão nas organizações. A Modelagem Preditiva nada mais é do que a exploração organizada dos dados atuais para fazer uma previsão futura a qual permitirá que as organizações antecipem os resultados e comportamentos com base em dados e não em um simples palpite ou suposições. Os padrões encontrados em dados históricos podem ser usados para identificar riscos e oportunidades. Ao aplicar com sucesso a Análise Preditiva, as empresas podem obter vantagem competitiva com base na interpretação correta dos resultados.

5 Com a Modelagem Preditiva, sua estratégia é mais forte. 30,00% 28,36% Como exemplo, pode-se prever os indivíduos com maior probabilidade de gerar custos no ano seguinte e otimizar recursos para cuidar desta população específica. Principais benefícios Redução de custos médicos Diminuição da sinistralidade Maior poder de análise Agilidade na identificação de riscos Relatórios de fácil entendimento 25,00% 20,00% 15,00% 10,00% 5,00% 0,00% 13,43% 10,45% 8,96% 2,99% 2,99% 1,49% 1,49% 0,00% Saúde Mental Câncer Ortopedia DPOC DAC Diabetes Hipertensão ICC Asma

6 Definição ANÁLISE PREDITIVA TEMPO DATA RELATÓRIOS/ Amálise monitoramento Análise preditiva O que aconteceu, Porque isso aconteceu? O que aconteceu, Porque isso aconteceu? O que vai acontecer No futuro?

7 Metodologia Screening programas e análise preditiva

8 Metodologia Screening programas e análise preditiva

9 Sinistro Modelagem Preditiva Metodologia Modelo ARAC

10 Custo Modelagem Preditiva Validação PONTO DE CORTE 5% 10% 15% 20% 25% 30% CUSTO CAPTURADO 36,20% 42,78% 46,74% 51,64% 59,78% 64,72% Ponto de corte

11 Entrega Lista de usuários ordenados por Ranking Contém todos os fatores utilizados para construção do modelo. Informações relevantes em dados estruturados. Permite a análise da população selecionada. Possibilita novos desdobramentos de estudo. Estudo da população identificada Acompanhado da lista possibilita insights de atuação. Perfil completo da população classificada como de alto custo. Valor previsto de grupos específicos. Direcionamento para soluções de redução de custo. Possibilidade de customização.

12 Implantação 1- Análise dos dados 2- Aplicação das Regras Clínicas 3- Modelagem Preditiva 4- Envio para o cliente Entendimento dos dados e informações disponíveis (mínimo de 2 anos e desejável 3 anos de base de dados de sinistro), sobre os dados e qualificação dos dados. Aplicamos os algoritmos clínicos já construídos pela Healthways para captar a prevalência das doenças. Estes algoritmos buscam obter padrões lógicos nos dados de sinistros que indicam o diagnóstico ou tratamento de uma condição crônica. Utilização do modelo, construído com dados Sharecare, no ano 1 (T1). Ou caso seja necessário, construção do modelo com os dados do cliente do ano 1 (T1). Validação do modelo no ano seguinte (T2). Aplicação do modelo no período atual para a predição do futuro. Relação das pessoas que possuem a maior probabilidade de gerar determinado evento de alto custo, além de informações adicionais, como idade, gênero, prevalência de doenças e utilização do serviço de saúde.

13 Case Modelagem Preditiva % da população % do custo nos dados esperados % do custo nos dados reais De acordo com os dados históricos, ao identificarmos 5% da população que tem o maior risco de gerar alto custo nos próximos 12 meses é esperado que o modelo capture 25% do custo total da população. Nos dados reais observamos que o modelo foi capaz de identificar 25,67% do custo. *A população alvo foi de participantes inscritos com pelo menos 12 meses de programa, no período de agosto de 2015 a março de 2017.

14 Case Modelagem Preditiva ROI Comparando os Resultados do modelo preditvo com os algoritmos tradicionais foi verificado um ganho de 29% no ROI dos grupos formados utilizando a Metodologia CEM (Coarsened Exact Matching) criada em Harvard com parceria da Healthways. Período: Período Antes do Programa: Ago/14 Jul/15 Período do Programa: Nov/15 Out/16 População Participantes dos Programas Economia Gerada ROI ARAC 186 R$ ,69 29%+ População Participantes dos Programas Economia Gerada ROI Algoritmos 7791 R$ ,42 *"Iacus, S., King, G., & Porro, G. (2012). Causal Inference without Balance Checking: Coarsened Exact Matching. Political Analysis, 20(1), doi: /pan/mpr013"

15 Resultados Case Modelo Preditivo Alto Risco para Alto Custo (ARAC) Algoritmos x Modelagem Preditiva Comparando os Resultados da Modelagem Preditiva de Alto Risco para Alto Custo nos próximos 12 meses (ARAC) com os algoritmos convencionais foi verificado um ROI 29% maior para os modelos preditivos. N: pessoas Período: Jan Dez2016 ARAC MP ROI: 5,69 População Acompanhada Programas Clínicos CEM Metodologia 29%+ Algoritmo ROI: 4,42 Metodologia CEM (Coarsened Exact Matching) criada em Harvard com parceria da Healthways para medida de resultados financeiros.

16 Diferenciais de mercado Modelagem Preditiva - Base qualificada: construímos uma base qualificada para identificar os códigos e procedimentos de serviços de saúde do Brasil e correlacioná-los com os prováveis CIDs - Customização: Além do estudo de Alto Risco Alto custo, é possível desenvolver outros estudos que identificam outros grupos de atuação. No entanto, recomendamos como primeiro modelo, o Alto Risco para Alto Custo que mostra quais são as condições de saúde que mais impactam no custo total. - Equipe 100% dedicada e formada por estatísticos e cientista de dados - Atuação no tempo presente baseada em informações do futuro: solução para quem deseja se antecipar aos possíveis custos e eventos relacionados à saúde e direcionar seus esforços para evita-los;

17 Contato