MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY

Podobne dokumenty
Wprowadzenie do analizy korelacji i regresji

Analiza regresji - weryfikacja założeń

Metody Ilościowe w Socjologii

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Regresja linearyzowalna

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

ZASADY KALKULACJI KOSZTÓW INDYWIDUALNYCH LECZENIA PACJENTA

MODELE LINIOWE. Dr Wioleta Drobik

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/2017

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Modelowanie glikemii w procesie insulinoterapii

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

istocie dziedzina zajmująca się poszukiwaniem zależności na podstawie prowadzenia doświadczeń jest o wiele starsza: tak na przykład matematycy

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

Analiza autokorelacji

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Regresja i Korelacja

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji

W1. Wprowadzenie. Statystyka opisowa

Rozdział 8. Regresja. Definiowanie modelu

Przykład 1. (A. Łomnicki)

Warszawa, dnia r. Raport Konsultanta Wojewódzkiego w dziedzinie toksykologii klinicznej za rok 2015

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

W statystyce stopień zależności między cechami można wyrazić wg następującej skali: n 1

ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH

Uczelnia Łazarskiego Wydział Medyczny Kierunek Lekarski

ANALIZA REGRESJI SPSS

Metodologia badań psychologicznych. Wykład 12. Korelacje

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

ZARZĄDZENIE Nr 78/2015/DSM PREZESA NARODOWEGO FUNDUSZU ZDROWIA. z dnia 23 listopada 2015 r.

STATYSTYKA MATEMATYCZNA

KARTA PRZEDMIOTU / SYLABUS. Zakład Statystyki i Informatyki Medycznej. tel./fax (85) statinfmed@uwb.edu.pl dr Robert Milewski

KARTA PRZEDMIOTU / SYLABUS

Statystyka matematyczna i ekonometria

SYLABUS DOTYCZY CYKLU KSZTAŁCENIA (skrajne daty)

Proces modelowania zjawiska handlu zagranicznego towarami

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

Rola kontraktowania świadczeń lekarskich w zarządzaniu zespołem medycznym. ofta, Inga Wałaszkowska, Iwona Wesołowska

1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

WERYFIKACJA MODELI MODELE LINIOWE. Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno

KARTA PRZEDMIOTU / SYLABUS

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Dr Stanisław Szela. Dr Stanisław Szela

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

KARTA PRZEDMIOTU / SYLABUS

KARTA PRZEDMIOTU / SYLABUS Wydział Nauk o Zdrowiu Zdrowie Publiczne ogólnoakademicki praktyczny inny jaki. Zakład Statystyki i Informatyki Medycznej

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)

Kilka uwag o testowaniu istotności współczynnika korelacji

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

KARTA PRZEDMIOTU / SYLABUS

Stosowana Analiza Regresji

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Mapy potrzeb zdrowotnych. Jerzy Gryglewicz Warszawa, 8 października 2015 r.

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Analiza Współzależności

KARTA PRZEDMIOTU / SYLABUS. Zakład Statystyki i Informatyki Medycznej. tel./fax (85) dr Robert Milewski

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

ANALIZA REGRESJI WIELOKROTNEJ. Zastosowanie statystyki w bioinżynierii Ćwiczenia 8

PDF created with FinePrint pdffactory Pro trial version

Ekonometria. Regresja liniowa, dobór postaci analitycznej, transformacja liniowa. Paweł Cibis 24 marca 2007

Korelacja krzywoliniowa i współzależność cech niemierzalnych

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

SYTUACJA ZDROWOTNA DZIECI I MŁODZIEŻY W WOJEWÓDZTWIE ŁÓDZKIM

Regresja wielokrotna. PDF created with FinePrint pdffactory Pro trial version

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej

Elementy Modelowania Matematycznego

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18

Ekonometria, lista zadań nr 6 Zadanie 5 H X 1, X 2, X 3

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Co to jest analiza regresji?

Metody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L

KARTA PRZEDMIOTU / SYLABUS

Finansowanie i rozliczanie świadczeń gwarantowanych dedykowanych żywieniu klinicznemu w warunkach szpitalnych

Małgorzata Kołpak-Kowalczuk. Stacjonarna opieka zdrowotna w realizacji potrzeb zdrowotnych populacji województwa podlaskiego w latach

Z-LOGN Ekonometria Econometrics. Przedmiot wspólny dla kierunku Obowiązkowy polski Semestr IV

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Transport II stopień (I stopień / II stopień) Ogólnoakademicki (ogólnoakademicki / praktyczny)

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Agnieszka Nowak Brzezińska

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

KARTA PRZEDMIOTU / SYLABUS

Warszawa, dnia r. Raport Konsultanta Wojewódzkiego w dziedzinie toksykologii klinicznej za rok 2014

Transkrypt:

MODELOWANIE KOSZTÓW USŁUG ZDROWOTNYCH PRZY WYKORZYSTANIU METOD STATYSTYCZNYCH mgr Małgorzata Pelczar 6 Wprowadzenie Reforma służby zdrowia uwypukliła problem optymalnego ustalania kosztów usług zdrowotnych. Metody obliczania kosztów sprowadzają się obecnie do określenia średniego jednostkowego kosztu wojewódzkiego usługi w odniesieniu do liczby usług kontraktowanych. Referat ten przedstawia propozycję ustalania kosztów usług medycznych w oparciu o metody statystyczne i analizę ekonometryczną przy wykorzystaniu programu STATISTICA. Może to służyć zarówno kasom chorych jak i dyrektorom szpitali w celach prognozowania i ustalania optymalnych kosztów usług medycznych. Dobór postaci oraz zmiennych modelu Do podstawowych zadań rachunku kosztów należy tworzenie podstaw decyzyjnych. Systematyczny rachunek kosztów nie zawsze uwzględnia problemowe rachunki kosztów, które pomagają w rozwiązywaniu problemów decyzyjnych. Spełnienie wymagań decyzyjnych zależy w znacznym stopniu od przyjętego modelu rachunku kosztów, emitującego koszty w żądanych przekrojach. Rachunek kosztów powinien realizować również wiele funkcji, m.in. funkcje analityczne tzn. badania związków przyczynowo skutkowych, funkcje informacyjno statystyczne oraz funkcje optymalizacyjne i te właśnie funkcje mogą być realizowane za pomocą metod matematycznych. Usługa zdrowotna jest to produkt finansowany przez kasę chorych, czyli świadczenie zdrowotne (np. badanie i porada lekarska), procedura medyczna (np. badanie USG) lub pakiet świadczeń medycznych (np. hospitalizowany na oddziale danego typu). W związku z tym koszty usług zdrowotnych można podzielić w zależności od rodzaju świadczenia zdrowotnego i ustalać je oddzielnie dla każdej usługi, przy czym każda usługa traktowana jest pakietowo, tzn. jest to koszt usługi finalnej. Zakładając, że koszt usługi zdrowotnej zależy od n - zmiennych objaśniających można je przedstawić w postaci funkcji: gdzie: K i koszty ustalonej usługi zdrowotnej, K i = F(x 1, x 2,..., x n, w, ε), 6 Wydział Informatyki, Politechnika Szczecińska. 59

x j zmienne objaśniające, w wskaźnik wzrostu cen, ε - czynnik losowy. Na koszt usług kontraktowanych przez kasę chorych składa się suma kosztów poszczególnych usług zdrowotnych świadczonych przez danego świadczeniodawcę. Biorąc pod uwagę odcinkowość modelu, a także zależności pomiędzy zmiennymi decyzyjnymi a zmiennymi objaśniającymi można przyjąć jego liniową postać: K i = c 1 *x 1 +c 2 *x 2 +...+c n *x n +ε, gdzie: c i parametry modelu. Metody ustalania kosztów usług medycznych przedstawione zostaną na przykładzie analizy kosztów na oddziałach chirurgicznych, na podstawie danych dla 18 oddziałów chirurgicznych szpitali za lata 1996, 1997, 1998. Ze względu na specyfikę danych zawierających koszty roczne dla szpitalnych oddziałów chirurgicznych zmienną zależną będzie koszt roczny leczenia pacjentów na oddziale chirurgicznym. Zmienne niezależne można wybrać z danych zawierających: liczbę leczonych pacjentów, liczbę osobodni, liczbę łóżek na oddziałach chirurgicznych oraz stopień referencyjny szpitala w którym znajduje się oddział chirurgiczny. Rysunek 1 60

Rysunek 2 Rysunek 3 61

Rysunek 4 Powyższe wykresy zawierają wstępną analizę zależności poszczególnych zmiennych przeprowadzoną w pakiecie STATISTICA w module PODSTAWOWE STATYSTYKI przy użyciu kreatora wykresy statystyczne dwuwymiarowe wykresy rozrzutu. Widoczne jest na wszystkich wykresach rozrzutu, że obserwacje 9 oraz 27 wyraźnie odstają od pozostałych. Wracając do danych można było stwierdzić, że jeden szpital zawyżył roczne koszty hospitalizacji na oddziałach chirurgicznych w roku 1996 oraz 1997. W dalszej analizie dane te zostaną pominięte. Następna analiza polegała na obliczeniu współczynników korelacji Pearsona dla poszczególnych zmiennych niezależnych i zmiennej zależnej w module PODSTAWOWE STATYSTYKI Macierze korelacji. Na podstawie wyników obliczeń możemy stwierdzić, że istnieje silna korelacja pomiędzy zmiennymi liczba leczonych pacjentów oraz liczba osobodni (r = 0,95), dlatego też można uzależnić koszty albo od liczby leczonych pacjentów albo od liczby osobodni. Identyfikacja parametrów oraz weryfikacja modeli Identyfikacja parametrów i weryfikacja modeli została przeprowadzona w module Regresja wielokrotna przy zastosowaniu metody standardowej. Rysunek 5 przedstawia wyniki analizy regresji zmiennej zależnej koszty przy zmiennej niezależnej liczba leczonych pacjentów, model zawiera również wyraz wolny. Rysunek 5 62

Jest to model najprostszy i odzwierciedla tylko 58 % obserwacji, ale może stanowić podstawę do ustalenia kosztu leczenia jednego pacjenta na oddziale chirurgicznym oraz kosztów stałych utrzymania oddziału chirurgicznego co przedstawia wyraz wolny w tym modelu. Rysunek 6 przedstawia wyniki analizy regresji zmiennej zależnej koszty dla liczby osobodni jako zmiennej niezależnej z wyrazem wolnym. Rysunek 6 Model ten pozwala ustalać koszty w zależności od liczby osobodni leczenia pacjentów, ale również tłumaczy tylko 53% obserwacji. Ponieważ koszty stałe utrzymania oddziału szpitalnego zależą od liczby łóżek na oddziale następne modele zamiast wyrazu wolnego zawierają zmienną liczba łóżek. Rysunek 7 zawiera podsumowanie analizy regresji dla zmiennej zależnej koszty i zmiennych niezależnych liczba leczonych pacjentów oraz liczba łóżek. Rysunek 7 Model ten pozwala zróżnicować koszty stałe utrzymania oddziału w zależności od liczby łóżek, a koszty zmienne od liczby leczonych pacjentów. Otrzymany model pozwala wyjaśnić około 94% wariancji analizowanej zmiennej zależnej, więc lepiej opisuje rzeczywistość. Rysunek 8 przedstawia wyniki analogicznej analizy regresji uwzględniając liczbę osobodni zamiast liczby leczonych pacjentów. Rysunek 8 W modelu tym koszty zmienne zależą od liczby osobodni, a koszty stałe uzależnione od liczby łóżek na oddziale są większe niż w modelu poprzednim. Tłumaczy on około 92 % wariancji analizowanej zmiennej zależnej. Koszty stałe leczenia na oddziałach chirurgicznych zależą również od poziomu referencyjnego szpitala, następne rysunki 9 i 10 zawierają wyniki analizy regresji dla zmiennych niezależnych liczba leczonych pacjentów i poziom referencyjny szpitala oraz liczba osobodni i poziom referencyjny szpitala. 63

Rysunek 9 Rysunek 10 Modele te odzwierciedlają odpowiednio 94% oraz 93% wariancji i również w modelu drugim koszty stałe uzależnione od poziomu referencyjnego szpitala są wyższe. Uwzględniając następnie w modelach po trzy zmienne niezależne otrzymano wyniki analizy regresji przedstawione na rysunkach 11 i 12. Rysunek 11 W modelu tym współczynnik przy liczbie łóżek jest ujemny oraz nieistotnie różni się od zera. Ryszunek 12 Model ten nie ma ujemnego współczynnika przy liczbie łóżek, ale współczynnik ten również nieistotnie różni się od zera. Skłania to do dalszej analizy wykorzystania łóżek na oddziałach chirurgicznych i okazuje się, że wskaźnik ten wynosi 70 %. Dalsze analizy przeprowadzone zostały w module Regresja wielokrotna przy wykorzystaniu metod regresji krokowej postępującej oraz regresji krokowej wstecznej dla trzech zmiennych niezależnych. Wyniki tych analiz są takie jak podane odpowiednio na rysunkach 9 i 10. Oznacza to, że koszty zmienne leczenia pacjentów na oddziałach chirurgicznych można ustalać w zależności od liczby leczonych pacjentów lub liczby osobodni, natomiast koszty stałe w zależności od poziomu referencyjnego szpitala, w którym się ten oddział znajduje. 64

Podsumowanie Zastosowanie powyższych modeli pozwala optymalnie ustalać koszty roczne leczenia pacjentów na oddziałach chirurgicznych. Podany przykład pokazuje sposób ustalania kosztu jednej usługi zdrowotnej. Analogicznie można ustalać koszty pozostałych usług zdrowotnych. W pakiecie STATISTICA przeprowadzone zostały również analizy dla szpitalnych oddziałów o innych specjalnościach. Na ich podstawie można dojść do interesujących wniosków. Dla przykładu analiza kosztów leczenia na oddziałach internistycznych pozwoliła wykazać brak zależności kosztów od poziomu referencyjnego szpitala właśnie na tych oddziałach. Wykorzystanie pakietu STATISTICA w modelowaniu kosztów usług medycznych pozwala na pełną i szybką analizę zależności zmiennych i ich wpływu na koszty usług medycznych. Literatura 1. Draper N. R., Smith H., Analiza regresji stosowana, PWN, Warszawa, 1973. 2. Stanisz A., Przystępny kurs statystyki z wykorzystaniem programu STATISTICA PL na przykładach z medycyny, tom II, StatSoft Polska, Kraków 2000. 65