使用这些问题解决方法上报索赔交易 | Escalate Claims Transactions with These Problem-Solving Methodologies

Rob Lievense | 04 November, 2022

主题: Healthcare, Value Stream Maps, Minitab

医疗机构开展大量交易过程,通常表现欠佳。Minitab 帮助许多医疗机构采用数据驱动型问题解决方法来改进交易过程。我将举例说明 Minitab 如何使用预测建模Monte Carlo 模拟来帮助上报索赔交易。

加快索赔付款

解决医疗索赔和获得赔款所需时间是关键衡量标准。提高医疗索赔交易的效率可以显著提高收入和改进现金流。假设索赔平均金额为 5200 美元,每月平均处理 1200 次索赔。理赔前,利息成本每天都会迅速增加,从而给组织带来巨大的成本,更不用说现金流压力了。

利益产出衡量标准是从发起健康索赔开始到收到赔款所经过的时间(以天为单位)。其他相关因素包括每人每天处理的索赔工作量、每日错误率(信息缺失、值不正确等)和处理成本。如果索赔涉及私人保险,并且认为要走门诊流程,则在数据注释中填写。

 

Picture1-Jul-13-2022-09-16-56-51-PM

利用数据分析功能改进医疗服务和治疗效果

观看在线研讨会

摘要信息

索赔速度慢会使组织在许多方面付出代价,如支付的利息增加和现金流不可靠。战略商业计划包括50 天内理赔目标,以保持正常的财务业绩。为了实现这一目标,我们使用了一项能力研究来确定已处理的索赔数量实现目标的程度。因此,现在预计该过程将在 50 多天内处理大多数索赔 (88.3%)。

Picture2-2

保持稳定的索赔过程

客户如何确保索赔过程在一段时间内保持稳定?  索赔处理出现高峰期可能有一些特殊原因,该问题可能很容易解决。索赔时间变化会在一段时间后趋于稳定,这表明可通过一种更详细的方法实现整体改进。质量控制图是评估过程稳定性的绝佳方法。  

Picture3-2

 

单值控制图和移动范围控制图提供的证据表明理赔过程稳定,平均约为 53 天。正常情况下,理赔天数会在 46 到 60 天之间随机变化。

创建回归模型

通常,交易过程涉及许多可能导致理索时间发生变化的变数。下面是一些可以使用的最佳模型: 

  • 预测分析是一种非常有价值的解决方案,用于通过影响最大的变量来寻找关注点。  
  • 自动化机器学习易于使用,非常适合拟合有用的模型。  
  • TreeNet 模型解释了 81.8% 的索赔时间变化性,将关注点缩小到 3 个连续变量(已处理的索赔数、索赔成本、每日错误率)。 

relative variable

当输入变量减少后,回归模型便创建完成。回归模型很容易解释,它是模型输入的线性组合。三个输入变量的回归模型解释了 78% 以上的索赔时间变化性,几乎与更复杂的 Tree Net 模型一样好。根据该回归模型进行预测可以解释大约 75% 的索赔时间变化性,如下所示。  

Picture5

 

 

 

Picture7

 

 

 

在线研讨会:透过 Monte Carlo 模拟了解未知信息 

观看

使用 Monte Carlo 模拟完善数据  

在 Minitab 中创建回归模型后,Workspace 或 Engage 用户可以轻松将其导入 Monte Carlo 模拟。输入有关 3 个输入变量的形状和参数的历史信息,以及目标(即,索赔处理时间不超过 50 天)。如果参数未知,很容易使用数据来自动创建输入行为。

Picture8

针对 50,000 次(默认值)迭代运行 Monte Carlo 模拟,获得的结果表明当前过程的能力较差,如上所述。可以利用均值输入水平快速完成参数优化,以通过调整输入水平获得更好的结果。  


 

优化改进结果

Picture9

优化显著缩短了索赔时间 – 现在有不到 1% 的索赔超出目标。相关改进途径包括:将工作量减少到每人每天 30 次索赔、努力将错误减少到不超过十分之一、增加资源使每次索赔的成本增加到 345 美元左右。增加的成本和减少的错误很可能与使用更多处理器有关。通过提高理赔效率可以增加收入,成本的毛利增加只是此操作所带来收益的一小部分。

通过将输入的平均值转入由优化算法确定的水平实现参数优化。通过分析索赔时间对有关均值设置的输入变化性的敏感度,可以实现更多改进。

Picture10

索赔时间似乎对工作量的变化性最敏感。改进项目的利益相关者确定,通过增加人力来更好地平衡工作周的需求可以减少 20% 的变化性。

Picture11

反映这一变化的新一轮模拟提供了能力提升证据,导致极少数索赔 (0.04%) 超出目标。最终能力值 (Cpk = 1.1) 表明,110% 的分布将符合目标(最长处理时间 50 天),这一目标能够稳定地实现。     

用 T 试验确认结果 

模拟提供预期结果数的证据;然而,不可以替代确认数据。有些影响因素可能会影响统计模型中未知或难以包含的输出内容。索赔时间改进项目的赞助者包括收集 100 个随机观察结果作为确认样本,并用其确定在 50 天目标内理赔的能力。双样本 t 试验表明,平均索赔时间大大缩短 (p~0.000)。  

 

Picture12

 

Picture14

50 天目标内理赔的能力大大提高,100 万次理赔中有不到 300 次理赔可能会超出目标  

Picture13

 结论 

正如我希望本博客所展示的那样,通过建模和模拟研究,可以在做出变更之前研究过程和评估改进效果。这些步骤使过程的利益相关者能够就所建议变更的稳健性获得合理的保证。  对于大型医疗机构来说,这些改进所带来的商业价值可能达到数百万美元。本博客中使用的 Minitab 解决方案可以由非统计人员轻松部署,不仅为审计员提供出色的文档,并可用于在整个组织中共享最佳实践。