Management von Leistungsrisiken einer Krankenkasse mit Predictive Modeling

Inhaltsverzeichnis

• Einleitung
• Problemstellung und Zielsetzung
• Gang der Untersuchung
• Begriffsbestimmungen und Grundlagen
• Leistungsrisiken
• Definition
• Struktur der Leistungsausgaben
• Steuerungsmöglichkeiten
• Predictive Modeling
• Definition
• Abgrenzung zu Prior-Expense-Analysen
• Risiko- und Ausgabenschätzung
• Einsatzmöglichkeiten zum Management der Leistungsrisiken
• Theoretische Ausgestaltung von Predictive Models
• Modellierungsansätze
• Risk Grouper basierte Modelle
• Grundlegende Konzeption
• Datenbasis
• Morbiditätsindikatoren
• Codierungen
• Zellenansatz
• Zuschlagsansatz
• Vergleich der Ansätze
• Zeitgleiche und prospektive Anwendung
• Modelloutput
• Kritische Würdigung
• Vergleich bestehender Predictive Modeling Systeme
• Vergleichskriterien
• Übersicht ausgewählter Systeme
• ACG Case-Mix System
• IHCIS Impact Pro
• DXCG Risk Smart Global
• Empirische Testergebnisse
• Maße zur Schätzgenauigkeit
• SOA Risk Adjuster Study
• IGES/Lauterbach/Wasem-Studie
• Anpassungsmöglichkeit an GKV-Strukturen
• Kritische Würdigung und Systemauswahl
• Implementierung eines Risk Grouper basierten Predictive Models
• Vorgehensmodell
• Ableitung eines Vorgehensmodells
• Implementierungsphasen
• Kritische Erfolgsfaktoren bei der Implementierung
• Risiko-Framework
• Systemauswahl
• Datenqualität
• Klassifikation und Kostengewichte
• Risikomanagement-Prozess
• Risiko-Berichtswesen
• Schluss
• Fazit
• Ausblick
• Literaturverzeichnis

Zielsetzung und Themenschwerpunkte

Die Diplomarbeit befasst sich mit dem Management von Leistungsrisiken einer Krankenkasse mithilfe von Predictive Modeling. Ziel ist es, die Leistungsrisiken einer Krankenkasse zu identifizieren, zu quantifizieren und zu steuern. Dabei wird der Fokus auf die Anwendung von Predictive Modeling gelegt, um die zukünftigen Leistungsausgaben der Versicherten zu prognostizieren.

• Analyse von Leistungsrisiken in der Krankenversicherung
• Einsatz von Predictive Modeling zur Risikosteuerung
• Bewertung verschiedener Predictive Modeling Systeme
• Implementierung eines Risk Grouper basierten Predictive Models
• Kritische Erfolgsfaktoren für die Implementierung

Zusammenfassung der Kapitel

Die Einleitung stellt die Problemstellung und Zielsetzung der Arbeit dar. Sie erläutert die Bedeutung des Themas und skizziert den Gang der Untersuchung. Im zweiten Kapitel werden die grundlegenden Begriffsbestimmungen und Grundlagen behandelt. Dazu gehören die Definition von Leistungsrisiken, die Struktur der Leistungsausgaben und die verschiedenen Steuerungsmöglichkeiten. Außerdem wird das Konzept des Predictive Modeling vorgestellt und von anderen Analysemethoden abgegrenzt.

Das dritte Kapitel befasst sich mit der theoretischen Ausgestaltung von Predictive Models. Es werden verschiedene Modellierungsansätze vorgestellt, insbesondere die Risk Grouper basierten Modelle. Die Funktionsweise dieser Modelle wird anhand von Beispielen erläutert, und es werden die verschiedenen Ansätze zur Risiko- und Ausgabenschätzung verglichen.

Im vierten Kapitel werden verschiedene Predictive Modeling Systeme miteinander verglichen. Es werden die wichtigsten Vergleichskriterien vorgestellt und ausgewählte Systeme anhand dieser Kriterien bewertet. Die empirischen Testergebnisse verschiedener Studien werden analysiert, um die Schätzgenauigkeit der Systeme zu beurteilen.

Das fünfte Kapitel behandelt die Implementierung eines Risk Grouper basierten Predictive Models. Es wird ein Vorgehensmodell entwickelt, das die einzelnen Phasen der Implementierung beschreibt. Außerdem werden die kritischen Erfolgsfaktoren für die Implementierung eines solchen Systems beleuchtet.

Schlüsselwörter

Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen Leistungsrisiken, Krankenkasse, Predictive Modeling, Risk Grouper, Risikosteuerung, Implementierung, Datenqualität, GKV-Strukturen, Schätzgenauigkeit, Vergleich von Systemen, Erfolgsfaktoren.