偿付卫生保健提供者是看起来更复杂,因此,支付经常是不准确的。当健康保险公司多付保健,保费上升,消费者花更多的钱——这就是为什么超额支付恢复项目更负担得起的治疗是一项重要的投资。然而,这些程序并不总是提供ROI计划领导人正在寻找。一个领域升级是为了数据挖掘。SmartBrief与国新办健康分析Lalithya Yerramilli学习更多。
数据挖掘在哪里适合健康计划的超额支付恢复计划?
在构建一个程序一样复杂多付的款项复苏,永远不会有一个完美的放之四海而皆准的解决方案,确保整个系统的完整性付款。相反,最大化的经济复苏,健康计划是明智的使用各种各样的策略,每个设计单独的和独特的(但互补)目的。补充支付完整性策略包括:
- 高成本要求评审
- 欺诈和滥用检测
- 协调的好处
- 代位权
- 要求编辑
- 数据挖掘(预付和postpay)
- 后付费医疗记录审查
- 预付医疗记录审查
- 供应商行为矫正
- 特别调查单位
说,由于投资回报率高,相对较低的提供者磨损和确定系统问题的能力,可以固定在内部,我们认为数据挖掘是最重要的一个工具可供自由支配的健康计划修正帐单和付款错误。然而,像任何其他工具一样,它需要维护以保持有效。
什么是纵向数据挖掘,它与传统的数据挖掘如何?
在最近的一次网络研讨会,我们分类数据挖掘作为一个“值得信赖的工具的创新”,这意味着,尽管几乎所有健康计划有某种形式的数据挖掘,大多数实施年前已经烟消云散了。更新当前的项目与我们所说的“纵向数据挖掘”是一个非常好的方法将最新的创新和最大化的结果。在传统的数据挖掘中,索赔进行了综述。相比之下,一个纵向的方法使用过去索赔行为告知现在分析和识别数据挖掘的发展趋势。这个更广泛的观点主张了罕见的错误模式,否则将继续隐藏如果依靠传统的查询。
什么类型的模式出现在声称当你把眼光放长远,可能后续分析显示什么?
事实是你永远不知道将会出现什么。因为本质上纵向数据挖掘揭示罕见的问题,往往我们发现模式由同一供应商或在同一点在审判过程中,多年来一直被忽视。纵向数据挖掘的一个特别有用的应用就是我们所说的“护理转变的分析。“这个应用程序发现多付的钱,可以发生在成员之间移动网站的关心。从网站链接和跟踪的能力要求网站还允许健康计划发现可疑的编码和计费模式如不恰当的推荐或当医院和专业护理设施费用相同的康复护理。
这个过程使超额支付的计划,解决特定的根源,减少支付?
是的,因为纵向数据挖掘发现未知的模式。健康计划可以使用这些信息连同基准趋势识别和解决问题,已经被发现了。对于许多计划,这是一个务实的第一步骤减少浪费,防止大多数支付发生在第一个地方。纵向数据挖掘作为预付也可以应用解决方案,这将防止付款错误,如果不是最初的计费错误。
健康计划能带来什么好处采用这种技术吗?
健康计划,选择使用纵向数据挖掘将受益于增加的复苏在不增加提供者磨损。因为数据挖掘是一个策略,它不需要建立医疗记录请求,采用此方法简单地提高支付完整的已认可的策略。如果有人有兴趣学习更多关于纵向数据挖掘,我会鼓励他们看看我们最近的白皮书的主题,并探索的重要性自定义内容开发作为一个强大的数据挖掘项目的一部分。
Lalithya Yerramilli有15年的经验在分析保险、卫生保健和生命科学产业与客户info-base、事务性、医师水平,病人的水平,索赔和纵向数据集。她喜欢了解业务流程的复杂性和翻译这些信息来建立预测模型,提供深刻的解决方案。她的经历已经在消费者,供应商,和欺诈,浪费和滥用使用贝叶斯统计分析,群体分析,数据建模,因子分析,聚类,CHAID、多元测试和机器学习算法。了解更多关于新办健康分析智能超额支付的方法识别和其他健康计划的挑战sciohealthanalytics.com。
