收藏增加作用于支付倾向的预测

文章总结


患者越来越多的医疗成本,负责自费账户现在顶部贡献者医院和卫生系统的坏账。的坏账费用报告全国代表每年超过550亿美元。

Allina健康曾从事几种不同供应商在开发和部署一个预测模型,协助预测支付倾向,但供应商无法满足Allina卫生的要求。组织的成功使用病人集合由策略驱动的过程,它需要一个精确的和可靠的支付倾向预测模型。

Allina健康与健康催化剂成功创建一个预测模型,可以支持世界杯葡萄牙vs加纳即时走地一个薪酬策略,倾向使用医疗保健。AI™产品套件。

下载

预测这种付账倾向
出现的结果
  • 总体集合在一年增加200万美元,其中包括超过660000美元的额外的病人通过电话支付被收集在实施后的头两个月支付倾向机器学习算法和策略集合,相对提高了43.2%。
  • 出站调用的数量相对提高37.5%。
  • 入站调用的数量相对提高21%。

自费账户主要贡献者坏账卫生系统

在美国百分之二十八的保险工作年龄的成年人是保额不足,和一半以上的医疗债务。1高的健康计划和共同支付增加了病人自费医疗成本的百分比。2这些自费账户现在顶部贡献者为医院和卫生系统的坏账,3代表在全国范围内超过550亿美元。4

Allina健康、非营利性医疗体系,提供照顾病人从出生到临终通过其65年诊所,49康复地点,23日医院诊所,12个医院,15个药店,和两个门诊中心。卫生系统需要一种策略来更好地预测的可能性为自费支付账户和适当的后续行动集合将产生最成功。

预测支付倾向

Allina健康的金融代表试图收集优秀每月余额为200000名患者。同时组织有很好的流程联系患者突出的平衡,这是无法目标干预那些更有可能支付他们的账单。

聚焦战略类型的账户和病人打交道将协助,但Allina健康无法部署支付倾向的预测模型。少有效的过程,如电话推销和定制的对话,被作为一个策略收集付款。

Allina健康之前与几个不同的供应商开发和部署一个预测模型,使卫生系统使用薪酬战略倾向,但他们听不懂。这些公司不能有效利用Allina健康的复杂数据,解释信息的方式会产生一个可靠的、有效的支付倾向预测模型。

Allina健康成功使用病人集合由策略驱动的过程,它需要一个准确和可靠的支付倾向预测模型。

机器学习驱动改进策略

Allina健康依赖于健康的催化剂世界杯葡萄牙vs加纳即时走地®数据操作系统(DOS™)平台,支持其改进工作。世界杯厄瓜多尔vs塞内加尔波胆预测建立一个预测模型,可以成功地部署到支持支付策略,倾向Allina健康与健康催化剂,其医疗选择。世界杯葡萄牙vs加纳即时走地AI™解决方案。

创建一个预测模型

倾向于支付机器学习模型使用人工智能预测病人的概率在月将支付他们的账单。Allina健康的数据分析平台,包括500000年培训情况下,用于发展预测模型。世界杯厄瓜多尔vs塞内加尔波胆预测主题专家(SME)的组织和健康催化剂然后选择变量的预测模型基于中小企业医疗、金融、和分析经验。世界杯葡萄牙vs加纳即时走地

随机森林的基尼杂质指数构造决策树的算法被用来确定哪些变量纳入最终的模型。七十七输入变量进行了测试,46人纳入最终的模型。接下来,一个随机森林模型是用来计算每个变量的相对影响对一个病人的概率会错过他们的付款。模型性能AUROC,作为测量的准确性,擅长0.88 AUPR,测量的精度和质量也擅长0.70。

确保这些信息与当前系统集成,数据预测模型与Allina交换平台的日常卫生的EMR和病人声明中,促进工作流使用自动拨号器,EMR工作队列,和病人声明平台。世界杯厄瓜多尔vs塞内加尔波胆预测这支持金融代表应用正确的自费收集策略。

确定支付倾向

在发展中预测的模型倾向于支付,财务团队成员的验证数据,然后分成支付部分,倾向和收集策略应用于每一个人。这些片段的倾向,可能适用的策略,包括:

  • 高:通知由数据,这些病人有很高的可能性,Allina健康并不会自动调用这些病人,保留其资源联系患者可能不会支付
    没有额外的交互与金融代表。
  • 中:代表称这些病人45天前余额发送坏债务,并为最后一个通知期限前15天。
  • 中低型:Allina健康实现假定支付计划工作流的患者支付的方式与付款计划的指导方针一致,但尚未从事正式的计划,帮助阻止这些患者进展坏账。
  • 低:低倾向患者从来没有付款,总是进步坏账。Allina健康可以避免投资有限的资源进行付款,因为这些患者曾表明,他们不会支付。代表接触这些病人正确的余额之前送到坏账。

使用支付倾向预测模型、Allina健康还可以识别患者曾接受慈善医疗或医疗援助。这使得代表发送信息慈善关怀病人更及时的方式。Allina健康遵循了这些患者使用一个定制的拨号器运动,问他们是否有问题或需要帮助。

结果

支付机器学习倾向预测模型,结合Allina健康的倾向薪酬策略,使得财务团队专注收集患者更有可能支付。资源不是分配给收集从病人将支付余额不干预或不支付他们的账单无论干预措施。这个信息让Allina健康充分利用其有限的资源,增加支付提供的服务。结果包括:

  • 增加200万美元在仅仅一年整体集合,包括超过660000美元的额外的病人支付收集通过电话在实施后的头两个月支付机器学习算法和策略集合,倾向43.2%的改善。
  • 37.5%相对好转在出站调用的数量。
  • 21%相对好转在入站调用的数量。
  • 倾向于支付机器学习模型改进了愿意与病人的能力,能够支付他们的账单和感兴趣,增加入站调用的数量。

思考策略和如何你想段患者群体。最好有更多的段,找出最好的方法达到每一个。病人参与预测的可能性如何支付他们的账单。

芭芭拉球
应收账款总统服务

接下来是什么

Allina健康是持续改善其薪酬策略和倾向预测模型。卫生系统计划发送数据的在线门户供应商病人恢复健康催化剂将预测模型,提高预测病人的可能性与Allina健康和支付他们收到的服务。世界杯葡萄牙vs加纳即时走地

引用

1、3。尤因,c (2017)。医院寻找新的方法来减少坏账,关注自费病人贝克尔的医院检查
2。布拉德利,p (2013)。4步骤,利用医院的病人数据改善自费集合贝克尔的医院检查
4所示。美国医院目录。(2017)。数据趋势——坏账费用基准HFMA杂志

增加可见性价值取向的性能结果的额外支付2.1美元的性能

这个网站使用饼干

我们在为你提供相关的自豪,有用的内容。我们可以使用cookie来跟踪你读什么?我们非常重视您的隐私。请参阅我们的隐私政策对细节和任何问题。