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。
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。
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。
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。
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:
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。
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:
”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
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
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。
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。