[논문 리뷰] A Social Network Analysis Framework for Modeling Health Insurance Claims Data

Ana Paula Appel, Vagner Figuerêdo de Santana외 3명|arXiv (Cornell University)|2018. 02. 20.

Healthcare Systems and Technology참고 문헌 19인용 수 3

한 줄 요약

이 논문은 공유 환자를 기반으로 한 의사 네트워크를 구성하여 건강 보험 청구 데이터를 모델링하는 사회적 네트워크 분석 프레임워크를 제안한다. 이는 상호 추천, 환자 유지를 유지하는 패턴, 의사 중심성 등을 규명할 수 있게 하며, 의사 행동의 구조적 통찰을 제공한다. 중심성 측정 지표 간 높은 일관성과 조밀한 하위 네트워크는 핵심 임상 허브를 나타낸다.

ABSTRACT

Health insurance companies in Brazil have their data about claims organized having the view only for providers. In this way, they loose the physician view and how they share patients. Partnership between physicians can view as a fruitful work in most of the cases but sometimes this could be a problem for health insurance companies and patients, for example a recommendation to visit another physician only because they work in same clinic. The focus of the work is to better understand physicians activities and how these activities are represented in the data. Our approach considers three aspects: the relationships among physicians, the relationships between physicians and patients, and the relationships between physicians and health providers. We present the results of an analysis of a claims database (detailing 18 months of activity) from a large health insurance company in Brazil. The main contribution presented in this paper is a set of models to represent: mutual referral between physicians, patient retention, and physician centrality in the health insurance network. Our results show the proposed models based on social network frameworks, extracted surprising insights about physicians from real health insurance claims data.

연구 동기 및 목표

• 기존 청구 분석이 제공자 중심에만 초점을 맞추는 데 한계가 있다는 점을 해결하기 위해 의사의 관점과 환자 흐름을 통합한다.
• 공유 환자를 프로페셔널 협업 또는 추천의 대체 지표로 삼아 의사 관계를 모델링한다.
• 네트워크 기반 지표를 통해 의료 성과가 뛰어나거나 잠재적인 악성 행위가 의심되는 의사 행동 패턴을 식별한다.
• 건강 보험사가 제공자 네트워크를 관리하고 환자 간 코ordination을 향상시키는 데 기여한다.
• 브라질의 주요 건강 보험사에서 제공한 실세계 18개월 간의 청구 데이터베이스를 활용해 프레임워크를 검증한다.

제안 방법

• 공유 환자를 기반으로 의사-의사 네트워크를 구축하여 전문적 관계의 대체 지표로 활용한다.
• 의사의 네트워크 내 중요도를 평가하기 위해 네 가지 중심성 측정 지표(도수, 가까움, 중간성, 고유벡터 중심성)를 적용한다.
• 서로 다른 두 의사 간에 공유 환자를 통한 추천 패턴이 대칭일 경우 상호 추천으로 정의한다.
• 시간이 지남에 따라 동일한 의사-환자 쌍으로의 재방문 빈도를 기반으로 환자 유지를 모델링한다.
• 특히 상위 랭킹의 의사들 간 연결성을 평가하기 위해 네트워크 밀도를 계산한다.
• 파트너 건강 보험사의 전문의, 프로세스 분석가, IT 전문가들과의 전문가 검토를 통해 결과를 검증한다.

실험 결과

연구 질문

• RQ1 직접적인 추천 데이터가 없을 경우 건강 보험 청구 데이터에서 의사 관계를 어떻게 모델링할 수 있는가?
• RQ2 의사 네트워크의 중심성 측정 지표 간 상관관계는 얼마나 높은가? 이는 네트워크 기반 통찰의 신뢰성과 일관성을 어떻게 보여주는가?
• RQ3 환자 유지를 유지하는 패턴과 상호 추천 패턴에서 높은 성과 또는 잠재적으로 문제가 될 수 있는 의사 행동을 어떻게 식별할 수 있는가?
• RQ4 의사 네트워크의 구조는 시간이 지남에 따라 어떻게 변화하며, 이는 임상 협업에 대해 어떤 통찰을 제공하는가?
• RQ5 청구 데이터의 사회적 네트워크 분석을 통해 밀도 높은 상호 연결된 의사 집합과 같은 임상적으로 의미 있는 하위 네트워크를 탐지할 수 있는가?

주요 결과

• 도수, 가까움, 중간성, 고유벡터 중심성의 네 가지 중심성 측정 지표 간 높은 일관성이 확인되었으며, 상위 100명 의사 중 10~20%가 겹치며 네트워크 기반 통찰의 강건성을 보여준다.
• 2014년 2분기 기준 고유벡터 중심성이 상위 10명의 의사들은 다른 지표와도 매우 일관된 순위를 보였으며, 이 중 14명이 동일한 순위 순서를 차지했다.
• 전체 네트워크 밀도는 0.001이었지만, 상위 100명 의사에서는 0.6으로 상승했고, 상위 40명에서는 0.9로 상승하여 강한 국소적 연결성을 보였다.
• 2014년 2분기 기준 상위 21명의 의사 집단은 네트워크 밀도가 0.933로 거의 완전한 상호 연결성을 보였다.
• 상위 의사들은 지리적으로 뭉쳐 있었으며, 동일한 지역(상우아우)에서 4명의 의사가 속해 있어 위치가 네트워크 형성의 핵심 요소임을 시사했다.
• 이 프레임워크는 임상적으로 의미 있는 패턴, 즉 의사 허브와 추천 클러스터를 성공적으로 식별했으며, 사기 탐지 및 케어 코ordination 분야에서 실질적인 비즈니스 가치를 제공했다.