Trường đại học kinh tế quốc dân

viện đào tạo sau đại học

Đề tài luận án: Các mô hình toán kinh tế trong ước lượng chi phí khám chữa bệnh do bảo hiểm y tế chi trả ở Việt Nam

Chuyên ngành: Kinh tế học (Toán kinh tế)

Nghiên cứu sinh: Phạm Thị Hồng Thắm

Giáo viên hướng dẫn: PGS.TS Giang Thanh Long

Cơ sở đào tạo: Trường Đại học Kinh tế Quốc dân 

 

 

Bằng việc sử dụng mô hình toán kinh tế hiện đại, Luận án đã có những đóng góp mới về mặt học thuật, lý luận như sau:

 

•Thứ nhất, luận án đã hệ thống hóa được các mô hình toán kinh tế trong ước lượng chi phí khám, chữa bệnh (KCB), trong đó chỉ ra được những điểm mạnh và những điểm yếu cụ thể với những dạng dữ liệu khác nhau. 

 

•Thứ hai, từ việc hệ thống hóa ở trên, Luận án đã chứng minh được rằng phương pháp ước lượng bằng mô hình xác suất vượt trội về sự chuẩn xác so với các phương pháp ước lượng truyền thống. Cụ thể, với mỗi biến nghiên cứu, các phương pháp truyền thống chỉ đưa ra các ước lượng cụ thể cho một số tham số (như giá trị kỳ vọng hay giá trị phân vị), trong khi phương pháp mô hình xác suất lại đưa ra ước lượng dưới dạng phân phối xác suất. Việc xác định được phân phối xác suất cho phép lấy được đầy đủ các thông tin về biến cần nghiên cứu và từ đó có thể tính toán bất kỳ tham số đặc trưng nào của biến số đó.

 

•Thứ ba, với việc áp dụng ước lượng theo phương pháp Bayes, tham số của phân phối cần ước lượng không phải là một số cố định mà là một biến ngẫu nhiên. Điều này cho phép thực hiện các ước lượng phù hợp khi dữ liệu nghiên cứu được cập nhật.

 

•Thứ tư, với việc áp dụng phương pháp mô phỏng Monte-Carlo bằng những thuật toán mô phỏng bằng máy tính, Luận án cho nhiều kết quả ước lượng theo các kịch bản khác nhau mà có thể mô tả được các thay đổi có tính chất ngẫu nhiên trong thực tế. Các kết quả mô phỏng đó có thể là những thông tin đầu vào quan trọng cho hoạch định chính sách và giúp phòng ngừa các rủi ro.

 

•Thứ nhất, với dữ liệu hiện có của Việt Nam và bằng việc áp dụng mô hình rủi ro nhóm, Luận án đưa ra được những kết quả ước lượng mới thông qua việc phân chia tổng chi phí KCB thành hai cấu phần riêng biệt là số lượt KCB và chi phí KCB theo lượt. Đây là cách tiếp cận hiện đại trong mô hình hóa tổng tổn thất bằng cách tách riêng tác động của yếu tố quy mô và độ lớn của từng tổn thất. Bên cạnh đó, việc chia các đối tượng cần nghiên cứu theo các nhóm đặc trưng (như tuổi, giới tính, nhóm bệnh…) giúp việc ước lượng các chi phí KCB chính xác hơn cách ước lượng tổng chi phí KCB một cách trực tiếp như nhiều nghiên cứu đã làm trước đây.

 

•Thứ hai, Luận án phát hiện ra rằng việc kết hợp mô hình rủi ro nhóm với các phương pháp ước lượng tham số Bayes và mô phỏng ngẫu nhiên để ước lượng chi phí KCB là cách tiếp cận phù hợp nhất. Đặc biệt, trong điều kiện dữ liệu hiện có do Cơ quan Bảo hiểm Xã hội Việt Nam đang lưu trữ, việc áp dụng phân phối Poisson–Gamma cho số lượt KCB và phân phối Lognormal–Normal cho chi phí KCB theo lượt là phù hợp nhất cho việc ước lượng chi phí KCB do BHYT chi trả ở Việt Nam.

 

 

 

 

 

Dissertation title: Mathematical economic models in predicting healthcare cost paid by the Social Health Insurance in Vietnam

Major: Mathematical Economics

Training institution: National Economics University 

 

By using modern mathematical economic models, this dissertation has new academic contributions as follows:

 

•First, it provided a systematic review on the mathematical economic models used in estimating and predicting healthcare costs, in which specific strengths and weaknesses with different data types were discussed. 

 

•Second, based on such a review, this dissertation proved that the estimation method by probability model was more advantaged in terms of accuracy than the traditional estimation methods. Particularly, for each study variable, the traditional methods only provided specific estimator for parameters (such as expected values or percentiles), while the probability model methods provided estimators in terms of probability distribution. The determination of probability distribution allowed to obtain all information about the studied variables so as to possibly calculate any characteristic parameters of these variables.

 

•Third, with the application of the Bayesian estimation, the parameters of the estimated distribution were not fixed numbers; rather, they were random variables. This method allowed for appropriate estimators each time the data was updated. 

 

•Fourth, with the application of the Monte-Carlo simulation method by computer simulation algorithms, the dissertation provided various estimation results under different scenarios which could describe random changes. Such simulation results would be important inputs for policy making as well as for preventing risks.

 

•First, with the existing data of Vietnam and by applying the collective risk models, this dissertation could provide new estimation results for the total healthcare costs in two important and separate components, i.e., the number of services, and the service cost. This is a modern approach in modelling total losses by separating the effects of the claim size and the severity of each claim. Moreover, dividing the studied insured people by specific groups (such as age, gender, and diseasegroups...) helped estimate healthcare costs more accurately than estimating the total healthcare costs directly (which many studies did).

 

•Second, the dissertation found that combination of the collective risk models with the Bayesian estimation and stochastic simulation methods was the most appropriate approach for predicting the healthcare costs. In particularly, with the current available data on social health insurance recorded by the Vietnam Social Security Agency, the application of Poisson - Gamma distribution for the number of services and the Lognormal - Normal distribution for service costs per visit or admission would be the most suitable for predicting the healthcare costs paid by social health insurance.