Entenda o que é modelagem preditiva e como ela ajuda na gestão de custos

By 18 de dezembro de 2019Notícias

modelagem preditiva

Entender a importância de aliar a tecnologia à saúde e ao cuidado humanizado é fácil. Ter os dados para colocar essa ideia em prática de maneira correta é mais complexo. Por isso, as empresas podem contar com a modelagem preditiva, uma forma de prever resultados futuros e adotar ações mais precisas.

Diferente de uma “bola de cristal” ou de ações baseadas em “achismo”, o objetivo dessa prática é olhar para o futuro com base nos dados que a operadora de saúde já tem. A partir disso, fica mais fácil entender quais são os grupos de risco e qual é a potencial ameaça de eventos negativos nos próximos meses. Com essas informações, você traça estratégias que reduzem os custos do seu negócio.

Ainda está difícil compreender como a modelagem preditiva interfere no financeiro da sua empresa? Acompanhe este texto até o final e veja como essa relação acontece na prática.

Afinal, o que é a modelagem preditiva?

A modelagem preditiva é um método baseado em modelos matemáticos aplicados que sinalizam o custo previsto para um período de tempo ou a probabilidade de um evento ou resultado ocorrer no futuro. Para chegar a essa conclusão no que se refere a uma população específica, são usados dados passados e características comuns.

A análise é baseada em uma pergunta que se pretende responder. Mas é importante fazer apenas um questionamento de cada vez, a fim de ter uma avaliação mais precisa.

Vamos a um exemplo prático. Suponhamos que você precise saber o que acontecerá em 2020 que vai gerar um custo elevado para a operadora de saúde. Nesse caso, a melhor pergunta a fazer é: “quem tem alto risco para gerar um custo elevado com saúde nos próximos 12 meses?”.

A partir disso, você observa os 3 anos anteriores e faz um estudo de ano-base. Em seguida, valida esse modelo no ano 2 e no ano 3, para saber se acertou ou não.

A questão do modelo preditivo automatizado é que ele aceita diversos tipos de dados e usa mais de 80 fatores em suas previsões. O sistema nem precisa do diagnóstico da doença para identificar uma potencial enfermidade, pois detecta os pacientes com maior risco e faz um controle adequado.

Por isso, a estratégia também pode ser aplicada em populações específicas, por exemplo, para a identificação de pacientes com diabetes ou hipertensão. Ao fazer isso, você consegue reduzir a severidade dos eventos e até evitar alguns passíveis de eliminação.

A Dra. Ana Claudia Pinto, Diretora de Produtos da Sharecare, destaca algumas informações sobre a modelagem preditiva.

A modelagem preditiva é um processo que não é feito da noite para o dia e também não perde a validade. Na operadora, há uma sazonalidade e uma repetição de padrão por 5 anos, em média. Na Sharecare, já passamos por todas essas etapas e trouxemos uma metodologia do exterior, acertando todos os vieses para aplicar o método aqui no Brasil. Assim, o modelo é validado para se adaptar às necessidades locais.

Como esse método funciona?

O propósito da modelagem preditiva é otimizar os recursos usados na gestão de saúde e bem-estar. Para isso, toda a população do plano de saúde é mapeada, a fim de identificar quais pacientes têm mais chances de terem um evento futuro, a partir dos dados e padrões históricos.

Com os algoritmos e ferramentas avançadas, o sistema cruza informações da população e detecta quem está mais propenso a desenvolver problemas de saúde de alto custo e grandes riscos, como hipertensão, câncer, diabetes, doenças de coluna etc. Esse resultado, claro, só pode ser efetivado a partir do Big Data.

Com essa tecnologia, os dados são explorados para aperfeiçoar a análise e o processo decisório da operadora. Afinal, as previsões feitas permitem antecipar comportamentos e resultados, assim como identificar oportunidades e riscos.

Quais são os benefícios da modelagem preditiva?

O método preditivo traz benefícios claros ao aliar a saúde digital (high tech) à humanizada (high touch). No entanto, ainda há vantagens para a gestão de custos da operadora de saúde. Entenda melhor!

Diminuição da sinistralidade

O modelo de eventos de alto custo e alto risco precisa ser identificado para ter seus efeitos reduzidos. Com o data analytics permitido pelo método preditivo, você tem mais precisão na avaliação e detecta possíveis dispersões.

Por exemplo, você pode descobrir qual grupo populacional tem mais condições de ter diabetes ou qualquer outra doença crônica e, inclusive, prever a possibilidade de realizar uma cirurgia de coluna, que tem alto valor de sinistro.

O resultado é uma redução dos custos com essa taxa. Isso porque um dos fatores de avaliação são os dados baseados em sinistros, que são aliados aos demográficos e aos indicadores de doenças.

Aumento do poder de análise

Os dados apresentados pelo método preditivo permitem segmentar a população com o objetivo de responder a uma pergunta. Com a modelagem, há melhor classificação dos membros, conforme a probabilidade relativa para um resultado determinado. Assim, você escolhe as pessoas certas para participar do programa.

Por meio do Big Data e do machine learning, você ainda automatiza esse trabalho pela identificação de características comuns e padrões, que vão determinar conjuntos de validação. Dessa forma, a performance é melhorada e são selecionados os melhores modelos.

Agilidade na identificação de riscos

A modelagem preditiva ajuda a identificar os riscos com mais agilidade e precisão. Mais que detectá-los, contribui para decidir de que maneira pode ser feita uma intervenção. A partir disso, é possível encaminhar o paciente para programas específicos, a fim de gerenciar doenças crônicas, oferecer suporte à saúde emocional etc.

Ao mesmo tempo, são identificados gargalos de saúde e possibilidades de redução de custo, a fim de direcionar as ações. Com isso, novos programas podem ser criados pelo perfil dos beneficiários e ações traçadas para aumentar o ROI. Por esse motivo, a eficácia do modelo depende de analisar um subconjunto da população, não um nível individual.

Geração de relatórios de fácil entendimento

O propósito desse método é oferecer dados de fácil entendimento. Por isso, o sistema que trabalha com a modelagem preditiva gera relatórios simples e com informações fundamentais para agilizar a tomada de decisão.

Como a modelagem preditiva auxilia na gestão de custos e resultados em saúde orientada a dados?

Uma avaliação manual é mais difícil de ser colocada em prática do que a automatizada. Por isso, o método preditivo traz benefícios ao gerenciamento de custos da operadora de saúde. Para explicar melhor esse processo, basta ver o exemplo trazido pela Dra. Ana Claudia Pinto.

Digamos que uma empresa decide fazer um investimento para que 1 mil pessoas participem de um programa. Se a seleção das pessoas for feita de forma inadequada, não haverá o retorno esperado — e a empresa já terá pago por isso. Então, quando aplicamos a modelagem preditiva, temos um retorno quase 30% maior sobre o investimento feito.

Esse percentual pode mudar, de acordo com a empresa. Ainda assim, fica claro que o retorno financeiro é maior. Para se ter uma ideia, dados históricos da Sharecare mostram que os 5% da população com maior risco de gerar alto custo nos próximos 12 meses são responsáveis por 25% do gasto total.

Nos dados, foi perceptível que o modelo preditivo foi capaz de identificar 25,67% do custo. Pelos relatórios, você ainda percebe qual foi o ápice, a quanto chegou e qual é o gasto capturado em relação ao ponto de corte. Por exemplo, 10% da população representaram 26,06% do total.

Com esses dados, é criado um ranking de pessoas de acordo com a probabilidade de gerar custos elevados no ano seguinte. Assim, você sabe qual paciente precisa ter um reajuste mais elevado e qual pode ter uma redução do percentual, a fim de ter uma média mais acertada.

Como usar esse método na prática e quais são os resultados?

Para usar a modelagem preditiva, você precisa de uma solução adaptada à realidade brasileira. É o caso da Sharecare, que tem uma área exclusiva de data analytics. O modelo é desenvolvido a partir de três sets de dados:

  • treinamento — os conjuntos foram usados para construir e capacitar os modelos;
  • validação — os conjuntos foram utilizados para mensurar a performance da predição em dados desconhecidos;
  • conjuntos de testes — o desempenho da previsão refina os modelos ainda mais para selecionar os melhores.

O resultado é usado para prever os membros e garantir que eles serão generalizados para novos dados. A partir disso, um ranking das pessoas é elaborado. Um ano de dados reais é usado para treinar o modelo. Em seguida, os custos reais ocorridos no ano seguinte são verificados para saber se o ranking é o mais apropriado.

A etapa final é a geração do relatório, que permite traçar estratégias acertadas para resolver os problemas sinalizados. Desse modo, você tem as pessoas certas no programa e obtém os resultados esperados, inclusive o ponto certo para intervenção. Além disso, aperfeiçoa o processo decisório com foco na redução de custos de saúde.

Agora que você entende como esse modelo funciona, basta saber como contratar uma solução específica. A plataforma da Sharecare trabalha com todos esses aspectos da modelagem preditiva e é adaptada à realidade brasileira. Assim, você tem mais certeza das ações a serem tomadas.

Tem interesse em saber mais? Entre em contato conosco e veja como nossa solução pode revolucionar a gestão de saúde e de custos na sua operadora!