CHƯƠNG 4: SỬ DỤNG MÔ HÌNH RỦI RO NHÓM ƯỚC LƯỢNG CHI PHÍ KHÁM CHỮA BỆNH BẢO HIỂM Y TẾ Ở VIỆT NAM: NGHIÊN CỨU TRƯỜNG HỢP THÀNH PHỐ HỒ CHÍ MINH
4.1. Kiểm định lựa chọn mô hình phù hợp đối với từng nhóm
4.1.2. Mô hình cho chi phí khám chữa bệnh Bảo hiểm Y tế
Tương tự cách tìm ra mô hình cho số lượt KCB, mô hình cho chi phí KCB theo lượt cũng được phân tích theo từng nhóm từ thống kê mô tả cho đến thống kê kiểm định.
Chỉ khác là phương pháp kiểm định phân phối được sử dụng trong phần này là kiểm định Kolmogorop – Smirnov. Nhóm đối tượng được lựa chọn trong phần này vẫn là nhóm nam giới ở độ tuổi 50 đã sử dụng các dịch vụ KCB ngoại trú ở các cơ sở y tế tuyến trung ương cho nhóm bệnh bướu tân sinh vào năm 2014. Các thống kê mô tả và đồ thị hàm mật độ xác suất thực nghiệm cho thấy dữ liệu có phân phối lệch phải (Bảng 4.5 và Hình 4.3).
Bảng 4.5. Một số thống kê cơ bản của chuỗi dữ liệu chi phí KCB BHYT Đơn vị tính: triệu đồng Nhỏ
nhất
Lớn nhất
Trung bình
Độ lệch chuẩn
Trung vị
Hệ số bất đối xứng
Hệ số nhọn
0,079 17,508 0,939 3,883 0,217 3,704 19,108
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bảng 4.5 cho thấy chi phí trung bình cho một lượt KCB nội trú ở cơ sở y tế tuyến trung ương của nhóm đối tượng này là hơn 900.000 đồng. Giá trị trung vị nhỏ hơn trung bình chứng tỏ phân phối tập trung về bên trái. Độ rộng của phân phối cho thấy chi phí KCB của nhóm đối tượng này khá phân tán, có những lượt KCB chỉ tốn khoảng 80.000
đồng nhưng có những lượt KCB lại tiêu tốn đến gần 20 triệu đồng.
Các giá trị của hệ số bất đối xứng và hệ số nhọn càng cho thấy dữ liệu có phân phối lệch và tần suất tập trung khá cao ở chi phí thấp. Điều này là phù hợp với chi phí KCB ở các tuyến nói chung.
Hình 4.3 cho biểu diễn đồ thị hàm mật độ xác suất và hàm phân phối xác suất của mức chi phí KCB của nhóm đối tượng đang xét. Hình ảnh hàm mật độ cho thấy có một số điểm hàm mật độ đạt giá trị cực đại địa phương, chứng tỏ phân phối xác suất của chi phí KCB không thực sự thuần nhất mà có thể là hợp của nhiều phân phối xác suất với nhau. Tuy nhiên, Luận án chỉ dừng lại ở việc xấp xỉ phân phối thực nghiệm với một phân phối lý thuyết chứ chưa kết hợp các phân phối với nhau.
Câu hỏi đặt ra là phân phối lý thuyết nào sẽ phù hợp với chuỗi dữ liệu đang xét.
Hình 4.3. Hàm mật độ và phân phối xác suất thực nghiệm
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Để trả lời câu hỏi trên, trước tiên sử dụng đồ thị về miền hệ số nhọn và hệ số bất đối xứng của một số phân phối lý thuyết để đưa ra những phán đoán cho phân phối thực nghiệm. Hình 4.4 cho thấy điểm chấm có vị trí trong miền phân phối Beta, Gamma, Weibull và Lognormal và có thể cho gợi ý về các phân phối được sử dụng trong lựa chọn mô hình chi phí KCB là Lognormal, Gamma, Weibull, Pareto, Beta.
Hình 4.4. Miền hệ số nhọn và bất đối xứng
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Hình 4.5 biểu diễn đồ thị hàm mật độ xác suất thực nghiệm của chuỗi dữ liệu đang xét (màu đen) cùng với hàm mật độ xác suất của các phân phối Lognormal (màu xanh lá), Gamma (xanh da trời), Pareto (xanh đỏ).
Hình 4.5. Hàm mật độ xác suất thực nghiệm và lý thuyết
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Trực quan cho thấy các phân phối lý thuyết đều khá gần so với phân phối thực nghiệm, trong đó phần cực đại của hàm mật độ xác suất, phân phối Lognormal có khoảng cách gần với dữ liệu nhất.
Tuy nhiên, giống như các mô hình với số lượt KCB, cần thực hiện các kiểm định thống kê mới cho ta kết quả chính xác hơn về sự phù hợp của các phân phối. Bảng sau cho trình bày các thống kê kiểm định cùng với các chỉ tiêu đo lường độ phù hợp của từng phân phối (Bảng 4.6). Kết quả cho thấy, chi phí KCB BHYT theo lượt của nhóm đối tượng này có phân phối xác suất phù hợp với phân phối Lognormal với mức ý nghĩa α = 0.05, và có phân phối phù hợp thêm với phân phối Pareto với mức ý nghĩa α = 0.01.
Dựa theo thống kê kiểm định KS thì Lognormal là lựa chọn tối ưu.
Bảng 4.6. Thống kê kiểm định các phân phối Phân phối
Thống kê Lognormal Pareto Weibull Gamma
KS 0,038 0,045 0,099 0,159
P-value 0,082 0,026 0,009 0,002
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tiếp tục thực hiện các kiểm định trên cùng nhóm đối tượng đang xét với mẫu số liệu theo các năm khác nhau cho kết quả trong Bảng 4.7. Kết quả cho thấy, các phân phối xác suất của chi phí KCB của nhóm đối tượng đang xét khá ổn định theo thời gian.
Trong các phân phối được xét, phân phối Lognormal cho kết quả tốt nhất (B − 4J²N lớn nhất và thống kê Ã nhỏ nhất).
Bảng 4.7. Kết quả kiểm định Kolmogorop – Smirnov của nhóm theo thời gian Phân phối
Năm
Lognormal Pareto Weibull Gamma
KS P-value KS P-value KS P-value KS P-value 2014 0,038 0,082 0,045 0,026 0,099 0,009 0,159 0,002 2015 0,092 0,061 0,087 0,027 0,122 0,013 0,193 0,002 2016 0,078 0,032 0,073 0,026 0,126 0,029 0,210 0,013 2014-2015 0,052 0,028 0,052 0,025 0,110 0,022 0,176 0,012 2014-2016 0,055 0,012 0,049 0,008 0,112 0,021 0,185 0,011
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Bằng cách tiếp cận tương tự, Luận án kiểm định và xác định được mô hình phân phối xác suất phù hợp nhất cho tất cả 10.331 nhóm đối tượng.
Bảng 4.8 tổng hợp các kết quả kiểm định về phân phối xác suất của chi phí KCB BHYT theo lượt đối với tất cả các nhóm đối tượng. Kết quả cho thấy, phân phối Lognormal có nhiều nhóm thỏa mãn và tăng dần theo thời gian. Trong khi đó, phân phối Weibull và Gamma cũng có nhiều nhóm thỏa mãn nhưng lại giảm hoặc không ổn định theo thời gian. Phân phối Pareto có ít nhóm thỏa mãn nhất.
Bảng 4.8. Số các nhóm đối tượng có chi phí KCB thỏa mãn các phân phối tương ứng theo thời gian Phân phối
Năm
Lognormal Pareto Weibull Gamma
2014 6.541 5.531 7.072 6.624
2015 6.689 5.329 6.511 6.192
2016 6.953 5.216 6.451 6.272
Nguồn: Tự tính toán từ dữ liệu Bộ Y tế và HFG (2016) cho TP. HCM Tóm lại, các kết quả kiểm định về mô hình phân phối xác suất cho thấy đa số các nhóm có phân phối khá ổn định theo các năm. Số đông các nhóm đối tượng có chi phí KCB BHYT theo lượt phân phối gần với Lognormal nhất và đa số các nhóm đối tượng có số lượt KCB BHYT tuân theo phân phối Poisson. Tuy nhiên, vẫn có những nhóm đối tượng mà số lượt cũng như chi phí KCB BHYT không có phân phối ổn định hoặc có phân phối không rõ ràng. Do vậy, Luận án sẽ lựa chọn phân phối Poisson cho số lượt KCB BHYT và phân phối Lognormal cho chi phí KCB BHYT theo lượt đối với tất cả các nhóm trong mô phỏng. Dựa trên các phân phối được lựa chọn này, các mục sau trình bày các ước lượng tham số cho mô hình và mô phỏng chi phí KCB BHYT theo mô hình rủi ro nhóm.