Verwendung von Extreme Gradient Boosting in Schadensdaten zur Vorhersage zukünftiger Kosten für eine gesundheitsorientierte Bevölkerung in Colorado

Dieses Whitepaper stellt einen Machine-Learning-Ansatz mit Extreme Gradient Boosting (XGBoost) zur Vorhersage zukünftiger Gesundheitskosten innerhalb der Health First Colorado Medicaid-Bevölkerung vor. Durch die Analyse von rund 3,700 anspruchsbasierten Prädiktoren und demografischen Merkmalen erreichte die Studie einen R²-Wert von 0.786, was auf eine hohe Vorhersagekraft hindeutet. Wichtige Ergebnisse deuten darauf hin, dass die bisherigen Kosten die wichtigsten Prädiktoren für zukünftige Gesundheitsausgaben sind und andere anspruchsbasierte Faktoren überwiegen. Die Studie unterstreicht das Potenzial von Machine Learning zur Verbesserung der Verwaltung von Medicaid-Versicherten mit hoher Inanspruchnahme bei minimalem Rechenaufwand.