Sağlık harcamalarının tahminine yönelik ayrıştırma temelli yeni bir model

Abstract

Her geçen gün sağlık hizmetlerine olan erişimin ve talebin artması sağlık harcamalarının da artmasına neden olmaktadır. Bu nedenle, sağlık harcamalarının planlanması, takibi ve tahmini; sağlık hizmetleri politikalarının en kaliteli şekilde sürdürülebilmesi için oldukça önemlidir. Bu tez çalışmasında, Türkiye'nin toplam sağlık harcamasını modellemek ve tahmin etmek amacıyla Trend-Artık (T-A) modeli adı verilen zaman serisi ayrıştırması temelli yeni bir tahmin modeli önerilmiştir. Önerilen T-A modeli kaskat bir yapıya sahip olup sağlık harcaması zaman serisinin iki alt bileşenini (trend ve artık) ayrı ayrı modellemeye ve tahmin etmeye çalışmaktadır. T-A modeli ilk olarak, birçok avantajı yapısında barındıran polinom regresyon modeli ile toplam sağlık harcaması zaman serisinin trend bileşeni belirlemektedir. Daha sonra ise doğrusal parametreleri En Küçük Kareler Tahmin yöntemiyle, doğrusal olmayan parametreleri ise Sinir Ağı Algoritmasıyla optimize edilmiş yeni bir artık model geliştirilerek trendden arındırılmış zaman serisi yani artık bileşeni modellenmektedir. Veri kümesi olarak Türkiye'nin 1999-2021 yılları arasındaki toplam sağlık harcamaları kullanılmıştır. Önerilen T-A modelinin modelleme ve tahmin performansı; gri modeller, regresyon modelleri, üstel yumuşatma modelleri ve ARIMA modelleri ile karşılaştırılmıştır. Karşılaştırma sonuçları önerilen T-A modelinin modelleme ve tahminleme performansının diğer modellerden daha iyi olduğunu göstermiştir. Sonuç olarak T-A modeli ile elde edilen tahmin sonuçlarına göre 2030 yılında toplam sağlık harcaması miktarının 2,2 trilyon TL'ye ulaşacağı ve 2022'den 2030 yılına kadar yaklaşık beş kat artacağı öngörülmüştür.

Increasing access to and demand for healthcare services day by day also causes healthcare expenditures to increase. Therefore, planning, tracking, and forecasting health expenditures; is very important to maintain health care policies at the highest quality. In this thesis, a new forecasting model based on time series decomposition called Trend-Residual (T-A) model is proposed to model and forecast Türkiye's total health expenditure. The proposed T-A model has a cascade structure and tries to model and estimate the two subcomponents of the health expenditure time series (trend and residual) separately. The T-A model first determines the trend component of the total health expenditure time series with the polynomial regression model, which has many advantages. Then, a new residual model is developed with the linear parameters optimized by the Least Squares Estimation method and the non-linear parameters by the Neural Network Algorithm, and the trend removal time series, that is, its residual component, is modeled. Türkiye's total health expenditures between 1999 and 2021 were used as the data set. Modeling and prediction performance of the proposed T-A model; compared to gray models, regression models, exponential smoothing models, and ARIMA models. Comparison results show that the modeling and forecasting performance of the proposed T-A model is better than other models. As a result, according to the forecast results obtained with the T-A model, it is predicted that the total amount of health expenditure will reach 2.2 trillion TL in 2030 and increase approximately five times from 2022 to 2030.