Machine learning vereist betere risicoverevening zorgverzekeraars

Piet Stam; Johan Visser; Xander Koolman; I. Ismail; France Rose Marie Portrait

Machine learning vereist betere risicoverevening zorgverzekeraars

Translated title of the contribution: Machine Learning Requires Better Risk Equalization for Health Insurers

Piet Stam^*
, Johan Visser
, Xander Koolman
, I. Ismail
, France Rose Marie Portrait

^*Corresponding author for this work

Research output: Contribution to Journal › Article › Professional

Abstract

Zorgverzekeraars worden gecompenseerd voor de risicoprofielen van hun verzekerden. Het huidige risicovereveningsmodel corrigeert echter niet voor alle gezondheidsverschillen. Met behulp van machine learning-technieken (ML) zouden zorgkosten beter voorspeld kunnen worden. Zou ML gebruikt kunnen worden voor risicoselectie, en wat kan de overheid hier tegen doen?

Translated title of the contribution	Machine Learning Requires Better Risk Equalization for Health Insurers
Original language	Dutch
Article number	4803
Pages (from-to)	528-529
Number of pages	2
Journal	Economisch Statistische Berichten
Volume	106
Publication status	Published - 6 Sept 2020

Access to Document

https://esb.nu/esb/20061603/machine-learning-vereist-betere-risicoverevening-zorgverzekeraars

Persistent URL (handle)

Persistent link

Cite this

@article{d13c919068f94ee6a4d0ab5cabdc7af7,

title = "Machine learning vereist betere risicoverevening zorgverzekeraars",

abstract = "Zorgverzekeraars worden gecompenseerd voor de risicoprofielen van hun verzekerden. Het huidige risicovereveningsmodel corrigeert echter niet voor alle gezondheidsverschillen. Met behulp van machine learning-technieken (ML) zouden zorgkosten beter voorspeld kunnen worden. Zou ML gebruikt kunnen worden voor risicoselectie, en wat kan de overheid hier tegen doen?",

author = "Piet Stam and Johan Visser and Xander Koolman and I. Ismail and Portrait, \{France Rose Marie\}",

year = "2020",

month = sep,

day = "6",

language = "Dutch",

volume = "106",

pages = "528--529",

journal = "Economisch Statistische Berichten",

issn = "0013-0583",

publisher = "FD Mediagroep",

}

TY - JOUR

T1 - Machine learning vereist betere risicoverevening zorgverzekeraars

AU - Stam, Piet

AU - Visser, Johan

AU - Koolman, Xander

AU - Ismail, I.

AU - Portrait, France Rose Marie

PY - 2020/9/6

Y1 - 2020/9/6

N2 - Zorgverzekeraars worden gecompenseerd voor de risicoprofielen van hun verzekerden. Het huidige risicovereveningsmodel corrigeert echter niet voor alle gezondheidsverschillen. Met behulp van machine learning-technieken (ML) zouden zorgkosten beter voorspeld kunnen worden. Zou ML gebruikt kunnen worden voor risicoselectie, en wat kan de overheid hier tegen doen?

AB - Zorgverzekeraars worden gecompenseerd voor de risicoprofielen van hun verzekerden. Het huidige risicovereveningsmodel corrigeert echter niet voor alle gezondheidsverschillen. Met behulp van machine learning-technieken (ML) zouden zorgkosten beter voorspeld kunnen worden. Zou ML gebruikt kunnen worden voor risicoselectie, en wat kan de overheid hier tegen doen?

UR - https://equalis.nl/wp-content/uploads/2020/12/000-000_Stam2.pdf

M3 - Article

SN - 0013-0583

VL - 106

SP - 528

EP - 529

JO - Economisch Statistische Berichten

JF - Economisch Statistische Berichten

M1 - 4803

ER -

Machine learning vereist betere risicoverevening zorgverzekeraars

Abstract

Access to Document

Persistent URL (handle)

Other files and links

Fingerprint

Cite this