Mémoires d'Actuariat
Cartographie des risques santé d’un portefeuille et mise en oeuvre d’une modélisation innovante de leur évolution temporelle
Auteur(s) ATONZONG H.
Société ADDACTIS France
Année 2024
Confidentiel jusqu'au 14/05/2026
Résumé
D’importants questionnements autour de l’assurabilité du risque santé émergent avec la dérive graduelle des prestations délivrées par les acteurs concernés. Le paradigme socio-sanitaire est en pleine mutation, et pousse de plus en plus les organismes complémentaires à adopter une position de préventeur pour maitriser leurs coûts. Rentrer dans cette démarche nécessite alors de savoir cartographier son portefeuille à la recherche des risques qui y prévalent, pour cibler les typologies d’assurés exposés à une dégradation de leur santé. Ce mémoire aborde ce sujet en proposant une méthodologie de segmentation non supervisée du portefeuille, fondée sur les variables de fréquence de consommation de soins et la connaissance des individus en affection de longue durée, qui sont donc déjà à risque. Elle permet de construire des profils de santé divers, dont la rationalisation en termes de démographie est amenée par des régressions logistiques. Pour finir, une vision prospective est développée en se penchant sur les possibilités de suivi de l’évolution des risques. Elle introduit une nouvelle modélisation de la dynamique de la santé, vue comme un processus markovien qui pilote la chronique de soins observée. L’inférence des paramètres d’un tel modèle permet de révéler les tendances de métamorphoses du risque chez les différentes personæ du portefeuille. Mots-clés état de santé, prévention ciblée, ALD, partitionnement de données, GMM, GLM, processus de Poisson à modulation markovienne (MMPP).
Abstract
The gradual drift of benefits delivered by health coverage stakeholders is raising important questions about the insurability of health risk. The social and health paradigm is in the throes of change and is increasingly prompting health insurers to adopt a preventive approach to controlling costs. Taking this approach means knowing how to diagnose one’s portfolio in search of the prevailing risks, in order to target the types of policyholders prone to deteriorating health. This thesis tackles this issue by proposing an unsupervised portfolio segmentation methodology, based on healthcare consumption frequency variables and knowledge of people with long-term conditions, who are therefore already at risk. This enables the construction of diverse health profiles, which can be rationalized in terms of demographics using logistic regressions. Finally, a forward-looking vision is developed, focusing on the possibilities of monitoring the evolution of risks. It introduces a new model of health dynamics, seen as a Markov process that drives the observed chronicle of care. Inferring the parameters of such a model reveals trends in risk metamorphosis within the various types of policyholders. Keywords health status, targeted prevention, long-term illness, data clustering, GMM, GLM, Markov-modulated Poisson process.
Auteur(s) ATONZONG H.
Société ADDACTIS France
Année 2024
Confidentiel jusqu'au 14/05/2026
Résumé
D’importants questionnements autour de l’assurabilité du risque santé émergent avec la dérive graduelle des prestations délivrées par les acteurs concernés. Le paradigme socio-sanitaire est en pleine mutation, et pousse de plus en plus les organismes complémentaires à adopter une position de préventeur pour maitriser leurs coûts. Rentrer dans cette démarche nécessite alors de savoir cartographier son portefeuille à la recherche des risques qui y prévalent, pour cibler les typologies d’assurés exposés à une dégradation de leur santé. Ce mémoire aborde ce sujet en proposant une méthodologie de segmentation non supervisée du portefeuille, fondée sur les variables de fréquence de consommation de soins et la connaissance des individus en affection de longue durée, qui sont donc déjà à risque. Elle permet de construire des profils de santé divers, dont la rationalisation en termes de démographie est amenée par des régressions logistiques. Pour finir, une vision prospective est développée en se penchant sur les possibilités de suivi de l’évolution des risques. Elle introduit une nouvelle modélisation de la dynamique de la santé, vue comme un processus markovien qui pilote la chronique de soins observée. L’inférence des paramètres d’un tel modèle permet de révéler les tendances de métamorphoses du risque chez les différentes personæ du portefeuille. Mots-clés état de santé, prévention ciblée, ALD, partitionnement de données, GMM, GLM, processus de Poisson à modulation markovienne (MMPP).
Abstract
The gradual drift of benefits delivered by health coverage stakeholders is raising important questions about the insurability of health risk. The social and health paradigm is in the throes of change and is increasingly prompting health insurers to adopt a preventive approach to controlling costs. Taking this approach means knowing how to diagnose one’s portfolio in search of the prevailing risks, in order to target the types of policyholders prone to deteriorating health. This thesis tackles this issue by proposing an unsupervised portfolio segmentation methodology, based on healthcare consumption frequency variables and knowledge of people with long-term conditions, who are therefore already at risk. This enables the construction of diverse health profiles, which can be rationalized in terms of demographics using logistic regressions. Finally, a forward-looking vision is developed, focusing on the possibilities of monitoring the evolution of risks. It introduces a new model of health dynamics, seen as a Markov process that drives the observed chronicle of care. Inferring the parameters of such a model reveals trends in risk metamorphosis within the various types of policyholders. Keywords health status, targeted prevention, long-term illness, data clustering, GMM, GLM, Markov-modulated Poisson process.
