{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5462414"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5462414","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Συγκέντρωση δαπανών σε ασφαλιστικές απαιτήσεις υγείας: ανάλυση δεδομένων και προγνωστική μοντελοποίηση","abstract":"Η παρούσα διπλωματική εργασία εξετάζει το φαινόμενο της συγκέντρωσης κόστους στις ασφαλιστικές απαιτήσεις υγείας και τις επιπτώσεις του στην οικονομική ισορροπία των ασφαλιστικών οργανισμών. Στα σύγχρονα συστήματα υγείας, ένα μικρό ποσοστό ασφαλισμένων ευθύνεται για το μεγαλύτερο μέρος των συνολικών δαπανών υγειονομικής περίθαλψης, γεγονός που δημιουργεί σημαντικές προκλήσεις στη διαχείριση κινδύνου και στον σχεδιασμό ασφαλιστικών προϊόντων. Στόχος της μελέτης είναι η κατανόηση των βασικών παραγόντων που οδηγούν στη συγκέντρωση των δαπανών υγείας και η ανάπτυξη προγνωστικών μοντέλων ικανών να εντοπίζουν έγκαιρα τους ασθενείς υψηλού κόστους. Για τον σκοπό αυτό χρησιμοποιούνται διοικητικά δεδομένα ασφαλιστικών απαιτήσεων από το σύνολο δεδομένων Medicare Synthetic Public Use File (SynPUF), το οποίο παρέχεται από το Centers for Medicare & Medicaid Services (CMS) των Ηνωμένων Πολιτειών. Αρχικά αναπτύσσεται μια κανονικοποιημένη βάση δεδομένων μέσω αρχιτεκτονικής ETL (Extract, Transform, Load) για την αποτελεσματική οργάνωση και επεξεργασία των δεδομένων. Στη συνέχεια, πραγματοποιείται διερευνητική ανάλυση δεδομένων (Exploratory Data Analysis – EDA) με στόχο την κατανόηση των βασικών χαρακτηριστικών των δαπανών υγείας και τη διερεύνηση της σχέσης μεταξύ πολυνοσηρότητας και αυξημένων αποζημιώσεων. Στη συνέχεια εφαρμόζονται τρία προγνωστικά μοντέλα μηχανικής μάθησης – Logistic Regression, Random Forest και XGBoost – για την ταξινόμηση των ασφαλισμένων σε ομάδες υψηλού και χαμηλού κόστους. Τα μοντέλα αξιολογούνται μέσω δεικτών απόδοσης όπως precision, recall, F1-score και ROC-AUC. Τα αποτελέσματα δείχνουν ότι όλα τα μοντέλα παρουσιάζουν παρόμοια διακριτική ικανότητα, με ROC-AUC περίπου 0.77, ενώ το μοντέλο XGBoost ξεχωρίζει κατά κάποιον τρόπο από τα άλλα δύο μοντέλα και εμφανίζει την υψηλότερη ικανότητα εντοπισμού ασθενών υψηλού κόστους. Παρά τη σχετικά χαμηλή ακρίβεια (precision), τα μοντέλα επιτυγχάνουν υψηλά επίπεδα ανάκλησης (recall), γεγονός που τα καθιστά κατάλληλα για εφαρμογές διαστρωμάτωσης κινδύνου στον τομέα της υγείας. Τα ευρήματα της μελέτης υποδεικνύουν ότι η πολυνοσηρότητα αποτελεί έναν από τους σημαντικότερους παράγοντες πρόβλεψης υψηλών δαπανών υγειονομικής περίθαλψης. Επιπλέον, αναδεικνύεται η σημασία των προγνωστικών αναλυτικών εργαλείων για τη βελτίωση της διαχείρισης κινδύνου και τη διατήρηση της οικονομικής βιωσιμότητας των ασφαλιστικών οργανισμών. Η αξιοποίηση τεχνικών μηχανικής μάθησης σε δεδομένα ασφαλιστικών απαιτήσεων μπορεί να συμβάλει στη βελτίωση των μηχανισμών risk adjustment και στον σχεδιασμό πιο αποτελεσματικών στρατηγικών διαχείρισης υγειονομικών δαπανών.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει το φαινόμενο της συγκέντρωσης κόστους στις ασφαλιστικές απαιτήσεις υγείας και τις επιπτώσεις του στην οικονομική ισορροπία των ασφαλιστικών οργανισμών. Στα σύγχρονα συστήματα υγείας, ένα μικρό ποσοστό ασφαλισμένων ευθύνεται για το μεγαλύτερο μέρος των συνολικών δαπανών υγειονομικής περίθαλψης, γεγονός που δημιουργεί σημαντικές προκλήσεις στη διαχείριση κινδύνου και στον σχεδιασμό ασφαλιστικών προϊόντων. Στόχος της μελέτης είναι η κατανόηση των βασικών παραγόντων που οδηγούν στη συγκέντρωση των δαπανών υγείας και η ανάπτυξη προγνωστικών μοντέλων ικανών να εντοπίζουν έγκαιρα τους ασθενείς υψηλού κόστους. Για τον σκοπό αυτό χρησιμοποιούνται διοικητικά δεδομένα ασφαλιστικών απαιτήσεων από το σύνολο δεδομένων Medicare Synthetic Public Use File (SynPUF), το οποίο παρέχεται από το Centers for Medicare &amp; Medicaid Services (CMS) των Ηνωμένων Πολιτειών. Αρχικά αναπτύσσεται μια κανονικοποιημένη βάση δεδομένων μέσω αρχιτεκτονικής ETL (Extract, Transform, Load) για την αποτελεσματική οργάνωση και επεξεργασία των δεδομένων. Στη συνέχεια, πραγματοποιείται διερευνητική ανάλυση δεδομένων (Exploratory Data Analysis – EDA) με στόχο την κατανόηση των βασικών χαρακτηριστικών των δαπανών υγείας και τη διερεύνηση της σχέσης μεταξύ πολυνοσηρότητας και αυξημένων αποζημιώσεων. Στη συνέχεια εφαρμόζονται τρία προγνωστικά μοντέλα μηχανικής μάθησης – Logistic Regression, Random Forest και XGBoost – για την ταξινόμηση των ασφαλισμένων σε ομάδες υψηλού και χαμηλού κόστους. Τα μοντέλα αξιολογούνται μέσω δεικτών απόδοσης όπως precision, recall, F1-score και ROC-AUC. Τα αποτελέσματα δείχνουν ότι όλα τα μοντέλα παρουσιάζουν παρόμοια διακριτική ικανότητα, με ROC-AUC περίπου 0.77, ενώ το μοντέλο XGBoost ξεχωρίζει κατά κάποιον τρόπο από τα άλλα δύο μοντέλα και εμφανίζει την υψηλότερη ικανότητα εντοπισμού ασθενών υψηλού κόστους. Παρά τη σχετικά χαμηλή ακρίβεια (precision), τα μοντέλα επιτυγχάνουν υψηλά επίπεδα ανάκλησης (recall), γεγονός που τα καθιστά κατάλληλα για εφαρμογές διαστρωμάτωσης κινδύνου στον τομέα της υγείας. Τα ευρήματα της μελέτης υποδεικνύουν ότι η πολυνοσηρότητα αποτελεί έναν από τους σημαντικότερους παράγοντες πρόβλεψης υψηλών δαπανών υγειονομικής περίθαλψης. Επιπλέον, αναδεικνύεται η σημασία των προγνωστικών αναλυτικών εργαλείων για τη βελτίωση της διαχείρισης κινδύνου και τη διατήρηση της οικονομικής βιωσιμότητας των ασφαλιστικών οργανισμών. Η αξιοποίηση τεχνικών μηχανικής μάθησης σε δεδομένα ασφαλιστικών απαιτήσεων μπορεί να συμβάλει στη βελτίωση των μηχανισμών risk adjustment και στον σχεδιασμό πιο αποτελεσματικών στρατηγικών διαχείρισης υγειονομικών δαπανών.","abstract_has_math":false,"creators":["ΚΑΛΛΙΓΕΡΗΣ ΝΙΚΟΛΑΟΣ","KALLIGERIS NIKOLAOS"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:21:17Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["Ελληνικά","Greek","English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5462414"],"render_values":[{"text":"uoadl:5462414","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5462414","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5462414","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5462414","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΚΑΛΛΙΓΕΡΗΣ ΝΙΚΟΛΑΟΣ","KALLIGERIS NIKOLAOS"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek","English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5462414","https://pergamos.lib.uoa.gr/uoa/dl/object/5462414"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει το φαινόμενο της συγκέντρωσης κόστους στις ασφαλιστικές απαιτήσεις υγείας και τις επιπτώσεις του στην οικονομική ισορροπία των ασφαλιστικών οργανισμών. Στα σύγχρονα συστήματα υγείας, ένα μικρό ποσοστό ασφαλισμένων ευθύνεται για το μεγαλύτερο μέρος των συνολικών δαπανών υγειονομικής περίθαλψης, γεγονός που δημιουργεί σημαντικές προκλήσεις στη διαχείριση κινδύνου και στον σχεδιασμό ασφαλιστικών προϊόντων. Στόχος της μελέτης είναι η κατανόηση των βασικών παραγόντων που οδηγούν στη συγκέντρωση των δαπανών υγείας και η ανάπτυξη προγνωστικών μοντέλων ικανών να εντοπίζουν έγκαιρα τους ασθενείς υψηλού κόστους. Για τον σκοπό αυτό χρησιμοποιούνται διοικητικά δεδομένα ασφαλιστικών απαιτήσεων από το σύνολο δεδομένων Medicare Synthetic Public Use File (SynPUF), το οποίο παρέχεται από το Centers for Medicare & Medicaid Services (CMS) των Ηνωμένων Πολιτειών. Αρχικά αναπτύσσεται μια κανονικοποιημένη βάση δεδομένων μέσω αρχιτεκτονικής ETL (Extract, Transform, Load) για την αποτελεσματική οργάνωση και επεξεργασία των δεδομένων. Στη συνέχεια, πραγματοποιείται διερευνητική ανάλυση δεδομένων (Exploratory Data Analysis – EDA) με στόχο την κατανόηση των βασικών χαρακτηριστικών των δαπανών υγείας και τη διερεύνηση της σχέσης μεταξύ πολυνοσηρότητας και αυξημένων αποζημιώσεων. Στη συνέχεια εφαρμόζονται τρία προγνωστικά μοντέλα μηχανικής μάθησης – Logistic Regression, Random Forest και XGBoost – για την ταξινόμηση των ασφαλισμένων σε ομάδες υψηλού και χαμηλού κόστους. Τα μοντέλα αξιολογούνται μέσω δεικτών απόδοσης όπως precision, recall, F1-score και ROC-AUC. Τα αποτελέσματα δείχνουν ότι όλα τα μοντέλα παρουσιάζουν παρόμοια διακριτική ικανότητα, με ROC-AUC περίπου 0.77, ενώ το μοντέλο XGBoost ξεχωρίζει κατά κάποιον τρόπο από τα άλλα δύο μοντέλα και εμφανίζει την υψηλότερη ικανότητα εντοπισμού ασθενών υψηλού κόστους. Παρά τη σχετικά χαμηλή ακρίβεια (precision), τα μοντέλα επιτυγχάνουν υψηλά επίπεδα ανάκλησης (recall), γεγονός που τα καθιστά κατάλληλα για εφαρμογές διαστρωμάτωσης κινδύνου στον τομέα της υγείας. Τα ευρήματα της μελέτης υποδεικνύουν ότι η πολυνοσηρότητα αποτελεί έναν από τους σημαντικότερους παράγοντες πρόβλεψης υψηλών δαπανών υγειονομικής περίθαλψης. Επιπλέον, αναδεικνύεται η σημασία των προγνωστικών αναλυτικών εργαλείων για τη βελτίωση της διαχείρισης κινδύνου και τη διατήρηση της οικονομικής βιωσιμότητας των ασφαλιστικών οργανισμών. Η αξιοποίηση τεχνικών μηχανικής μάθησης σε δεδομένα ασφαλιστικών απαιτήσεων μπορεί να συμβάλει στη βελτίωση των μηχανισμών risk adjustment και στον σχεδιασμό πιο αποτελεσματικών στρατηγικών διαχείρισης υγειονομικών δαπανών.","This thesis examines the phenomenon of cost concentration in health insurance claims and its implications for the financial equilibrium of insurance organizations. In modern healthcare systems, a small percentage of insured individuals accounts for the majority of total healthcare expenditures, creating significant challenges for risk management and the design of insurance products. The objective of this study is to understand the key factors driving the concentration of health expenditures and to develop predictive models capable of early identification of high-cost patients. To this end, administrative insurance claims data from the Medicare Synthetic Public Use File (SynPUF), provided by the U.S. Centers for Medicare & Medicaid Services (CMS), are utilized. Initially, a normalized database is developed through an ETL (Extract, Transform, Load) architecture for the efficient organization and processing of data. Subsequently, Exploratory Data Analysis (EDA) is conducted to understand the fundamental characteristics of healthcare spending and to investigate the relationship between multimorbidity and increased insurance claims. Following the analysis, three predictive machine learning models—Logistic Regression, Random Forest, and XGBoost—are applied to classify insured individuals into high-cost and low-cost groups. The models are evaluated using performance metrics such as precision, recall, F1-score, and ROC-AUC. The results indicate that all models demonstrate similar discriminative ability, with a ROC-AUC of approximately 0.77, while the XGBoost model slightly outperforms the others, showing the highest capability in identifying high-cost patients. Despite relatively low precision, the models achieve high levels of recall, making them suitable for risk stratification applications in the healthcare sector. The findings of the study suggest that multimorbidity is one of the most significant predictors of high healthcare expenditures. Furthermore, the importance of predictive analytics tools in improving risk management and maintaining the financial viability of insurance organizations is highlighted. Leveraging machine learning techniques on insurance claims data can contribute to the enhancement of risk adjustment mechanisms and the design of more effective healthcare cost management strategies."]},{"key":"dc:title","label":"Title","values":["Συγκέντρωση δαπανών σε ασφαλιστικές απαιτήσεις υγείας: ανάλυση δεδομένων και προγνωστική μοντελοποίηση"]}]}],"canonical_facts":{"dc:creator":["ΚΑΛΛΙΓΕΡΗΣ ΝΙΚΟΛΑΟΣ","KALLIGERIS NIKOLAOS"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει το φαινόμενο της συγκέντρωσης κόστους στις ασφαλιστικές απαιτήσεις υγείας και τις επιπτώσεις του στην οικονομική ισορροπία των ασφαλιστικών οργανισμών. Στα σύγχρονα συστήματα υγείας, ένα μικρό ποσοστό ασφαλισμένων ευθύνεται για το μεγαλύτερο μέρος των συνολικών δαπανών υγειονομικής περίθαλψης, γεγονός που δημιουργεί σημαντικές προκλήσεις στη διαχείριση κινδύνου και στον σχεδιασμό ασφαλιστικών προϊόντων. Στόχος της μελέτης είναι η κατανόηση των βασικών παραγόντων που οδηγούν στη συγκέντρωση των δαπανών υγείας και η ανάπτυξη προγνωστικών μοντέλων ικανών να εντοπίζουν έγκαιρα τους ασθενείς υψηλού κόστους. Για τον σκοπό αυτό χρησιμοποιούνται διοικητικά δεδομένα ασφαλιστικών απαιτήσεων από το σύνολο δεδομένων Medicare Synthetic Public Use File (SynPUF), το οποίο παρέχεται από το Centers for Medicare & Medicaid Services (CMS) των Ηνωμένων Πολιτειών. Αρχικά αναπτύσσεται μια κανονικοποιημένη βάση δεδομένων μέσω αρχιτεκτονικής ETL (Extract, Transform, Load) για την αποτελεσματική οργάνωση και επεξεργασία των δεδομένων. Στη συνέχεια, πραγματοποιείται διερευνητική ανάλυση δεδομένων (Exploratory Data Analysis – EDA) με στόχο την κατανόηση των βασικών χαρακτηριστικών των δαπανών υγείας και τη διερεύνηση της σχέσης μεταξύ πολυνοσηρότητας και αυξημένων αποζημιώσεων. Στη συνέχεια εφαρμόζονται τρία προγνωστικά μοντέλα μηχανικής μάθησης – Logistic Regression, Random Forest και XGBoost – για την ταξινόμηση των ασφαλισμένων σε ομάδες υψηλού και χαμηλού κόστους. Τα μοντέλα αξιολογούνται μέσω δεικτών απόδοσης όπως precision, recall, F1-score και ROC-AUC. Τα αποτελέσματα δείχνουν ότι όλα τα μοντέλα παρουσιάζουν παρόμοια διακριτική ικανότητα, με ROC-AUC περίπου 0.77, ενώ το μοντέλο XGBoost ξεχωρίζει κατά κάποιον τρόπο από τα άλλα δύο μοντέλα και εμφανίζει την υψηλότερη ικανότητα εντοπισμού ασθενών υψηλού κόστους. Παρά τη σχετικά χαμηλή ακρίβεια (precision), τα μοντέλα επιτυγχάνουν υψηλά επίπεδα ανάκλησης (recall), γεγονός που τα καθιστά κατάλληλα για εφαρμογές διαστρωμάτωσης κινδύνου στον τομέα της υγείας. Τα ευρήματα της μελέτης υποδεικνύουν ότι η πολυνοσηρότητα αποτελεί έναν από τους σημαντικότερους παράγοντες πρόβλεψης υψηλών δαπανών υγειονομικής περίθαλψης. Επιπλέον, αναδεικνύεται η σημασία των προγνωστικών αναλυτικών εργαλείων για τη βελτίωση της διαχείρισης κινδύνου και τη διατήρηση της οικονομικής βιωσιμότητας των ασφαλιστικών οργανισμών. Η αξιοποίηση τεχνικών μηχανικής μάθησης σε δεδομένα ασφαλιστικών απαιτήσεων μπορεί να συμβάλει στη βελτίωση των μηχανισμών risk adjustment και στον σχεδιασμό πιο αποτελεσματικών στρατηγικών διαχείρισης υγειονομικών δαπανών.","This thesis examines the phenomenon of cost concentration in health insurance claims and its implications for the financial equilibrium of insurance organizations. In modern healthcare systems, a small percentage of insured individuals accounts for the majority of total healthcare expenditures, creating significant challenges for risk management and the design of insurance products. The objective of this study is to understand the key factors driving the concentration of health expenditures and to develop predictive models capable of early identification of high-cost patients. To this end, administrative insurance claims data from the Medicare Synthetic Public Use File (SynPUF), provided by the U.S. Centers for Medicare & Medicaid Services (CMS), are utilized. Initially, a normalized database is developed through an ETL (Extract, Transform, Load) architecture for the efficient organization and processing of data. Subsequently, Exploratory Data Analysis (EDA) is conducted to understand the fundamental characteristics of healthcare spending and to investigate the relationship between multimorbidity and increased insurance claims. Following the analysis, three predictive machine learning models—Logistic Regression, Random Forest, and XGBoost—are applied to classify insured individuals into high-cost and low-cost groups. The models are evaluated using performance metrics such as precision, recall, F1-score, and ROC-AUC. The results indicate that all models demonstrate similar discriminative ability, with a ROC-AUC of approximately 0.77, while the XGBoost model slightly outperforms the others, showing the highest capability in identifying high-cost patients. Despite relatively low precision, the models achieve high levels of recall, making them suitable for risk stratification applications in the healthcare sector. The findings of the study suggest that multimorbidity is one of the most significant predictors of high healthcare expenditures. Furthermore, the importance of predictive analytics tools in improving risk management and maintaining the financial viability of insurance organizations is highlighted. Leveraging machine learning techniques on insurance claims data can contribute to the enhancement of risk adjustment mechanisms and the design of more effective healthcare cost management strategies."],"dc:identifier":["uoadl:5462414","https://pergamos.lib.uoa.gr/uoa/dl/object/5462414"],"dc:language":["Ελληνικά","Greek","English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Συγκέντρωση δαπανών σε ασφαλιστικές απαιτήσεις υγείας: ανάλυση δεδομένων και προγνωστική μοντελοποίηση"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:21:17Z"}