Chapitre 1 : Utilisation des données de remboursement d'assurance maladie
1.
données sur les demandes de remboursement d'assurance maladie dans le bâtiment
2.
Utilisation de la recherche en soins de santé
3.
Avantages et inconvénients des demandes de remboursement d'assurance maladie

Chapitre 2 : Ouverture des données personnalisées des demandes de remboursement d’assurance maladie
1.
Ouverture des données de demande d'assurance maladie
2.
Structure du tableau des données de demande d'assurance maladie

Chapitre 3 : Description des variables par tableau
1.
Tableau général des spécifications
2.
Tableau des antécédents médicaux
3.
Tableau des états de service militaire
4.
Tableau des détails de délivrance des ordonnances
5.
Tableau d'admissibilité et de prime
6.
Table de la mort

Chapitre 4 Facteurs de confusion

Chapitre 5 Programmation SAS
1.
Vérifiez la liste des variables et spécifiez la bibliothèque
2.
Extraction de données et création de variables
3.
Extraction d'une chaîne de caractères spécifique à partir d'une variable de type caractère
4.
Créer une variable de date
5.
Créez une variable à un moment précis.
6.
Séparer l'année, le trimestre, le mois et le jour des variables de date
7.
Calcul de l'intervalle entre deux variables de date
8.
Extraire les spécifications ou les données du patient qui répondent à des conditions spécifiques
9.
Combiner les données horizontalement et verticalement
10.
Définir un point de référence
11.
données de suivi des bâtiments
12.
Construire une comorbidité
13.
Calcul de la somme cumulée
14.
Construire un épisode d'hospitalisation
15. Énoncé MACRO

En conclusion
Références

supplément
Annexe 1.
Code de la ville/du comté/du district
Annexe 2.
Numéro de classification du médicament et classification de l'efficacité
Annexe 3.
Détails spécifiques du symbole
Annexe 4.
Nom de la variable de table de l'établissement de soins infirmiers

Recherche

L'auteur a analysé pour la première fois les données relatives aux demandes de remboursement d'assurance maladie en 2006, il y a 20 ans.
À cette époque, contrairement à aujourd'hui, il n'y avait aucun moyen de se connecter à un serveur et de l'analyser, ni d'exécuter un programme et d'obtenir les résultats en quelques secondes.
J'ai dû dépenser beaucoup d'argent en disques durs externes et en un ordinateur bruyant, et attendre patiemment les résultats de l'analyse.
En particulier, il n'existait aucune documentation sur la manière dont les données relatives aux demandes de remboursement d'assurance maladie étaient collectées et analysées, et un simple mot d'un responsable du Service d'examen et d'évaluation de l'assurance maladie a fait office de lueur d'espoir, fournissant un guide d'analyse.
La personne qui m'a confié, alors que je venais de commencer mon master, la tâche importante d'analyser les données des demandes de remboursement d'assurance maladie, était feu le professeur Ahn Hyeong-sik.
Grâce au professeur, je me suis intéressé aux données des demandes de remboursement d'assurance maladie et j'ai pu acquérir de l'expérience dans l'analyse de ces données au sein du Service d'évaluation et de révision de l'assurance maladie.

En 2017, alors que je travaillais au Health Information Convergence Lab (aujourd'hui Big Data Lab) du Health Insurance Review & Assessment Service, j'ai élaboré un manuel pour l'analyse des données de demandes de remboursement d'assurance maladie.
Je me souviens que le processus de développement a commencé par la prise de conscience que, même avec des données de remboursement d'assurance maladie identiques, des résultats différents pouvaient être obtenus selon la méthode d'extraction et l'approche d'analyse de l'utilisateur. Je me suis alors demandé s'il existait un moyen de constituer des données d'analyse plus efficacement.
Actuellement, en tant que chercheur non affilié au Service d'évaluation et de révision de l'assurance maladie, je demande et analyse des données personnalisées auprès du Service d'évaluation et de révision de l'assurance maladie et du Service national d'assurance maladie.
Les deux organisations ouvrent les mêmes données de demandes de remboursement d'assurance maladie, mais les noms des variables sont différents, et les plages de variables et les tables ouvertes sont différentes ; les listes de variables des deux organisations ont donc été légèrement comparées et organisées.
De plus, pour les étudiants ou les chercheurs qui découvrent les données de remboursement d'assurance maladie, on pensait que l'utilisabilité de ces données serait améliorée si les descriptions des variables et le processus de construction des données étaient regroupés dans un seul ouvrage.
L’objectif de la publication de « Health Insurance Data Analysis Using SAS » est peut-être le même que celui du manuel d’analyse.

Ce livre se compose de cinq chapitres.
Le chapitre 1 décrit brièvement la construction et l'utilisation des données relatives aux demandes de remboursement d'assurance maladie.
Le processus et les caractéristiques de la construction des données de remboursement d'assurance maladie ont été présentés à de nombreuses reprises dans des conférences et des revues universitaires ; cet article a donc été rédigé brièvement pour répondre aux besoins des lecteurs qui découvrent les données de remboursement d'assurance maladie pour la première fois.
Le chapitre 2 présente les ensembles de données rendus publics par le Service d'évaluation et de révision de l'assurance maladie et le Service national d'assurance maladie.
Outre les données relatives aux demandes de remboursement d'assurance maladie, les deux organisations ouvrent également les données collectées dans le cadre de leurs activités respectives, telles que les données d'évaluation hospitalière et les données des bilans de santé.
Au chapitre 3, la liste des variables partagées avec les chercheurs est organisée dans un tableau et les variables des deux institutions sont comparées.
De plus, forts de notre expérience dans l'analyse des données de remboursement d'assurance maladie, nous avons cherché à améliorer la compréhension des variables en suggérant des significations et des éléments à prendre en compte lors de l'analyse.
Le chapitre 4 approfondit la description des variables abordées au chapitre 3 et présente les facteurs de confusion qui peuvent être utilisés dans les études de résultats.
Dans les cinq derniers chapitres, les programmes SAS les plus fréquemment utilisés pour l'analyse des données de remboursement d'assurance maladie sont organisés en 15 domaines.
Nous espérons notamment que cela sera utile aux chercheurs qui reconnaissent la nécessité de prendre en compte les comorbidités et les épisodes d'hospitalisation lors de la constitution des données d'analyse, mais qui éprouvent des difficultés à mettre cela en œuvre dans les programmes SAS.

La publication de l'ouvrage « Analyse des données d'assurance maladie à l'aide de SAS » n'a pas été une décision facile, et le processus lui-même n'a pas été simple.
Bien que nous ayons consacré beaucoup de temps à la collecte de données, à la rédaction et à la vérification des programmes, ainsi qu'à la rédaction des manuscrits pour la publication de ce livre, il peut subsister quelques lacunes.
Veuillez noter que toute modification qui pourrait survenir après la publication sera affichée sur le site Web de Free Academy (www.freeaca.com).
Enfin, je tiens à exprimer ma gratitude à mes collègues du Service d'examen et d'évaluation de l'assurance maladie pour leur précieuse aide tout au long du processus de rédaction.