整体风险因素评估和常见医疗异常的核保思维.ppt

?粗劣的（简单而粗暴）核保决定 检查结果阴性—标准体 检查结果阳性—加费、拒保、延期 （可以这样说有些核保人的核保是简单而粗暴的，因为我们在核保会审中发现这些情况的确是存在的，根本不去分析和考虑的。） ?做出这样简单而粗暴的决定，关健是我们部分核保人没有考虑下列情况的： 1、所采用检查的敏感性和特异性； 2、实验检查地的流行病学； 3、假阳性和假阴性的可能； 4、该检查是筛查（X线透视、宫颈涂片等）/确诊性检查/反馈性检查（肿瘤标志物）； 5、检查的阳性预测值和阴性预测值； 6、影响该检查结果的其它因素。 ?粗劣的核保决定产生了什么样的影响？ 我们来看看这个表，检查结果无非下列几种情况： 在日常核保中，18-20%的核保员在（b）和（c）两个格子中作核保决定。如果你根据真阳性与真阴性的结果，进行了风险评估，那么你的核保决定是正确的。但是如果你根据假阳性和假阴性结果，进行了评估，那么你的核保决定是错误的。会产生方方面面的影响：假阳性结果可能让客户加费过重，或公司会失去一位标准体；假阴性结果：导致公司按标准费率承保，给公司死亡率带来消极影响。 ?我们向大家推荐这个核保流程： 记录客户的健康情况，检查资料—用2×2列联表分析相关数据，假阳？假阴？真阳？真阴？进行客户风险评估，依据2×2表风险分析评估获得结果，给客户一个合理性的评点决定—真阳性结果/条件，包括加费、拒保、延期等；假阳性结果就标准体；假阴性结果/条件，包括加费、拒保、延期等；真阴性结果标准体。从而让我们的客户满意。 ?日常核保工作中，面对某一项异常检查，我们应该经常问自己这个基本问题：这个客户是有病还是没有病？有病的概率是多少？有时会让我们苦恼不已。 ?那么什么是概率？又称或然率、机会率或机率、可能性，是数学概率论的基本概念，是一个在0到1之间的实数，是对随机事件发生的可能性的度量。 概率论是从数量关系侧面研究非确定性现象（也就是随机现象）的规律性的学科。 所谓概率，通俗地讲，就是在一定条件下，某一事件发生的可能性的大小。 A、有病的人，出现阳性结果——敏感性（灵敏度） B、阳性结果中，有病的人——阳性预测值 ?或者删除不必讲解 ?作为核保人，我们有责任对此进行分析，客户检查前有病的倾向，检查后这个人有病的概率是多少？在对潜在客户做出核保决定前，必须还要考虑到这些检查的局限性。 ?我们要知道： 实验室检查结果受很多因素影响 寿险风险选择需要对这些检查结果作出合理解释，去判定有病还是没有病？ 应用2×2列联表对这些检查进行解释 同时还要考虑地区的发病率情况。 ！为此让我们先了解临床诊断试验评价的基础知识。 ?灵敏度和特异度是研究一种用于诊断的诊断方法，就诊断目的而言，只有相应的两类人：有病和无病的；和两种检测结果：设立一个分界点，判断阳性和阴性。在分界点以上的样本为阳性。假定a+c个有病的人和b+d个无病的人用某种检测方法检测，可建立一个2×2列联表。 ?评价一个诊断试验真实性资料的归纳表,这就是个2×2列联表 ?临床灵敏度可用来衡量某种试验检测出有病者的能力，灵敏度是将实际有病的人正确地判定为真阳性的比例。 灵敏度＝a/(a+c)； ?临床特异度是衡量试验正确地判定无病者的能力，特异度是将实际无病的人正确地判定为真阴性的比例。 特异度＝d/(b+d)； ? 检出率与灵敏度意义相同。灵敏度也叫敏感性；特异度也叫特异性。 ?诊断试验的目的是提供诊断信息，我们要设法得到人群中作出正确诊断的试验概率。而灵敏度和特异度不能做到这一点，常常使用阳性预测值和阴性预测值。 ?阳性预测值（positive predictive value PPV）是指试验结果阳性者中真病例的概率。 PPV=a/(a+b)； ?阴性预测值(negative predictive value NPV)是指试验结果阴性中确未患病的概率。 NPV=d/(c+d)； ?我们还是举个例子吧： 假定100个有病的人和100个无病的人用某种检测方法检测，可建立一个2×2列联表 ？灵敏度？特异度？假阴性率？假阳性率？（ ?可心算出结果），PPV？NPV？ (?可用手机计算一下） ?我们看看结果，大家算得对不对？ ? PPV和NPV是在临床试验中对试验有用性的正确评价指标。 预测值难以达到100%，主要受到患病率以及某种试验方法的灵敏度和特异度等的影响。 某—试验的灵敏度、特异度、PPV、NPV不是固定不变的，而是与临界值的选定有关。 ?例如图：肿瘤标志物值，选择临界值时，不能同时提高灵敏度和特异度。将临界值提高，可增加特异度，但灵敏度随之降低；反之，将临界值降低，则灵敏度提高，但特异度降低。 ?我们来看看影响实验结果的因素：一个真阳性结果，受下列诸多因素影响：