Mémoire d'actuariat

Lien entre arrêt de travail et consommations médicales : application à la fraude
Auteur(s) SANCHEZ J.
Société Malakoff Médéric
Année 2020

Résumé
L'arrêt de travail peut être considéré comme le signe d'une fragilisation de l'état de santé d'une personne. Ainsi, lorsque l'état de santé d'une personne se dégrade, elle aura tendance à avoir une consommation médicale plus importante. Ce mémoire va s'attacher à vérifier ce postulat en analysant les consommations médicales des assurés lorsqu'ils sont en arrêt maladie et lorsqu'ils ne le sont pas. Dans un premier temps, nous décrirons les effets de l'arrêt de travail sur les consommations. Nous verrons entre autres, que les consultations chez les médecins généralistes et spécialistes doublent lorsque les personnes sont en arrêt. Au contraire, les consommations d'optique et de dentaires diminuent lors des arrêts. Enfin, nous noterons des profils de consommations différents entre les hommes et les femmes. Suite à ces analyses descriptives, nous construirons des modèles (forêts aléatoires et régressions logistiques) afin de prédire si une personne est en arrêt ou non à l'aide seulement de ses consommations de santé. Les forêts aléatoires donneront des résultats robustes, avec un taux d'erreur de seulement 12 %. Enfin, la modélisation sera appliquée à la détection de la fraude. Des processus de contrôle existent afin d'assurer la légitimité des arrêts. Ces processus passent actuellement par l'envoi d'un questionnaire pour cibler les personnes à contrôler. Le modèle permet de remplacer l'étape du questionnaire, qui est longue et coûteuse. Avec les consommations de santé, le modèle fournit la probabilité que la personne soit réellement en arrêt. Les contrôles peuvent donc cibler les probabilités les plus faibles. Mots-clés : arrêt de travail, consommations médicales, fraude, forêts aléatoires, régression logistique.

Abstract
A sick leave can be considered as a weakening of the health condition of a person. When a person’s health condition deteriorates, they will tend to have more medical use. This thesis will focus on verifying this affirmation by analysing the medical consumption of the insured when they are on sick leave and when they are not. First, we describe the effects of sick leave on consumption. We see that consultations with general practitioners and specialists double when people are on sick leave. On the contrary, optical and dental consumption decreases during the sick leave. Finally, we note different consumption profiles between men and women. Following this descriptive analysis, we build models (random forests and logistic regressions) in order to predict whether a person is on sick leave or not, using only his health consumption. Random forests give good results, with an error rate of only 12 %. At the end, this model will be applied to the detection of fraud. Control processes exist to ensure the legitimacy of sick leave. These processes currently involve sending a questionnaire to target the people to be checked. The model replaces the questionnaire step, which is long and costly. With health consumption, the model provides the probability that the person was on sick leave. Controls can therefore target the lower probabilities. Keywords: sick leave, medical consumption, fraud, random forest, logistic regression.

Mémoire complet