Probabilistic Risk Stratification and Transition-Sensitive Explainability for Attorney Involvement in Workers' Compensation Claims
यह अध्ययन 48,130 वर्कर्स कंपनसेशनेशन (श्रमिक क्षतिपूर्ति) दावों पर एक कैटबूस्ट (CatBoost) क्लासिफायर का उपयोग करके वकील की संलिप्तता को एक संभाव्य जोखिम प्रक्रिया के रूप में मॉडल करता है, जो यह प्रदर्शित करता है कि मुकदमेबाजी के चालक निम्न-, मध्यम- और उच्च-जोखिम स्तरों में कैसे बदलते हैं और जोखिम स्तरीकरण एवं व्याख्यात्मकता को बढ़ाने के लिए शासन सीमाओं (रेजीम बाउंड्रीज) के पास विषम फीचर पैटर्न को प्रकट करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन किसी लापता व्यक्ति की तलाश करने के बजाय, आप यह अनुमान लगाने की कोशिश कर रहे हैं कि कौन वकील रखने वाला है। यह अपराध के दृश्यों के बारे में नहीं है; यह कार्यस्थल के बारे में है। जब कोई काम के दौरान घायल होता है, तो वह अपने चिकित्सा बिलों और खोई हुई मजदूरी के लिए पैसे पाने हेतु "वर्कर्स कंपनसेशन" (श्रमिक मुआवजा) दावा दायर करता है। आमतौर पर, ये दावे सीधे होते हैं: आप घायल होते हैं, आपको भुगतान किया जाता है, और आप काम पर वापस लौट जाते हैं। लेकिन कभी-कभी, चीजें उलझ जाती हैं। घायल कर्मचारी को लग सकता है कि कंपनी पर्याप्त भुगतान नहीं कर रही है, या कंपनी को लग सकता है कि चोट उतनी गंभीर नहीं है। जब दोनों पक्ष सहमत नहीं हो पाते, तो कर्मचारी अक्सर वकील रखता है। यह एक बड़ी बात है क्योंकि वकील पूरी प्रक्रिया को बहुत लंबा और सभी के लिए बहुत अधिक खर्चीला बना देते हैं।
लंबे समय तक, विशेषज्ञों ने यह अनुमान लगाने की कोशिश की कि कौन वकील रखेगा, यह देखकर कि दावा क्या है और एक सरल "हाँ या ना" प्रश्न पूछकर: "क्या यह व्यक्ति वकील रखेगा?" यह मौसम की भविष्यवाणी करने जैसा है कि केवल "बारिश" या "कोई बारिश नहीं" कहें। लेकिन वास्तविक दुनिया इतनी सरल नहीं होती। कभी-कभी तूफान बस एक हल्की बूंदाबांदी होता है, कभी-कभी यह एक तूफान होता है, और कभी-कभी यह एक धुंधली सुबह होती है जो तूफान में बदल सकती है। यह नया शोध सुझाव देता है कि एक साधारण हाँ/ना स्विच के बजाय, हमें जोखिम को एक 'स्लाइडिंग स्केल' के रूप में देखना चाहिए, जैसे कि एक वॉल्यूम नॉब जिसे ऊपर या नीचे घुमाया जा सकता है। एक विशेष प्रकार के कंप्यूटर दिमाग (एक एल्गोरिदम) का उपयोग करके, जो जोखिम के "वॉल्यूम" को सुन सकता है, शोधकर्ता उम्मीद करते हैं कि वे तूफानों को शुरू होने से पहले ही पहचान लेंगे, जिससे कंपनियों और बीमाकर्ताओं को महंगे कानूनी संघर्षों में बदलने से पहले छोटी समस्याओं को ठीक करने में मदद मिल सके।
अध्ययन: कार्यस्थल की चोटों के तूफानी समुद्रों का मानचित्रण
फ्लोरिडा अटलांटिक यूनिवर्सिटी के शोधकर्ताओं के नेतृत्व में यह अध्ययन, 48,130 कार्यस्थल चोट दावों के डेटा की गहराई में उतरता है। उनका लक्ष्य "वकील रखने" को एक साधारण स्विच के रूप में देखना बंद करना और इसे एक यात्रा के रूप में देखना है। उन्होंने Catastrophic Boosting (CatBoost) नामक एक शक्तिशाली कंप्यूटर टूल (एक प्रकार का मशीन लर्निंग जो विभिन्न प्रकार की चोटों या विभिन्न राज्यों जैसी श्रेणियों की अव्यवस्थित सूचियों को संभालने में बहुत अच्छा है) का उपयोग किया ताकि दावे के शुरुआती विवरणों को देखा जा सके—जैसे कि कर्मचारी की आयु, चोट का प्रकार, और वह कहाँ हुआ।
केवल "हाँ" या "नहीं" का अनुमान लगाने के बजाय, कंप्यूटर ने प्रत्येक दावे को एक जोखिम स्कोर दिया, जो मूल रूप से वकील के शामिल होने की प्रतिशत संभावना है। इसे मौसम के पूर्वानुमान की तरह समझें जो कहता है कि बारिश की 15% संभावना है, 50% संभावना है, या 90% संभावना है। शोधकर्ताओं ने पाया कि यह कंप्यूटर अपने काम में बहुत अच्छा था। यह दावों को सही ढंग से रैंक कर सकता था ताकि जिन दावों में वकील आने की सबसे अधिक संभावना थी, वे सूची में सबसे ऊपर हों। उन्होंने अपने काम की सावधानीपूर्वक जाँच की, और आंकड़ों ने दिखाया कि कंप्यूटर विश्वसनीय था: इसका ROC-AUC 0.7540 और Brier score 0.1988 था, जो शानदार तरीके से यह कहते हैं, "हे, हमारा अनुमान वास्तव में भरोसेमंद है।"
तीन क्षेत्र: कम, मध्यम और उच्च जोखिम
एक बार जब कंप्यूटर के पास उनके जोखिम स्कोर की सूची आ गई, तो शोधकर्ताओं ने केवल शीर्ष और निचले स्तर को ही नहीं देखा। उन्होंने सूची को तीन अलग-अलग क्षेत्रों, या "रेजीम" में विभाजित किया, यह देखने के लिए कि जोखिम बढ़ने के साथ कहानी कैसे बदलती है:
- कम-जोखिम क्षेत्र (निचला 20%): ये शांत दिन हैं। इन दावों में वकील मिलने की संभावना कम होती है।
- मध्यम-जोखिम क्षेत्र (मध्य 60%): यह धुंधला, अनिश्चित मध्य क्षेत्र है। यहाँ चीजें किसी भी तरफ जा सकती हैं।
- उच्च-जोखिम क्षेत्र (शीर्ष 20%): ये तूफान के बादल हैं। इन दावों में वकील आने की बहुत अधिक संभावना है।
यहाँ बड़ी खोज यह है कि "वकील रखने" के पीछे के "सामग्री" (ingredients) अलग-अलग होते हैं, यह इस पर निर्भर करता है कि आप किस क्षेत्र में हैं। यह केक बनाने जैसा है: यदि आप एक छोटा कप केक (कम जोखिम) बना रहे हैं, तो आपको थोड़ी सी चीनी की आवश्यकता हो सकती है। लेकिन यदि आप एक विशाल वेडिंग केक (उच्च जोखिम) बना रहे हैं, तो आपको बहुत सारी चीनी की आवश्यकता होगी, और शायद अंडे और आटा भी जिसकी कप केक के लिए कोई आवश्यकता नहीं थी।
आकार बदलने वाले सुराग
शोधकर्ताओं ने यह देखने के लिए कि कौन से सुराग जोखिम को ऊपर या नीचे धकेल रहे हैं, एक विशेष उपकरण SHAP का उपयोग किया। उन्होंने कुछ आश्चर्यजनक बातें पाईं:
- कम-जोखिम क्षेत्र में: कंप्यूटर ने कार्यकर्ता की आयु और उनकी नौकरी में बिताए गए समय जैसी चीजों को देखा। दिलचस्प बात यह है कि इस सुरक्षित क्षेत्र में, ये कारक अक्सर एक ढाल की तरह कार्य करते थे, जिससे वकील मिलने की संभावना कम हो जाती थी।
- उच्च-जोखिम क्षेत्र में: कहानी पलट गई। वही कारक, जैसे चोट की गंभीरता, अचानक जोखिम को बढ़ाने वाले मुख्य इंजन बन गए। यदि चोट गंभीर थी, तो यह एक बड़ा रेड फ्लैग था कि वकील आने वाला है।
- "फ्रंटियर" दावे: अध्ययन का सबसे रोमांचक हिस्सा "फ्रंटियर" दावों को देखना था। ये वे दावे हैं जो बस "मध्यम" क्षेत्र के किनारे पर हैं और "उच्च" में जाने ही वाले हैं, या जो "कम" में हैं लेकिन "मध्यम" में फिसल सकते हैं।
शोधकर्ताओं ने पाया कि उच्च-जोखिम क्षेत्र की ओर जाने का रास्ता निम्न-जोखिम क्षेत्र की ओर जाने के रास्ते से अलग है।
- ऊपर जाना (बढ़ना/Escalation): "मध्यम" से "उच्च" जोखिम में कूदने के लिए, सबसे महत्वपूर्ण चीज़ आमतौर पर चोट की गंभीरता और राज्य के कानून (क्षेत्राधिकार) थे। यह एक तूफान के मजबूत होने जैसा है क्योंकि हवा (चोट) कठिन होती जा रही है और आसमान (कानून) गहरा होता जा रहा है।
- नीचे जाना (घटना/De-escalation): "मध्यम" से वापस "कम" जोखिम में गिरने के लिए, यह केवल एक चीज़ के बेहतर होने के बारे में नहीं था। इसके बजाय, कई छोटे कारक—जैसे शरीर के अंग का प्रकार या विशिष्ट काउंटी कानून—एक साथ मिलकर जोखिम को नीचे धकेल रहे थे।
यह क्यों मायने रखता है
यह शोध पत्र सुझाव देता है कि हम केवल एक दावे को देखकर यह नहीं कह सकते कि, "यह एक वकील वाला मामला है।" हमें यह समझना होगा कि दावा किस चरण में है। एक कारक जो एक दावे को "उच्च" क्षेत्र में जोखिम भरा बनाता है, वह "कम" क्षेत्र में उसे सुरक्षित रखने वाला कारक हो सकता है।
इन विभिन्न क्षेत्रों और "फ्रंटियर" दावों को समझकर, जो किनारे पर डगमगा रहे हैं, बीमा कंपनियां और प्रशासक उस दावे को पहचान सकते हैं जो नियंत्रण से बाहर होने वाला है। वकील के आने का इंतजार करने के बजाय, वे उस "मध्यम" धुंधले क्षेत्र में जल्दी हस्तक्षेप कर सकते हैं और विशिष्ट मुद्दों (जैसे चोट की गंभीरता या क्षेत्राधिकार संबंधी भ्रम) को ठीक करने की कोशिश कर सकते हैं, इससे पहले कि यह एक पूर्ण विकसित कानूनी तूफान में बदल जाए।
यह अध्ययन यह दावा नहीं करता है कि इसने कार्यस्थल की चोटों या कानूनी लड़ाइयों की समस्या को हमेशा के लिए हल कर दिया है। यह सुझाव देता है कि जोखिम को एक स्लाइडिंग स्केल के रूप में देखकर और विभिन्न स्तरों पर महत्वपूर्ण विशिष्ट सुरागों पर ध्यान देकर, हम देख सकते हैं कि आगे क्या होने वाला है। यह वर्कर्स कंपनसेशन के जटिल, तूफानी समुद्रों में नेविगेट करने के लिए एक नया मानचित्र है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।