3 Id
3 Id
ARTIKEL PENELITIAN
* jan.bronsema@online.nl
Abstrak
Pendanaan: Penulis tidak menerima dana untuk pekerjaan ini. Para penulis menyatakan bahwa Legal & General memberikan
dukungan (sebagian) dalam bentuk gaji untuk penulis JB. Mayoritas waktu yang digunakan adalah waktu sendiri
AKSES TERBUKA
30 Desember 2015
Metode
Sebuah studi kohort berbasis
daftar riwayat dilakukan termasuk
sekitar 15.000 berkas pendaftaran
yang diterima antara tahun 2007
dan 2010. Tekanan darah, lipid,
kotinin dan kadar glukosa
digunakan sebagai variabel
dependen dalam model regresi
logistik. Validasi resampling
diterapkan dengan menggunakan
250 sampel bootstrap untuk
menghitung area di bawah kurva
(AUC). AUC digunakan untuk
membedakan antara orang
dengan dan tanpa setidaknya 25%
kematian ekstra.
Hasil
BMI dan penilaian keseluruhan dari
pernyataan kesehatan oleh dokter
asuransi atau penjamin medis
menunjukkan diskriminasi terkuat
dalam analisis multivariabel.
Memasukkan semua variabel pada
tingkat batas minimum
menghasilkan AUC sebesar 0,710
sementara dengan menggunakan
model dengan BMI, penilaian
atas biaya penulis JB. Bagian Legal & General tidak dan tanpa setidaknya 25 persen kematian ekstra. Variabel modal pertanggungan yang
memiliki peran tambahan dalam desain studi, ditetapkan oleh perusahaan asuransi sebagai faktor untuk pengujian medis tambahan
pengumpulan dan analisis data, keputusan untuk
menerbitkan, atau persiapan naskah. Peran
tidak dapat ditetapkan dalam populasi penelitian ini. Indikasi untuk pengujian medis
spesifik penulis JB diartikulasikan dalam bagian tambahan pada underwriting asuransi jiwa mungkin dapat dilakukan pada variabel yang
'kontribusi penulis'. terbatas dan bukan pada pengujian medis wajib berdasarkan usia dan jumlah modal
Kepentingan yang Bersaing: Penulis pertama tertanggung.
JB adalah seorang karyawan (petugas medis) di
Legal & General Nederland B.V. Afiliasi dengan
Legal & General tidak mengubah kepatuhan penulis
terhadap kebijakan PLOS ONE dalam berbagi data
dan materi.
Pendahuluan
Nilai tambah dari skrining merupakan perdebatan yang terus menerus terjadi dalam dunia
kedokteran [1]. Skrining sebagai instrumen dalam kedokteran asuransi tidak terkecuali dalam
hal ini [2], terutama dalam konteks aksesibilitas ke asuransi swasta [3]. Untuk underwriting
asuransi jiwa, perusahaan asuransi menilai risiko mortalitas pemohon. Tingkat jaminan
kesehatan yang akan diberikan oleh pemohon sebagian besar tergantung pada usia dan
jumlah modal yang diasuransikan [4]. Jaminan berkisar dari pernyataan kesehatan standar
(SHD) hingga SHD yang disertai dengan pemeriksaan medis, termasuk pengujian
laboratorium.
Dalam praktik underwriting asuransi jiwa saat ini, SHD adalah titik awal dalam penilaian
risiko. Bergantung pada jumlah modal pertanggungan dan usia, pemeriksaan medis tambahan,
termasuk tes laboratorium standar seperti lipid dan glukosa, akan menjadi jaminan wajib yang
harus dipenuhi, terlepas dari hasil pernyataan kesehatan. Validitas usia sebagai indika- tor
untuk tingkat jaminan medis tidak perlu dipersoalkan lagi. Usia yang lebih tinggi dikaitkan
dengan tingkat kematian yang lebih tinggi [5,6,7]. Besarnya modal pertanggungan sebagai
indikator tingkat jaminan medis ditetapkan oleh perusahaan asuransi. Semakin tinggi risiko
keuangan dalam hal modal pertanggungan, semakin banyak jaminan yang akan diminta oleh
perusahaan asuransi dari pemohon [8]. Dari perspektif medis, dapat dipertanyakan apakah
ada hubungan antara tingkat modal pertanggungan dan risiko medis dalam hal kematian. Jika
tingkat uang pertanggungan dapat diartikan sebagai turunan dari
standar sosio-ekonomi dan perilaku kesehatan terkait dari pemohon bahkan mungkin ada
hubungan terbalik dengan risiko kematian [9,10].
Pemeriksaan medis mahal, merepotkan bagi pemohon dan memakan waktu dalam proses
penjaminan [8]. Hal ini menimbulkan pertanyaan apakah mungkin untuk memprediksi
probabilitas menemukan kematian ekstra yang relevan karena tekanan darah dan/atau kadar
lipid atau glukosa, mengingat informasi dari SHD. Apakah skrining untuk faktor-faktor risiko
ini pada populasi yang relatif sehat yang mengajukan permohonan asuransi jiwa masuk akal
dalam hal peluang menemukan peningkatan risiko kematian hampir tidak diketahui karena
peringkat berbasis bukti dalam asuransi jiwa sebagian besar didasarkan pada morbiditas yang
ada dalam literatur klinis [11]. Oleh karena itu, tujuan dari penelitian ini adalah untuk
menguji nilai prognostik parameter dari pernyataan kesehatan dan formulir aplikasi dalam
sampel pemohon asuransi jiwa pada risiko kematian ekstra berdasarkan hasil pengujian medis
tambahan. Jawabannya dapat menghasilkan prosedur underwriting medis yang lebih terfokus
dan efisien.
Metode
Desain dan prosedur
Badan Perlindungan Data Belanda (DPA) dan Kode Etik Petugas Medis di Belanda
mengizinkan perusahaan asuransi untuk menggunakan data yang dianonimkan untuk tujuan
2010. Data dikumpulkan setelah diperkenalkannya produk 'preferred life' pada rangkaian
produk yang sudah ada. Asuransi 'preferred life' telah mengurangi tarif premi dibandingkan
dengan tarif standar untuk pemohon yang memenuhi kriteria medis yang ketat, dengan
harapan angka kematian yang lebih rendah dibandingkan dengan tertanggung lain yang
seusia dengan mereka [12]. Berkas-berkas yang berkaitan dengan pengajuan kedua atau
lebih dari pemohon yang sama tidak dimasukkan dalam analisis, demikian juga berkas yang
data pengujian medisnya tidak tersedia. Data medis tidak tersedia karena kesalahan
administrasi atau tidak terdaftar jika pemohon tidak memenuhi kriteria teknis dan/atau
keuangan yang dapat diamati seperti uang pertanggungan. Hanya data pengujian medis
tambahan yang wajib didaftarkan. Jenis pertanggungan terbatas pada asuransi jiwa
berjangka standar: pertanggungan yang dijamin untuk jangka waktu terbatas.
Variabel independen
Data non-medis diambil dari formulir aplikasi. Data termasuk jumlah modal pertanggungan,
apakah pemohon mengajukan polis asuransi 'jiwa pilihan' dan apakah pemohon termasuk
dalam standar sosial ekonomi yang lebih tinggi dalam hal pendapatan atau aset. Jumlah modal
pertanggungan dikategorikan ke dalam lima kelas mulai dari ≤ €250.000 hingga >
€1.500.000. Preferred life rate berlaku jika pemohon memenuhi kriteria yang ketat pada saat
pemeriksaan medis. Kriterianya dapat dilihat pada Tabel S1. Standar sosio-ekonomi yang
lebih tinggi diasumsikan jika pemohon memiliki pendapatan ≥ 50.000 euro atau aset ≥
200.000 euro, yang diperiksa dengan rekening bank, slip gaji atau pernyataan akuntan. Data
yang diambil dari pernyataan kesehatan adalah usia, jenis kelamin, riwayat keluarga dari
keluarga tingkat pertama, riwayat merokok dan penilaian keseluruhan dari pernyataan
kesehatan oleh dokter asuransi atau penjamin emisi medis apakah ada perkiraan kematian
ekstra minimal 25%. Akhirnya, BMI sebagai variabel kontinu dihitung berdasarkan panjang
dan berat badan yang diukur secara manual dengan timbangan digital. Lihat Tabel 1 untuk
gambaran umum dari variabel-variabel independen.
Variabel dependen
Dari data pengujian medis tambahan, kami menggunakan tekanan darah sistolik dan
diastolik, tingkat kolesterol total, rasio kolesterol total dan kolesterol HDL, tingkat
trigliserida, dan kotinin. Semua tes laboratorium dilakukan di satu laboratorium. Kotinin
diuji jika pelamar menyatakan tidak merokok atau menggunakan produk yang mengandung
nikotin selama 24 bulan terakhir. Kotinin diuji dalam urin. Lembaga penilai medis mengukur
tekanan darah dengan alat osilometri elektronik digital.
Sebagai nilai batas untuk tekanan darah sistolik dan diastolik, kolesterol total, rasio
kolesterol total dan kolesterol HDL serta trigliserida, kami menggunakan 25% ekstra-
mortalitas, nilai minimum untuk premi tambahan dalam asuransi jiwa. Penilaian risiko
individu ekstra-mortalitas untuk setiap variabel dependen dari pengujian medis, didasarkan
pada pedoman dari empat manual reasuransi global. Contoh nilai batas untuk tekanan darah
sistolik dan trigliserida ditunjukkan pada Gambar 1 dan 2. Karena pedoman tersebut
menunjukkan perbedaan yang signifikan dalam tingkat cut-off, perhitungan dilakukan pada
tingkat minimum dan maksimum secara keseluruhan.
Untuk nilai ambang batas untuk glukosa, manual ini mengikuti tingkat ambang batas yang
diakui secara internasional yaitu glukosa acak ≥ 7,8 mmol/l [13]. Dalam kasus glukosa ≥ 7,8
mmol/l, peningkatan risiko kematian setidaknya 25% diasumsikan berdasarkan gangguan
metabolisme glukosa. Untuk tes kotinin urin, nilai batas ≤ 25 ng / ml untuk tidak merokok
diterapkan [14]. Dalam kasus tes kotinin positif, risiko kematian yang tinggi diasumsikan
berdasarkan penggunaan produk yang mengandung nikotin. Pada praktiknya, tarif premi
untuk perokok akan diterapkan dan bukan tarif premi untuk bukan perokok. Tarif premi
Tabel 1. Variabel dan karakteristik sampel penelitian. I = Variabel independen; D = Variabel dependen; SHD = surat pernyataan kesehatan standar; AF
= formulir aplikasi; SD = standar deviasi; ME = pemeriksaan medis. #1: Bukan perokok: menandatangani surat pernyataan tidak merokok atau
menggunakan produk yang mengandung nikotin dalam 24 bulan terakhir dan hasil tes kotinin urin negatif. #2: Pemohon dianggap memenuhi kriteria yang
ditetapkan untuk mendapatkan potongan harga premi yang terkait dengan asuransi 'Pre-ferred Life'. #3: Kriteria adalah pendapatan ≥ € 50.000 atau aset
≥ € 200.000. #4: Positif jika diperkirakan ada tambahan mortalitas minimal +25% karena kondisi medis yang tidak tertutup dan/atau penggunaan obat
penurun tekanan darah atau lemak. #5: Kerabat tingkat pertama di bawah usia 50 tahun yang menderita diabetes, kanker atau penyakit
kardiovaskular, termasuk kecelakaan serebrovaskular.
Variabel Sumber I/D N Deskriptif
Jenis Kelamin I SHD 15.094 11.531 (76,4%) laki-laki
Usia I SHD 15.094 Rata-rata 40,2 tahun (SD 6,5 tahun)
Bebas rokok (#1) I SHD/ 15.094 11.185 (74.1%)
AF
Modal yang I AF 15.094 Rata-rata €430,193 (SD €355,493) Kategori: ≤ €250.000 (28,9%), > €250.000 dan ≤ €500.000
diasuransikan (50,3%), > €500.000 dan ≤ €750.000 (11,1%), > €750.000 dan ≤ €1.000.000 (6,0%), > €1.000.000
dan ≤ €1.500.000 (2,4%), > €1.500.000 (1,3%)
Aplikasi Preferred Life I AF 15.094 11.094 (73.5%)
(#2)
Aplikasi gaya hidup I AF 15.094 14.354 (95.1%)
(#3)
Deklarasi kesehatan I SHD 15.094 5.539 (36.7%)
yang positif (#4)
Riwayat keluarga yang I SHD 15.094 6.007 (39.8%)
positif (#5)
BMI I AKU. 15.062 Rata-rata 24,9 (SD 3,1)
Tekanan darah sistolik D AKU. 15.002 Rata-rata 123 mmHg (SD 12 mmHg)
Tekanan darah diastolik D AKU. 15.001 Rata-rata 78 mmHg (SD 8 mmHg)
Kolesterol total D AKU. 15.017 Rata-rata 5,4 mmol/l (SD 1,1 mmol/l)
Kolesterol HDL AKU. 14.969 Rata-rata 1,4 mmol/l (SD 0,4 mmol/l)
Rasio kol/HDL D AKU. 14.969 Rata-rata 4,0 (SD 1,2)
Trigliserida D AKU. 14.905 Rata-rata 1,6 mmol/l (SD 1,0 mmol/l)
Glukosa D AKU. 14.922 Rata-rata 5,0 mmol/l (SD 0,9 mmol/l)
Cotinine D AKU. 14.856 Rata-rata 18,5 ng/ml (SD 61,1 ng/ml)
doi:10.1371/journal.pone.0145891.t001
Variabel dependen secara keseluruhan terdiri dari semua variabel dependen kecuali kotinin
dan didefinisikan positif jika terdapat setidaknya 25% kematian ekstra karena satu atau lebih
variabel medis dependen.
Analisis statistik
Untuk menyelidiki kemungkinan bias seleksi, kami membandingkan orang-orang yang
memiliki dan tidak memiliki data mediasi mengenai usia, jenis kelamin, jumlah
pertanggungan, dan apakah pemohon memiliki standar sosial ekonomi yang lebih tinggi dalam
hal pendapatan atau aset dengan menggunakan uji chi-square atau uji-t
(pendapatan/aset/jumlah pertanggungan). Selanjutnya, kami memeriksa variabel independen
mana yang secara signifikan berhubungan dengan variabel dependen.
Untuk setiap variabel dependen, pertama-tama dilakukan analisis regresi logistik
univariabel dan kemudian multivariabel. Pertama, pemodelan ke depan dalam analisis
multivariabel diterapkan untuk keseluruhan variabel dependen. Selanjutnya, urutan inklusi
yang sama digunakan untuk semua model yang terpisah. Kami melakukan validasi resampling
dengan menggunakan 250 sampel bootstrap dan menyajikan area yang dikoreksi (menyusut
karena overfitting) di bawah kurva (AUC). AUC adalah ukuran kemampuan diskriminatif
suatu model. Dalam hal ini berarti semakin tinggi AUC, semakin baik (variabel independen
dalam) model dapat membedakan antara orang dengan dan tanpa setidaknya 25% kematian
Gbr 1. Nilai batas minimum pemuatan +25% ekstra-mortalitas dari empat manual reasuradur global (RI 1 hingga 4) untuk tekanan darah sistolik dalam
mmHg: pria/wanita. Data bulan Maret 2012. RI 1 = nilai cut-off yang diperoleh dari reasuradur manual 1. RI 2 = nilai cut-off yang diperoleh dari reasuradur
manual 2. RI 3 = nilai cut-off yang diperoleh dari reasuradur manual 3. RI 4 = nilai cut-off yang diperoleh dari reasuradur manual 4.
doi:10.1371/journal.pone.0145891.g001
pemeriksaan. Analisis dilakukan untuk tingkat batas minimum dan maksimum untuk
tekanan darah dan lipid. Perhitungan tambahan pada AUC dilakukan dengan menggunakan
model yang hanya menyertakan variabel yang memiliki dampak signifikan terhadap
probabilitas yang diprediksi dalam analisis regresi logistik multivariabel. Analisis statistik
dilakukan dengan menggunakan perangkat lunak SPSS-21 dan R 3.2.2., paket lrm untuk
validasi resampling. Tingkat signifikansi ditetapkan pada < .05.
Hasil
Analisis data yang hilang
Perusahaan asuransi menerima 20.966 aplikasi berturut-turut untuk asuransi jiwa pada periode
penyertaan. Setelah mengecualikan berkas-berkas yang berkaitan dengan aplikasi kedua atau
lebih dari pemohon yang sama, masih tersisa 19.143 berkas. Untuk 4107 orang, data tes medis
tambahan tidak tersedia dan oleh karena itu orang-orang ini dikeluarkan dari analisis. Orang-
orang ini berbeda
Gambar 2. Nilai batas pemuatan minimum +25% ekstra-mortalitas dari empat manual reasuransi global (RI 1 hingga 4) untuk trigliserida dalam mmol/l:
laki-laki. Data bulan Maret 2012. RI 1 = nilai batas yang diperoleh dari reasuradur manual 1. RI 2 = nilai cut-off yang diperoleh dari reasuradur manual 2. RI
3 = nilai cut-off yang diperoleh dari reasuradur manual 3. RI 4 = nilai cut-off yang diperoleh dari reasuradur manual 4.
doi:10.1371/journal.pone.0145891.g002
dari orang-orang yang data pengujian medisnya tersedia sehubungan dengan usia (41,0 vs 40,2
tahun; p<0,001), jenis kelamin (69,2% laki-laki vs 76,4%; p<0,001) dan modal yang
diasuransikan (€273,116 vs
€430.193; p<0.001). Tiga puluh dua berkas tidak diikutsertakan, karena ada data yang hilang
untuk semua variabel yang relevan. Sampel akhir yang digunakan untuk analisis termasuk n =
15.094 file.
Deskriptif
Rincian karakteristik sampel penelitian ditunjukkan pada Tabel 1. Sampel penelitian terdiri dari n
= 11.531 (76,4 persen) pelamar laki-laki. Usia rata-rata adalah 40,2 tahun (SD 6,7 tahun). Dari
semua pelamar, 25,9 persen mengungkapkan bahwa mereka adalah perokok. Hampir 73,5
persen melamar untuk 'kehidupan yang diinginkan'.
Sembilan puluh lima persen dari semua pendaftar berasal dari standar sosio-ekonomi yang lebih
tinggi, berdasarkan kriteria pendapatan atau aset. Selain itu, 39,8 persen memenuhi kriteria
riwayat keluarga yang positif dan 36,7 persen dari pernyataan kesehatan diperkirakan
menyebabkan kematian ekstra setidaknya 25 persen karena kondisi medis yang diungkapkan
dan/atau penggunaan obat penurun tekanan darah atau lipid. Rata-rata pengujian medis
tambahan menghasilkan nilai dalam batas klinis normal.
Tabel 2. Analisis regresi univariabel dan multivariabel yang dihitung dalam area di bawah kurva (AUC). Min. = nilai batas minimum. Maks = nilai batas
maksimal. Cum = kumulatif. SBP = tekanan darah sistolik. DBP = tekanan darah diastolik. TCHOL = kolesterol total. TRI = trigliserida.
Gluc = glukosa. RAT = rasio kolesterol total/kolesterol HDL. COT = cotinine. BMI = indeks massa tubuh. SHD = pernyataan kesehatan standar. FH =
riwayat keluarga. Pref life = kehidupan yang disukai. SES = status sosial ekonomi. All var = semua variabel independen. NA = tidak berlaku.
Ambang batas Pos Jenis Kelamin FH Modal Merokok PrefLife SES Model* Semua Model** Semua
BMI Usia var var
SHD Min Min Max Max.
Secara Min. 0.680 0.591 0.586 0.576 0.530 0.512 0.520 0.522 0.504 0.708 0.710 0.741 0.743
keseluru
han
SBP Min. 0.675 0.646 0.578 0.596 0.532 0.509 0.495 0.522 0.500 0.729 0.730 0.798
DBP Min. 0.700 0.645 0.570 0.583 0.539 0.513 0.523 0.525 0.498 0.740 0.740 0.842
TCHOL Min. 0.625 0.606 0.547 0.556 0.540 0.510 0.505 0.512 0.504 0.658 0.664 0.732
TRI Min. 0.678 0.561 0.593 0.562 0.525 0.512 0.523 0.523 0.500 0.696 0.696 0.888
GLUC Min. 0.589 0.624 0.558 0.659 0.572 0.512 0.509 0.497 0.509 0.698 0.688 NA
TIKUS Min. 0.721 0.633 0.594 0.591 0.540 0.510 0.513 0.538 0.497 0.759 0.757 NA
COT Min. 0.590 0.603 0.576 0.531 0.505 0.650 0.500 0.507 0.502 0.733 0.751 NA
* Model untuk memuat pada nilai batas minimum. Model keseluruhan: BMI, pernyataan kesehatan positif dan jenis kelamin. Model alternatif keseluruhan
1 = keseluruhan termasuk riwayat keluarga 0,708. Model alternatif 2 = model alternatif 1 termasuk usia: 0,709. Model glukosa: usia, pernyataan
kesehatan positif dan riwayat keluarga.
Model glukosa alternatif termasuk BMI: 0,696. Model kotinin: merokok, jenis kelamin, dan pernyataan kesehatan yang positif. Model kotinin alternatif
termasuk BMI: 0,748.
** Model untuk pemuatan pada nilai batas maksimum. Model Keseluruhan: BMI, pernyataan kesehatan positif dan usia. Model alternatif = Keseluruhan
termasuk riwayat keluarga: 0.743.
doi:10.1371/journal.pone.0145891.t002
asosiasi meskipun tidak terlalu kuat untuk setiap variabel dependen, kecuali usia dengan
kotinin. Tabel 2 menunjukkan ikhtisar dari semua area di bawah kurva (AUC) yang dihitung
dari analisis regresi univariabel dan multivariabel.
BMI yang lebih tinggi sebagian besar terkait dengan tekanan darah dan lipid. BMI
menunjukkan hubungan terbalik dengan kadar kotinin. Usia yang lebih tua dan SHD positif
adalah faktor yang mendominasi terkait glukosa. Modal pertanggungan yang lebih tinggi
menunjukkan hubungan yang lemah dengan tekanan darah diastolik dan trigliserida.
Penerapan tingkat kehidupan yang diinginkan menunjukkan hubungan yang lemah dengan
tekanan darah diastolik, trigliserida dan rasio kolesterol total/kolesterol HDL. Analisis tidak
menunjukkan hubungan yang signifikan secara statistik antara variabel independen dan
dependen.
untuk asuransi jiwa dengan dan tanpa setidaknya 25 persen ekstra mortalitas berdasarkan
satu atau lebih variabel dependen dari pemeriksaan medis.
BMI yang lebih tinggi sebagian besar terkait dengan tekanan darah dan lipid. Temuan ini
sejalan dengan literatur yang ada. Obesitas kelas II dan lebih tinggi (BMI ≥ 35) telah terbukti
berhubungan dengan kematian akibat semua penyebab yang secara signifikan lebih tinggi
[16,17]. Hubungan antara BMI dan peningkatan mortalitas akibat penyakit vaskular sebagian
besar disebabkan oleh tekanan darah dan lipid [18]. Kematian ekstra akibat BMI bergantung
pada usia dan jenis kelamin dalam manual reasuransi . Didukung oleh literatur [19] kalkulator
risiko dalam pedoman manual reasuransi termasuk kemungkinan interaksi antara BMI,
tekanan darah dan data laboratorium. Selain itu, BMI dikaitkan dengan peningkatan risiko
kanker seperti yang ditunjukkan dalam studi kohort berbasis populasi besar baru-baru ini [20].
Kanker dan penyakit kardiovaskular merupakan penyebab utama kematian baik pada
populasi umum maupun tertanggung [21]. Penjaminan medis dalam asuransi jiwa berfokus
pada penyakit kardiovaskular dan faktor risikonya seperti hipertensi, peningkatan kadar lipid
dan glukosa karena skrining kanker pada populasi berisiko rendah dengan menggunakan
pencitraan atau teknik laboratorium yang canggih terlalu mahal dan dianggap sebagai beban
yang tidak dapat diterima oleh pemohon. Yang relevan dalam hal ini adalah rata-rata risiko
kematian yang lebih rendah pada populasi yang diasuransikan dibandingkan dengan populasi
umum [22].
Dalam penelitian ini, BMI kurang jelas terkait dengan glukosa. Hal ini mungkin dapat
dijelaskan oleh fakta bahwa 90% dari semua diabetes adalah diabetes tipe II. Diabetes tipe II
lebih banyak terjadi dengan bertambahnya usia [23,24]. Selain itu, hubungan antara BMI dan
diabetes tipe II sangat kompleks karena pasien dengan diabetes tipe II tampaknya sangat
bervariasi dalam pola dan tingkat kelebihan berat badan pada saat diagnosis [25].
Pengungkapan diabetes dan gangguan terkait diabetes pada SHD dapat menjelaskan
hubungannya dengan peningkatan kadar glukosa. Faktor-faktor ini dapat menjelaskan
temuan dalam penelitian kami bahwa usia dan hasil SHD, bukan BMI, merupakan variabel
yang paling dominan terkait kemungkinan kematian ekstra berdasarkan peningkatan kadar
glukosa.
Jenis kelamin, usia, dan riwayat keluarga yang positif jelas kurang diskriminatif
dibandingkan dengan BMI pada kematian ekstra secara keseluruhan dan juga pada sebagian
besar variabel dependen yang terpisah. Usia dan jenis kelamin hampir tidak memiliki
hubungan dengan tekanan darah dan lipid dalam analisis multivariabel. Hal ini mungkin
mencerminkan ketergantungan usia dan jenis kelamin dalam tingkat batas untuk tekanan
darah dan lipid dalam manual reasuransi. Interaksi antara usia, jenis kelamin dan tekanan
darah/lipid dengan cara ini secara implisit dimasukkan dalam hasil. Mengecualikan riwayat
keluarga dari model multivariabel hampir tidak mengubah hasilnya. Namun, literatur
menunjukkan hubungan yang jelas dan konsisten antara riwayat keluarga dan morbiditas dan
mortalitas kardiovaskular prematur, yang menunjukkan adanya kerentanan yang diwariskan
[26,27]. Dampak yang relatif kecil dari riwayat keluarga dalam penelitian ini hanya dapat
dijelaskan dengan anggapan bahwa BMI dan SHD positif menjelaskan sebagian besar variasi
hasil dalam analisis multivariabel.
Secara keseluruhan, variabel non-medis dari formulir aplikasi tidak menunjukkan nilai
tambah dalam membedakan antara orang-orang yang harus diuji secara medis. Jumlah modal
pertanggungan yang ditetapkan oleh perusahaan asuransi sebagai faktor untuk tes medis
tambahan tidak dapat ditetapkan dalam penelitian ini. Hal ini dapat berkontribusi pada
hipotesis bahwa jumlah modal yang diasuransikan dapat ditafsirkan sebagai turunan dari
standar sosio-ekonomi dan perilaku kesehatan yang terkait. Pemohon yang meminta uang
pertanggungan yang lebih tinggi kemungkinan besar berasal dari kelas sosial ekonomi yang
lebih tinggi, dengan risiko kematian yang lebih rendah, daripada pemohon yang mengajukan
uang pertanggungan yang rendah karena uang pertanggungan tersebut dalam banyak kasus
penyaringan terhadap faktor risiko medis yang tidak diketahui oleh pemohon. Kami
mengasumsikan bahwa perusahaan asuransi menerapkan pernyataan kesehatan yang
mutakhir dan memiliki penjaminan dan penilaian klaim yang profesional.
Ada tiga alasan mengapa model yang digunakan untuk menghitung hilangnya kemampuan
diskriminatif dengan menggunakan variabel terbatas lebih baik dibandingkan dengan model
yang mencakup semua variabel. Pertama, hukum dan perundang-undangan, untuk alasan
non-diskriminasi dan aksesibilitas, cenderung semakin membatasi proses penjaminan dalam
asuransi swasta. Sebagai contoh, arahan gender Uni Eropa baru-baru ini memaksa perusahaan
asuransi untuk menerapkan tarif premi netral gender [28]. Kedua, untuk alasan efisiensi,
perusahaan asuransi ingin memproses data sesedikit mungkin. Ketiga, untuk membuat proses
aplikasi seramah mungkin bagi nasabah.
Menggunakan tingkat cut-off maksimum dan bukan minimum dalam penelitian ini
menghasilkan peningkatan yang relatif kecil dalam probabilitas yang diprediksi. Karena tingkat
cut-off yang lebih tinggi, model akan meningkatkan daya diskriminatif untuk memilih pelamar
tanpa kemungkinan kematian ekstra.
efek seleksi yang merugikan adalah penggunaan deklarasi kesehatan yang mutakhir dan
penjaminan profesional serta penilaian klaim.
Informasi Pendukung
Tabel S1. Kriteria kehidupan yang disukai.
(DOCX)
Kontribusi Penulis
Menyusun dan merancang eksperimen: JB MRdB SB. Menganalisis data: JB MRdB. Menulis
makalah: JB MRdB. Mengomentari teks, mengadaptasi beberapa bagian dan memberikan
saran pada struktur artikel : JWG.
Referensi
1. Krogsbøll LT, Jørgensen KJ, Larsen CG, Gøtzsche PC. Pemeriksaan kesehatan umum pada orang
dewasa untuk mengurangi
morbiditas dan mortalitas akibat penyakit: Tinjauan sistemik Cochrane dan meta-analisis. BMJ. 2012;
345: e7191 doi: 10.1136/bmj.e7191 PMID: 23169868
2. Clarke MG, Ewings P, Hanna T, Dunn L, Girling T, Widdison AL. Seberapa akuratkah dokter, perawat,
dan mahasiswa kedokteran dalam memprediksi harapan hidup? Eur J Intern Med. 2009; 20: 640-
644 doi: 10.1016/j. ejim.2009.06.009 PMID: 19782929
3. Jureindini R, White K. Asuransi Jiwa, Pemeriksaan Kesehatan dan Nilai-nilai Budaya. J Hist
Sociol. 2000; 13: 190-214 PMID: 18383634
4. Brackenridge RDC, Croxson RS, MacKenzie B. Seleksi Medis atas Risiko Kehidupan. Pallgrave
MacMillan, Edisi ke-5; 2006.
5. Pusat Pengendalian dan Pencegahan Penyakit (CDC); Sistem Statistik Vital Nasional, Tabel
Kematian. Tersedia: http://www.cdc.gov/nchs/mortality-tables.htm
6. Portal Data Terbuka Uni Eropa; Tingkat kematian spesifik usia berdasarkan jenis kelamin.
Eurostat 2013. Tersedia: https://open-data.europe.eu/en/data/dataset/wSh2zHITSjX1olxmiJS4g
7. Angka harapan hidup, Tabel Proyeksi 2010-2060. Asosiasi Aktuaria Belanda; 2010. Tersedia:
http:// www.ag-ai.nl/view.php?Pagina_Id=206
8. Rothstein MA (editor). Genetika dan Asuransi Jiwa: Penjaminan Medis dan Kebijakan Sosial.
Boston, MIT Press. p 87; 2004.
9. Stringhini S, Dugravot A, Shipley M, Goldberg M, Zins M, Kivimäki M, dkk. Perilaku Kesehatan,
Status Sosial Ekonomi, dan Kematian: Analisis Lebih Lanjut dari Whitehall II Inggris dan Kohort
Prospektif GAZEL Prancis. PLoS Med. 2011; 8: e1000419. doi: 10.1371/journal.pmed.1000419
PMID: 21364974
10. Mackenbach JP, Bos V, Andersen O, Cardano M, Costa G, Harding S, dkk. Melebarnya
kesenjangan sosial ekonomi dalam mortalitas di enam negara Eropa Barat. Int J Epidemiol. 2003;
32: 830-837 PMID: 14559760
11. Nabholz C, Somerville K. Penilaian risiko yang adil dalam asuransi jiwa & kesehatan. Swiss
Reinsurance Company Ltd. Zurich. 2011. Tersedia: http://www.swissre.com
12. Laporan dari Perhimpunan Aktuaris. Sub-komite Survei Preferred Underwriting (Reasuransi).
Schaumburg, IL, Amerika Serikat. 2003. Tersedia: http://www.soa.org
13. Laporan pertemuan Organisasi Kesehatan Dunia dan Federasi Diabetes Internasional. Skrining
untuk Diabetes Tipe 2. WHO/NMH/MNC/03.1. Geneva; 2003. Tersedia: http://www.who.int
14. Strulovici-Barel Y, Omberg L, O'Mahony M, Gordon C, Hollmann C, Tilley AE, dkk. Ambang batas
respons biologis epitel saluran napas kecil terhadap asap tembakau dalam kadar rendah. Am J
Respir Crit Care Med. 2010; 182: 1524-1532. doi: 10.1164/rccm.201002-0294OC PMID:
20693378
15. Kinosian B, Glick H, Garland G. Kolesterol dan penyakit jantung koroner: memprediksi risiko
berdasarkan tingkat dan rasio. Ann Intern Med. 1994; 121:641-647. PMID: 7944071
16. Flegal KM, Graubard BI, Williamson DF, Gail MH. Kematian Berlebih yang Disebabkan oleh
Penyebab Tertentu yang Terkait dengan Kekurangan Berat Badan, Kegemukan, dan Obesitas.
JAMA. 2007; 298: 2018-2037.
17. Berrington de Gonzalez A, Hartge P, Cerhan JR, Flint AJ, Hannan L, MacInnes RJ, dkk. Indeks
massa tubuh dan mortalitas di antara 1.46 juta orang dewasa kulit putih. NEJM. 2010; 363: 2211-
2219. doi: 10.1056 / NEJMoa1000367 PMID: 21121834
18. Kolaborasi Studi Prospektif. Indeks massa tubuh dan kematian spesifik penyebab pada 900.000
orang dewasa: analisis kolaboratif dari 57 studi prospektif. Lancet. 2009; 373: 1083-1095. doi:
10.1016/ S0140-6736(09)60318-4 PMID: 19299006
19. Bays HE, Chapman RH, Grandy S. Hubungan indeks massa tubuh dengan diabetes mellitus,
hiperten- sion dan dislipidemia: perbandingan data dua survei nasional. Int J Clin Pract. 2007; 61: 737-
747 PMID: 17493087
20. Bhaskaran K, Douglas I, Forbes H, dos Santos-Silva I, Leon DA dan Smeeth L. Indeks massa tubuh
dan risiko 22 jenis kanker tertentu: studi kohort berbasis populasi terhadap 5,24 juta orang
dewasa di Inggris. Lancet. 2014; 384: 755-765 doi: 10.1016/S0140-6736(14)60892-8 PMID:
25129328
21. Transamerica Reasuransi. Bahan Arsip. Penyebab Kematian Memberi Penjelasan tentang
Kematian-Bagian 2. Buletin messenger2009 Tersedia:
http://www.scor.com/images/stories/pdf/library/archives-sgla-
sgrc/causesofdeathshedlightonmortalitypart2-messenger-mr.pdf
22. Sijbrands EJG, Tornij E, Homsma JS. Prediksi Risiko Kematian oleh Perusahaan Asuransi dan
Tindak Lanjut Jangka Panjang dari 62,000 Pria. PLoS ONE. 2009; 4: e5457. doi:
10.1371/journal.pone PMID: 19421319
23. Baal van PH, Engelfriet PM, Hoogeveen RT, Poos MJ, van den Dungen C dan Boshuizen HC.
Memperkirakan dan membandingkan insiden dan prevalensi penyakit kronis dengan
menggabungkan data registri dokter umum: peran ketidakpastian. BMC Kesehatan Masyarakat.
2011; 11: 163 doi: 10.1186/1471-2458-11-163 PMID: 21406092
24. Carstensen B, Kristensen JK, Ottosen P, Borch-Johnsen K. The Danish National Diabetes Register:
tren kejadian, prevalensi dan kematian. Diabetologica. 2008; 51:2187-2196.
25. Vistisen D, Witte DR, Tabák AG, Herder C, Brunner EJ, Kivimäki M, dkk. Pola Perkembangan
Obesitas sebelum Diagnosis Diabetes Tipe 2: Studi Kohort Whitehall II. PLoS Med. 2014; 11:
e1001602. doi: 10.1371/journal.pmed PMID: 24523667
26. Ranthe MF, Carstensen L, Oyen N, Tfelt-Hansen J, Christiansen M, McKenna WJ, dkk. Riwayat
Keluarga Kematian Dini dan Risiko Penyakit Kardiovaskular Dini. J Am Coll Cardiol. 2012; 60: 814 -
821 doi: 10.1016 / j.jacc.2012.06.018 PMID: 22917005
27. Bachmann JM, Willis BL, Ayers CR, Khera A, Berry JD. Hubungan Antara Riwayat Keluarga dan
Kematian Penyakit Jantung Koroner Selama Tindak Lanjut Jangka Panjang pada Pria. Circulation.
2012; 125: 3092-3098 doi: 10.1161/CIRCULATIONAHA.111.065490 PMID: 22623718
28. Caracciolo di Torella E. Kesetaraan gender setelah Test Achats. 2012. ERA Forum doi:
10.1007/s12027- 012-0248-x
29. Gorber SC, Tremblay M, Moher D dan Gorber B. Perbandingan ukuran langsung vs. ukuran yang
dilaporkan sendiri untuk menilai tinggi badan, berat badan, dan indeks massa tubuh: tinjauan
sistematis. Obes Rev. 2007; 8: 307-326 PMID: 17578381