I diagrammet ser man tydligt att den ackumulerade fördelningen av dagarna är sig väldigt lik från år till år. Därför får man enkelt ganska bra precision i framskrivningen av årsutfallet bara genom att utgå ifrån att detta år inte är så annorlunda än tidigare år.
Man behöver några stycken månadsutfall, säg fyra, för att få ‘tavelträff’. Men då har man ett mycket bra underlag för att bedöma det troliga årsutfallet.
Jag gissar att detta är ett angreppssätt som skulle kunna användas mycket bredare. Algoritmer är ofta överlägsna kristallkulan – åtminstone på kort sikt.
Och arbetar man med algoritmer blir det enkelt att få fram resultat för delgrupper. För sjukskrivningsdagarna gäller det främst någon kombination av län och kön.
Men det fungerar mindre bra i en situation med stora förändringar i utvecklingen – förstås.
Västernorrland gick från påtaglig ökning 2016 till mycket påtaglig minskning under 2017. Och det tog ett tag innan algoritmen ‘insåg’ att det skulle bli en minskning. Och den lyckades aldrig riktigt ‘förstå’ hur stor minskningen skulle bli. 2017 var ett år som inte liknade de tidigare. Det ser man tydligt i diagrammet nedan.
Ovanligt stor andel av det totala utfallet kom tidigt under året. 2017 års kurva löper klart ovanför tidigare års. Och det är ett annat sätt att säga att utfallen i slutet av året var klart lägre än tidigare år. Alltså en minskning.
Så tavelträff blir det inte alltid. Men även en framskrivning som missar ger information eftersom man för anledning att fundera på och förstå hur det kom sig.
Så jag fortsätter med den här algoritmen och redovisar varje månad resultaten här på bloggen.
Sjukförsäkringen 