WTW-重新分类死亡风险，可穿戴设备驱动的死亡率建模如何重塑人寿保险核保中的风险分层（英译中）

“精选摘要：年，重思人寿保险行业风险评估流程的必要性已日益凸显。随着新数据源的激增和技术进步，提升承保流程的准确性和效率存在重大机遇。Klarity模型旨在通过利用非传统数据，生产个体级死亡评分，以比传统方法更有效地预测和分类风险，从而满足这一需求。在过去一年中，WTW的保险咨询和技术（ICT）团队分。”

1. “久坐如吸烟”是一个常用来鼓励人们进行一定程度的身体活动的口号。

2. 医务人员、承保人、精算师和死亡率研究人员都明白，活动水平是评估一个人健康状况和预期寿命的重要指标。

3. 不幸的是，在人寿保险风险评估过程中，活动水平信息常常被忽视，或者仅仅通过自我报告或与其他指标（如体重指数（BMI））的相关性来衡量。

4. 随着多种风险类别的普及，公司使用传统指标，如胆固醇水平、血压、BMI、烟草使用以及个人和家庭病史等，对申请人进行分层并确定风险类别标准和定位。

5. 虽然每个都是重要的健康指标，但这些传统方法和指标经常错误分类申请人，因为这些指标只提供了个人健康状况的一部分，并且经常遗漏重要的个性化指标，例如静息心率、心率恢复率、睡眠与活动（与非活动）水平。

6. 在过去的十多年里，行业一直在推动改变核保流程。

7. 对于人寿保险，这意味着重新思考所使用的数据来源，改善客户体验并缩短从申请到保单签发的时长。

8. 这增加了风险分类的挑战，以及难以真正区分优质风险和健康状况较好的次级风险。

9. 过去十年，重思人寿保险行业风险评估流程的必要性已日益凸显。

10. 随着新数据源的激增和技术进步，提升承保流程的准确性和效率存在重大机遇。

11. Klarity模型旨在通过利用非传统数据，生产个体级死亡评分，以比传统方法更有效地预测和分类风险，从而满足这一需求。

12. 在过去一年中，WTW的保险咨询和技术（ICT）团队分析了一种由Klarity开发的新风险评分工具，该工具整合了从可穿戴设备（如健身手表、智能手机或其他捕捉活动水平、睡眠模式、心率和脉搏数据的手环）中获取的数据。

13. 该模型最初基于英国国家健康数据训练，构建于跨越12年的数据之上，涵盖610万人生年数，主要关注40至70岁的年龄段。

14. 在该数据集中，有超过37,000例死亡案例。

15. 为分析该模型及其在人寿保险中的适用性，WTW与Klarity合作，利用美国国家健康与营养调查（NHANES）数据集测试模型死亡率评分预测的有效性。