Het jy probleme om die regte gesondheidsversekeringsplan te kies? Laat 'n Algoritme Besluit

ibm watson

Een van die belangrikste doelwitte van die bekostigbare sorgwet (ACA) was om gesondheidsorgkoste te verlaag deur verbruikers meer keuse te gee oor hul versekeraar.

Ekonomiese teorie dui daarop dat wanneer verbruikers ingeligte en aktiewe keuses maak in 'n mededingende mark, reageer maatskappye deur pryse te verlaag en die gehalte van hul aanbod te verbeter.

Maar die teorie opsy, empiriese navorsing shows verbruikers Moet nie so in die praktyk werk nie, veral in komplekse markte soos gesondheidsversekering.

Hierdie realiteit maak dit baie moeiliker vir die regering se beleid om die koste van gesondheidsorg (waarvan sommige betaal word) effektief te bekamp en premies te verminder. Dit beteken ook dat baie individue heelwat meer betaal as wat hulle moet op gesondheidsversekering.

So is daar enigiets wat ons kan doen om mense te help om beter versekeringsbesluite te neem?

in 'n onlangse papier Ek het mede-mede-generaal Jonker Kolstad, ekonoom van Berkeley, geassesseer. Ons het geassesseer hoe persoonlike data verbruikers kan help om dit te doen en sodoende die gesondheidsmarkte doeltreffender maak.

Baie opsies, baie verwarring

Beheer van gesondheidsorguitgawes - wat vir die eerste keer in 3 $ 1 miljoen per jaar getref het, bly 'n besonder hoë prioriteit vir beleidmakers. Die besteding van groei vertraag onder historiese gemiddeldes rondom die tyd dat die ACA geslaag is, maar sedertdien versnelde.

Federale en staatsreguleerders het die ACA-uitwisselings gemaak om versekeraars aan te moedig om te kompeteer op prys en kwaliteit, terwyl verbruikers 'n wyer verskeidenheid opsies bied.

Verskeie Medicare markte, soos Plan D voorskrif dwelm dekking, doen dieselfde, terwyl maatskappye wat gesondheidsversekering bied, bied ook toenemend meer opsies aan hul werknemers via privaat gefasiliteerde uitruilings.

Maar om individue meer opsies te gee is net 'n eerste stap. navorsing toon dat verbruikers foute maak terwyl hulle aktief inkopies doen weens 'n gebrek aan beskikbare inligting, beperkte begrip van versekering of net die algehele moeite daarvan. Hierdie probleme bestaan ​​of die keuses net 'n paar of 'n paar dosyn is.

Dit lei verbruikers om te verlaat honderde of selfs duisende dollars op die tafel. Dit dra ook by tot "keuse traagheid, "Waarin verbruikers slim aanvanklike keuses kan maak, maar nie opvolg en dit aktief heroorweeg nie, aangesien nuwe inligting na vore kom of omstandighede verander. Dit kan ook oor die jare baie geld kos.

In ons navorsing het ons ondersoek ingestel na hoe ons hierdie probleme kan oplos.

Gerigte verbruikers aanbevelings

Een manier behels die verskaffing van gebruikerspesifieke plan aanbevelings aan verbruikers gebaseer op gedetailleerde data oor hul persoonlike gesondheidsorgbehoeftes en voorkeure.

Die persoonlike inligting is gebaseer op 'n individu se verwagte gesondheidsrisiko's, finansiële risiko-aptyt en doktervoorkeure. Hierdie beleide beklemtoon die beste opsies vir 'n gegewe verbruiker deur elke keuse te assosieer met statistieke wat verbruikers maklik verstaan ​​en omgee, soos hul verwagte besteding in elke plan in die komende jaar.

Die breë doelwit is om die krag van verbruikersdata en -tegnologie te benut om effektiewe aanbevelings in versekeringsmarkte te maak, soortgelyk aan wat ons reeds elders sien. Amazon gebruik byvoorbeeld jou aankoopgeskiedenis en blaai data om aanbevelings te maak oor watter bykomende produkte jy dalk wil hê, terwyl Google groot hoeveelhede inligting verwerk om aangepaste advertensies aan te pas.

Daar is reeds vordering gemaak met die implementering van hierdie soort toestande in versekeringsmarkte.

'N Belangrike saak is egter dat sulke beleide is nie effektief genoeg nie. Empiriese bewyse stel voor dat selfs as u verbruikers na die goed van inligting lei, u nie noodwendig mag dwing om te drink nie.

Smart verstek kan die antwoord wees

So as die verskaffing van persoonlike data en aanbevelings nie genoeg is om verbruikers beter keuses te maak nie, kan 'n meer aggressiewe beleid effektief wees?

Een manier is deur "slim standaard", wat outomaties verbruikers in voorkeurplanne plaas op grond van gebruikerspesifieke inligting. In plaas daarvan om mense te vereis om op aanbevelings op te tree, word die optimale opsie vir hulle gekies.

Hierdie slim standaard sal versigtig geteiken word gebaseer op elke individu se eie data, maar hulle sal ook nie-bindend wees, sodat verbruikers te eniger tyd na 'n ander opsie kan oorskakel.

Die slim standaard wat ons in ons vraestel voorgestel het, is gebaseer op gedetailleerde data oor verbruikerspesifieke demografie en gesondheidsbehoeftes en 'n model van gesondheidsplanwaarde. Die slim standaard sal werk deur data soos vorige mediese eise en demografiese inligting te gebruik om te bepaal of dit sinvol sou wees om oor te skakel na 'n ander plan. 'N Ekonomiese model en spesifieke waarde drempels word op die been gebring om te bepaal hoeveel risiko om te neem en hoeveel besparings deur 'n skakelaar verkry moet word.

Die ekonomiese model, geïmplementeer met 'n rekenaaralgoritme, sal finansiële winste, blootstelling aan risiko's in die geval van 'n groot mediese voorval en toegang tot die regte dokters oorweeg.

As die regte voorwaardes nagekom word (min of meer aggressief), is die verbruiker verstek in 'n nuwe plan. Die figuur aan die regterkant illustreer die proses in meer detail.

Byvoorbeeld, oorweeg 'n diabetiese pasiënt wat ingeskryf is in 'n plan met 'n jaarlikse premie van $ 4,000 en toegang tot 'n spesifieke stel dokters. Op die top van die premie is die pasiënt verwag om nog 'n $ 2,000 per jaar uit te gee koste-sharing - aftrekbaar, copays vir afsprake, voorskrifte, toerusting om bloedsuiker en ander dienste te toets - tot 'n maksimum van $ 8,000.

Die slim standaard algoritme sal eers oorweeg of daar 'n alternatief in die mark was wat die pasiënt se jaarlikse besteding betekenisvol sou verlaag. As die drumpel op $ 1,000 gestel is, sal die algoritme soek na 'n opsie wat verwag dat die pasiënt nie meer as $ 5,000 in premies en kostedeling sal spandeer nie.

Daar moet ook nog twee voorwaardes wees: die dokters wat die pasiënt sien, moet in die plan se netwerk wees en die opsie kan hom of haar nie blootstel aan te veel addisionele finansiële risiko nie (maksimum vir kosteverdeling). Dus as die finansiële risikodrempel op $ 500 gestel is, dan sal die alternatiewe plan maksimaal moet wees teen nie meer as $ 8,500 nie.

Die pasiënt sal dan outomaties ingeskryf word in die plan, met verwagte besparings van $ 1,000 per jaar en 'n ergste geval van slegs $ 500 in bykomende uitgawes.

Tot dusver is sulke wanbetalings slegs spaarsaam in gesondheidsversekeringsmarkte gebruik. Maar in ander kontekste, soos om werknemers te help, kies hoeveel om by te dra tot pensioenplanne, het slim standaards bewys merkwaardig effektief om die keuse van gehalte te verbeter.

As jy byvoorbeeld 'n 401 (k) -plan by die werk het, is daar 'n goeie kans dat hierdie slim standaardstelsel gebruik word om jou in die beste plan vir jou omstandighede te stel. Dit werk nou vir aftree spaar omdat die opsies eenvoudiger is en daar baie data is.

Probleme met slim standaard

So hoekom gebruik ons ​​nie nou slim standaards meer algemeen in gesondheidsversekeringsmarkte nie?

Om mee te begin, beleidmakers en werkgewers is waarskynlik huiwerig om beleid te implementeer wat versekeringskeuses op so 'n sterk manier voorkom. As die standaardinstellings byvoorbeeld te aggressief is, kan baie verbruikers outomaties ingeskryf word in planne wat hulle erger maak - selfs al sou die gemiddelde persoon beter af wees.

'N moontlike oplossing hiervoor is dat die drempels vir outomatiese inskrywing baie konserwatief gestel kan word, sodat slegs verbruikers met aansienlike verwagte winste geraak word (hoewel dit ook die potensiële voordele sal verminder).

'N Meer fundamentele probleem is egter die gebrek aan data. Ongelukkig het reguleerders dikwels nie die soort verbruikersdata in real-time oor persoonlike gesondheidsrisiko's, versekeringsverbruik en demografie wat nodig is om slim standaardbeleid op 'n presiese manier effektief te implementeer nie (soos in pensioenkeuses geld). Een rede hiervoor is dat versekeringsmaatskappye dikwels weier om hul data te deel met reguleerders op grond daarvan dat hulle eiendom is, en die Hooggeregshof het gehandhaaf hul houding.

In sulke gevalle is slim standaards nog moontlik, maar bied verbruikers minder waarde en moet hulle konserwatief wees in die implementering daarvan.

Bykomende oorwegings

Min is bekend oor die gevolge van markkompetisie wanneer verbruikerskeuses deur algoritmes bestuur word, eerder as deur 'n meer vry vloeiende en natuurlike proses.

Byvoorbeeld, kan versekeraars probeer om bekende kenmerke van die algoritme stelselmatig te gebruik om meer mense in hul planne te druk (soos met adverteerders wat met Google kommunikeer)? Of sal individue uiteindelik minder betrokke raak in die proses om hul eie versekering te kies, wat beteken dat hulle minder ingelig sal wees oor watter voordele hulle werklik het en die gepaardgaande risiko's?

Om die gevolge te verstaan ​​van die toelaat dat rekenaaralgoritmes verbruikerskeuses maak, sal noodsaaklik wees om te bepaal of die implementering van 'n beleid soos slim standaards kan help om verbruikers beter keuses te maak met minimale nadele. Maar dit sal nie moontlik wees voordat versekeraars begin om meer gedetailleerde data met reguleerders te deel nie.

Oor Die SkrywerDie gesprek

handel benBen Handel, Assistent Professor in Ekonomie, Universiteit van Kalifornië, Berkeley. Sy navorsing het bestudeer verbruikersbesluitneming en markontwerp van gesondheidsversekeringsmarkte, en illustreer die wisselwerking tussen verbruikersbesluitneming en markregulering.

Hierdie artikel is oorspronklik gepubliseer op Die gesprek. Lees die oorspronklike artikel.

Verwante Book:

{amazonWS: search index = Boeke; sleutelwoorde = gesondheidsversekering; maksimumresultaat = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

volg InnerSelf op

Facebook-ikoonTwitter-ikoonrss-ikoon

Kry die nuutste per e-pos

Emailcloak = {af}