Nagkakaroon ng Problema sa Pagpili ng Tamang Planong Segurong Pangkalusugan? Hayaan ang Isang Algorithm Magpasya

ibm watson

Ang isang pangunahing layunin ng Affordable Care Act (ACA) ay upang mabawasan ang mga gastos sa pangangalagang pangkalusugan sa pamamagitan ng pagbibigay sa mga mamimili ng mas maraming pagpili sa kanilang tagaseguro.

Ang teorya ng ekonomiya ay nagpapahiwatig na kapag ang mga mamimili ay gumagawa ng matalinong at aktibong pagpili sa isang mapagkumpetensyang merkado, ang mga kumpanya ay tumugon sa pamamagitan ng pagpapababa ng mga presyo at pagpapabuti ng kalidad ng kanilang mga handog.

Ngunit ang teorya bukod, pananaliksik mula sa obserbasyon Ipinapakita ng Mga consumer hindi talaga kumilos sa ganitong paraan sa pagsasanay, lalo na sa mga kumplikadong pamilihan tulad ng segurong pangkalusugan.

Ang katotohanang ito ay ginagawang mas mahirap para sa patakaran ng pamahalaan upang epektibong pigilin ang halaga ng pangangalagang pangkalusugan (ang ilan ay binabayaran nito) at bawasan ang mga premium. Nangangahulugan din ito ng maraming mga indibidwal ay malamang na magbayad nang higit pa sa dapat nila sa segurong pangkalusugan.

Kaya may anumang makakaya natin upang matulungan ang mga tao na gumawa ng mas mahusay na mga desisyon sa seguro?

Sa isang kamakailan-lamang na papel Nakipag-ugnay ako sa kapwa ekonomista ng Berkeley na si Jonathan Kolstad, sinuri namin kung paano mapapakinabangan ng personalized na data ang mga mamimili na gawin iyon at bilang resulta ay naging mas mahusay ang mga pamilihan ng kalusugan.

Maraming mga pagpipilian, magkano ang pagkalito

Ang pagkontrol sa paggasta sa pangangalagang pangkalusugan - na humagupit ng US $ 3 trilyon sa isang taon sa unang pagkakataon sa 2014 - ay nananatiling isang partikular na mataas na priyoridad para sa mga tagabuo. Ang pag-expire ng paglago ay humina sa ilalim ng mga average na kasaysayan sa paligid ng oras na ang ACA ay ipinasa ngunit mula noon pinabilis.


Kunin ang Pinakabagong Mula sa InnerSelf


Ang mga regulator ng pederal at estado ay gumawa ng mga palitan ng ACA upang hikayatin ang mga insurer na makipagkumpetensya sa presyo at kalidad habang nag-aalok ng mga consumer ng mas malawak na hanay ng mga pagpipilian.

Ang ilang mga merkado ng Medicare, tulad ng coverage ng reseta ng gamot ng D Plan, ay ginagawa din, habang ang mga kumpanya na nagbibigay ng segurong pangkalusugan ay lalong nag-aalok ng higit pang mga pagpipilian sa kanilang mga empleyado sa pamamagitan ng pribadong tumutulong sa palitan.

Ngunit ang pagbibigay sa mga indibidwal ng higit pang mga pagpipilian ay lamang ng isang unang hakbang. Pananaliksik ay nagpapakita ng ang mga mamimili ay nagkakamali habang aktibong namimili dahil sa kakulangan ng impormasyon, limitadong pag-unawa ng seguro o lamang ang pangkalahatang abala nito. Ang mga paghihirap na ito ay umiiral kung ang mga pagpipilian ay ilan o ilang dosenang.

Ito ay humantong sa mga mamimili na umalis daan-daan o kahit libu-libong dolyar sa talahanayan. Nag-aambag din ito sa "pagpili ng pagkawalang-kilos, "Kung saan ang mga mamimili ay maaaring gumawa ng matalinong mga pagpipilian sa unang ngunit hindi sundin at aktibong muling isaalang-alang ang mga ito habang lumilitaw ang bagong impormasyon o pagbabago sa kundisyon. Na maaari ring gastusin ang mga ito ng maraming pera sa paglipas ng panahon.

Sa aming pananaliksik, naranasan namin kung paano natin malulutas ang mga problemang ito.

Mga naka-target na rekomendasyon ng consumer

Ang isang paraan ay nagsasangkot ng pagbibigay ng mga mamimili sa mga rekomendasyon sa plano ng gumagamit batay sa detalyadong data tungkol sa kanilang mga personal na pangangailangan at kagustuhan sa pangangalagang pangkalusugan.

Ang personalized na impormasyon ay batay sa inaasahan ng mga indibidwal na mga panganib sa kalusugan, pananagutan sa panganib na gana at mga kagustuhan sa doktor. Itinatampok ng mga patakarang ito ang mga pinakamahusay na pagpipilian para sa isang binigay na mamimili sa pamamagitan ng pag-uugnay sa bawat pagpipilian sa mga panukat na madaling maunawaan at pinapahalagahan ng mga consumer, tulad ng inaasahang paggastos sa bawat plano sa darating na taon.

Ang malawak na layunin ay upang gamitin ang kapangyarihan ng data ng mamimili at teknolohiya upang gumawa ng mga epektibong rekomendasyon sa mga merkado ng seguro, katulad ng kung ano ang nakikita na natin sa ibang lugar. Halimbawa, ginagamit ng Amazon ang iyong kasaysayan ng pagbili at pag-browse ng data upang gumawa ng mga rekomendasyon tungkol sa kung anong mga karagdagang produkto ang maaari mong gusto, habang ang Google ay nagpoproseso ng napakaraming impormasyon upang maiangkop ang mga na-customize na ad.

Nagkaroon ng ilang progreso sa pagpapatupad ng mga ganitong uri ng mga kondisyon sa mga merkado ng seguro.

Gayunpaman, isang pangunahing pag-aalala ay ang gayong mga patakaran ay hindi sapat na epektibo. Katibayan ng empirical ay nagpapahiwatig na kahit na humantong ka sa mga mamimili sa balon ng impormasyon, hindi mo maaaring pilitin silang uminom.

Ang mga smart default ay maaaring ang sagot

Kaya't kung ang pagbibigay ng isinapersonal na data at rekomendasyon ay hindi sapat upang matulungan ang mga mamimili na gumawa ng mas mahusay na mga pagpipilian, maaaring mas epektibo ang isang mas agresibong patakaran?

Ang isang paraan ay sa pamamagitan ng "matalinong mga default," na awtomatikong naglalagay ng mga consumer sa mga ginustong plano batay sa impormasyon na tukoy sa gumagamit. Sa halip na humiling ng mga tao na kumilos sa mga rekomendasyon, ang pinakamainam na pagpipilian ay pinili para sa kanila.

Ang mga matalinong mga default na ito ay maingat na ma-target batay sa sariling data ng bawat indibidwal, ngunit hindi rin ito magbubuklod, na nagpapahintulot sa mga mamimili na lumipat sa isa pang pagpipilian sa anumang oras.

Ang mga smart default na aming iminungkahi sa aming papel ay batay sa detalyadong data sa mga demograpiko na partikular sa mamimili at mga pangangailangan sa kalusugan at isang modelo ng halaga ng planong pangkalusugan. Ang mga matalinong default ay gagana sa pamamagitan ng paggamit ng data tulad ng mga nakaraang claim sa medikal at demograpikong impormasyon upang masuri kung makatutulong ba itong lumipat sa isa pang plano. Ang isang pang-ekonomiyang modelo at mga tukoy na halaga ng mga hangganan ay itinatag sa simula upang mamamahala kung magkano ang panganib upang kunin at kung gaano karaming mga pagtitipid ang dapat na nakuha mula sa isang lumipat.

Ang pang-ekonomiyang modelo, na ipinatupad sa isang computer algorithm, ay isasaalang-alang ang mga pinansiyal na mga nadagdag, pagkakalantad sa mga panganib sa kaganapan ng isang pangunahing insidente sa medikal at pag-access sa mga tamang doktor.

Kung ang mga tamang kondisyon ay natutugunan (mas o mas agresibo), ang mamimili ay nabigo sa isang bagong plano. Ang figure sa kanan ay naglalarawan ng proseso nang mas detalyado.

Halimbawa, isaalang-alang ang isang pasyente na may diabetes na nakatala sa isang plano na may taunang premium ng $ 4,000 at pag-access sa isang partikular na hanay ng mga doktor. Sa itaas ng premium, ang pasyente ay anticipated gumastos ng isa pang $ 2,000 kada taon pagbabahagi ng gastos - Mga deductible, mga copay para sa mga appointment, reseta, kagamitan upang subukan ang asukal sa dugo at iba pang mga serbisyo - hanggang sa isang maximum na $ 8,000.

Ang smart default algorithm ay unang isaalang-alang kung may isang alternatibo sa merkado na "makabuluhan mas mababa" taunang paggastos ng pasyente. Kung ang threshold ay nakatakda sa $ 1,000, ang algorithm ay maghanap ng isang pagpipilian na anticipates ang pasyente ay gumastos ng hindi hihigit sa $ 5,000 sa mga premium at pagbabahagi ng gastos.

Ang dalawang karagdagang kondisyon ay dapat ding matugunan: ang mga manggagamot na nakikita ng pasyente ay kailangang nasa network ng plano at ang opsyon ay hindi maaaring ilantad sa kanya ng masyadong maraming karagdagang pinansiyal na panganib (maximum para sa cost-sharing). Kaya kung ang limitasyon sa panganib sa pananalapi ay nakatakda sa $ 500, pagkatapos ay ang alternatibong plano ay kailangang mag-max out sa hindi hihigit sa $ 8,500.

Ang pasyente ay magiging auto-enrolled sa plano, na may anticipated savings ng $ 1,000 sa isang taon at isang pinakamasama kaso sitwasyon ng lamang $ 500 sa karagdagang paggastos.

Sa ngayon, ang mga ganitong default ay ginamit lamang sa mga merkado ng segurong pangkalusugan. Ngunit sa ibang mga konteksto, tulad ng pagtulong sa mga empleyado na piliin kung magkano ang mag-aambag sa mga plano sa pensiyon, ang mga matalinong default ay napatunayan na napaka epektibo sa pagpapabuti ng kalidad ng pagpili.

Kung mayroon kang 401 (k) na plano sa trabaho, halimbawa, may isang magandang pagkakataon na ang smart system na ito ay ginagamit upang ilagay ka sa pinakamahusay na plano para sa iyong pangyayari. Ito ay gumagana para sa mga retirement savings ngayon dahil ang mga pagpipilian ay mas simple at mayroong maraming data.

Mga problema sa matalinong mga default

Kaya bakit hindi namin ginagamit ang mga smart default na mas malawak sa mga merkado ng seguro sa kalusugan ngayon?

Para sa mga nagsisimula, ang mga tagabigay ng polisiya at mga tagapag-empleyo ay malamang na nag-aatubiling magpatupad ng mga patakaran na lumilitaw upang himukin ang mga pagpipilian sa seguro sa isang malakas na paraan. Halimbawa, kung ang mga default na setting ay labis na agresibo, maraming mga mamimili ang maaaring awtomatikong maipasok sa mga plano na nagpapahina sa kanila - kahit na ang average na tao ay magiging mas mahusay.

Ang isang posibleng solusyon sa ito ay ang mga limitasyon para sa auto-enrollment ay maaaring itakda napaka konserbatibo, kaya na ang mga mamimili lamang na may malaking inaasahang mga nadagdag ay apektado (bagaman ito rin ay bawasan ang mga potensyal na benepisyo).

Gayunpaman, ang isang mas pangunahing problema ay ang kakulangan ng data. Sa kasamaang palad, ang mga regulator ay madalas na walang uri ng real-time na data ng mamimili sa mga personalized na mga panganib sa kalusugan, paggamit ng seguro at mga demograpiko na kinakailangan upang epektibong ipatupad ang mga smart default na patakaran sa isang tiyak na paraan (tulad ng totoo sa mga pagpipilian sa pensiyon). Ang isang kadahilanan ay ang mga kompanya ng seguro ay madalas na tumanggi na ibahagi ang kanilang data sa mga regulator sa batayan na pagmamay-ari sila, at ang Ang kataas-taasang Hukuman ay itinatag ang kanilang paninindigan.

Sa ganitong mga kaso, ang mga smart default ay posible pa rin ngunit nagbibigay ng mas mababang halaga sa mga consumer at dapat na mas konserbatibo sa kanilang pagpapatupad.

Mga karagdagang pagsasaalang-alang

Ang Little ay kilala tungkol sa mga epekto ng kumpetisyon sa merkado kapag ang mga pagpipilian ng consumer ay hinihimok ng mga algorithm sa halip na sa pamamagitan ng isang mas libreng-agos at natural na proseso.

Halimbawa, maaaring subukan ng mga tagaseguro na sistematikong gamitin ang mga kilalang tampok ng algorithm upang itulak ang mas maraming tao sa kanilang mga plano (tulad ng mga advertiser na nakikipag-ugnayan sa Google)? O kaya ay magiging mas kaunti ang mga indibidwal sa proseso ng pagpili ng kanilang sariling seguro, na nangangahulugan na hindi na nila alam kung anong mga benepisyo ang mayroon sila at ang mga kaugnay na panganib?

Ang pag-unawa sa mga kahihinatnan ng pagpapaalam sa mga algorithm ng computer ay gumawa ng mga pagpili ng mga mamimili ay mahalaga sa pagtatasa kung ang pagpapatupad ng isang patakaran tulad ng mga smart default ay maaaring magtrabaho sa pagtulong sa mga mamimili na gumawa ng mas mahusay na mga pagpipilian na may minimal na downsides. Ngunit hindi posible hanggang sa magsimula ang mga insurer upang ibahagi ang mas detalyadong data sa mga regulator.

Tungkol sa Ang May-akdaAng pag-uusap

handel benBen Handel, Assistant Professor of Economics, University of California, Berkeley. Ang kanyang pananaliksik ay nag-aral ng paggawa ng desisyon ng mga mamimili at disenyo ng merkado ng mga merkado ng segurong pangkalusugan, at naglalarawan ng pakikipag-ugnayan sa pagitan ng paggawa ng desisyon ng consumer at regulasyon ng merkado.

Ang artikulong ito ay orihinal na na-publish sa Ang pag-uusap. Basahin ang ang orihinal na artikulo.

Mga Kaugnay Book:

{amazonWS: searchindex = Books; keywords = health insurance; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

sundin ang InnerSelf sa

facebook-icontwitter-iconrss-icon

Kumuha ng Pinakabagong Sa pamamagitan ng Email

{Emailcloak = off}