Heeft u problemen bij het kiezen van het juiste zorgverzekeringsplan? Laat een algoritme beslissen

ibm watson

Een van de belangrijkste doelen van de Affordable Care Act (ACA) was het verlagen van de zorgkosten door consumenten meer keuze te bieden dan hun verzekeraar.

De economische theorie suggereert dat wanneer consumenten geïnformeerde en actieve keuzes maken in een concurrerende markt, bedrijven hierop reageren door hun prijzen te verlagen en de kwaliteit van hun aanbod te verbeteren.

Maar de theorie opzij, empirisch onderzoek shows consumenten gedraag je niet zo in de praktijk, vooral in complexe markten zoals ziektekostenverzekeringen.

Deze realiteit maakt het een stuk moeilijker voor het overheidsbeleid om de kosten van de gezondheidszorg effectief in te perken (waarvan sommige er voor betalen) en premies te verlagen. Het betekent ook dat veel mensen waarschijnlijk veel meer betalen dan zou moeten aan ziekteverzekering.

Dus is er iets dat we kunnen doen om mensen te helpen betere verzekeringsbeslissingen te nemen?

In een recente paper Ik co-auteur van mede-Berkeley-econoom Jonathan Kolstad, we hebben onderzocht hoe gepersonaliseerde gegevens de consument kunnen helpen om precies dat te doen en als gevolg daarvan de gezondheidsmarkten efficiënter maken.

Veel opties, veel verwarring

Het beheersen van de zorguitgaven - die voor het eerst 3 biljoen van US $ 2014 per jaar troffen in XNUMX - blijft een bijzonder hoge prioriteit voor beleidsmakers. De groei van de bestedingen vertraagde onder de historische gemiddelden rond de tijd dat de ACA werd aangenomen maar sindsdien heeft plaatsgevonden versneld.


Haal het laatste uit InnerSelf


Federale en staatsregulatoren hebben de ACA-beurzen ontworpen om verzekeraars aan te moedigen om te concurreren op prijs en kwaliteit, terwijl ze consumenten een breder scala aan opties bieden.

Verschillende Medicare-markten, zoals Plan D-medicatiedekking op recept, doen hetzelfde, terwijl bedrijven die een ziektekostenverzekering aanbieden ook steeds meer opties bieden aan hun werknemers via privé gefaciliteerde uitwisselingen.

Maar mensen meer opties geven, is slechts een eerste stap. Onderzoek toont aan dat consumenten fouten maken terwijl ze actief winkelen vanwege een gebrek aan beschikbare informatie, beperkt begrip van verzekering of alleen de algehele moeite van het. Deze moeilijkheden bestaan, of de keuzes nu een paar of enkele tientallen zijn.

Dit leidt ertoe dat consumenten vertrekken honderden of zelfs duizenden dollars op tafel. Het draagt ​​ook bij aan "keuze inertie, "Waarin consumenten slimme eerste keuzes kunnen maken, maar nalaten om ze op te volgen en actief te heroverwegen als nieuwe informatie naar voren komt of de omstandigheden veranderen. Dat kan ook na verloop van tijd veel geld kosten.

In ons onderzoek hebben we onderzocht hoe we deze problemen kunnen oplossen.

Gerichte consumentenaanbevelingen

Eén manier is om gebruikers te voorzien van gebruikersspecifieke plannenaanbevelingen op basis van gedetailleerde gegevens over hun persoonlijke gezondheidszorgbehoeften en -voorkeuren.

De gepersonaliseerde informatie is gebaseerd op de verwachte gezondheidsrisico's, de financiële risicobereidheid en de voorkeuren van de arts. Dit beleid belicht de beste opties voor een bepaalde consument door elke keuze te associëren met statistieken die consumenten gemakkelijk begrijpen en waar ze om geven, zoals hun verwachte uitgaven in elk plan in het komende jaar.

Het brede doel is om gebruik te maken van de kracht van consumentengegevens en -technologie om effectieve aanbevelingen te doen op verzekeringsmarkten, vergelijkbaar met wat we elders al zien. Amazon gebruikt bijvoorbeeld uw aankoopgeschiedenis en browsegegevens om aanbevelingen te doen over welke aanvullende producten u misschien leuk vindt, terwijl Google grote hoeveelheden informatie verwerkt om aangepaste advertenties af te stemmen.

Er is al enige vooruitgang geboekt bij het implementeren van dit soort voorwaarden op verzekeringsmarkten.

Een belangrijk punt van zorg is echter dat dergelijk beleid zijn niet effectief genoeg. Empirisch bewijs suggereert dat zelfs als u consumenten naar de bron van informatie leidt, u ze niet noodzakelijkerwijs kunt dwingen om te drinken.

Slimme standaards kunnen het antwoord zijn

Dus als het verstrekken van gepersonaliseerde gegevens en aanbevelingen niet voldoende is om consumenten te helpen betere keuzes te maken, kan een agressiever beleid dan effect hebben?

Eén manier is 'slimme standaardinstellingen', die consumenten automatisch in voorkeursplannen plaatsen op basis van gebruikerspecifieke informatie. In plaats van dat mensen moeten reageren op aanbevelingen, wordt de optimale optie voor hen geselecteerd.

Deze slimme standaards zouden zorgvuldig worden getarget op basis van de eigen gegevens van elk individu, maar ze zouden ook niet bindend zijn, waardoor consumenten op elk gewenst moment naar een andere optie kunnen overschakelen.

De slimme standaardwaarden die we in ons artikel hebben voorgesteld, zijn gebaseerd op gedetailleerde gegevens over consumentspecifieke demografische en gezondheidsbehoeften en een model van de waarde van het gezondheidsplan. De slimme standaardwaarden werken met behulp van gegevens zoals medische claims uit het verleden en demografische info om te beoordelen of het zinvol is om naar een ander plan over te schakelen. Een economisch model en specifieke drempels voor de waarde worden van meet af aan ingesteld om te bepalen hoeveel risico te nemen en hoeveel besparingen een switch moet opleveren.

Dat economische model, geïmplementeerd met een computeralgoritme, zou financiële voordelen, blootstelling aan risico's in het geval van een groot medisch incident en toegang tot de juiste artsen overwegen.

Als aan de juiste voorwaarden wordt voldaan (meer of minder agressief), krijgt de consument een standaardplan. De figuur aan de rechterkant illustreert het proces in meer detail.

Neem bijvoorbeeld een diabetespatiënt die is ingeschreven in een plan met een jaarlijkse premie van $ 4,000 en toegang tot een specifieke groep artsen. Naast de premie is de patiënt dat ook verwacht om nog eens $ 2,000 per jaar in te brengen kosten delen - eigen risico's, copays voor afspraken, recepten, apparatuur om bloedglucose en andere diensten te testen - tot een maximum van $ 8,000.

Het slimme standaardalgoritme zou eerst overwegen of er een alternatief op de markt was dat de jaarlijkse uitgaven van de patiënt "aanzienlijk zou verlagen". Als de drempelwaarde was ingesteld op $ 1,000, zou het algoritme naar een optie zoeken die verwacht dat de patiënt niet meer dan $ 5,000 zou uitgeven aan premies en het delen van de kosten.

Er moeten ook nog twee voorwaarden vervuld zijn: de artsen die de patiënt ziet moeten in het netwerk van het plan zitten en de optie kan hem of haar niet blootstellen aan te veel extra financieel risico (maximum voor kostendeling). Dus als de financiële risicodrempel was vastgesteld op $ 500, zou het alternatieve plan maximaal moeten uitkomen op niet meer dan $ 8,500.

De patiënt zou dan automatisch worden ingeschreven in het plan, met een verwachte besparing van $ 1,000 per jaar en een slecht scenario van slechts $ 500 voor extra uitgaven.

Tot dusver zijn dergelijke gebreken slechts spaarzaam gebruikt in de markten voor ziektekostenverzekeringen. Maar in andere contexten, zoals het helpen van werknemers bij het kiezen van een bijdrage aan pensioenregelingen, hebben slimme standaardwaarden bewezen opmerkelijk effectief bij het verbeteren van de keuzekwaliteit.

Als u bijvoorbeeld een 401 (k) -plan op uw werk hebt, is de kans groot dat dit slimme standaardsysteem is gebruikt om u het beste plan voor uw omstandigheid te geven. Dit werkt nu voor pensioensparen omdat de opties eenvoudiger zijn en er veel gegevens zijn.

Problemen met slimme standaardinstellingen

Dus waarom gebruiken we nu geen slimme standaardwaarden op de markt voor zorgverzekeringen?

Om te beginnen zijn beleidsmakers en werkgevers waarschijnlijk terughoudend in het implementeren van beleid dat op een dergelijke krachtige manier verzekeringskeuzes lijkt te stimuleren. Als de standaardinstellingen bijvoorbeeld te overdreven agressief zijn, kunnen veel consumenten automatisch worden aangemeld voor plannen waardoor ze slechter af zijn, zelfs als de gemiddelde persoon beter af zou zijn.

Een mogelijke oplossing hiervoor is dat de drempels voor automatische inschrijving zeer conservatief kunnen worden vastgesteld, zodat alleen consumenten met aanzienlijk verwachte winst worden getroffen (hoewel dit ook de potentiële voordelen zou verminderen).

Een meer fundamenteel probleem is echter het gebrek aan gegevens. Helaas hebben regelgevers vaak niet het soort real-time consumentengegevens over gepersonaliseerde gezondheidsrisico's, verzekeringsgebruik en demografische gegevens die nodig zijn om slim standaardbeleid op een nauwkeurige manier te implementeren (zoals geldt voor pensioenkeuzes). Een reden is dat verzekeringsmaatschappijen vaak weigeren hun gegevens te delen met toezichthouders op grond van het feit dat ze eigendomsrechten hebben, en de Supreme Court heeft bevestigd hun houding.

In dergelijke gevallen zijn slimme standaardwaarden nog steeds mogelijk, maar bieden deze minder waarde voor de consument en moeten ze conservatiever zijn bij de implementatie.

Aanvullende overwegingen

Er is weinig bekend over de effecten van marktconcurrentie wanneer consumentenkeuzes worden aangedreven door algoritmen in plaats van door een meer vrij stromend en natuurlijk proces.

Kunnen verzekeraars bijvoorbeeld systematisch gebruikmaken van bekende functies van het algoritme om meer mensen bij hun plannen te betrekken (zoals bij adverteerders die communiceren met Google)? Of zullen individuen uiteindelijk minder betrokken zijn bij het proces van het kiezen van hun eigen verzekering, wat betekent dat ze minder goed geïnformeerd zijn over welke voordelen ze daadwerkelijk hebben en de bijbehorende risico's?

Inzicht in de consequenties van het laten maken van computeralgoritmen door consumenten, zal cruciaal zijn bij het beoordelen of het implementeren van een beleid zoals slimme standaards zou kunnen helpen om consumenten te helpen betere keuzes te maken met minimale nadelen. Maar het zal niet mogelijk zijn totdat verzekeraars beginnen met het delen van meer gedetailleerde gegevens met toezichthouders.

Over de auteurThe Conversation

handel benBen Handel, universitair docent economie, University of California, Berkeley. Zijn onderzoek heeft de besluitvorming door consumenten en marktontwerp van markten voor ziektekostenverzekeringen bestudeerd en illustreert de wisselwerking tussen besluitvorming door consumenten en marktregulering.

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees de originele artikel.

Verwante Boek:

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

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

volg InnerSelf op

facebook-icontwitter-iconrss-icoon

Ontvang de nieuwste via e-mail

{Emailcloak = off}

VAN DE REDACTIE

InnerSelf-nieuwsbrief: september 6, 2020
by InnerSelf Staff
We zien het leven door de lenzen van onze waarneming. Stephen R. Covey schreef: "We zien de wereld, niet zoals ze is, maar zoals we zijn - of zoals we geconditioneerd zijn om haar te zien." Dus deze week bekijken we enkele ...
InnerSelf-nieuwsbrief: augustus 30, 2020
by InnerSelf Staff
De wegen die we tegenwoordig reizen zijn zo oud als de tijd, maar zijn nieuw voor ons. De ervaringen die we hebben zijn zo oud als de tijd, maar ze zijn ook nieuw voor ons. Hetzelfde geldt voor de ...
Als de waarheid zo vreselijk is dat het pijn doet, onderneem dan actie
by Marie T. Russell, InnerSelf.com
Te midden van alle verschrikkingen die tegenwoordig plaatsvinden, word ik geïnspireerd door de stralen van hoop die erdoorheen schijnen. Gewone mensen komen op voor wat goed is (en tegen wat fout is). Honkbalspelers, ...
Als je rug tegen de muur staat
by Marie T. Russell, InnerSelf
Ik hou van internet. Nu weet ik dat veel mensen er veel slechte dingen over te zeggen hebben, maar ik vind het geweldig. Net zoals ik van de mensen in mijn leven houd - ze zijn niet perfect, maar ik hou toch van ze.
InnerSelf-nieuwsbrief: augustus 23, 2020
by InnerSelf Staff
Iedereen kan het er waarschijnlijk over eens zijn dat we in vreemde tijden leven ... nieuwe ervaringen, nieuwe attitudes, nieuwe uitdagingen. Maar we kunnen worden aangemoedigd om te onthouden dat alles altijd in beweging is, ...