Onko sinulla vaikeuksia valita oikea sairausvakuutusohjelma? Antaa algoritmin päättää

ibm watson

Edullinen hoitolaki (ACA) oli keskeinen tavoite vähentää terveydenhuollon kustannuksia antamalla kuluttajille enemmän valinnanvaraa vakuutuksenantajansa suhteen.

Talouden teoria viittaa siihen, että kun kuluttajat tekevät tietoisia ja aktiivisia valintoja kilpailukykyisillä markkinoilla, yritykset reagoivat alentamalla hintoja ja parantamalla tarjontaansa.

Mutta teoria syrjään, empiirinen tutkimus osoittaa kuluttajat eivät käytännössä toimi näin käytännössä, erityisesti monimutkaisilla markkinoilla, kuten sairausvakuutuksessa.

Tämä todellisuus vaikeuttaa hallituksen politiikkaa tehokkaasti terveydenhuollon kustannusten hillitsemiseksi (joista osa maksaa) ja vähentää palkkioita. Se tarkoittaa myös sitä, että monet henkilöt maksavat todennäköisesti paljon enemmän kuin sairausvakuutuksessa.

Voimmeko siis tehdä jotakin, jotta ihmiset voisivat tehdä parempia vakuutuspäätöksiä?

Jonkin sisällä viime paperi Yhteistyössä muiden Berkeleyn taloustieteilijöiden Jonathan Kolstadin kanssa arvioimme, miten henkilökohtaiset tiedot voisivat auttaa kuluttajia tekemään juuri niin, ja näin ollen terveysmarkkinat tehostuvat.

Monet vaihtoehdot, paljon sekaannusta

Terveydenhuollon menojen hallinta, joka 3issa ensimmäistä kertaa nousi USD $ 2014 triljoonaa vuodessa, on edelleen poliittisten päättäjien erityisen tärkeä painopiste. Kulutuksen kasvu hidastui historiallisten keskiarvojen alapuolella ACA: n hyväksymisen ajankohtana, mutta on siitä lähtien kiihtyi.


Hanki viimeisin InnerSelfistä


Liittovaltion ja valtion sääntelyviranomaiset laativat ACA: n vaihto-ohjelmat rohkaisemaan vakuutusyhtiöitä kilpailemaan hinnalla ja laadulla samalla tarjoamalla kuluttajille enemmän vaihtoehtoja.

Useat Medicare-markkinat, kuten Plan D: n reseptilääkkeiden kattavuus, tekevät samoin, kun taas sairausvakuutusta tarjoavat yritykset tarjoavat yhä enemmän vaihtoehtoja työntekijöilleen kautta yksityisesti helpotetut vaihdot.

Yksilöiden lisävaihtoehtojen antaminen on kuitenkin vain ensimmäinen askel. Tutkimus osoittaa että kuluttajat tekevät virheitä ostettaessa aktiivisesti, koska saatavilla olevat tiedot ovat \ t rajoitettu ymmärrys vakuutuksen tai vain sen yleisen vaivaa. Nämä vaikeudet ovat olemassa, jos valinnat ovat vain muutamia tai useita kymmeniä.

Tämä johtaa siihen, että kuluttajat lähtevät sadat tai jopa tuhansia dollareita pöydälle. Se edistää myösvalinnan inertia, ”Jossa kuluttajat voivat tehdä älykkäitä alustavia valintoja, mutta eivät pysty seuraamaan niitä ja harkitsemaan niitä aktiivisesti uudelleen, kun uusia tietoja syntyy tai kun olosuhteet muuttuvat. Se voi myös maksaa heille paljon rahaa ajan myötä.

Tutkimuksessamme tarkastelimme, miten voimme ratkaista nämä ongelmat.

Kohdistetut kuluttajien suositukset

Yksi tapa on tarjota kuluttajille käyttäjäkohtaisia ​​suunnitelman suosituksia, jotka perustuvat yksityiskohtaisiin tietoihin heidän henkilökohtaisista terveydenhuollon tarpeistaan ​​ja mieltymyksistään.

Henkilökohtaiset tiedot perustuvat yksilön odotettuihin terveysriskeihin, taloudellisen riskin ruokahaluun ja lääkärin mieltymyksiin. Nämä käytännöt korostavat parhaita vaihtoehtoja tietylle kuluttajalle yhdistämällä kukin valinta metriikoihin, joita kuluttajat helposti ymmärtävät ja huolehtivat, kuten niiden odotettavissa olevat menot jokaisessa suunnitelmassa tulevana vuonna.

Laaja tavoite on hyödyntää kuluttajatietojen ja -teknologian voimaa antamaan tehokkaita suosituksia vakuutusmarkkinoilla. Esimerkiksi Amazon käyttää ostoshistoriaasi ja selaustietojasi antamaan suosituksia siitä, mitä muita tuotteita haluat ehkä, kun taas Google käsittelee valtavia määriä tietoa räätälöityjen mainosten räätälöimiseksi.

Tällaisia ​​ehtoja vakuutusmarkkinoilla on jo edistytty jonkin verran.

Keskeinen huolenaihe on kuitenkin se, että tällaiset politiikat eivät ole riittävän tehokkaita. Empiirinen näyttö ehdottaa, että vaikka johtaisit kuluttajien tietoon, et välttämättä pakota heitä juoda.

Älykäs oletusarvo voi olla vastaus

Jos henkilökohtaiset tiedot ja suositukset eivät riitä auttamaan kuluttajia tekemään parempia valintoja, voisiko aggressiivisempi politiikka olla tehokas?

Yksi tapa on ”älykkäiden oletusarvojen” avulla, jotka asettavat kuluttajat automaattisesti käyttäjäkohtaisiin tietoihin perustuviin edullisempiin suunnitelmiin. Sen sijaan, että ihmiset velvoitettaisiin noudattamaan suosituksia, heille valitaan optimaalinen vaihtoehto.

Nämä älykkäät oletusarvot kohdennetaan tarkasti kunkin henkilön omien tietojen perusteella, mutta ne olisivat myös sitovia, jolloin kuluttajat voivat siirtyä toiseen vaihtoehtoon milloin tahansa.

Asiakirjassa esitetyt älykäs olettamukset perustuvat yksityiskohtaisiin tietoihin kuluttajakohtaisista väestötieteistä ja terveystarpeista sekä terveyssuunnitelman arvosta. Älykkäät oletusarvot toimivat käyttämällä sellaisia ​​tietoja kuin aiemmat lääketieteelliset väitteet ja väestötiedot, jotta voidaan arvioida, olisiko järkevää siirtyä toiseen suunnitelmaan. Alkuvaiheessa määritetään taloudellinen malli ja erityiset arvon kynnysarvot, jotta voidaan hallita, kuinka paljon riskiä otetaan ja kuinka paljon säästöjä on saatava siirtymästä.

Tämä taloudellinen malli, joka toteutettiin tietokonealgoritmilla, ottaisi huomioon taloudelliset hyödyt, altistuminen riskeille suurten lääketieteellisten tapahtumien yhteydessä ja oikeus lääkäreihin.

Jos oikeat edellytykset täyttyvät (enemmän tai vähemmän aggressiivisia), kuluttaja ei täytä uutta suunnitelmaa. Oikealla oleva kuva havainnollistaa prosessia yksityiskohtaisemmin.

Pidä esimerkiksi diabetespotilasta, joka on ilmoittautunut suunnitelmaan, $ 4,000: n vuotuinen palkkio ja pääsy tiettyyn lääkäreiden joukkoon. Palkkion lisäksi potilas on ennakoitua viettää toinen $ 2,000 vuodessa kulujen jakaminen - vähennysoikeudet, tapaamiset, lääkemääräykset, verensokeriarvon testauslaitteet ja muut palvelut - enintään $ 8,000.

Älykäs oletusalgoritmi tutkii ensin, onko markkinoilla olemassa vaihtoehto, joka "merkitsevästi alentaa" potilaan vuotuisia menoja. Jos kynnysarvoksi asetettiin $ 1,000, algoritmi etsii vaihtoehtoa, joka ennakoi potilaan käyttävän enintään $ 5,000 palkkioihin ja kustannusten jakamiseen.

Kaksi muuta ehtoa on myös täytettävä: lääkärit, joita potilas näkee, joutuvat olemaan suunnitelman verkossa ja vaihtoehto ei voinut altistaa häntä liian suurelle taloudelliselle riskille (enimmäismäärä kustannusten jakamiseen). Joten jos taloudellisen riskin kynnysarvoksi asetettiin $ 500, vaihtoehtoisen suunnitelman pitäisi olla enintään $ 8,500.

Potilas olisi sitten automaattisesti mukana suunnitelmassa, ja sen odotetaan säästävän $ 1,000ia vuodessa ja pahinta tapausta vain $ 500 ylimääräisistä menoista.

Toistaiseksi tällaisia ​​laiminlyöntejä on käytetty vain vähän säästöturva-markkinoilla. Muissa yhteyksissä, kuten auttamalla työntekijöitä valitsemaan, kuinka paljon eläkejärjestelyihin maksetaan, älykkäät oletusarvot ovat osoittautuneet erittäin tehokas parantaa valinnan laatua.

Jos sinulla on 401 (k) -suunnitelma työssä, esimerkiksi on olemassa hyvät mahdollisuudet, että älykkäästä oletusjärjestelmästä on otettu sinut parhaaseen suunnitelmaan. Tämä toimii nyt eläkesäästöjen takia, koska vaihtoehdot ovat yksinkertaisempia ja tietoja on runsaasti.

Älykkäiden oletusasetusten ongelmat

Miksi emme käytä älykkäitä oletusarvoja laajemmin sairausvakuutusmarkkinoilla juuri nyt?

Aloittelijoille, poliittiset päättäjät ja työnantajat ovat todennäköisesti haluttomia toteuttamaan sellaisia ​​politiikkoja, jotka näyttävät johtavan vakuutusvaihtoehtoihin niin voimakkaasti. Esimerkiksi jos oletusasetukset ovat liian aggressiivisia, monet kuluttajat voisivat olla automaattisesti rekisteröityneet suunnitelmiin, jotka tekevät niistä huonommat - vaikka keskimääräinen henkilö olisi parempi.

Tämän ratkaisun mahdollinen ratkaisu on se, että automaattisen rekisteröinnin kynnysarvot voidaan asettaa hyvin varovaisesti, jotta vain kuluttajat, joilla on huomattavia odotettuja voittoja, vaikuttavat (vaikka tämä myös vähentäisi mahdollisia etuja).

Perusongelma on kuitenkin tietojen puute. Valitettavasti sääntelyviranomaisilla ei usein ole sellaisia ​​reaaliaikaisia ​​kuluttajatietoja henkilökohtaisista terveysriskeistä, vakuutusten käytöstä ja väestörakenteista, jotka ovat välttämättömiä älykkäiden oletuspolitiikkojen tehokkaaksi toteuttamiseksi tarkasti (kuten eläke-valinnoissa). Yksi syy on se, että vakuutusyhtiöt kieltäytyvät usein jakamasta tietojaan sääntelyviranomaisille sillä perusteella, että ne ovat omistusoikeudellisia Korkein oikeus on tukenut niiden asenne.

Tällaisissa tapauksissa älykkäitä oletusarvoja on edelleen mahdollista, mutta ne tarjoavat vähemmän arvoa kuluttajille ja niiden on oltava varovaisempia niiden toteuttamisessa.

Muita näkökohtia

Markkinoiden kilpailun vaikutuksista tiedetään vain vähän, kun kuluttajien valintoja ohjaavat pikemminkin algoritmit kuin vapaammin virtaava ja luonnollinen prosessi.

Voiko vakuutusyhtiöt esimerkiksi yrittää järjestelmällisesti hyödyntää algoritmin tunnettuja piirteitä työntämään useampia ihmisiä suunnitelmiinsa (kuten mainostajien kanssa, jotka ovat vuorovaikutuksessa Googlen kanssa)? Tai tulevatko yksilöt vähemmän osallistumaan oman vakuutuksensa valintaprosessiin, mikä tarkoittaa, että he ovat vähemmän tietoisia siitä, mitä hyötyä heillä on ja mitä niihin liittyviä riskejä?

Tietokoneen algoritmien antamisen seurausten ymmärtäminen kuluttajien valinnoissa on ratkaisevan tärkeää arvioitaessa, onko älykkäiden oletusarvojen kaltaisen politiikan toteuttaminen auttaakseen kuluttajia tekemään parempia valintoja vähäisillä haittapuolilla. Mutta se ei ole mahdollista ennen kuin vakuutuksenantajat alkavat jakaa yksityiskohtaisempia tietoja sääntelyviranomaisten kanssa.

AuthorConversation

handel benBen Handel, apulaisprofessori, Kalifornian yliopisto, Berkeley. Hänen tutkimuksessaan on tutkittu kuluttajien päätöksentekoa ja sairausvakuutusmarkkinoiden suunnittelua, ja se kuvaa kuluttajien päätöksentekoa ja markkinoiden sääntelyä.

Tämä artikkeli julkaistiin alunperin Conversation. Lue alkuperäinen artikkeli.

Aiheeseen liittyvä kirja:

{amazonWS: searchindex = Kirjat; avainsanat = sairausvakuutus; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

seuraa InnerSelfia

facebook-kuvakeTwitter-kuvakeRSS-kuvake

Hanki uusimmat sähköpostitse

{Emailcloak = off}

TOIMITTAJAT

Laskentapäivä on tullut GOP: lle
by Robert Jennings, InnerSelf.com
Republikaanien puolue ei ole enää Amerikkaa edistävä poliittinen puolue. Se on laiton pseudopoliittinen puolue, joka on täynnä radikaaleja ja reaktoreita ja jonka ilmoitettuna tavoitteena on häiritä, horjuttaa ja ...
Miksi Donald Trump voisi olla historian suurin häviäjä
by Robert Jennings, InnerSelf.com
Päivitetty 2. heinäkuuta 20020 - Tämä koko koronaviruspandemia maksaa omaisuuden, ehkä 2 tai 3 tai 4 omaisuutta, joiden koko on tuntematon. Ai niin, ja sadat tuhannet, ehkä miljoona ihmistä kuolee…
Sinisilmät vs ruskeat silmät: Kuinka rasismia opetetaan
by Marie T. Russell, InnerSelf
Tässä 1992 Oprah Show -jaksossa palkittu rasisminvastainen aktivisti ja kouluttaja Jane Elliott opetti yleisölle kovan opetuksen rasismista osoittamalla kuinka helppoa on oppia ennakkoluuloista.
Muutos on tulossa...
by Marie T. Russell, InnerSelf
(30. toukokuuta 2020) Kun seuraan Philadephian ja maan muiden kaupunkien tapahtumia koskevia uutisia, sydämeni särkee siitä, mikä on uutta. Tiedän, että tämä on osa suurempaa muutosta, joka tapahtuu…
Laulu voi nostaa sydäntä ja sielua
by Marie T. Russell, InnerSelf
Minulla on useita tapoja puhdistaa pimeys mielestäni, kun havaitsen sen olevan hiipinyt. Yksi on puutarhanhoito tai ajanvietto luonnossa. Toinen on hiljaisuus. Toinen tapa on lukeminen. Ja sellainen, joka…