¿Tiene problemas para elegir el plan de seguro médico correcto? Deje que un algoritmo decida

ibm watson

Uno de los objetivos clave de la Ley del Cuidado de Salud a Bajo Precio (ACA) era reducir los costos de atención médica al ofrecerles a los consumidores más opciones que sus aseguradoras.

La teoría económica sugiere que cuando los consumidores toman decisiones informadas y activas en un mercado competitivo, las empresas responden bajando los precios y mejorando la calidad de sus ofertas.

Pero la teoría a un lado, busqueda empirica espectáculos CONSUMIDORES En realidad, no se comporta de esta manera en la práctica, particularmente en mercados complejos como el seguro de salud.

Esta realidad hace que sea mucho más difícil para la política gubernamental frenar de manera efectiva el costo de la atención médica (parte de la cual paga) y reducir las primas. También significa que muchas personas están pagando mucho más de lo que deberían en seguro de salud.

Entonces, ¿hay algo que podamos hacer para ayudar a las personas a tomar mejores decisiones de seguro?

En un documento reciente Colaboré con el economista de Berkeley Jonathan Kolstad, y evaluamos cómo los datos personalizados podrían ayudar a los consumidores a hacer justamente eso y, como resultado, hacer que los mercados de salud sean más eficientes.

Muchas opciones, mucha confusión

El control del gasto en atención de la salud, que por primera vez en 3 llega a 2014 billones de dólares al año, sigue siendo una prioridad especialmente alta para los responsables de la formulación de políticas. El crecimiento del gasto se desaceleró por debajo de los promedios históricos alrededor del momento en que se aprobó la ACA, pero desde entonces acelerado.


Obtenga lo último de InnerSelf


Los reguladores federales y estatales diseñaron los intercambios de la ACA para alentar a las aseguradoras a competir en precio y calidad, al tiempo que ofrecen a los consumidores una gama más amplia de opciones.

Varios mercados de Medicare, como la cobertura de medicamentos recetados del Plan D, hacen lo mismo, mientras que las compañías que ofrecen seguro de salud también ofrecen cada vez más opciones a sus empleados a través de intercambios privados facilitados.

Pero darles a las personas más opciones es solo un primer paso. La investigación muestra que los consumidores cometen errores mientras compran activamente debido a la falta de información disponible, comprensión limitada de seguro o simplemente la molestia general de la misma. Estas dificultades existen si las elecciones son solo algunas o varias docenas.

Esto lleva a los consumidores a dejar centenares o incluso miles de dólares en la mesa. También contribuye a "elección de inercia, "En el que los consumidores pueden tomar decisiones iniciales inteligentes pero no realizar un seguimiento y reconsiderarlas activamente a medida que surja nueva información o cambien las condiciones. Eso también les puede costar mucho dinero con el tiempo.

En nuestra investigación, examinamos cómo podríamos resolver estos problemas.

Recomendaciones dirigidas al consumidor

Una forma consiste en proporcionar a los consumidores recomendaciones de planes específicas para el usuario basadas en datos detallados sobre sus necesidades y preferencias de atención médica personal.

La información personalizada se basa en los riesgos de salud esperados de un individuo, el apetito por el riesgo financiero y las preferencias de los médicos. Estas políticas destacan las mejores opciones para un consumidor dado al asociar cada opción con métricas que los consumidores entienden y les interesan fácilmente, como su gasto previsto en cada plan para el próximo año.

El objetivo general es aprovechar el poder de los datos y la tecnología del consumidor para hacer recomendaciones efectivas en los mercados de seguros, similar a lo que ya vemos en otros lugares. Por ejemplo, Amazon utiliza su historial de compras y datos de navegación para hacer recomendaciones sobre qué productos adicionales le pueden gustar, mientras que Google procesa grandes cantidades de información para personalizar anuncios personalizados.

Ya ha habido algún progreso hacia la implementación de este tipo de condiciones en los mercados de seguros.

Una preocupación clave, sin embargo, es que tales políticas no son lo suficientemente efectivos. Evidencia empírica sugiere que incluso si lleva a los consumidores al pozo de información, no necesariamente puede obligarlos a beber.

Los valores predeterminados inteligentes pueden ser la respuesta

Entonces, si proporcionar datos y recomendaciones personalizados no es suficiente para ayudar a los consumidores a tomar mejores decisiones, ¿podría ser efectiva una política más agresiva?

Una forma es a través de "valores predeterminados inteligentes", que colocan automáticamente a los consumidores en planes preferibles basados ​​en información específica del usuario. En lugar de exigir a las personas que sigan las recomendaciones, se selecciona la opción óptima para ellos.

Estos valores predeterminados inteligentes se enfocarán cuidadosamente en función de los datos propios de cada individuo, pero tampoco serán vinculantes, lo que permitirá a los consumidores cambiar a otra opción en cualquier momento.

Los incumplimientos inteligentes que propusimos en nuestro documento se basan en datos detallados sobre las necesidades demográficas y de salud específicas del consumidor y un modelo del valor del plan de salud. Los valores predeterminados inteligentes funcionarían al usar datos tales como reclamos médicos pasados ​​e información demográfica para evaluar si tendría sentido cambiar a otro plan. Al principio, se establecen un modelo económico y umbrales de valor específico para determinar cuánto riesgo se debe tomar y cuánto se debe ahorrar con un cambio.

Ese modelo económico, implementado con un algoritmo informático, consideraría las ganancias financieras, la exposición a los riesgos en caso de un incidente médico importante y el acceso a los médicos adecuados.

Si se cumplen las condiciones adecuadas (más o menos agresivas), el consumidor está predeterminado en un nuevo plan. La figura de la derecha ilustra el proceso con más detalle.

Por ejemplo, considere a un paciente diabético inscrito en un plan con una prima anual de $ 4,000 y acceso a un conjunto específico de médicos. Además de la prima, el paciente es anticipado gastar otros $ 2,000 por año en compratir costos - Deducibles, copagos por citas, recetas, equipos para analizar azúcar en la sangre y otros servicios, hasta un máximo de $ 8,000.

El algoritmo predeterminado inteligente primero consideraría si existía una alternativa en el mercado que "disminuiría significativamente" el gasto anual del paciente. Si el umbral se estableció en $ 1,000, el algoritmo buscaría una opción que anticipe que el paciente no gastaría más de $ 5,000 en primas y costos compartidos.

También se deben cumplir dos condiciones más: los médicos que el paciente considera que deberían estar en la red del plan y la opción no podría exponerlo a un riesgo financiero adicional excesivo (máximo para el costo compartido). Entonces, si el umbral de riesgo financiero se estableció en $ 500, entonces el plan alternativo tendría que alcanzar un máximo de $ 8,500 como máximo.

El paciente se inscribiría automáticamente en el plan, con ahorros anticipados de $ 1,000 al año y en el peor de los casos, solo $ 500 en gastos adicionales.

Hasta ahora, estos incumplimientos se han utilizado solo moderadamente en los mercados de seguros de salud. Pero en otros contextos, como ayudar a los empleados a elegir cuánto contribuir a los planes de pensiones, se han comprobado los incumplimientos inteligentes notablemente efectivo en mejorar la calidad de la elección.

Si tiene un plan 401 (k) en el trabajo, por ejemplo, hay una buena probabilidad de que este sistema predeterminado inteligente se haya utilizado para ponerlo en el mejor plan para su circunstancia. Esto funciona para los ahorros de jubilación ahora porque las opciones son más simples y hay muchos datos.

Problemas con los valores predeterminados inteligentes

Entonces, ¿por qué no estamos usando incumplimientos inteligentes de manera más amplia en los mercados de seguros de salud en este momento?

Para empezar, es probable que los políticos y los empleadores se muestren reacios a implementar políticas que parezcan impulsar las opciones de seguro de una manera tan enérgica. Por ejemplo, si la configuración predeterminada es demasiado agresiva, muchos consumidores podrían inscribirse automáticamente en planes que los empeorarían, incluso si la persona promedio estaría mejor.

Una posible solución a esto es que los umbrales para la inscripción automática se podrían establecer de manera muy conservadora, de modo que solo los consumidores con ganancias sustanciales esperadas se vean afectados (aunque esto también reduciría los posibles beneficios).

Un problema más fundamental, sin embargo, es la falta de datos. Desafortunadamente, los reguladores a menudo no tienen el tipo de datos de consumidores en tiempo real sobre los riesgos de salud personalizados, el uso del seguro y la demografía necesarios para implementar efectivamente las políticas de incumplimiento inteligente de una manera precisa (como es verdad en las elecciones de pensiones). Una razón es que las compañías de seguros a menudo se niegan a compartir sus datos con los reguladores sobre la base de que son propietarios, y el Corte Suprema ha mantenido su postura.

En tales casos, los incumplimientos inteligentes aún son posibles, pero proporcionan menos valor a los consumidores y deben ser más conservadores en su implementación.

Consideraciones adicionales

Poco se sabe acerca de los efectos de la competencia en el mercado cuando las elecciones de los consumidores son impulsadas por algoritmos en lugar de un proceso más libre y natural.

Por ejemplo, ¿podrían las aseguradoras intentar explotar sistemáticamente las características conocidas del algoritmo para atraer a más personas a sus planes (como con los anunciantes que interactúan con Google)? ¿O las personas terminarán menos involucradas en el proceso de elección de su propio seguro, lo que significa que estarán menos informadas sobre los beneficios que realmente tienen y los riesgos asociados?

Comprender las consecuencias de dejar que los algoritmos informáticos hagan las elecciones del consumidor será crucial para evaluar si la implementación de una política como los valores predeterminados inteligentes podría funcionar para ayudar a los consumidores a tomar mejores decisiones con desventajas mínimas. Pero no será posible hasta que las aseguradoras comiencen a compartir datos más detallados con los reguladores.

Sobre el AutorLa conversación

Handel BenBen Handel, Profesor Asistente de Economía, Universidad de California, Berkeley. Su investigación ha estudiado la toma de decisiones del consumidor y el diseño del mercado de los mercados de seguros de salud, e ilustra la interacción entre la toma de decisiones del consumidor y la regulación del mercado.

Este artículo se publicó originalmente el La conversación. Leer el articulo original.

Libro relacionado:

{amazonWS: searchindex = Libros; palabras clave = seguro de salud; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

seguir a InnerSelf en

facebook-icontwitter-iconrss-icon

Obtenga lo último por correo electrónico

{Off} = emailcloak

DE LOS EDITORES

El día del juicio final ha llegado para el Partido Republicano
by Robert Jennings, InnerSelf.com
El partido republicano ya no es un partido político pro estadounidense. Es un partido pseudopolítico ilegítimo lleno de radicales y reaccionarios cuyo objetivo declarado es interrumpir, desestabilizar y ...
Por qué Donald Trump podría ser el mayor perdedor de la historia
by Robert Jennings, InnerSelf.com
Actualizado el 2 de julio de 20020: toda esta pandemia de coronavirus está costando una fortuna, tal vez 2 o 3 o 4 fortunas, todas de tamaño desconocido. Ah, sí, y cientos de miles, tal vez un millón, de personas morirán ...
Ojos azules vs ojos marrones: cómo se enseña el racismo
by Marie T. Russell, InnerSelf
En este episodio de Oprah Show de 1992, la galardonada activista y educadora antirracista Jane Elliott enseñó a la audiencia una dura lección sobre el racismo al demostrar cuán fácil es aprender los prejuicios.
Un cambio vendrá...
by Marie T. Russell, InnerSelf
(30 de mayo de 2020) Mientras veo las noticias sobre los eventos en Filadelfia y otras ciudades del país, me duele el corazón por lo que está ocurriendo. Sé que esto es parte del gran cambio que está tomando ...
Una canción puede elevar el corazón y el alma
by Marie T. Russell, InnerSelf
Tengo varias formas que uso para despejar la oscuridad de mi mente cuando encuentro que se ha infiltrado. Una es la jardinería o pasar tiempo en la naturaleza. El otro es el silencio. Otra forma es leer. Y uno que ...