Uygun Bakım Yasası'nın (ACA) ana hedeflerinden biri, tüketicilere sigortacılarına göre daha fazla seçenek sunarak sağlık hizmeti maliyetlerini düşürmektir.

Ekonomik teori, tüketicilerin rekabetçi bir piyasada bilgili ve aktif seçimler yaptıklarında, şirketlerin fiyatları düşürerek ve tekliflerinin kalitesini artırarak yanıt verdiğini öne sürüyor.

Fakat teori bir yana, ampirik araştırma gösterileri tüketiciler Aslında uygulamada, özellikle sağlık sigortası gibi karmaşık pazarlarda bu şekilde davranmayın.

Bu gerçek, hükümet politikalarının sağlık hizmetlerinin maliyetini etkili bir şekilde (bazıları için ödediği) düşürmesini ve primleri düşürmesini zorlaştırmaktadır. Bu aynı zamanda birçok kişinin sağlık sigortasında olması gerekenden çok daha fazlasını ödediği anlamına gelir.

Peki, insanların daha iyi sigorta kararları vermelerine yardımcı olmak için yapabileceğimiz bir şey var mı?

İçinde son kağıdı Berkeleyli ekonomi ekonomisti Jonathan Kolstad ile birlikte çalışarak kişiselleştirilmiş verilerin tüketicilerin tam olarak bunu yapmasına nasıl yardımcı olabileceğini değerlendirdik ve bunun sonucunda sağlık piyasalarını daha verimli hale getirdik.

Birçok seçenek, çok karışıklık

3’te ilk kez yılda bir kez 2014 trilyon ABD dolarına ulaşan sağlık harcamalarını kontrol etmek politika yapıcılar için özellikle yüksek bir öncelik olmaya devam ediyor. Harcama artışı, ACA'nın geçtiği zamandan bu yana tarihsel ortalamaların altında yavaşladı hızlandırılmış.

Federal ve eyalet düzenleyicileri, ACA borsalarını sigorta şirketlerine fiyat ve kalite konusunda rekabet ederken teşvik etmek ve aynı zamanda tüketicilere daha geniş bir seçenek yelpazesi sunmak için teşvik etti.

Plan D reçeteli ilaç kapsamı gibi bazı Medicare pazarları aynı şeyi yaparken, sağlık sigortası sağlayan şirketler de çalışanlarına giderek daha fazla seçenek sunuyor. özel olarak kolaylaştırılmış değişimler.

Ancak, bireylere daha fazla seçenek vermek sadece ilk adımdır. Araştırmalar Tüketicilerin mevcut bilgi eksikliği nedeniyle aktif olarak alışveriş yaparken hata yaptığını, sınırlı anlayış Sigorta veya sadece genel güçlük. Bu zorluklar seçimlerin sadece birkaç veya birkaç düzine olup olmadığı ile ilgilidir.

Bu tüketicilerin ayrılmalarına yol açar yüzlerce hatta masaya binlerce dolar. Aynı zamanda “seçim ataleti“Tüketicilerin akıllıca ilk seçimler yapabilecekleri ancak yeni bilgiler ortaya çıktıkça veya koşullar değiştikçe onları takip etmekte ve aktif olarak yeniden gözden geçirmekte başarısız oluyorlar. Bu da zaman içinde onlara çok paraya mal olabilir.

Araştırmamızda, bu problemleri nasıl çözebileceğimizi inceledik.

Hedeflenen tüketici önerileri

Bir yol, tüketicilere kişisel sağlık ihtiyaçları ve tercihleri ​​hakkındaki ayrıntılı verilere dayanarak kullanıcıya özel plan önerileri sunmayı içerir.

Kişiselleştirilmiş bilgi, bir bireyin beklenen sağlık riskleri, finansal risk iştahı ve doktor tercihlerine dayanmaktadır. Bu politikalar, her bir seçimi, gelecek yıldaki her bir plandaki beklenen harcamaları gibi, tüketicilerin kolayca anlayabileceği ve ilgileneceği ölçütlerle ilişkilendirerek, belirli bir tüketici için en iyi seçenekleri vurgulamaktadır.

Genel amaç, başka bir yerde gördüğümüze benzer şekilde, sigorta piyasalarında etkin önerilerde bulunmak için tüketici verileri ve teknolojisinin gücünden yararlanmaktır. Örneğin, Amazon, hangi ek ürünleri beğeneceğiniz konusunda önerilerde bulunmak için satın alma geçmişinizi ve tarama verilerinizi kullanırken, Google özelleştirilmiş reklamları uyarlamak için çok miktarda bilgi işlemektedir.

Bu tür koşulların sigorta pazarlarında uygulanmasına yönelik bazı ilerlemeler kaydedilmiştir.

Bununla birlikte, kilit bir endişe, bu tür politikaların olmasıdır. yeterince etkili değil. Ampirik kanıtlar Tüketicileri bilgi birikimine yönlendirseniz bile, onları mutlaka içmeye zorlayamazsınız.

Akıllı varsayılanlar cevap olabilir

Öyleyse, kişiselleştirilmiş veriler ve tavsiyeler sunmak tüketicilerin daha iyi seçimler yapmasına yardımcı olmak için yeterli değilse, daha agresif bir politika etkili olabilir mi?

Bunun bir yolu, tüketicileri kullanıcıya özel bilgilere dayanarak tercih edilen planlara otomatik olarak yerleştiren “akıllı varsayılanlar” dır. İnsanların tavsiyelerde bulunmalarını istemek yerine, onlar için en uygun seçenek seçilmiştir.

Bu akıllı varsayılanlar, her bireyin kendi verilerine dayanarak dikkatli bir şekilde hedeflenir, ancak tüketicilerin istedikleri zaman başka bir seçeneğe geçmelerine olanak tanıyan bağlayıcı olmayan özellikleri de vardır.

Makalemizde önerdiğimiz akıllı varsayılanlar, tüketiciye özel demografik veriler ve sağlık ihtiyaçları ve bir sağlık planı değeri modeli hakkındaki ayrıntılı verilere dayanmaktadır. Akıllı varsayılanlar, başka bir plana geçmenin mantıklı olup olmadığını değerlendirmek için geçmiş tıbbi talepler ve demografik bilgiler gibi verileri kullanarak çalışır. Ekonomik bir model ve belirli değer eşikleri, başlangıçta ne kadar risk alınacağını ve bir değişimden ne kadar tasarruf elde edileceğini belirleyen bir düzenlemeye dayanır.

Bir bilgisayar algoritması ile uygulanan bu ekonomik model, finansal kazançlar, büyük bir tıbbi olay durumunda risklere maruz kalma ve doğru hekimlere erişim gibi göz önünde bulundurur.

Doğru koşullar sağlanıyorsa (az ya da çok agresif), tüketici yeni bir plana göre temerrüde alınır. Sağdaki şekil süreci daha ayrıntılı olarak gösterir.

Örneğin, yıllık primi $ 4,000 olan bir plandaki kayıtlı bir diyabetik hastayı ve belirli bir hekim setine erişimi düşünün. Primin üstüne, hasta beklenen Yılda bir $ 2,000 daha harcamak maliyet paylaşımı - kesintiler, randevular için ödemeler, reçeteler, kan şekeri ve diğer hizmetleri test etmek için ekipman - maksimum 8,000 $ 'a kadar.

Akıllı varsayılan algoritma önce piyasada hastanın yıllık harcamalarını “anlamlı şekilde düşürecek” bir alternatif olup olmadığını düşünecektir. Eşik $ 1,000 olarak ayarlandıysa, algoritma hastanın primler ve maliyet paylaşımı için $ 5,000'ten daha fazla harcamasını öngören bir seçenek arayacaktır.

İki koşul daha da karşılanmalıdır: Hastanın gördüğü hekimler planın ağında olmak zorunda kalacak ve bu seçenek kendisini çok fazla ek finansal riske maruz bırakmayacaktı (maliyet paylaşımı için maksimum). Dolayısıyla, finansal risk eşiği $ 500 olarak ayarlandıysa, alternatif planın $ 8,500'ten daha fazla olmaması gerekiyor.

Hasta daha sonra plana otomatik olarak kaydolur ve yılda 1,000 $ 'lık tahmini tasarruf ve ek harcamalarda sadece $ 500 en kötü durum senaryosu beklenir.

Şimdiye kadar, bu varsayılanlar sadece sağlık sigortası pazarlarında az miktarda kullanılmıştır. Ancak, çalışanların emeklilik planlarına ne kadar katkıda bulunacaklarını seçmelerine yardımcı olmak gibi diğer bağlamlarda akıllı varsayılanların kanıtlanmış olması oldukça etkili seçim kalitesini arttırmak.

İşyerinde bir 401 (k) planınız varsa, örneğin, bu akıllı varsayılan sistemin sizi durumunuz için en iyi plana sokması için iyi bir olasılık var. Bu şimdi emeklilik tasarrufu için çalışıyor, çünkü seçenekler daha basit ve bol miktarda veri var.

Akıllı varsayılanlarla ilgili sorunlar

Peki neden şu anda sağlık sigortası pazarlarında akıllı varsayılanları daha fazla kullanmıyoruz?

Yeni başlayanlar için, politika yapıcılar ve işverenler, sigorta seçimlerini bu kadar güçlü bir şekilde yürüten politikaları uygulamak konusunda isteksizdir. Örneğin, varsayılan ayarlar aşırı agresifse, birçok kişi kendilerini daha da kötüleştiren planlara otomatik olarak kaydedilebilir - ortalama bir kişi daha iyi olsa bile.

Bunun olası bir çözümü, otomatik kayıt eşiklerinin çok muhafazakar bir şekilde ayarlanabilmesidir, böylece yalnızca önemli kazanımlara sahip tüketiciler etkilenebilir (bu aynı zamanda potansiyel faydaları da azaltacaktır).

Bununla birlikte, daha temel bir problem, veri eksikliğidir. Ne yazık ki, düzenleyiciler sıklıkla akıllı temerrüt politikalarını kesin bir şekilde (emeklilik seçimlerinde olduğu gibi) etkili bir şekilde uygulamak için kişisel sağlık riskleri, sigorta kullanımı ve demografik verilerle ilgili gerçek zamanlı tüketici verilerine sahip değildir. Bunun bir nedeni, sigorta şirketlerinin sık sık sahip oldukları gerekçelerle gerekçesiyle verilerini düzenleyicilerle paylaşmayı reddetmeleridir. Yargıtay onayladı onların tutumu.

Bu gibi durumlarda akıllı varsayılanlar hala mümkündür ancak tüketicilere daha az değer sağlar ve uygulamalarında daha muhafazakar olması gerekir.

Ek hususlar

Tüketici tercihleri ​​daha serbest akışlı ve doğal bir süreçten ziyade algoritmalar tarafından yönlendirildiğinde pazar rekabetinin etkileri hakkında çok az şey bilinmektedir.

Örneğin, sigortacılar daha fazla insanı planlarına çekmek için algoritmanın bilinen özelliklerinden sistematik olarak yararlanmaya çalışabilirler (reklamverenlerin Google ile etkileşimde olduğu gibi)? Yoksa bireyler kendi sigortalarını seçme sürecinde daha az meşgul olurlar; bu, gerçekten ne tür yararları olduğu ve bunlarla ilişkili riskler hakkında daha az bilgi sahibi olacağı anlamına mı gelir?

Bilgisayar algoritmalarının tüketici tercihleri ​​yapmasına izin vermenin sonuçlarının anlaşılması, akıllı varsayılanlar gibi bir politikanın uygulanmasının, tüketicilerin minimum dezavantajlarla daha iyi seçimler yapmasına yardımcı olmada işe yarayıp yaramayacağını değerlendirmede çok önemli olacaktır. Ancak, sigortacılar daha ayrıntılı verileri düzenleyicilerle paylaşmaya başlayana kadar mümkün olmayacaktır.

Yazar hakkında

Ben Handel, İktisat Profesörü, California Üniversitesi, Berkeley. Araştırması, tüketici karar verme ve sağlık sigortası piyasalarının pazar tasarımını incelemiştir ve tüketici karar verme ile pazar düzenlemesi arasındaki etkileşimi göstermektedir.

Bu yazı orijinalinde Konuşma. Okumak Orijinal makale.

İlgili Kitap:

at InnerSelf Pazarı ve Amazon