Uno degli obiettivi chiave dell'Accordable Care Act (ACA) era abbassare i costi dell'assistenza sanitaria offrendo ai consumatori una scelta più ampia rispetto all'assicuratore.

La teoria economica suggerisce che quando i consumatori fanno scelte informate e attive in un mercato competitivo, le aziende rispondono abbassando i prezzi e migliorando la qualità delle loro offerte.

Ma a parte la teoria, ricerca empirica spettacoli consumatori in realtà non si comportano in questo modo, in particolare in mercati complessi come l'assicurazione sanitaria.

Questa realtà rende molto più difficile per la politica governativa ridurre efficacemente i costi dell'assistenza sanitaria (alcuni dei quali paga) e ridurre i premi. Significa anche che molte persone probabilmente pagano molto più di quanto dovrebbero per l'assicurazione sanitaria.

Quindi c'è qualcosa che possiamo fare per aiutare le persone a prendere decisioni assicurative migliori?

In un carta recente Ho collaborato con il collega economista di Berkeley Jonathan Kolstad, abbiamo valutato come i dati personalizzati possano aiutare i consumatori a fare proprio questo e, di conseguenza, rendere i mercati della salute più efficienti.

Molte opzioni, molta confusione

Il controllo della spesa sanitaria - che ha colpito 3X miliardi di dollari l'anno per la prima volta in 2014 - rimane una priorità particolarmente alta per i responsabili politici. La spesa per la spesa è rallentata al di sotto delle medie storiche nel periodo in cui l'ACA è stata approvata, ma da allora accelerata.

I regolatori federali e statali hanno creato gli scambi ACA per incoraggiare gli assicuratori a competere sul prezzo e sulla qualità offrendo al contempo una gamma più ampia di opzioni ai consumatori.

Diversi mercati di Medicare, come la copertura dei farmaci con obbligo di prescrizione Plan D, fanno lo stesso, mentre le aziende che forniscono l'assicurazione sanitaria offrono sempre più opzioni ai propri dipendenti tramite scambi facilitati privatamente.

Ma dare agli individui più opzioni è solo un primo passo. La ricerca mostra che i consumatori commettono errori mentre fanno acquisti a causa della mancanza di informazioni disponibili, comprensione limitata di assicurazione o solo la seccatura generale di esso. Queste difficoltà esistono se le scelte sono solo poche o alcune decine.

Questo porta i consumatori a partire centinaia o anche migliaia di dollari sul tavolo. Contribuisce anche a "scelta di inerzia, "In cui i consumatori possono fare scelte iniziali intelligenti ma non riescono a seguirli e riconsiderarli attivamente non appena emergono nuove informazioni o cambiano le condizioni. Ciò può anche costare loro un sacco di soldi nel tempo.

Nella nostra ricerca, abbiamo esaminato come potremmo risolvere questi problemi.

Raccomandazioni mirate dei consumatori

Un modo consiste nel fornire ai consumatori consigli per i piani specifici per l'utente basati su dati dettagliati sulle loro esigenze e preferenze di assistenza sanitaria personale.

Le informazioni personalizzate si basano sui rischi per la salute attesi da un individuo, sulla propensione al rischio finanziario e sulle preferenze del medico. Queste politiche evidenziano le migliori opzioni per un dato consumatore associando ciascuna scelta con metriche che i consumatori capiscono e si preoccupano prontamente, come ad esempio la spesa prevista in ciascun piano nel prossimo anno.

L'obiettivo generale è quello di sfruttare il potere dei dati e della tecnologia dei consumatori per fare raccomandazioni efficaci nei mercati assicurativi, in modo simile a quello che già vediamo altrove. Ad esempio, Amazon utilizza la cronologia degli acquisti e i dati di navigazione per formulare raccomandazioni su quali prodotti aggiuntivi potrebbero piacerti, mentre Google elabora enormi quantità di informazioni per personalizzare gli annunci personalizzati.

Ci sono già stati dei progressi nell'attuazione di questo tipo di condizioni nei mercati assicurativi.

Una preoccupazione chiave, tuttavia, è che tali politiche non sono abbastanza efficaci. Evidenza empirica suggerisce che anche se conduci i consumatori al pozzo delle informazioni, non puoi necessariamente costringerli a bere.

Le impostazioni predefinite intelligenti potrebbero essere la risposta

Quindi, se fornire dati e raccomandazioni personalizzati non è sufficiente per aiutare i consumatori a fare scelte migliori, una politica più aggressiva potrebbe essere efficace?

Un modo è attraverso le "impostazioni predefinite intelligenti", che posizionano automaticamente i consumatori in piani preferenziali basati su informazioni specifiche dell'utente. Invece di richiedere alle persone di agire in base alle raccomandazioni, viene selezionata per loro l'opzione ottimale.

Queste impostazioni predefinite intelligenti sarebbero attentamente mirate in base ai dati di ogni individuo, ma sarebbero anche non vincolanti, consentendo ai consumatori di passare a un'altra opzione in qualsiasi momento.

Le impostazioni predefinite intelligenti che abbiamo proposto nel nostro documento si basano su dati dettagliati sui dati demografici specifici del consumatore e sulle esigenze sanitarie e su un modello di valore del piano sanitario. Le impostazioni predefinite intelligenti funzionerebbero utilizzando dati quali dichiarazioni mediche passate e informazioni demografiche per valutare se avrebbe senso passare a un altro piano. Un modello economico e soglie di valore specifico sono stabiliti fin dall'inizio per determinare quanti rischi assumere e quanti risparmi devono essere ottenuti da un cambiamento.

Tale modello economico, implementato con un algoritmo informatico, prenderebbe in considerazione i guadagni finanziari, l'esposizione ai rischi in caso di un grave incidente medico e l'accesso ai medici giusti.

Se vengono soddisfatte le condizioni giuste (più o meno aggressive), il consumatore è inadempiente in un nuovo piano. La figura a destra illustra il processo in modo più dettagliato.

Ad esempio, si consideri un paziente diabetico iscritto a un piano con un premio annuale di $ 4,000 e l'accesso a un gruppo specifico di medici. Oltre al premio, il paziente è anticipato spendere un altro $ 2,000 all'anno in ripartizione dei costi - franchigie, copays per gli appuntamenti, prescrizioni, attrezzature per testare la glicemia e altri servizi - fino ad un massimo di $ 8,000.

L'algoritmo predefinito intelligente in primo luogo considererebbe se esistesse un'alternativa nel mercato che avrebbe "significativamente abbassato" la spesa annuale del paziente. Se la soglia era impostata su $ 1,000, l'algoritmo cercava un'opzione che anticipasse che il paziente avrebbe speso non più di $ 5,000 in premi e condivisione dei costi.

Devono essere soddisfatte anche altre due condizioni: i medici che il paziente vede dovrebbero trovarsi nella rete del piano e l'opzione non potrebbe esporlo a troppi rischi finanziari aggiuntivi (massimo per la condivisione dei costi). Quindi, se la soglia del rischio finanziario fosse fissata a $ 500, il piano alternativo avrebbe dovuto massimizzare a non più di $ 8,500.

Il paziente verrebbe quindi auto-iscritto nel piano, con risparmi anticipati di $ 1,000 all'anno e uno scenario peggiore di soli $ 500 nella spesa aggiuntiva.

Finora, tali inadempienze sono state utilizzate solo con parsimonia nei mercati delle assicurazioni sanitarie. Ma in altri contesti, come aiutare i dipendenti a scegliere quanto contribuire ai piani pensionistici, sono state dimostrate le impostazioni predefinite intelligenti straordinariamente efficace a migliorare la qualità della scelta.

Se hai un piano 401 (k) al lavoro, ad esempio, c'è una buona probabilità che questo sistema di default intelligente sia stato usato per metterti nel miglior piano per la tua situazione. Questo funziona per il risparmio pensionistico ora perché le opzioni sono più semplici e ci sono molti dati.

Problemi con le impostazioni predefinite intelligenti

Quindi, perché non stiamo usando le impostazioni predefinite intelligenti in modo più ampio nei mercati delle assicurazioni sanitarie in questo momento?

Per i principianti, i politici e i datori di lavoro sono probabilmente riluttanti ad attuare politiche che sembrano guidare le scelte assicurative in modo così forte. Ad esempio, se le impostazioni predefinite sono eccessivamente aggressive, molti consumatori potrebbero essere auto-registrati in piani che li rendono peggiori, anche se la persona media starebbe meglio.

Una possibile soluzione a questo è che le soglie per l'auto-iscrizione potrebbero essere impostate in modo molto conservativo, in modo tale da influenzare solo i consumatori con sostanziali guadagni attesi (sebbene ciò ridurrebbe anche i potenziali benefici).

Un problema più fondamentale, tuttavia, è la mancanza di dati. Sfortunatamente, le autorità di regolamentazione spesso non hanno il tipo di dati dei consumatori in tempo reale sui rischi per la salute personalizzati, sull'utilizzo assicurativo e sui dati demografici necessari per attuare in modo efficace le politiche di default intelligenti (come è vero nelle scelte pensionistiche). Una ragione è che le compagnie di assicurazione spesso rifiutano di condividere i loro dati con le autorità di regolamentazione sulla base del fatto che sono di proprietà, e il La Corte Suprema ha confermato la loro posizione

In tali casi, le impostazioni predefinite intelligenti sono ancora possibili ma forniscono meno valore ai consumatori e devono essere più prudenti nella loro implementazione.

Ulteriori considerazioni

Poco si sa sugli effetti della competizione di mercato quando le scelte dei consumatori sono guidate da algoritmi piuttosto che da un processo più libero e naturale.

Ad esempio, gli assicuratori potrebbero tentare di sfruttare sistematicamente le funzionalità note dell'algoritmo per spingere più persone nei loro piani (come con gli inserzionisti che interagiscono con Google)? Oppure gli individui finiranno per essere meno coinvolti nel processo di scelta della propria assicurazione, il che significa che saranno meno informati su quali benefici effettivamente hanno e sui rischi associati?

Comprendere le conseguenze di lasciare che gli algoritmi informatici facciano le scelte dei consumatori sarà cruciale nel valutare se l'implementazione di una politica come le impostazioni predefinite intelligenti possa aiutare i consumatori a fare scelte migliori con minimi aspetti negativi. Ma non sarà possibile fino a quando gli assicuratori non inizieranno a condividere dati più dettagliati con i regolatori.

Circa l'autore

Ben Handel, Assistant Professor of Economics, Università della California, Berkeley. La sua ricerca ha studiato il processo decisionale dei consumatori e la progettazione del mercato dei mercati dell'assicurazione sanitaria, e illustra l'interazione tra il processo decisionale dei consumatori e la regolamentazione del mercato.

Questo articolo è stato pubblicato in origine The Conversation. Leggi il articolo originale.

Libro correlati:

at InnerSelf Market e Amazon