ibm Watson

Ein Hauptziel des Affordable Care Act (ACA) bestand darin, die Gesundheitskosten zu senken, indem den Verbrauchern mehr Wahlmöglichkeiten bei ihrem Versicherer gegeben wurden.

Die Wirtschaftstheorie legt nahe, dass Unternehmen darauf reagieren, indem sie die Preise senken und die Qualität ihrer Angebote verbessern, wenn Verbraucher in einem wettbewerbsintensiven Markt informierte und aktive Entscheidungen treffen.

Aber abgesehen von der Theorie, empirische Forschung erklärt Verbraucher Verhalten Sie sich in der Praxis nicht so, insbesondere in komplexen Märkten wie der Krankenversicherung.

Diese Realität macht es für die Regierungspolitik erheblich schwieriger, die Kosten der Gesundheitsversorgung (von denen sie einen Teil übernimmt) wirksam zu senken und die Prämien zu senken. Das bedeutet auch, dass viele Menschen wahrscheinlich viel mehr für die Krankenversicherung bezahlen, als sie sollten.

Können wir also irgendetwas tun, um Menschen dabei zu helfen, bessere Versicherungsentscheidungen zu treffen?


Innerself-Abonnieren-Grafik


In einer jüngsten Papier Gemeinsam mit meinem Berkeley-Ökonomen Jonathan Kolstad haben wir untersucht, wie personalisierte Daten den Verbrauchern dabei helfen könnten, genau das zu tun und dadurch die Gesundheitsmärkte effizienter zu machen.

Viele Optionen, viel Verwirrung

Die Kontrolle der Gesundheitsausgaben – die 3 erstmals 2014 Billionen US-Dollar pro Jahr erreichten – hat für die politischen Entscheidungsträger nach wie vor eine besonders hohe Priorität. Zur Zeit der Verabschiedung des ACA verlangsamte sich das Ausgabenwachstum unter den historischen Durchschnitt, hat sich aber seitdem nicht mehr geändert beschleunigt.

Die Regulierungsbehörden auf Bundes- und Landesebene haben die ACA-Börsen so gestaltet, dass sie Versicherer zum Wettbewerb um Preis und Qualität ermutigen und den Verbrauchern gleichzeitig eine größere Auswahl an Optionen bieten.

Mehrere Medicare-Märkte, beispielsweise die Abdeckung verschreibungspflichtiger Medikamente nach Plan D, tun dasselbe, während Unternehmen, die Krankenversicherungen anbieten, ihren Mitarbeitern auch zunehmend mehr Optionen anbieten privat vermittelter Austausch.

Doch den Einzelnen mehr Optionen zu bieten, ist nur ein erster Schritt. Die Forschung zeigt, dass Verbraucher beim aktiven Einkaufen aufgrund fehlender Informationen Fehler machen, begrenztes Verständnis der Versicherung oder einfach nur der allgemeine Aufwand. Diese Schwierigkeiten bestehen unabhängig davon, ob die Auswahl nur ein paar oder mehrere Dutzend beträgt.

Dies führt dazu, dass Verbraucher abwandern hunderte oder sogar Tausende von Dollar auf dem Tisch. Es trägt auch dazu bei, „Wahlträgheit„In diesem Fall treffen Verbraucher zwar zunächst kluge Entscheidungen, versäumen es jedoch, sie weiterzuverfolgen und aktiv zu überdenken, wenn neue Informationen auftauchen oder sich die Bedingungen ändern. Das kann sie mit der Zeit auch viel Geld kosten.

In unserer Forschung haben wir untersucht, wie wir diese Probleme lösen können.

Gezielte Verbraucherempfehlungen

Eine Möglichkeit besteht darin, den Verbrauchern benutzerspezifische Planempfehlungen zu geben, die auf detaillierten Daten über ihre persönlichen Gesundheitsbedürfnisse und -präferenzen basieren.

Die personalisierten Informationen basieren auf den erwarteten Gesundheitsrisiken, der finanziellen Risikobereitschaft und den Arztpräferenzen einer Person. Diese Richtlinien heben die besten Optionen für einen bestimmten Verbraucher hervor, indem sie jede Wahl mit Kennzahlen verknüpfen, die Verbraucher leicht verstehen und für die sie sich interessieren, wie etwa ihre erwarteten Ausgaben für jeden Plan im kommenden Jahr.

Das allgemeine Ziel besteht darin, die Leistungsfähigkeit von Verbraucherdaten und -technologie zu nutzen, um wirksame Empfehlungen auf Versicherungsmärkten abzugeben, ähnlich wie wir es bereits anderswo sehen. Beispielsweise verwendet Amazon Ihre Kaufhistorie und Ihre Browsing-Daten, um Empfehlungen darüber abzugeben, welche zusätzlichen Produkte Ihnen gefallen könnten, während Google riesige Mengen an Informationen verarbeitet, um maßgeschneiderte Anzeigen zu erstellen.

Bei der Umsetzung derartiger Konditionen auf den Versicherungsmärkten sind bereits einige Fortschritte zu verzeichnen.

Ein Hauptanliegen ist jedoch, dass solche Richtlinien sind nicht wirksam genug. Empirische Evidenz legt nahe, dass man Verbraucher nicht zwangsläufig zum Trinken zwingen kann, auch wenn man sie an die Quelle der Informationen heranführt.

Intelligente Standardeinstellungen könnten die Antwort sein

Wenn also die Bereitstellung personalisierter Daten und Empfehlungen nicht ausreicht, um Verbrauchern dabei zu helfen, bessere Entscheidungen zu treffen, könnte dann eine aggressivere Politik wirksam sein?

Eine Möglichkeit sind „intelligente Standardeinstellungen“, die Verbraucher auf der Grundlage benutzerspezifischer Informationen automatisch in bevorzugte Tarife einordnen. Anstatt von den Menschen zu verlangen, dass sie auf Empfehlungen reagieren, wird die für sie optimale Option ausgewählt.

Diese intelligenten Vorgaben würden sorgfältig auf die individuellen Daten jedes Einzelnen abgestimmt, wären aber auch unverbindlich, so dass Verbraucher jederzeit zu einer anderen Option wechseln könnten.

Die intelligenten Standardvorgaben, die wir in unserem Papier vorgeschlagen haben, basieren auf detaillierten Daten zu verbraucherspezifischen demografischen Merkmalen und Gesundheitsbedürfnissen sowie einem Modell für den Wert von Gesundheitsplänen. Die intelligenten Standardvorgaben würden anhand von Daten wie früheren medizinischen Ansprüchen und demografischen Informationen beurteilen, ob ein Wechsel zu einem anderen Plan sinnvoll wäre. Zu Beginn werden ein Wirtschaftsmodell und spezifische Wertschwellen festgelegt, die bestimmen, wie viel Risiko eingegangen werden muss und wie viel Einsparungen durch einen Wechsel erzielt werden müssen.

Dieses mit einem Computeralgorithmus implementierte Wirtschaftsmodell würde finanzielle Gewinne, Risiken im Falle eines schwerwiegenden medizinischen Vorfalls und den Zugang zu den richtigen Ärzten berücksichtigen.

Wenn die richtigen Bedingungen erfüllt sind (mehr oder weniger aggressiv), wird der Verbraucher standardmäßig in einen neuen Plan aufgenommen. Die Abbildung rechts veranschaulicht den Vorgang detaillierter.

Stellen Sie sich zum Beispiel einen Diabetiker vor, der einen Plan mit einer jährlichen Prämie von 4,000 US-Dollar und Zugang zu einer bestimmten Gruppe von Ärzten abgeschlossen hat. Zur Prämie kommt noch der Patient hinzu erwartet um weitere 2,000 US-Dollar pro Jahr auszugeben Kostenteilung – Selbstbehalte, Zuzahlungen für Termine, Rezepte, Geräte zur Blutzuckermessung und andere Dienstleistungen – bis zu einem Höchstbetrag von 8,000 US-Dollar.

Der intelligente Standardalgorithmus würde zunächst prüfen, ob es eine Alternative auf dem Markt gibt, die die jährlichen Ausgaben des Patienten „erheblich senken“ würde. Wenn der Schwellenwert auf 1,000 US-Dollar festgelegt wäre, würde der Algorithmus nach einer Option suchen, die davon ausgeht, dass der Patient nicht mehr als 5,000 US-Dollar für Prämien und Kostenbeteiligung ausgeben würde.

Außerdem müssen zwei weitere Bedingungen erfüllt sein: Die Ärzte, die der Patient aufsucht, müssen zum Netzwerk des Plans gehören und die Option darf ihn nicht einem zu großen zusätzlichen finanziellen Risiko aussetzen (maximal für Kostenbeteiligung). Wenn also der Schwellenwert für das finanzielle Risiko auf 500 US-Dollar festgelegt würde, müsste der Alternativplan maximal 8,500 US-Dollar betragen.

Der Patient würde dann automatisch in den Plan aufgenommen, mit voraussichtlichen Einsparungen von 1,000 US-Dollar pro Jahr und im schlimmsten Fall nur 500 US-Dollar an zusätzlichen Ausgaben.

Bisher wurden solche Ausfälle auf den Krankenversicherungsmärkten nur spärlich genutzt. Aber auch in anderen Zusammenhängen, beispielsweise bei der Unterstützung von Mitarbeitern bei der Entscheidung, wie viel sie in Pensionspläne einzahlen möchten, haben sich kluge Vorgaben bewährt bemerkenswert effektiv bei der Verbesserung der Auswahlqualität.

Wenn Sie beispielsweise einen 401(k)-Plan am Arbeitsplatz haben, besteht eine gute Chance, dass dieses intelligente Standardsystem verwendet wurde, um Ihnen den besten Plan für Ihre Situation zu bieten. Dies funktioniert jetzt für die Altersvorsorge, da die Optionen einfacher sind und zahlreiche Daten vorliegen.

Probleme mit intelligenten Standardeinstellungen

Warum nutzen wir Smart Defaults derzeit nicht umfassender auf den Krankenversicherungsmärkten?

Zunächst einmal zögern politische Entscheidungsträger und Arbeitgeber wahrscheinlich, Richtlinien umzusetzen, die scheinbar die Versicherungsentscheidungen so stark beeinflussen. Wenn beispielsweise die Standardeinstellungen zu aggressiv sind, könnten viele Verbraucher automatisch in Pläne aufgenommen werden, die sie schlechter stellen – selbst wenn es dem Durchschnittsbürger besser gehen würde.

Eine mögliche Lösung hierfür besteht darin, dass die Schwellenwerte für die automatische Registrierung sehr konservativ festgelegt werden könnten, sodass nur Verbraucher betroffen sind, von denen erhebliche Gewinne erwartet werden (obwohl dies auch die potenziellen Vorteile verringern würde).

Ein grundlegenderes Problem ist jedoch der Mangel an Daten. Leider verfügen die Aufsichtsbehörden oft nicht über die Art von Echtzeit-Verbraucherdaten zu personalisierten Gesundheitsrisiken, Versicherungsnutzung und demografischen Daten, die erforderlich sind, um intelligente Standardrichtlinien effektiv und präzise umzusetzen (wie es bei Rentenentscheidungen der Fall ist). Ein Grund dafür ist, dass sich Versicherungsunternehmen häufig weigern, ihre Daten an die Aufsichtsbehörden weiterzugeben, mit der Begründung, dass es sich um geschützte Daten handele Der Oberste Gerichtshof hat bestätigt ihre Haltung.

In solchen Fällen sind intelligente Standardvorgaben immer noch möglich, bieten den Verbrauchern jedoch weniger Nutzen und müssen bei der Umsetzung konservativer vorgehen.

Weitere Überlegungen

Über die Auswirkungen des Marktwettbewerbs ist wenig bekannt, wenn Verbraucherentscheidungen durch Algorithmen und nicht durch einen frei fließenden und natürlichen Prozess bestimmt werden.

Könnten Versicherer beispielsweise versuchen, bekannte Funktionen des Algorithmus systematisch auszunutzen, um mehr Menschen in ihre Pläne einzubeziehen (wie bei Werbetreibenden, die mit Google interagieren)? Oder wird der Einzelne letztendlich weniger in den Prozess der Wahl seiner eigenen Versicherung einbezogen und ist daher weniger darüber informiert, welche Leistungen er tatsächlich hat und welche Risiken damit verbunden sind?

Um zu beurteilen, ob die Umsetzung einer Richtlinie wie „Smart Defaults“ den Verbrauchern helfen könnte, bessere Entscheidungen mit minimalen Nachteilen zu treffen, wird es von entscheidender Bedeutung sein, die Konsequenzen zu verstehen, die es hat, wenn Computeralgorithmen die Entscheidungen der Verbraucher treffen. Dies wird jedoch erst möglich sein, wenn die Versicherer beginnen, detailliertere Daten mit den Aufsichtsbehörden zu teilen.

Über den AutorDas Gespräch

handel benBen Handel, Assistenzprofessor für Wirtschaftswissenschaften, University of California, Berkeley. Seine Forschung untersuchte die Entscheidungsfindung von Verbrauchern und das Marktdesign von Krankenversicherungsmärkten und veranschaulicht das Zusammenspiel zwischen Entscheidungsfindung von Verbrauchern und Marktregulierung.

Dieser Artikel wurde ursprünglich veröffentlicht am Das Gespräch.. Lies das Original Artikel.

Verwandte Buch:

at InnerSelf Market und Amazon