大数据如何帮助你选择更好的医疗保险

An illustration of a capsule spilling out zeros and ones. Credit: Illustration by Tricia Seibold算法可以帮助患者选择更好的保险。|插图由特里西亚西博尔德

消费者有很多简单的选择。纸夹:简单。盘海绵:简单。这些产品属于光谱的一端。另一端是医疗保险,这一目标遥不可及。

这是困难的。

斯坦福大学医学院(Stanford School of Medicine)副教授凯特•邦多夫(Kate Bundorf)在斯坦福大学商学院(Stanford Graduate School of Business)接受了一个礼遇。这种复杂性可能是压倒性的,因此,人们往往选择非最优的计划,以更高的成本惩罚他们,并创建低效的市场。“所以我们想弄清楚什么样的工具可以帮助人们做决定,”邦多夫说。

她与斯坦福大学医学院(Stanford School of Medicine)的玛丽亚•波利亚科娃(Maria Polyakova)和加州大学圣迭戈分校(University of California, San Diego)的明泰西埃尔(Ming Tai-Seale)合作,开发了一种基于网络的工具,其算法与医疗保险(Medicare)第D部分参保者的医疗记录匹配,并为处方药提供最佳健康保险选项。使用该算法的人更有可能换一个更好的计划。他们对选择健康保险的过程也更满意,尽管他们最终在这上面花了更多的时间。

使保险选择更容易、更好

研究参与者被分配到对照组或两种治疗方法中的一种。对照组被引导到现有的在线医疗资源中选择22个处方计划中的一个。与此同时,治疗组得到了算法的支持,该算法自动从他们的医疗记录中提取信息,并将其与处方药计划进行匹配。当评估他们的选择时,两组治疗人员都能在线查看一张表格,上面显示了对每个计划可能花费的个性化分析。除此之外,其中一个治疗组被展示了每个计划的“专家评分”——一个数字,从0到100,这个数字是算法生成的,用来对计划进行排序;在表格的顶部突出显示了三个最佳选项。

大量的证据表明,当涉及到健康保险时,人们很难做出选择。我们想弄清楚什么样的工具可以帮助人们做决定。凯特Bundorf

这两种疗法都鼓励人们转向更优惠的保险计划,但事实证明,包括“专家”建议和成本估算在内的疗法更有效。与对照组相比,接受这种治疗的参与者选择改变计划的频率高36%。本多夫说:“我们发现了明确的证据,表明干预改变了人们的行为,尤其是在我们提供专家建议的情况下。”

在实验的背景下,这些变化为消费者节省了27万美元。虽然这似乎是一个相对较小的数字,但它与316名有机会获得专家推荐的治疗对象相关联。如果将同样的效果外推到参加医疗保险D部分的近2500万人身上——假设参保人数与本多夫和她的同事在这个实验中看到的参保人数相当——那么将节省6.8亿美元。考虑到该工具本身的开发成本不到180万美元,这一点尤其值得注意。

转到政策领域

尽管实际影响是明确的,但有两个重要的考虑缓和了这一发现转化为政策的过程。

首先,一小部分有资格参加研究的人选择了注册。最终,在受邀的近3万人中,有1185人参与了这项研究;最终加入的人比没有加入的人更懂技术。最重要的是,研究人员担心那些受益最大的人可能没有选择参加。

“选择与算法互动的人都是老练的消费者;他们是积极的购物者,在寻找信息,”波利亚科娃说。“这表明,如果我们想要改善目前计划最糟糕的人的选择,那么仅仅提供在线工具并不能解决问题。”“更积极主动的做法是必要的。

其次,该研究的总体人口统计数据并不能代表更广泛的老年医保人群。邦多夫和她的同事与帕洛阿尔托医学基金会(Palo Alto Medical Foundation)合作进行了这项实验,这意味着参与实验的人居住在美国最富裕、技术最协调的地区之一。结果是否会推广尚不清楚。“可以想象,在其他地方,那些收入较低、接触此类工具较少的人,可能会有完全不同的行为,”波利亚科娃说。

算法获胜(和警告)

邦多夫和她的同事一开始并不确定这种干预会改变行为。大量证据表明,仅仅给人们提供信息并不会影响结果。但研究结果指出了这项研究的一个巧妙设计:通过使用两种不同的治疗方法,研究人员能够单独衡量信息的效果——显示出消费者每项计划的总成本——以及专家建议与信息相结合。

“建议的作用不同于信息,”波利亚科娃说。“当人们接触到建议时,它不仅改变了他们对产品的认识,而且还改变了他们对该产品特性的实际评价。”

她指出,这有着复杂而重要的含义。我们倾向于认为软件是中立的——微软Excel没有议程——但现代算法并非总是如此。公司可以,也很可能会,战略性地部署提供建议的算法,也许是为了推广某种产品或增加收入,在这个过程中隐藏的是这些算法改变我们对不同产品估值的方式。

波利亚科娃说:“如果人们对这类算法建议做出反应,那么不久的将来就会变得非常有趣。”“关于如何保护消费者免受非良性干预的许多政策和监管问题,将很快需要我们关注。”

新闻旨在传播有益信息,英文原版地址:https://www.gsb.stanford.edu/insights/how-big-data-can-help-you-choose-better-health-insurance

http://petbyus.com/7985/