Новое исследование, опубликованное в журнале INFORMS “Управление производственными и сервисными операциями”, показывает, что Medicare Advantage (MA), крупнейшая программа капительного страхования в США, непреднамеренно стимулирует медицинские планы к выбору прибыльных пациентов из традиционной программы Medicare (TM). “Капитуляция” – это ежегодная плата, выплачиваемая медицинскому учреждению каждым участником медицинского плана.
“Вопреки распространенному мнению, большие данные и машинное обучение сами по себе не могут решить эту проблему. Мы предлагаем модифицированный механизм соотношения медицинских потерь для решения проблемы отбора рисков в MA”, – говорит Тургай Айер из Технологического института Джорджии.
Айер, а также его соавторы, Чжаовей Ше из Сингапурского университета управления и Дэниел Монтанера из Университета штата Гранд-Вэлли, говорят, что наблюдаемый отбор рисков на рынке ОУ исторически объясняется ограниченностью данных и низкой объяснительной способностью текущей системы корректировки рисков. В связи с этим многие считают, что отбор рисков постепенно исчезнет с течением времени при увеличении доступности больших данных.
Исследование “Могут ли большие данные излечить отбор рисков в программе капремонта в здравоохранении? Теоретико-игровой анализ” показывает, что даже если текущая схема корректировки рисков MA станет информационно совершенной благодаря увеличению доступности больших данных, стимулы для выбора риска будут сохраняться, в основном из-за того, как устроена текущая модель корректировки рисков.
“Эта работа решает важнейшую проблему, связанную с моделью капитуляции – новой моделью оплаты медицинских услуг, быстро внедряемой плательщиками по всему миру, – говорит Айер.
Модели оплаты по принципу капитуляции непреднамеренно стимулируют поведение перекрестного субсидирования, когда поставщики медицинских услуг проводят селекцию рисков путем стратегического субсидирования одних подгрупп пациентов за счет капитуляционных платежей, собираемых с других подгрупп.
“Для решения проблем отбора по риску плательщики должны модифицировать свои текущие механизмы капитуляции, чтобы учесть поведение перекрестного субсидирования в программах капитуляции в здравоохранении, чтобы менее прибыльные пациенты не рассматривались как пациенты второго сорта”, – говорит Айер.
“Ни один общий алгоритм корректировки риска не сможет решить проблему стратегического прогнозирования при корректировке риска без явного учета базового механизма в программах капитуляции в здравоохранении”, – добавляет Ше.
Это исследование призывает практиков и политиков изменить свой взгляд на корректировку рисков как на чисто статистическую проблему и проблему машинного обучения и более всесторонне рассмотреть воздействие на человека”.
А вот здесь на прекрасном сайте https://ogorodniku.com/, можно ознакомиться с информацией про серые стены в спальне, советую почитать. Очень полезно! Там все подробно и интересно расписано. Такого больше Вы нигде не увидите.