Deducibles en datos de reclamaciones – Economista de atención sanitaria

Muchos investigadores están interesados ​​en cómo los costos compartidos afectan la utilización de la atención médica, los costos y los resultados de los pacientes. Esto es especialmente cierto a medida que los planes de salud con deducibles altos (HDHP) se vuelven más comunes en los Estados Unidos. En 2023, el 29 % de los trabajadores cubiertos en los Estados Unidos tienen un HDHP. Este es un tipo de información útil. Para el análisis de HDHP son las reclamaciones datos Sin embargo, el uso de estos datos presenta desafíos: el primer tipo [of claims data] Incluye información detallada sobre la estructura del plan. Pero a menudo tienen poca validez externa. Esto se debe a que generalmente provienen de un solo grupo o de un pequeño subconjunto de solicitantes de registro con alergias a la salud. El segundo tipo ha mejorado la validez externa al incluir al grupo perdedor. Pero generalmente no incluyen las variables de estructura del plan necesarias para distinguir entre HDHP y planes con deducibles más bajos. o interpretar lo que representa la variable binaria «HDHP». El artículo de Cliff et al. (2024) tiene como objetivo examinar qué tan bien podemos predecir los deducibles del plan utilizando datos de reclamaciones utilizando los datos de Optum Labs. Optum tiene información sobre los deducibles del plan, que se utilizan como El «patrón oro» utiliza cuatro métodos de imputación diferentes: predicción paramétrica con gasto; (Método de regresión de gastos) El gasto deducible anual del afiliado se calcula en regresión sobre el gasto anual total. (plan más costos de bolsillo), covariables demográficas generales (género y edad) y efectos fijos para cada plan. Utilice la regresión para predecir el deducible condicional para un nivel determinado de gasto junto con los efectos fijos del plan utilizando coeficientes del modelo de regresión que mejor se ajuste. El deducible se proyecta para cada plan en un monto fijo del gasto total. (Que los autores fijaron en $10,000 para exceder la mayoría de los deducibles). Predicción paramétrica con características de entrada y plan. (Regresión con deducible imputado) Este enfoque utiliza dos pasos: primero, se ingresan los deducibles para un subconjunto de planes fácilmente identificable. Para el segundo paso Se creará un conjunto de covariables para tener en cuenta el gasto deducible observado y las características del plan. y colapsar datos desde el nivel individual hasta el nivel del plan. Usar un subconjunto de planes deducibles El monto del deducible se regresa en función de un conjunto de covariables. Los coeficientes generados se utilizan luego para predecir los deducibles de planes que no se pueden calcular inicialmente. Gasto modal deducible (método modal) Este método simple ingresa el monto máximo del gasto modal deducible. (distinto de cero) entre los inscritos en el plan Y esta deducción se aplica a todos los inscritos en ese plan. Percentil 80 de gasto deducible (Método del percentil 80) Siguiendo a Rabideau (2021), el gasto personal se realiza un seguimiento mes a mes. Y se considera que las personas cuyo gasto aumenta en un mes determinado pero su deducible permanece sin cambios han alcanzado su deducible. Luego, los datos a nivel individual se reducen al nivel del plan. Y el deducible para todos los inscritos en el plan se establece en el percentil 80 del gasto deducible anual del plan. Evaluar la precisión del método de entrada de datos. Los autores calculan la sensibilidad, la especificidad y el valor predictivo positivo/negativo (PPV/NPV) de cada método para clasificar a los inscritos como mapas HDHP versus no HDHP. Sorprendentemente, el simple «método modal» funcionó bien. Es el mejor en términos de clasificar a una persona como HDHP frente a No. No. También funciona bien en términos de predicción de gastos deducibles. El método modal funcionó mejor: el 72 % de los planes se clasificaron correctamente en cada categoría y el 69 % de los planes tenían deducibles dentro de $250 de su deducible real. Para este método Restringir la imputación a grupos con más de 50 registrantes aumenta la sensibilidad al 85% de los mapas correctamente clasificados. y redujo la diferencia promedio entre el deducible y el deducible real de $700 a $496 https://onlinelibrary.wiley.com/doi /full/10.1111/1475-6773.14278 https://onlinelibrary.wiley.com/doi/full/ 10.1111/1475-6773.14278 Puedes leer el articulo completo aquí.

Source link