Es gibt viele einfache Wahlmöglichkeiten für den Verbraucher. Büroklammern: einfach. Tellerschwämme: leicht. Diese Produkte befinden sich an einem Ende des Spektrums. Am anderen Ende, unmöglich entfernt, steht die Krankenversicherung.
Das ist schwierig.
“Tonnen von Beweisen deuten darauf hin, dass es den Menschen schwer fällt, Entscheidungen in Bezug auf die Krankenversicherung zu treffen”, sagt Kate Bundorf, Associate Professor an der Stanford School of Medicine mit einem Höflichkeitstermin an der Stanford Graduate School of Business. Die Komplexität kann überwältigend sein, und deshalb wählen Menschen oft suboptimale Pläne, die sie mit höheren Kosten bestrafen und ineffiziente Märkte schaffen. “Also wollten wir herausfinden, welche Arten von Werkzeugen den Menschen helfen, Entscheidungen zu treffen”, sagt Bundorf.
Mit Maria Polyakova von der Stanford School of Medicine und Ming Tai-Seale von der University of California, San Diego, entwickelte sie ein webbasiertes Tool mit einem Algorithmus, der die Krankenakten der Medicare Part D-Anmelder mit den besten Krankenversicherungsoptionen für verschreibungspflichtige Medikamente abgleicht. Diejenigen, die den Algorithmus verwendeten, waren eher bereit, zu einem besseren Plan überzugehen. Sie berichteten auch über mehr Zufriedenheit mit dem Prozess der Wahl der Krankenversicherung, obwohl sie am Ende mehr Zeit damit verbrachten.
Versicherungsentscheidungen einfacher und besser machen
Die Studienteilnehmer wurden entweder einer Kontrollgruppe oder einer von zwei Behandlungen zugeordnet. Die Kontrollgruppe wurde an bestehende Online-Ressourcen von Medicare weitergeleitet, um einen der 22 verfügbaren Verschreibungspläne auszuwählen. Die Behandlungsgruppen erhielten unterdessen Unterstützung durch den Algorithmus, der automatisch Informationen aus ihren Krankenakten entnahm und diese mit verschreibungspflichtigen Medikamenten abglich. Bei der Überprüfung ihrer Optionen konnten beide Behandlungsgruppen eine Tabelle online einsehen, die eine individualisierte Analyse der wahrscheinlichen Kosten für jeden der Pläne zeigte. Darüber hinaus wurde einer der Behandlungsgruppen für jeden Plan ein “Expertenscore” angezeigt – eine Zahl von 0 bis 100, die der Algorithmus zur Rangfolge der Pläne erstellt hat; die drei besten Optionen wurden oben in der Tabelle hervorgehoben.
Beide Behandlungen ermutigten die Menschen, auf günstigere Versicherungen umzusteigen, aber die Behandlung, die die “Experten”-Vorschläge neben den Kostenschätzungen beinhaltete, erwies sich als effektiver. Die Teilnehmer dieser Behandlung entschieden sich dafür, die Pläne 36 Prozent häufiger zu wechseln als die in der Kontrollgruppe. “Wir haben klare Beweise dafür gefunden, dass die Intervention das Verhalten der Menschen verändert hat, insbesondere wenn wir fachkundig beraten haben”, sagt Bundorf.
Im Rahmen des Experiments führten diese Veränderungen zu Einsparungen von 270.000 US-Dollar für die Verbraucher. Und obwohl dies eine relativ kleine Zahl zu sein scheint, ist es an einen relativ kleinen Pool von 316 Behandlern gebunden, die Zugang zur Expertenempfehlung hatten. Wenn die gleichen Effekte auf die fast 25 Millionen Menschen hochgerechnet würden, die in Medicare Part D eingeschrieben sind – und wenn man eine gleichwertige Teilnahmequote annähme, wie Bundorf und ihre Kollegen in diesem Experiment sahen -, würden die Einsparungen in der Größenordnung von 680 Millionen Dollar liegen. Dies ist besonders bemerkenswert, wenn man bedenkt, dass das Tool selbst weniger als 1,8 Millionen Dollar für die Entwicklung gekostet hat.
Der Übergang in die Politikwelt
Obwohl die praktischen Auswirkungen klar sind, mildern zwei wichtige Überlegungen die Umsetzung dieses Ergebnisses in die Politik.
Erstens hat sich ein kleiner Teil der Studienberechtigten für die Teilnahme entschieden. Am Ende nahmen 1.185 Personen von fast 30.000 eingeladenen Personen an der Studie teil; und diejenigen, die sich schließlich anschlossen, waren technisch versierter als diejenigen, die es nicht taten. Darüber hinaus befürchten die Forscher, dass diejenigen, die am meisten davon profitieren würden, sich möglicherweise nicht für die Teilnahme entschieden haben.
“Die Menschen, die sich für die Interaktion mit dem Algorithmus entschieden haben, waren anspruchsvolle Konsumenten; sie waren aktive Käufer, die Informationen suchten”, sagt Polyakova. “Das deutet darauf hin, dass, wenn wir die Auswahl der Menschen verbessern wollen, die derzeit die schlechtesten Pläne haben, dann wird das einfache Anbieten des Tools online nicht das Problem lösen.” Ein proaktiverer Ansatz ist notwendig.
Zweitens sind die demographischen Daten der Studie insgesamt nicht repräsentativ für die breitere Medicare-Population. Bundorf und ihre Kollegen arbeiteten mit der Palo Alto Medical Foundation zusammen, um das Experiment durchzuführen, d.h. die Teilnehmer lebten in einem der reichsten und technologisch am weitesten entwickelten Teile des Landes. Ob sich die Ergebnisse verallgemeinern würden, ist unbekannt. “Es ist denkbar, dass sich Menschen an anderen Orten, die ein geringeres Einkommen und weniger Umgang mit solchen Werkzeugen haben, ganz anders verhalten”, sagt Polyakova.
Ein Algorithmus Win (und eine Warnung)
Bundorf und ihre Kollegen waren sich von Anfang an nicht sicher, ob diese Intervention das Verhalten ändern würde. Ein Stapel von Beweisen deutet darauf hin, dass die einfache Information der Menschen keinen Einfluss auf die Ergebnisse hat. Aber die Ergebnisse deuten auf eines der cleveren Designs der Studie hin: Durch zwei verschiedene Behandlungen konnten die Forscher die Wirkung von Informationen allein messen – die Gesamtkosten der einzelnen Pläne für den Verbraucher – sowie Expertenratschläge gepaart mit Informationen.
“Und der Rat tut etwas, was ich nicht verstehe.