Improving risk adjustment without diagnostic information – Evidence from reforms in Switzerland
Cette étude démontre que le système de régulation des risques en Suisse peut être considérablement amélioré en incorporant des informations de morbidité dérivées des prescriptions de médicaments, comme en témoigne la transition d'un indicateur basé sur les coûts vers des groupes de coûts pharmaceutiques, ce qui a amélioré la précision prédictive et réduit les erreurs de compensation malgré l'absence de données diagnostiques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde de l'assurance maladie, une tension fondamentale existe entre l'équité et l'efficacité. Les compagnies d'assurance collectent l'argent de nombreuses personnes pour payer les soins médicaux de quelques-unes qui tombent malades. Si un assureur pouvait facilement identifier qui est susceptible de tomber très malade et de coûter très cher à traiter, il pourrait essayer d'éviter d'inscrire ces personnes, les laissant face à des coûts élevés ou sans couverture du tout. Pour empêcher cela, de nombreux pays utilisent un système appelé ajustement du risque. Voyez cela comme un équilibre financier où le gouvernement collecte l'argent des assureurs qui ont principalement des clients en bonne santé pour le donner à ceux qui ont des clients plus malades et plus coûteux. Cela garantit que chaque assureur a une chance équitable de rivaliser, quel que soit le profil des personnes qu'il finit par recruter. Le défi consiste à prédire qui sera coûteux. La plupart des pays utilisent des dossiers médicaux détaillés pour faire ces prédictions, mais en Suisse, des lois strictes sur la protection de la vie privée empêchent les assureurs de voir ces diagnostics spécifiques. Sans savoir exactement de quelle maladie souffre une personne, les assureurs ont dû deviner en se basant sur le montant dépensé en médicaments, une méthode qui est souvent trop grossière pour être véritablement équitable.
Une équipe de chercheurs de Zurich et de Lucerne a décidé d'examiner comment la Suisse a tenté de résoudre ce casse-tête sans utiliser de diagnostics médicaux. Ils ont examiné un changement majeur dans la façon dont le pays calcule ces paiements, passant d'une règle simple basée sur le coût total des médicaments à un système plus sophistiqué qui regroupe les médicaments selon leur utilisation. Les chercheurs ont analysé les données de près de sept millions d'adultes sur plusieurs années pour voir quelle méthode fonctionnait le mieux pour prédire les coûts futurs et, plus important encore, quelle méthode empêchait les assureurs de manipuler le système. Leur travail révèle que si la nouvelle méthode est bien meilleure pour comprendre qui a besoin d'aide, elle a également créé quelques nouvelles façons, plus subtiles, pour les assureurs de choisir leurs clients, suggérant que la recherche d'un système parfait est un processus continu.
Pendant des décennies, le système suisse reposait sur des informations de base comme l'âge et le sexe, puis a ajouté une règle simple : si une personne dépensait plus de 5 000 francs suisses en médicaments au cours d'une année, elle était signalée comme étant à haut risque. C'était un indicateur basé sur les coûts. C'était facile à utiliser, mais cela présentait un défaut. Parce que le paiement bondissait une fois qu'une personne franchissait cette limite de dépenses, les assureurs avaient une étrange incitation à faire en sorte que leurs clients franchissent ce seuil. Ils pouvaient encourager les gens à acheter des médicaments de marque plus coûteux au lieu de génériques moins chers, simplement pour pousser le coût total au-dessus du seuil, garantissant ainsi que l'assureur reçoive un paiement plus important. Cela était inefficace et ne reflétait pas nécessairement les besoins de santé réels du patient.
Pour corriger cela, la Suisse a introduit en 2020 un nouveau système basé sur des groupes de coûts pharmaceutiques. Au lieu de regarder le prix total, ce système examine les types de médicaments que les gens prennent et le nombre de doses qu'ils consomment. Il regroupe des médicaments spécifiques qui sont connus pour traiter des maladies chroniques et de longue durée. Par exemple, prendre un certain nombre de doses d'un médicament spécifique pour le cœur pourrait placer une personne dans un groupe « maladies cardiaques », que ce vôtre médicament coûte cher ou peu, indépendamment de son prix. C'est un indicateur basé sur l'utilisation. Les chercheurs ont constaté que cette nouvelle approche était une amélioration significative. Elle prédisait les dépenses futures beaucoup plus précisément que l'ancienne règle basée sur les coûts. Lorsqu'ils ont comparé les deux méthodes, le nouveau système a réduit le nombre de personnes qui recevaient soit trop, soit trop peu de paiements par une marge importante. Il a également stoppé la curieuse incitation à pousser les gens au-delà d'une limite de dépenses, car le paiement était désormais basé sur le type de médicament, et non sur le prix total.
Cependant, l'histoire ne s'arrête pas à une solution parfaite. Les chercheurs ont découvert que, bien que le nouveau système soit meilleur dans l'ensemble, il n'était pas sans faille. En examinant de près les groupes de médicaments spécifiques, ils ont constaté que certains groupes étaient encore très imprévisibles. Par exemple, les personnes regroupées sous la catégorie « maladies rénales » présentaient une large gamme de coûts réels ; certaines étaient très coûteuses, tandis que d'autres étaient relativement peu coûteuses, même si elles appartenaient toutes au même groupe de paiement. Cette variation crée une nouvelle opportunité, plus discrète, de sélection des risques. Un assureur pourrait observer une personne atteinte d'une maladie rénale et, en se basant sur d'autres indices, deviner que cette personne spécifique sera moins chère à traiter que la moyenne des personnes de ce groupe. Si l'assureur a raison, il réalise un profit. L'étude a montré que si le nouveau système réduisait la capacité de choisir ses clients sur la base de catégories larges, il n'éliminait pas la capacité de le faire au sein de ces mêmes catégories.
L'impact de ces changements était visible sur le marché de l'assurance lui-même. Avant les réformes, les primes variaient considérablement d'une région à l'autre, certains assureurs facturant beaucoup plus que d'autres parce qu'ils craignaient de signer des personnes malades. Après l'introduction du nouveau système, les prix entre les différents assureurs ont commencé à converger. Les assureurs qui avaient principalement des clients en bonne santé ont augmenté leurs prix plus fortement que ceux qui avaient des clients plus malades, ce qui suggère que la peur d'être coincé avec des coûts élevés s'estompe. La variation des prix entre les régions a chuté de manière significative, indiquant que le marché devenait plus stable et plus équitable.
Les chercheurs ont conclu que même sans accès à des diagnostics médicaux détaillés, un système d'assurance maladie peut être rendu beaucoup plus équitable en utilisant des indicateurs intelligents basés sur l'utilisation. Le passage d'un simple seuil de dépense à un système basé sur les groupes de médicaments a été une étape claire en avant, améliorant la précision des paiements et réduisant la tentation pour les assureurs de manipuler les coûts. Pourtant, l'étude sert aussi de rappel qu'aucun système n'est parfait. Les lacunes restantes dans la prédiction signifient que les assureurs conservent encore une certaine marge de manœuvre pour tenter de sélectionner les clients les plus sains au sein des mêmes groupes de risque. L'expérience suisse offre une leçon précieuse pour d'autres pays : vous pouvez construire un filet de sécurité robuste sans données médicales intrusives, mais le travail de perfectionnement de ce filet ne s'arrête jamais vraiment.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.