Health Economics

Long Duration Medical Conditions Groups (LDG)

These groups were constructed for the study: Alfonso, E., Riascos, A. and M. Romero.  The Performance of Risk Adjustment Models in Colombia Competitive Health Insurance Market (2013). Working Paper Quantil 2013-1.

Please cite as:

Long Duration Medical Conditions Groups (LDG) © 2013, Alfonso, Riascos, Romero. Licensed under the Creative Commons Attribution 3.0.

Download version 1.0 (2013), documentation version (2013).

Articles and Working Papers

  • A supervised clustering MCMC methodology for large categorical feature spaces. Simón Ramírez, Adolfo J Quiroz, Alvaro J Riascos. First Published June 1, 2021. Statistical Methods in Medical Research.

    Abstract: There is a well-established tradition within the statistics literature that explores different techniques for reducing the dimensionality of large feature spaces. The problem is central to machine learning and it has been largely explored under the unsupervised learning paradigm. We introduce a supervised clustering methodology that capitalizes on a Metropolis Hastings algorithm to optimize the partition structure of a large categorical feature space tailored towards minimizing the test error of a learning algorithm. This is a general methodology that can be applied to any supervised learning problem with a large categorical feature space. We show the benefits of the algorithm by applying this methodology to the problem of risk adjustment in competitive health insurance markets. We use a large claims data set that records ICD-10 codes, a large categorical feature space. We aim at improving risk adjustment by clustering diagnostic codes into risk groups suitable for health expenditure prediction. We test the performance of our methodology against common alternatives using panel data from a representative sample of twenty three million citizens in Colombian Healthcare System. Our results outperform common alternatives and suggest that it has potential to improve risk adjustment.

Abstract: Risk adjustment is vital in health policy design. Risk adjustment defines the annual capitation payments to health insurers and is a key determinant of insolvency risk for health insurers. In this study we compare the current risk adjustment formula used by Colombia’s Ministry of Health and Social Protection against alternative specifications that adjust for additional factors. We show that the current risk adjustment formula, which conditions on demographic factors and their interactions, can only predict 30% of total health expenditures in the upper quintile of the expenditure distribution. We also show the government’s formula can improve significantly by conditioning ex ante on measures indicators of 29 long-term diseases. We contribute to the risk adjustment literature by estimating machine learning based models and showing non-parametric methodologies (e.g., boosted trees models) outperform linear regressions even when fitted in a smaller set of regressors.

Resumen: El ajuste de riesgo es un componente esencial en el diseño de la política del sector de la salud. El ajuste de riesgo define los pagos de capitación que se le hacen a las aseguradoras en salud y determina el riesgo de insolvencia de las mismas. En este estudio comparamos la fórmula usada actualmente por el Ministerio de Salud y Protección Social para determinar el ajuste de riesgo, contra especificaciones alternativas que controlan por factores de riesgo adicionales. Mostramos que la fórmula actual, la cual ajusta los pagos solamente a factores de riesgo demográficos, predice tan solo el 30 % del gasto en el quintil superior de la distribución del gasto. Nuestros resultados muestran que incorporar indicadores de 29 enfermedades de larga duración en un modelo lineal, como el que usa el gobierno, mejora su capacidad predictiva considerablemente. Finalmente, contribuimos a la literatura de ajuste de riesgo a través de la estimación de modelos de aprendizaje de maquinas y mostramos que modelos no param´etricos (e.g., boosting de ´arboles) tienen un mejor desempeño que los modelos lineales, incluso cuando se ajustan sobre un conjunto de regresores más pequeño.

Abstract: During June 2006 a high complexity hospital in Colombia underwent a mouthwash program in critical care patients to reduce the risk of nosocomial pneumonia. In this paper we measure the impact of the program on the probability of developing nosocomial pneumonia using two empirical approaches: machine learning methods to recover counterfactual probabilities assuming the program never went in force and a matching procedure that guarantees patients are comparable in all relevant characteristics. We find that the mouthwash program has reduced significantly the probability of nosocomial pneumonia by almost 100% relative to the observed scenario. We also find that diagnoses such as cancer, hepatic diseases, and neurologic diseases are some of the most relevant risk factors of nosocomial pneumonia.

Abstract: Health care at the Intensive Care Unit (ICU) is both expensive for hospitals and strenuous for doctors. Early detection of risk factors associated to readmissions, mortality, and infections in the ICU, can improve patient care quality and reduce costs in the long-run. In this article we use machine learning techniques to predict those three outcomes using patient-level data of the ICU of a high complexity hospital in Colombia. Our results show that pathologies of the aorta, cancer, neurologic and respiratory diseases as well as invasive procedures such as dialysis, tracheostomy, and bronchoscopy are positively correlated to the probability of readmission, death, and catheter infections in the ICU. The area under the ROC curve for the first outcome ranges between 71 and 74%, for the second between 76 and 81%, and for the third between 88 and 92%. We estimate a model that competes against the APACHE II scoring system and achieve the same predictive power using less information about the patient.

Abstract: Avoidable hospitalizations are a source of increased health expenditures in many health systems. Prolonged length-of-stay is costly for providers, insurers, and patients in the sense it is associated to higher health service consumption and to the development of endangering states during the hospital stay. In this article we use machine learning techniques to predict annual patient length-ofstay in Colombia’s contributory health care system and measure its impact on health costs by estimating the potential cost savings of a hospitalization prevention program. Results from the predictive modeling show tree-based methods outperform linear approximations and achieve lower error rates out-of-sample compared to several international efforts made in the same predictive task as the Heritage Health Prize. We also show a prevention program where patient intervention is decided upon the predictions of the model can achieve significant cost savings relative to the best uniform policy among intervening all patients or not intervening them, for program efficacies greater than 20% and intervention costs per patient ranging between 20,000 and 100,000 pesos

Abstract: Defining optimal capital requirements for health insurers is a matter of interest for policy-makers. They determine the insolvency probability of health insurers and the minimum number of enrolees in order to keep insolvency under control. In this paper we develop a methodology for estimating the expected loss per health insurer after considering their specific risk profile and the capitation formula with which they are paid. We assume the expected loss follows a normal distribution within risk pools consisting of a unique combination of long-term disease, age, gender, and location, and then define the minimum capital requirement as the 1st quantile of the loss distribution. An application is made for insurers in the statutory health care system of Colombia. Our results show that under normal expenditures with ex-ante morbidity risk adjustment using long-term disease groups, if capitation payments were conditional on long-term diseases too, riskier insurers should have significantly higher capital requirements compared to those generated by the current government capitation formula, which reimburses only on demographic variables, while less risky insurers should have lower capital requirements.

Resumen: La definición de los requerimientos patrimoniales de las aseguradoras en salud es un tema de interés para los hacedores de política. Estos requerimientos definen la probabilidad de insolvencia y la cantidad mínima de afiliados que deben tener las aseguradoras para controlar el riesgo de insolvencia del sistema. En este artículo desarrollamos una metodología para estimar la pérdida esperada de las aseguradoras considerando su perfil específico de riesgo y la fórmula con la que se calculan los pagos de capitación. Asumimos que la pérdida esperada sigue una distribución normal dentro de unos grupos de riesgo definidos por la combinación única de sexo, ubicación, grupo de edad, y enfermedad de larga duración, y luego definimos el patrimonio óptimo como el primer percentil de la distribución de pérdida. Hacemos una aplicación a las aseguradoras del régimen contributivo del sistema de salud colombiano. Nuestros resultados muestran que si se aproxima el gasto en salud con una distribución normal que condiciona exante por morbilidad usando los grupos de enfermedades de larga duración y los pagos de capitación también se condicionan a la morbilidad, las aseguradoras más riesgosas tendrían patrimonios óptimos significativamente más altos que los que genera el ajuste de riesgo actual del gobierno, el cual condiciona los pagos de capitación solo a variables demográficas; mientras que las aseguradoras menos riesgosas deberían tener patrimonios óptimos mucho más bajos que los que genera el ajuste actual.

Abstract: The Colombian health system has two main types of agents: the insurers and the service providers, which interact with each other through bilateral contracts. The types of contracts that these agents can write is restricted to a limited menu established by the regulator. The two most prevalent types of contract in the data are, by far, capitation contracts and fee-forservice contracts, which distribute risk and incentives dierentially across both parties. We use a detailed data set of services and payments of all insurers and service providers at the individual user level to study the determinants of contract choice and their eect on health outcomes of a large sample of patients with chronic diseases. We focus on patients who are identical at the type of diagnosis, except for the contract type under which they are served, and show that capitation contracts are strongly correlated with lower rates of return to emergency care and lower rates of reincidence, compared with fee-for-service contracts. Both types of contracts lead to statistically dierent treatment paths. These results are consistent with contract theory and the economics of asymmetric information. Moreover, we show that the contract type depends on the market power of insurers and providers as predicted by a bargaining model. More generally, the results highlight the relevance of vertical contracts for the performance of health systems.

Resumen: En este artículo se estudian los tipos de contrato entre las aseguradoras y los prestadores de servicios de salud en Colombia. Específicamente, se estudia su relación con los resultados de salud de sus usuarios a partir de una base de datos que contiene el universo de usuarios del sistema contributivo de salud colombiano. Los dos tipos de contratos más prevalentes en los datos son los contratos de capitación y de pago por servicios, que distribuyen el riesgo y los incentivos de forma opuesta entre la aseguradora y el prestador del servicio. El análisis estadístico muestra que los contratos de capitación están asociados con menores tasas de retorno a urgencias y con menores tasas de recaída que los contratos de prestación de servicios, lo cual es consistente con la teoría de contratos con información asimétrica. Adicionalmente, hay evidencia de que el poder de mercado de la aseguradora o el prestador de servicio está asociado con la elección del tipo de contrato.

Resumen: En este artículo se estudian los tipos de contrato entre las aseguradoras y los prestadores de servicios de salud en Colombia. Específicamente, se estudia su relación con los resultados de salud de sus usuarios a partir de una base de datos que contiene el universo de usuarios del sistema contributivo de salud colombiano. Los dos tipos de contratos más prevalentes en los datos son los contratos de capitación y de pago por servicios, que distribuyen el riesgo y los incentivos de forma opuesta entre la aseguradora y el prestador del servicio. El análisis estadístico muestra que los contratos de capitación están asociados con menores tasas de retorno a urgencias y con menores tasas de recaída que los contratos de prestación de servicios, lo cual es consistente con la teoría de contratos con información asimétrica. Adicionalmente, hay evidencia de que el poder de mercado de la aseguradora o el prestador de servicio está asociado con la elección del tipo de contrato.

Resumen: Introducimos nuevos grupos de riesgo a una fórmula de capitación estándar y evaluamos los incentivos a la selección de riesgos de los aseguradoras. El estudio usa una base de datos única de 24 millones de afiliados al sistema de seguridad social en salud obligatorio de Colombia. La base de datos es muy rica en el sentido de reportar todas las reclamaciones durante el 2010, variables demograficas básicas, código de diagnóstico inicial, servicios de salud, medicamentos, etc. ´Esta consiste de más de 300 millones de reclamaciones. En este artículo construimos dos grupos relacionados de diagnóstico: una adaptación del algoritmo 3M y unos grupos ad hoc construidos por los autores. En general los resultados muestran una notable mejora, con respecto a la fórmula actual de ajuste de riesgo en Colombia, en el poder explicativo del gasto en salud de utilizar los grupos de diagnóstico de los autores. Con estos nuevos grupos el R2 del modelo es 13,53% en comparación con el 1,45% de la fórmula actual. Más aún, para los usuarios del sistema con gastos en el quintil más alto, el gasto esperado es el 71% del gasto observado, en compracion al 27% bajo la fórmula actual. Esto sugiere que existe bastante espacio para mejorar la fórmula de capitación actual en Colombia usando información actualmente disponible para el Ministerio de Salud y protección Social.

Resumen: En este trabajo evaluamos, en términos de eficiencia y selección de riesgos, cuatro mecanismos de ajuste de riesgo compartido. Riesgo compartido de costos atípicos, riesgo compartido proporcional, riesgos compartidos de costos altos y riesgos compartidos de riesgos altos. Nuestros resultados sugieren que los mejores mecanismos en términos de los incentivos que generan a la eficiencia y selección de riesgos, son los mecanismos de riesgos compartidos de costos altos y riesgos compartidos de riesgos altos. En general, el mecanismo de riesgos compartidos de costos atípicos tiene el peor desempeño. Nuestros resultados son robustos a diferentes formas de pago ex ante o, incentivos estimados utilizando los costos y beneficios esperados de las aseguradoras. El caso más realista que consideramos es uno en el que las aseguradoras basan sus acciones en los reembolsos y costos esperados como su mejor fuente de información para ponderar sus incentivos a la eficiencia y selección. En este caso encontramos que el mecanismo de riesgo compartidos de los más riesgosos domina a todos lo demás mecanismos.

Resumen: En este artículo se estima el costo esperado del nuevo plan de beneficios en salud. El análisis parte de la base de que al disminuir las barreras para la reclamación de servicios que en la actualidad se consideran por fuera del POS, denominados aquí No POS, habrá una recomposición de la demanda por servicios de salud entre el POS y No POS. La aproximación metodológica utilizada consiste en la estimación de un modelo de elección discreta que con base en las elecciones observadas de reclamaciones y consumo de servicios POS y No POS a nivel individual, permite estimar las preferencias reveladas de los individuos. De esta forma también se puede hacer un análisis de la variación en el bienestar de los individuo antes y después de la reforma. Puesto que el modelo se estima por grupo de riesgo (grupo de edad, sexo y alguna entre 27 grupos de enfermedades de larga duración o crónicas, o la ausencia de ´estas) es posible estimar los cambios en bienestar por grupo de riesgo. Los resultados muestran que en promedio el aumento esperado en el costo del nuevo plan de beneficios es del 16 % con respecto al costo actual (POS más No POS), con una desviación estándar de 7,10 % entre los grupos de riesgo. Sin embargo, el excedente del consumidor es en promedio 5,73 veces por unidad adicional del gasto. Esto sugiere que el nuevo plan es muy eficaz en generar bienestar por unidad adicional del gasto. Los resultados también identifican los grupos de riesgo que más costaran, más aumentará su bienestar y para los cuales el aumento en bienestar por unidad de gasto adicional es más alto. Este trabajo es muy preliminar pero sienta las bases de una aproximación rigurosa a un problema complejo de construcción de un escenario, post reforma, que aún no se ha observado (escenario contrafactual). Adicionalmente, a diferencia de un modelo de elección discreta estándar, el análisis realizado presenta complicaciones adicionales porque no es posible observar las elecciones de todos los individuos de las diferentes alternativas de elección que aquí se consideran (por ejemplo, no observamos la elección de servicios No POS de individuos que ´únicamente han elegido servicios POS). Por lo tanto, es necesario hacer algunas hipótesis adicionales en comparación con los modelos estándar de elección discreta.

Resumen: Usando la teoría de los contratos óptimos en presencia de información asimétrica, este artículo racionaliza los mecanismos de compensación ex post en los sistemas competitivos de aseguramiento en salud, de manera específica en el caso de Sistema General de Seguridad Social en Salud en Colombia (SGSSS). A la luz de esta teoría se analiza el caso colombiano ejemplificado en la Cuenta de Alto Costo (CAC). El mensaje principal es que, si bien es necesario un mecanismo similar al de la CAC, el mecanismo de redistribución actual está mal diseñado y, por construcción, no es balanceado, característica normativa fundamental de cualquier sistema de redistribución de recursos ex post. Por lo tanto, se propone un mecanismo de redistribución óptimo basado en Barros (2003), con los mismos requerimientos de información actuales, en línea con el objetivo básico de mitigar los incentivos a la selección de riesgos y balanceado. Además, dado que ninguno de los mecanismos anteriores tiene como objetivo premiar o castigar la gestión adecuada de la enfermedad por la que se redistribuye (en este momento únicamente la enfermedad renal crónica estadio cinco), se propone un mecanismo que controla parcialmente por la gestión adecuada de la enfermedad, manteniendo el requisito fundamental de ser balanceado. El artículo concluye con una sugerencia para futuras investigaciones sobre cómo compensar ex post por diferentes enfermedades en perfecta armonía con el mecanismo ex ante de ajuste de riesgos.

Abstract: In Colombia’s healthcare system, most of the health services are provided institutions that hold some contract with insurers, who then report and charge the government with a portion of the total costs. These charges are numerous and a number of opportunities for anomalies may arise. In this article we propose a technique that looks for anomalous data in the healthcare databases through parametric calculations of Cross-Entropy. We draw important ideas from Major (2002) We test the technique with a small portion of the 2010 Colombian dataset and find a number of interesting anomalous reports.

No Comments

Leave a Reply