臨床研究と生命倫理ジャーナル

概要

アカウンタブルケア組織（ACO）のリスク調整モデルを刷新するためのデータ主導型アプローチ

ユビン・パーク、ケビン・バカン、ジェイソン・ピコーネ、ブランドン・シム

アカウンタブル ケア組織 (ACO) には、医療提供者のグループが関与します。これらのグループは自発的に集まり、連携した高品質の医療を、連携した受益者に提供します。メディケアの共有貯蓄プログラムや ACO REACH プログラムなど、多くの ACO は、一般的な出来高払いモデルとは異なる代替支払いモデルに参加できます。これらの代替支払いモデルでは、提供者と支払者が財務リスクを共有し、ACO の財務インセンティブを、総医療費の削減と医療の質の向上という 2 つの目的に合わせます。言い換えれば、ACO は患者の健康を維持し、不必要な入院を防ぐことで利益を得ることができます。ただし、この財務構造を意図どおりに機能させるには、受益者のリスクに比例して償還額を変更するリスク調整 (RA) モデルが必要です。そうしないと、ACO は健康な患者のみを登録する可能性があり、逆選択となります。ほとんどの ACO はこの理由で RA モデルを採用していますが、元の RA 方法論は過去数十年間ほとんど変わっていません。その結果、一部の ACO 参加者は、システムを「操作」する方法、つまり、負うリスクに対して不釣り合いな支払いを受ける方法を見つけました。連邦政府は、無駄を軽減するために、リスク調整済みベンチマークと過去の支出の混合、コーディング強度係数による調整、リスクスコア成長率の上限設定、健康公平インセンティブの組み込みなど、さまざまな調整後メカニズムを追加しました。残念ながら、これらのメカニズムは非線形かつ不連続な方法で互いに積み重なっているため、実際の効果と有効性を解きほぐして評価することが困難です。この論文では、米国で最も成功している ACO の 1 つを運営して得た教訓をまとめ、データ主導のアプローチに基づいて RA モデルを再構築するのに役立ちます。次に、理想的な RA モデルの特徴を概説します。次に、そのような要件に対応する新しいモデルを提案し、非線形かつ不連続なステージングを含む複数ステップのプロセスの必要性を排除します。最後に、このモデルを ACO データに適用し、現在の RA 実装と比較することで実験結果を示します。私たちの実験結果は、データ駆動型アプローチが、R 二乗、カミングの予測尺度、および平均絶対予測誤差で測定されたより優れた予測パフォーマンスを達成できることを示しています。