Nettovirkningerne af en reform af erstatningsansvaret for lægelige fejl og forsømmelser på tab på sygeforsikringer: erfaringerne fra Texas

dec 9, 2021

admin

Hypoteseudvikling

Theori og empirisk dokumentation til dato tyder på, at de indirekte virkninger af erstatningsreformen på sygeforsikringsomkostningerne er tvetydige. Vi udvikler vores hovedhypotese ud fra den antagelse, at risikoen for en retssag om lægelig fejlbehandling påvirker arten af den lægehjælp, der ydes af sundhedsudbydere, og mere generelt markedet for udbydere. Før reformen er en stats lovgivning om forsikring mod lægefejl og unikke demografiske karakteristika forbundet med et niveau af erstatningskrav i forbindelse med lægefejlforsikring, som bl.a. afspejler befolkningens rettighed og sundhedstjenesteydernes ekspertise. Vi antager, at udbydere opfatter deres risiko for at blive sagsøgt for lægeligt fejlskøn på en rationel måde, styret af deres tidligere erfaringer, oplysninger om fejlskønssager, der er anlagt mod andre udbydere, eller omkostningerne ved lægeligt fejlskønsforsikring.Fodnote 8 Hvis man antager, at miljøet for lægeligt fejlskøn påvirker de forventede ansvarsomkostninger, vil der være et incitament for udbydere af lægeligt fejlskøn til at træffe foranstaltninger for at reducere eksponeringen for risiko. F.eks. kan en udbyder, der opfatter en stigning i ansvarseksponeringen, bestille flere prøver til forsikrede patienter, se færre patienter med specifikke sundhedsproblemer eller endog helt forlade det geografiske marked. Disse adfærdsændringer vil medføre en ændring i niveauet af sygesikringserstatninger, og vi kan forvente at finde en signifikant sammenhæng mellem ændringer i det juridiske miljø for lægelige fejlbehandlinger og de tab, som sygesikringsselskaberne har lidt. Da udbyderne imidlertid kan reagere på måder, der enten øger sundhedsudgifterne eller reducerer sundhedsudgifterne, er retningen af denne sammenhæng, når den vurderes samlet set, tvetydig. I det omfang, at ændringer i adfærd i realiteten alle sammen kan ophæve hinanden i det samlede billede, opstiller vi følgende nulhypotese:

H o : En reform, der reducerer erstatningsansvaret på markedet for lægelige fejlbehandlinger, har ingen virkning på niveauet af tab på sygeforsikringsområdet.

Hvis vi er i stand til at forkaste nulhypotesen, så finder vi til fordel for en alternativ hypotese, at en reform af lægelige fejlbehandlinger fører til ændringer i udbydernes adfærd, der øger eller mindsker sygesikringstabene betydeligt. I det omfang udbyderne ikke straks forstår konsekvenserne af reformerne på det tidspunkt, hvor de træder i kraft, kan virkningen på sygeforsikringsmarkedet potentielt være forsinket. Bestræbelser på at overbehandle af defensive årsager vil imidlertid resultere i en stigning i sygesikringstabene, mens bestræbelser på at undgå visse patienter vil resultere i et fald i sygesikringstabene. Vi bemærker, at afvisning af nulhypoteserne også kan skyldes ændringer i udbydernes adfærd, som ikke blot består i at interagere med patienten. Reformerne kunne føre til en udvidelse af antallet af læger i staten og udbuddet af lægehjælp. Reformer af markedet for lægelige fejlbehandlinger kunne også påvirke arten af de renter, som lægerne kræver af sygesikringsselskaberne, og dermed potentielt påvirke sygesikringstabene uden at ændre arten af interaktionen mellem udbyder og patient. Som sådan vil beviser for gyldigheden af vores hypotese ikke evaluere den specifikke karakter af de lægelige fagfolks adfærdsændringer omkring reformer af lægelige fejlbehandlinger, men snarere den endelige virkning af ændringerne på sygesikringstabene.

En undersøgelse af de private sygesikringsselskabers erfaringer i Texas før og efter reformbestræbelserne vedrørende fejlbehandlinger ville give beviser for, om fejlbehandlingsreformer har konsekvenser for sygesikringsmarkederne samt retningen af disse virkninger. Hvis de reformer, der blev vedtaget i Texas, ikke havde nogen virkning på udbydernes adfærd, ville vi forvente, at niveauet af de tab, som Texas’ sygeforsikringsselskaber har lidt, ville være det samme før og efter reformen. Et sådant resultat ville give støtte til vores nulhypotese. Alternativt, hvis reformerne i Texas ændrede lægernes adfærd på en måde, der resulterede i enten højere eller lavere niveauer af sygesikringstab, ville vi forvente, at niveauet af sygesikringstab, som sygesikringsselskaberne i Texas pådrog sig før reformerne, ville være forskelligt fra niveauet efter gennemførelsen af reformerne. Et sådant resultat ville understøtte vores alternative hypotese om, at konsekvenserne af reformerne af lægelige fejlbehandlinger for sygeforsikringen er afledte.

Data

Vi identificerer flere datakilder til at teste vores hypotese. Data om statslige erstatningsretsreformforanstaltninger kommer fra American Tort Reform Association (ATRA) og Database of State Tort Law Reforms . Statslige demografiske data, der tilføjes til analysen med henblik på en yderligere robusthedskontrol, fås fra Centers for Disease Control (CDC) og U.S. Census Bureau. “Sundhedsstatus” er en variabel fra CDC, der angiver den generelle sundhedstilstand i en given stat i et givet år, og som er stigende med et godt helbred. “Dependents” er antallet af personer under 18 år pr. indbygger i en given stat i et givet år. “Kvinder” er den andel af en stats befolkning, der er kvinder i et bestemt år. “Medianindkomst” er medianindkomstniveauet for indbyggerne i en given stat i et givet år. “Arbejdsløshedsprocent” er den andel af en bestemt stats disponible arbejdsstyrke, der ikke er i beskæftigelse i et givet år.

Test af vores hypotese kræver også statsspecifikke data vedrørende tab af sygesikring. Vi bruger forsikringsselskabernes finansielle data fra statssiderne i National Association of Insurance Commissioners (NAIC)’s lovpligtige indgivelser for årene 2001 til 2010.Fodnote 9 Dette datasæt giver den mest komplette og omfattende database over tab på private sygeforsikringer.Fodnote 10 Vi anvender derefter flere filtre på dette rå datasæt for at frasortere forsikringsselskaber, der ikke har et betydeligt forretningsniveau i en given stat.Fodnote 11 Da vi er interesseret i at undersøge, i hvilket omfang sygeforsikringsselskabernes tabsniveau ændrede sig efter Texas-reformen, ville det være uhensigtsmæssigt at medtage selskaber, der træder ind på et statsmarked efter reformen. Hvis forsikringsselskab i ikke opererer i stat j fra 2001 til 2003, fjerner vi derfor denne observation af forsikringsselskab-stat for alle fremtidige år.Fodnote 12

For at teste vores hypotese vedrørende tortreformens indflydelse på tab på sygeforsikringer bruger vi NAIC-data til at beregne tab på sygeforsikringer pr. indskrevet (LPE). Denne variabel er defineret som de samlede sygesikringstab for forsikringsselskab i i staten j i løbet af år t skaleret med det samlede antal sygesikringstilmeldte for forsikringsselskab i i staten j i år t og er ideel til vores analyse, fordi den giver en standardiseret målestok for sygesikringstab, som gør det lettere at sammenligne alle virksomheder.Fodnote 13 I alle tabeller og figurer, der præsenteres i denne analyse, er LPE altid udtrykt som skaleret med 1000 $ for at lette formateringen.

Vores analyse fokuserer på forsikringsselskaber, der opererer i Texas, New Jersey, Colorado og tre yderligere delprøver af stater, der ikke vedtog væsentlige reformer af lægelige fejlbehandlinger i løbet af vores prøveperiode. Tabel 2 indeholder sammenfattende statistikker over sygesikrings-LPE, skaleret med 1 000 USD, for de forsikringsselskaber, der opererer i disse stater fra 2001 til 2010 i 2010-dollar.Fodnote 14 Tabellen viser, at LPE generelt steg i løbet af vores prøveperiode i alle statssamples og antyder, at sundhedsudgifterne generelt er stigende. En sammenfattende inspektion af dataene fra Texas viser især, at forsikringsselskabernes gennemsnitlige LPE steg med ca. 1 000 USD fra begyndelsen til slutningen af vores prøveperiode. Der er dog ikke noget tydeligt brud i denne tendens omkring vedtagelsen af reformerne i Texas, hvilket er i overensstemmelse med vores nulhypotese.

Tabel 2 Tab på sygesikring pr. indskrevet for forskellige stikprøver

Figur 1a – 1f viser den gennemsnitlige LPE og 95 % konfidensintervallet omkring gennemsnittet for de forskellige stikprøver af forsikringsselskaber i vores analyse på tværs af vores stikprøveperiode. Tallene bekræfter vores observationer i de sammenfattende data. Den gradvise opadgående tendens i Texas LPE er let at observere og afspejler med undtagelse af New Jersey i vid udstrækning de tendenser, der er observeret i de andre ikke-reformerende stater. Figuren fremhæver dog en forholdsvis pludselig stigning i LPE i Texas i 2003 – det år, hvor reformerne blev vedtaget – i forhold til 2002. Størrelsen af denne stigning i den gennemsnitlige LPE er på ca. 300 USD og kan tyde på, at reformerne i første omgang havde den virkning, at de øgede sygesikringstab, som Texas-forsikringsselskaberne havde. Vi undersøger denne mulighed nærmere i de efterfølgende afsnit.

Difference-in-differences-analyse

Den dramatiske revision af Texas’ klima for erstatningsansvar for læger i 2003 som følge af vedtagelsen af reformer af lægelige fejlbehandlinger udgør en ideel ramme for at teste vores hypotese ved hjælp af et naturligt eksperimentdesign.Fodnote 15 Hvis, som vores alternative hypotese forudsiger, ændringen i miljøet for lægeligt erstatningsansvar førte til ændringer i den måde, som lægeudbydere opfører sig på sundhedsmarkedet, hvilket i sidste ende førte til ændringer i sygeforsikringstabene, så ville vi ikke forvente, at sygeforsikringstabsniveauet før reformen ville være lig med tabsniveauet efter reformen. Da reformforanstaltningerne kun gælder for det juridiske miljø i Texas efter gennemførelsen af den nye lov, ville vi heller ikke forvente, at den lov, der blev vedtaget i Texas, ville have en indflydelse på forsikringsmarkederne i andre stater før eller efter Texas-reformen. Ved at sammenligne forskellen i niveauet af sygeforsikringstabene i Texas før og efter Texas-reformen med forskellen i niveauet af sygeforsikringstabene før og efter Texas-reformen i en stat, der ikke er berørt af tabene, kan vi derfor isolere den direkte indflydelse af foranstaltningerne til reform af erstatningsretten på sygeforsikringsmarkedet i Texas.

For at gøre DD’en robust, identificerer vi først forsikringsselskaber, der opererer i to forskellige ikke-behandlede stater – New Jersey og Colorado – og udfører to separate DD-analyser. Ingen af de to stater havde større omvæltninger på sygesikringsmarkedet (såsom sygesikringsreformer) i den tid, der gik umiddelbart forud for og efter gennemførelsen af Texas’ erstatningsreformer. Ingen af de to stater vedtog desuden større reformer af forsikringsforsikringen for lægelige fejl og forsømmelser i den periode, hvor Texas’ erstatningsreformer blev gennemført. Det er værd at bemærke, at Colorado havde flere erstatningsretslige reformforanstaltninger på plads før 2003, herunder lofter over ikke-økonomiske skader (vedtaget i 1987), mens New Jersey havde relativt få erstatningsretslige reformforanstaltninger på plads og ingen lofter over ikke-økonomiske skader.

I forlængelse af Paik et al. identificerer vi også tre yderligere ikke-behandlede delprøver, der består af forsikringsselskaber, der opererer i stater, der ikke var berørt af erstatningsretslige reformer i vores prøveperiode. Den første delprøve består af forsikringsselskaber, der opererer i de 41 stater, som ikke vedtog en større erstatningsreform fra 2001 til 2010.Fodnote 16 Den anden delprøve består af forsikringsselskaber, der opererer i de 18 stater, som aldrig vedtog et loft over ikke-økonomiske skader eller samlede skader i prøveperioden.Fodnote 17 Den tredje delprøve består af forsikringsselskaber, der opererer i ni stater, som ikke vedtog et loft over skader, og som, som foreslået af Paik et al. , ligner Texas både geografisk og kulturelt.Fodnote 18 Ved at bruge de samme ikke-behandlede stater som Paik et al. tilføjer vi endnu et element af robusthed til vores sammenligninger af de enkelte stater og giver os mulighed for at overveje deres konklusioner i forbindelse med private sygesikringsmarkeder.Fodnote 19

I teorien indebærer gennemførelsen af DD-analysen en sammenligning af forskellen i den gennemsnitlige LPE for sygesikring mellem forsikringsselskaber, der opererer i Texas, og forsikringsselskaber i de ikke-behandlede stikprøver før ikrafttrædelsen af Texas-reformen. Denne forskel sammenlignes derefter med forskellen i den gennemsnitlige sygeforsikrings-LPE mellem forsikringsselskaber, der opererer i Texas, og forsikringsselskaber i de ikke-behandlede stikprøver efter Texas-reformen. Mens Texas-reformerne trådte i kraft i sidste del af 2003, var det første hele år, hvor de blev gennemført, 2004. Som følge heraf tager vores DD-analyse hensyn til, hvordan tabene ændrede sig i 2004 og fremefter i forhold til 2003 og tidligere.

I praksis gennemføres DD-analysen ved hjælp af en regressionsramme.Fodnote 20 Vi estimerer flere unikke modelspecifikationer, der har den generelle form af følgende OLS-model:

$$ {LPE}_{it}=a+{\beta}_1{Treat}_{it}+{\beta}_2\mathit{\operatorname{Re}}{form}_t+{\beta}_3{Treat}_{it}\ast \mathit{\operatorname{Re}}}{form}_t+{\varepsilon}_{it} $$ $$

(1)

hvor.

Treat = en dummyvariabel, der angiver, at forsikringsselskab i er medlem af behandlingsgruppen i år t, og som opfanger forskelle mellem behandlings- og kontrolgruppen. I vores analyse er Treat lig med 1 for forsikringsselskaber, der opererer i Texas, og 0 for forsikringsselskaber, der opererer i de andre ikke-behandlede stater, der er beskrevet tidligere;

Reform = en dummy-variabel lig med 1, hvis året er større end eller lig med 2004, og 0, hvis året er mindre end 2004; og.

Treat*Reform = en dummy-variabel lig med 1 for forsikringsselskaber, der er medlemmer af behandlingsgruppen i årene efter vedtagelsen af erstatningsretsreformerne.

Koefficienten på Treat*Reform, β 3, er DD-estimatoren. Formally,

$$ {\beta}_3=\left({\overline{LPE}}_{Treat=1,\mathit{\operatorname{Re}} form=1}-{\overline{LPE}}_{Treat=1,\mathit{\operatorname{Re}} form=0}\right)-\left({\overline{LPE}}_{Treat=0,\mathit{\operatorname{Re}} form=1}-{\overline{LPE}}_{Treat=0,\mathit{\operatorname{Re}} form=0}\right). $$$

Den numeriske værdi af denne koefficient er forskellen i forskellene mellem den gennemsnitlige sygesikrings-LPE i Texas og i kontrolstaten før og efter gennemførelsen af reformerne. t-testen af koefficienten angiver, om forskellen-i-forskellen-estimatet er statistisk signifikant. En statistisk insignifikant β 3 ville forhindre os i at forkaste nulhypotesen om, at reformerne i Texas påvirkede lægernes adfærd på en måde, der smittede af på sygesikringsmarkedet. En statistisk signifikant og positiv (negativ) β 3 ville give støtte til vores alternative hypotese om, at vedtagelsen af Texas’ erstatningsretsreformer påvirkede lægernes adfærd på en måde, som samlet set øgede (mindskede) tabene på sygesikringsmarkedet.

Difference-in-difference-in-differences-analyse

I et forsøg på at give yderligere beviser for gyldigheden af vores hypotese anvender vi en difference-in-difference-in-differences-analyse (DDD), hvor vi som en yderligere kontrolgruppe medtager en undergruppe af forsikringsselskaber, der opererer inden for forretningsområder, der ikke er relateret til markederne for sygeforsikring eller lægeligt fejlskadesikring. DDD-analysens identifikationsantagelser er mere robuste end DD-analysens og bidrager til at bekræfte resultaterne i det foregående afsnit. Navnlig kontrollerer en DDD-strategi for den potentielt forvirrende tendens til ændringer i sygeforsikringstab over tid, som ikke er relateret til reformen af lægelige fejlbehandlingerFodnote 21 og kontrollerer også for de forvirrende virkninger af statsspecifikke faktorer, der påvirker forsikringstab generelt. Som sådan forbedrer DDD-rammen manglerne ved DD-analysen ved at kontrollere for et bredt sæt andre påvirkninger. Hvis vores resultater er robuste over for en DDD-analyse, ville det antyde, at vores resultater ikke skyldes en falsk udvikling i statens sygesikringsmiljø.

For at gennemføre DDD’en vælger vi som den yderligere kontrolgruppe et understikprøve af forsikringsselskaber, der opererer inden for fysisk skadeforsikring af personbiler i Texas, New Jersey, Colorado og de tre delprøver med flere stater, der er identificeret af Paik et al. .Fodnote 22 Vi kvantificerer de tab, som disse forsikringsselskaber har lidt i de pågældende stater, som tab pr. bil (LPA), beregnet som størrelsen af de fysiske skader på personbiler, som forsikringsselskab i har lidt i stat j i løbet af år t, skaleret med et vægtet mål for antallet af biler, der er forsikret af forsikringsselskab i i stat j i løbet af år t.Fodnote 23 Vi sammenligner derefter forskellen i forskellene mellem LPE og LPA i Texas før og efter Texas’ erstatningsretsreform med forskellen i forskellene mellem LPE og LPA i kontrolstaten(erne) før og efter Texas’ erstatningsretsreform.

I praksis gennemføres DDD-analysen ved hjælp af en regressionsramme. Vi estimerer flere unikke modelspecifikationer, der har den generelle form af følgende OLS-model:

$$$ {Losses}_{it}={a}_i+{\beta}_1 Treat+{\beta}_1 Treat+{\beta}_2 Control+{\beta}_3 Treat\ast Control+{\beta}_4\mathit{\operatorname{Re}} form+{\beta}_5 Treat\ast \mathit{\operatorname{Re}} form+{\beta}_6 Control\ast \mathit{\operatorname{Re}} form+{\beta}_7 Treat+ Control\ast \mathit{\operatorname{Re}} form+{\varepsilon}_{it} $$

(2)

hvor.

Tab = forsikringsselskab i’s LPE, hvis forsikringsselskabet er et sygeforsikringsselskab, eller forsikringsselskab i’s LPA, hvis forsikringsselskabet er et bilforsikringsselskab i en given stat i et givet år;

Behandle = en dummy-variabel, der angiver, at forsikringsselskabet i er medlem af behandlingsgruppen i år t, og som fanger forskelle mellem behandlings- og kontrolgruppen. I vores analyse er Treat lig med 1 for forsikringsselskaber, der opererer i Texas, og 0 for forsikringsselskaber, der opererer i de andre stater, der er beskrevet tidligere;

Kontrol = en dummyvariabel, der angiver, at forsikringsselskabet i er et sygeforsikringsselskab i år t, og som indfanger de virkninger, som forsikringsmarkedet generelt kan have på niveauet af sygesikringstab. I vores analyse er Control lig med 1, hvis forsikringsselskabet opererer inden for sygesikringsbranchen og lig med 0, hvis forsikringsselskabet opererer inden for bilforsikringsbranchen i en given stat i et givet år;

Reform = en dummy-variabel lig med 1, hvis året er større end eller lig med 2004, og 0, hvis året er mindre end 2004; og.

Treat*Control*Reform = en dummyvariabel lig med 1, hvis forsikringsselskabet i er et sygeforsikringsselskab, der opererer i en ikke-behandlet stat i år 2004 eller senere.

Koefficienten på Treat*Control*Reform, β 7, er difference-in-differences-in-differences-estimatoren. Den numeriske værdi af denne koefficient er forskellen i forskellene i forskellene i forskellene af den gennemsnitlige LPE og LPA i Texas og kontrolstaten før og efter gennemførelsen af reformerne. t-testen af koefficienten viser, om DDD er statistisk signifikant. En statistisk insignifikant β 7 ville forhindre os i at forkaste nulhypotesen om, at reformerne i Texas påvirkede lægernes adfærd på en måde, der smittede af på sygesikringsmarkedet. En statistisk signifikant og positiv (negativ) β 7 ville give støtte til vores alternative hypotese om, at vedtagelsen af Texas’ erstatningsretsreformer påvirkede lægernes adfærd på en måde, som samlet set øgede (mindskede) tabene på sygesikringsmarkedet.