Risk Adjustment Revisited using Machine Learning Techniques

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.

Ajuste por riesgo para el cálculo de la UPC en Colombia: ajuste desde las variables de estado de salud para las aseguradoras colombianas

“…El modelo de cálculo de la UPC que se desea estimar se basa en el trabajo de Riascos et al (2017), quienes describen el modelo de gasto como la regresión que explica el gasto anual del afiliado i durante el año t, calculado como la suma del costo de todos los servicios durante un año completo, donde es el número de días de afiliación. De esta forma, el gasto anual en salud de cada afiliado i está representado en la ecuación 6:…”

“…= 360 (6) Por otro lado, la fórmula de ajuste por riesgo actual, utilizada por el Estado, estima, con base en los registros de un año t, la predicción del gasto anual para el año t+2 (Riascos et al, 2017), representada en la ecuación 7:…”

“…Que, de acuerdo con Riascos et al (2017), es equivalente al valor global para la UPC definida por el Minsalud, en la ecuación 9:…”

“…La primera regresión se considerará como el caso base, entendida como la fórmula actual del Gobierno. Para esto se utilizará una regresión lineal ponderada, que toma la siguiente forma, sugerida por Riascos et al (2017):…”

“…Para comparar los modelos se utilizarán las siguientes medidas, usadas en los trabajos deRiascos et al (2017) yRiascos & Vargas (2014):…”