Subscriber continuity in health insurance plans: factors associated with re-enrollment and coverage changes
Notice bibliographique
Résumé
Aims: This study examined the extent to which Marketplace health insurance subscribers re-enroll a second year. Among re-enrollees, we sought to examine movement to more and less generous insurance plans (based on actuarial value), and the extent to which adverse selection, adverse retention, and aging in place are evident from re-enrollment choices made. Methods: Re-enrollment from 2015 to 2016 and 2016 to 2017 and movement to more and less generous insurance plans was examined using enrollment and insurance claims data from two US Federally-facilitated Marketplace insurance carriers operating in the state of New Mexico for 2015–2017. Insurance plans are assigned to metal levels based on estimated plan actuarial value: Bronze (60%), Silver (70%), and Gold (80%). Odds ratios (ORs) and 95% confidence intervals (OR CI) were estimated using logistic regressions for subscribers with base-year healthcare utilization. ORs were estimated for (1) re-enrollment in the year following the base year, and (2) movement to a higher or lower actuarial value plan. Results: Approximately 50% of subscribers re-enrolled with the same carrier for 2016 and 60% for 2017. Being enrolled 12 months was the strongest predictor for second year re-enrollment. Older individuals were more likely to re-enroll. Re-enrollment was lower for the insurance carrier with higher second year premium changes. Chronic condition utilization characteristics were positively associated with re-enrollment. Approximately 12% of Bronze subscribers moved to Silver or Gold, and had higher utilization after re-enrollment. Among Silver subscribers, 6% moved to Gold and 6% to Bronze. Approximately 37% of Gold subscribers moved to Silver or Bronze. Discussion: Re-enrollment was similar to published non-group insurance rates. Adverse selection and aging in place were observed. Evidence was weak for adverse retention. Some coverage change choices were rational, while others suggest subscribers may have difficulty making insurance choice decisions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».