abstrak

Dengan menggunakan model perilaku pemilahan Roy, saya mempelajari implikasi kesejahteraan untuk belajar tentang kualitas perawatan medis melalui infrastruktur produksi data perawatan kesehatan saat ini yang bergantung pada ajakan subyek penelitian. Karena masalah seleksi yang buruk, saya
menunjukkan bahwa pembelajaran semacam itu bisa menjadi bias dan penurunan kesejahteraan. Diversifikasi langsung penerimaan pengobatan dapat memecahkan masalah ini namun tidak layak dilakukan. Menyatukan pekerjaan Manski dengan pilihan pengobatan terdiversifikasi di bawah ambiguitas dan
karya Heckman dalam memperkirakan efek pengobatan heterogen, saya mengusulkan sebuah infrastruktur baru berdasarkan diversifikasi sementara akses yang menyelesaikan masalah sebelumnya dan dapat mengidentifikasi heterogenitas efek yang bernuansa.

© 2015 Elsevier BV Semua hak dilindungi undang-undang

Salah satu tantangan mendasar dalam pasar perawatan kesehatan adalah kurangnya informasi tentang kualitas perawatan medis dan teknologi-nology (Arrow, 1963). Informasi tentang kualitas produk medis biasanya dihasilkan dengan menggunakan mekanisme
'pembelajaran dengan cara' buatan dimana sekelompok individu yang dipilih diizinkan untuk mengkonsumsi produk medis alternatif (misalnya dengan menggunakan rancangan statistik stan-dard, seperti penetapan acak dari pasien terhadap produk). Kebijaksanaan
dari pengalaman mereka disebarluaskan ke orang lain, yang akan menghadapi pilihan penggunaan produk medis ini dalam waktu dekat, dan untuk memberi tahu pembuat keputusan lainnya, yang kebijakan sosial perangkat akses 2. Sebagian besar pemangku
kepentingan publik dan swasta yang terlibat dalam produksi data dengan sinyal medis telah menggunakan mekanisme tersebut. Baru-baru ini, investasi publik yang besar dibuat di Amerika Serikat, di bawah payung istilah “perbandingan efektivitas penelitian” (CER)
dan hasil berpusat pada pasien penelitian (PCOR) 3, untuk memfasilitasi produksi data seperti pada teknologi pengobatan alternatif yang saat ini sedang digunakan dalam praktek klinis, meskipun dengan pengetahuan yang tidak lengkap tentang kualitas komparatif
mereka 4.

Dalam makalah ini, menggunakan model Roy sederhana (Roy, 1951) memilah perilaku, saya membuktikan bahwa, ketika efek pengobatan incremental het-erogeneous di pasien yang memiliki akses ke perawatan ini dalam asuransi, infrastruktur produksi data untuk
kualitas medis komparatif yang Bergantung pada meminta partisipasi sukarela subjek gagal untuk mengidentifikasi parameter efek pengobatan yang dapat ditafsirkan. Oleh karena itu, bukti yang dihasilkan melalui proses ini gagal untuk menginformasikan, obyektif,
baik individu pasien pada penggunaan perawatan medis yang optimal atau perusahaan asuransi sosial pada asuransi perawatan medis yang optimal 5.

Sayangnya, infrastruktur produksi data semacam itu dan telah menjadi norma penelitian klinis acak CER (RCT). Ada banyak contoh kegagalan dalam literatur tersebut. Misalnya, Ioannidis dan Lau (1997) menunjukkan bahwa pada human immunodeficiency uji
coba dan uji coba magnesium yang terkait dengan virus pada infark miokard akut, bila manfaat atau toksisitas dari pengobatan bervariasi dengan risiko awal pada setiap pasien, efek pengobatannya dapat sangat berbeda pada populasi dengan representasi yang berbeda
dari rendah dan rendah. -risk pasien. Saya menunjukkan bahwa representasi diferensial seperti populasi dalam percobaan dapat didorong lebih menyenangkan oleh perilaku pasien dan dokter dan oleh karena itu masalah interpretasi hasil uji coba bersifat sistemik.

Implikasi dari temuan ini adalah substansial. Informasi yang berkualitas com-parative lengkap yang dihasilkan oleh penelitian CER RCT memiliki potensi untuk menyesatkan pilihan pengobatan sejak ex-ante percep-tion manfaat tidak bertepatan dengan ex-post
akrual yang sama, mengakibatkan kerugian kesejahteraan (Basu, 2011). Inefisiensi tersebut dalam pilihan produk medis juga dapat menonjolkan inefisiensi karena moral hazard yang berasal dari asuransi kesehatan (Arrow, 1963; Pauly, 1968), menerjemahkan ke premi
yang lebih tinggi dan perlindungan kurang terhadap risiko, baik kompetitif dan non-kompetitif pasar asuransi (Basu, 2011). Dalam tulisan ini, saya berfokus untuk memahami mengapa infrastruktur produksi data saat ini mengarah pada informasi yang tidak lengkap.

Aku mulai di bagian depan dengan kami menargetkan parameter yang ideal dalam penilaian CER; orang-orang yang kita inginkan untuk mendapatkan rekomendasi dalam rangka untuk memandu keputusan di tingkat sosial. Dalam Sec-tions 2 dan 3, Saya menyoroti
Infrastruktur Produksi Data sebelumnya Saat ini Dan membuktikan mengapa Hal ITU akan menghasilkan information Yang TIDAK Lengkap. Saya menerapkan implikasi untuk ketidaklengkapannya pada keputusan keputusan dan kesejahteraan. Di bagian 4, Saya
MEMPERKENALKAN Kerangka kerja baru untuk review Produksi Data Yang pengerjaannya efisien DAPAT menyelesaikan Bias Yang melekat hearts Infrastruktur Produksi Data sebelumnya Saat ini DENGAN using Diversifikasi AKSes untuk review MEMBUAT Saluran
untuk review belajar TENTANG parameter Efek bermakna Dan Pengambilan relevan. Karya Penyanyi menyatukan doa tema gede hearts literatur ekonometrik, Yang didasarkan PADA kerja Manski PADA PILIHAN Pengobatan Di Bawah ambiguitas (Manski, 2000, 2004,
2009) Yang memanfaatkan concept Diversifikasi Pengobatan dan yang lainnya berdasarkan Heckman, Vytlacil Dan karya orangutan lain di memperkirakan Efek Pengobatan het-erogeneous (Heckman, 1997, 2001; Heckman Dan Vytlacil, 1999, 2001; Heckman et al.,
2006). Saya menunjukkan bagaimana ini frame-kerja dapat membantu mengatasi inefisiensi di pasar perawatan kesehatan yang berasal dari informasi yang tidak lengkap.

1. Mendefinisikan efek rata - rata penduduk sebenarnya dari pengobatan

Mari kita mulai dengan masalah untuk mengevaluasi keefektifan komparatif pengobatan baru (disetujui) dibandingkan dengan a

kontrol / pengobatan standar untuk populasi pasien N yang diindeks oleh i. Perlakuan standar mungkin juga termasuk opsi tidak melakukan apa-apa. Biarkan tingkat individu efek pengobatan yang benar mewakili bene-cocok (bersih dari bahaya) dari pengobatan baru
atas kontrol dan dilambangkan dengan b i. Biarkan p menunjukkan harga pengobatan baru, yang juga merupakan biaya marjinal untuk pembuatan pengobatan baru 6.

Pasien adalah anggota kelas risiko ˝, ˝ = 1,2, .k; k ≤ N, yang menentukan heterogenitas efek pengobatan seluruh individu melalui fungsi produksi:
b i =˛ k × I (˝ i = k) (1)
k

di mana saya () adalah fungsi indikator dan ˛ k ditafsirkan sebagai efek perbandingan sebenarnya dari pengobatan baru selama pengobatan standar di kelas risiko k. Anggaplah bahwa efek komparatif ini diungkapkan dalam istilah moneter. Yang merupakan unit
efektivitas dikalikan dengan beberapa ambang batas yang telah ditetapkan mewakili nilai moneter dari unit marjinal manfaat 7.

Parameter efek rata-rata tingkat populasi diberikan sebagai

= Pr (˝ = k) × ˛ k (2)
k

Ada dua jenis pembuat keputusan, (1) dokter pasien diad, yang akan saya sebut sebagai pengambil keputusan individual, diasumsikan selalu memiliki pengetahuan tentang kelas risiko mereka; dan (2) perencana atau perencana sosial yang menentukan tingkat
coinsurance untuk menyediakan cakupan asuransi kesehatan untuk perawatan baru tersebut.