非线性报销规则在预防性与治疗性医疗保健中的优化设计与激励机制研究

这篇研究由Toulouse经济学院的Helmuth Cremer和Jean-Marie Lozachmeur撰写，探讨了预防性（secondary prevention）和治疗性医疗（curative care）的非线性报销规则设计。文章突破传统线性报销（linear reimbursement）假设，提出在信息不对称（asymmetric information）下，最优保险方案应通过激励相容（incentive-compatible）机制减少道德风险（moral hazard），并引入纠偏（Pigouvian）项应对预防效果误判。研究为医保政策优化提供了理论框架。

　　

Highlight

本研究聚焦预防性与治疗性医疗的非线性报销规则设计，突破传统线性政策的局限性。当疾病严重程度（θ）不可观测时，最优保险方案需通过报销金额与医疗支出的正向关联来降低信息租金（informational rents）。

Solution under asymmetric information

在信息不对称（asymmetric information）下，扁平化报销方案无法实施——健康个体会伪装成重症患者。研究发现，最优报销应随预防性支出（e）和治疗性支出（m(θ)）递增：

1. 1.

   治疗性支出能有效区分健康状态，减少高θ个体的信息租金

2. 2.

   预防性支出通过双重机制影响激励约束：

   • •

     对重症患者效果更显著（θ越高，预防效果^?u/?e越强）

   • •

     重症患者收入边际效用更低，预防支出对其效用冲击更弱

Misperception

当个体低估预防效果时，模型引入"纠偏项"（Pigouvian term）调整边际报销率。这种误判常见于疫苗接种等场景，政策需兼顾信息矫正与激励设计。

Conclusion

非线性报销规则能突破线性政策的替代性限制，无论预防与治疗是互补还是替代关系，两者都应获得边际补贴。该框架为医保政策优化提供了新范式。

（注：翻译保留原文技术符号如θ/m(θ)/^?u/?e，专业术语采用"预防性（secondary prevention）"等双语标注形式，并通过"伪装成重症患者"等拟人化表述增强可读性）