美國民眾有多討厭保險公司?為了利潤最大化壓縮理賠,病患委屈憤怒只能肚裡吞

美國第二大健康保險企業「聯合健康」(UnitedHealthcare)總部。(美聯社)

聯合健康保險公司執行長布萊恩・湯普森(Brian Thompson)上週在紐約街頭遭到暗殺身亡,面對如此惡劣的行徑,美國社群上卻有不少網友選擇支持兇手,不只追蹤其社群帳號,甚至還引發部份民眾歡呼,讓外界非常好奇、究竟背後是有多大仇恨或不滿,才會讓這樁謀殺案就此變味?

網路媒體Vox日前專訪健康產業記者赫爾曼(Bob Herman),他過去曾深入調查過聯合健康保險多次,更對整個美國醫療體系與保險的第一線非常了解。當他被問到有部份人群、竟然慶祝這起謀殺案發生時,赫爾曼表示、雖然這是個非常反社會且病態的行為,但只要親身經歷過或曾在該領域工作的人,應該都能理解一般民眾這種反應,畢竟人們對這個系統早已不滿許久,這並不是什麼新鮮事。就算是俗稱歐巴馬健保的《平價醫療法》(Affordable Care Act)也不例外,這種厭惡情緒一直累積延續至今。

當被聯合健康保險之所以「惹人厭」時,赫爾曼表示,身為美國最大的健康保險公司,聯合健康保險涉及最多人群,以及比其他企業更廣泛且多樣的保險計畫,在全國範圍內絕對是最具影響力的一家,你基本無法繞過或忽視其存在。

但當你以為持有如此大型保險公司的計劃,他們能為你談到更好的醫療費率時,接下來就會開始一連串的失望和憤怒。畢竟聯合健康保險本質上是一家需要賺錢的保險公司,這意味著他們也會否決或延遲理賠,牟利最簡單方式、就是盡量少支付理賠金。赫爾曼提到的「否決」(deny)與「延遲」(delay)兩個詞彙,正好也出現在槍手子彈刻下的3個詞彙中,隨即引起Vox主持人好奇心。

美國大型健康保險企業「聯合健康」現任執行長湯普森(右)在紐約曼哈頓遭槍手暗殺身亡。(美聯社)
美國大型健康保險企業「聯合健康」現任執行長湯普森(右)在紐約曼哈頓遭槍手暗殺身亡。(美聯社)

赫爾曼舉了自己過去在調查,老年人的聯邦醫療保險優勢計劃(Medicare Advantage)時,整理與發現的實際情況為例,他表示、聯合健康保險會運用演算法、預測工具和人工智慧(AI)科技,專門加強對病患出院後的護理服務、也就是否決「術後照護」(post-acute care)的理賠。

舉例來說,假設某人住院、醫院認為病患準備接受物理治療、職能治療或語言治療,準備將他們轉到護理之家進行下一階段。而聯合健康保險會在此時啟用一個名為「NaviHealth」的工具,這是一個公司內部演算法,根據病患的年齡、健康狀況和病史等數據,預測他們需要「待多長時間」。這個系統給出的標準,往往就是保險理賠最大極限,就算病患到了那一天仍無法正常活動,系統依然會要求他離開,讓其家屬陷入兩難:要麼自掏腰包、讓親人繼續待在康復中心接受護理治療,不然就得將他們接回家自行照顧,這可能引發更嚴重的後果。

許多人往往在最後一刻或關鍵做決定之際,才得到保險公司通知,表示理賠期限已滿、或是不對特定手術或藥物進行理賠的回應,這類回覆基本上都會讓病患與家屬陷入憤怒情緒,而身為最大保險公司的聯合健康保險,就經常在收取高額保費後,對手術、藥物或護理需求提出理賠否決,讓民眾感到無助和憤怒。

由美國聯邦政府營運的HealthCare.gov網站,提醒民眾選購保險應該覆蓋的10種項目。(翻攝自官方粉專)
由美國聯邦政府營運的HealthCare.gov網站,提醒民眾選購保險應該覆蓋的10種項目。(翻攝自官方粉專)

赫爾曼表示,他們過去關注的調查報導中,專門針對年長者族群的醫療保險,這群受制於保險公司的群體,往往是最年長、最虛弱、通常也是最貧困的群體,他們經常根本不知道這一切是如何發生的。就算哪天知道真相,即使想提起申訴尋求理賠,那段極其繁瑣的過程,並不是拖著病體的長者或其家人能應付的,最終只能默默把不合理吞下肚。 (相關報導: 醫療保險高管被當街槍殺,卻引來網友大開嘲諷?紐時解析:保險業在美國為何引發眾怒 更多文章

被問到只有聯合健康保險存在這類問題時,赫爾曼坦言、這類資訊不對等所造成的不公平,已經是美國社會的系統性大問題,聯合健康保險之所以成為攻擊與批判焦點,是因為他們是全美最大的保險公司,而且是很多上班族擁有的保險提供者。其實美國本土其他大型保險公司,例如信諾(Cigna)、Aetna人壽與哈門那(Humana),以及各州的藍十字藍盾協會(Blue Cross Blue Shield)計劃,也有類似問題存在。

「這就是美國健康保險的運作方式,特別是那些上市的保險公司。他們有責任為股東賺錢,減少理賠支出就是其中一種手段。每次保險公司財報會議上,最受關注的數據,就是所謂的「醫療損失率」(medical loss ratio)、支付醫療費用的保費比例。在投資人眼中,這個數字當然愈低愈好。如果高於預期,華爾街會非常緊張。這一切關聯性就能說明很多根本問題。」