27 août 2024
La Loi sur la parité en santé mentale et l’équité en matière de dépendance (MHPAEA) a été conçue pour légiférer un objectif crucial : l’égalité de traitement des prestations pour les troubles de la santé mentale et des troubles liés à l’usage de substances (MH/SUD). Mais comme nous l’avons discuté — le diable réside dans les détails, particulièrement en ce qui concerne les tests de limitations non quantitatives au traitement (NQTL). Bien que le concept de parité semble simple, mener les analyses comparatives nécessaires pour le prouver est tout sauf ça.
La législation actuelle exige que les NQTL sur les prestations de santé mentale/SUD ne puissent pas être plus restrictives que ceux sur les prestations médicales/chirurgicales. Chez Davies, notre expérience est que les tests de conformité « en opération » de la parité NQTL sont le domaine de test le plus difficile. Les défis vont de la découverte de NQTL cachés à l’analyse des données des réclamations, en passant par l’évaluation de la conformité de certains NQTL au critère « pratiquement tous » pour les réclamations médicales/chirurgicales. Décomposons ces défis spécifiques pour comprendre pourquoi de nombreux employeurs peinent à atteindre une véritable parité.
Le dilemme des données : plus qu’il n’y paraît
Le premier obstacle à la conformité au NQTL est d’identifier quelles limitations existent dans votre régime. Bien que de nombreux NQTL soient clairement énoncés dans la description résumée du plan (SPD), certains NQTL ne sont pas explicitement précisés et peuvent être difficiles à trouver. Les données nécessaires pour prouver la conformité peuvent être dispersées entre différents systèmes, rendant la collecte et l’analyse des données efficacement difficiles. Malheureusement, il est impossible de démontrer la parité sans avoir une image claire de vos NQTL et de leur impact.
Les Obstacles Cachés
Beaucoup de restrictions NQTL ne sont pas évidentes et peuvent être cachées dans les contrats avec les fournisseurs, les lignes directrices cliniques ou des procédures administratives anodines. Un rapport récent du Département du Travail (DOL) a révélé que 56 NQTL uniques ont été identifiés dans 53 lettres initiales de non-conformité, soulignant la complexité cachée de ces limitations.
De plus, bien que le rapport du DOL ne précise pas le nombre exact de cas de non-conformité liés spécifiquement aux NQTL cachés — car de nombreux cas impliquent plusieurs enjeux — ce qu’ils ont constaté, c’est qu’en moyenne, chaque plan enquêté comportait au moins un NQTL caché qui contribuait à sa non-conformité. La forte prévalence souligne la nécessité d’une révision et d’une analyse approfondies des plans pour mettre en lumière ces limites souvent négligées.
Déficiences de données
Même après avoir identifié vos NQTL, suivre leur application est complètement différent. Le rapport 2023 du DOL au Congrès a souligné que le manque de données était un facteur majeur dans de nombreux cas de non-conformité. Beaucoup de régimes de santé n’ont pas les systèmes nécessaires pour recueillir facilement des données sur les approbations, les refus et leurs raisons de refus pour les réclamations de santé mentale/SUD et médicales ou chirurgicales.
Le test du « Presque Tout »
Le DOL exige qu’un NQTL soit appliqué à « la plupart » des réclamations médicales ou chirurgicales avant même qu’elles puissent être considérées pour les prestations de santé mentale/SUD. Cette tâche est trompeuse par sa simplicité et nécessite une analyse approfondie des données. Selon le DOL, c’est dans cette région que plusieurs plans échouent pour les raisons suivantes :
Le test « pratiquement tout » est un seuil élevé pour la conformité au NQTL. Elle exige une évaluation quantitative (en appliquant le NQTL à un pourcentage suffisant de réclamations) et une analyse qualitative (assurant une application cohérente et documentée dans divers services). Ce niveau de rigueur est souvent difficile à atteindre pour les plans sans supervision experte et analyse complète des données.
Le dilemme de la comparaison : pommes et oranges
Une fois que vous avez identifié et recueilli des données sur vos NQTL, le prochain défi est de les comparer entre les prestations de santé mentale/SUD et médicales/chirurgicales. C’est là que l’analogie du « pommes et oranges » entre en jeu. La santé mentale et les traitements médicaux sont fondamentalement différents, et il est difficile de trouver des services comparables pour l’analyse pour les raisons suivantes.
Pourquoi y aller seul est une stratégie risquée
La complexité des tests et analyses du NQTL peut sembler écrasante, surtout avec la surveillance et l’application accrues du DOL. Les conséquences du non-respect peuvent être graves, incluant des pénalités financières et la nécessité d’ajuster rétroactivement les prestations.
S’associer à des spécialistes de la MHPAEA comme Davies peut changer la donne. Nous avons l’expérience, les outils d’analyse de données et une connaissance approfondie pour vous aider à recueillir et analyser les bonnes données, réaliser des analyses comparatives solides et veiller à ce que le langage et les pratiques de votre plan soient conformes aux exigences de la MHPAEA.
Comment planifier vos prochaines étapes
Atteindre une véritable parité en santé mentale demande plus que de bonnes intentions. Cela exige une approche méticuleuse et axée sur les données pour les tests et analyses des NQTL. Bien que les statistiques montrent que de nombreux employeurs échouent, collaborer avec un expert et investir dans les bons outils vous donne la confiance nécessaire pour aborder les tests NQTL avec une stratégie sécuritaire qui offre à vos régimes d’assurance un accès équitable pour tous.
Laissez Davies être votre guide. Communiquez avec Michael Berman au Michael.Berman@us.davies-group.com. aujourd’hui pour en savoir plus sur les tests NQTL et les services de conformité. Apprenez-en plus sur nos solutions actuarielles ici.
Sources
La Loi sur la parité en santé mentale et l’équité en matière de dépendance (MHPAEA) vise à garantir votre...
Avec leurs racines profondes dans les communautés locales, les compagnies d’assurance mutuelle agricole font face...
L’intelligence artificielle (IA) et les dernières avancées technologiques offrent des possibilités fascinantes pour...
La modélisation catastrophique (TAC), le processus de prédiction de l’impact financier des catastrophes naturelles,...