طبق مقاله اخیر والاس (2023)، پاسخ “بله” است، اما این کار را به شیوه ای بسیار ناکارآمد انجام می دهد. نویسنده با استفاده از داده های Medicaid 2008-2012 از وزارت بهداشت ایالت نیویورک دریافت که:
من با استفاده از تخصیص تصادفی بیش از 50000 ثبت نام کننده Medicaid در نیویورک، شواهدی را ارائه می کنم که نشان می دهد شبکه های باریک تر ابزاری صریح برای کاهش هزینه های مراقبت های بهداشتی هستند. در حالی که شبکه‌های باریک‌تر هزینه‌ها را محدود می‌کنند، آنها این کار را با ایجاد هزینه‌های دردسرساز انجام می‌دهند که مقدار را کاهش می‌دهد و تأثیرات کمی بر قیمت‌های پرداختی به ارائه‌دهندگان دارد. ثبت نام‌کنندگانی که به شبکه‌های باریک‌تر اختصاص داده شده‌اند، از خدمات مورد نیاز و غیرضروری کمتری استفاده می‌کنند و از برنامه‌های خود رضایت کمتری دارند. با استفاده از تخمین‌های علّی خود برای ساختن موارد متضاد، من یک خط‌مشی تخصیص جایگزین را شناسایی می‌کنم که با تطبیق مصرف‌کنندگان با شبکه‌های محدودتر که شامل ارائه‌دهندگان آنها می‌شود، هزینه‌ها را بدون آسیب رساندن به رضایت کاهش می‌دهد.
اگر استفاده از شبکه های باریک کارآمد نیست، چرا برنامه ها از این ابزار استفاده می کنند؟ به گفته والاس، یکی از دلایل کلیدی انتخاب نامطلوب است.
…انتخاب‌های طرحی از ثبت‌نام‌کنندگان بیمار بیشتر به گستردگی شبکه پاسخ می‌دهند، و نشان می‌دهد که – در صورت عدم وجود مقررات – ممکن است در تلاش برای انتخاب بیماران سالم‌تر، شبکه‌هایی باریک‌تر از حد مطلوب اجتماعی ایجاد کنند.
والاس استفاده از یک رویکرد «پیش‌فرض هوشمند» را توصیه می‌کند که به موجب آن، ثبت‌نام‌کنندگان Medicaid به طور خودکار به طرح‌های کم‌هزینه‌ای اختصاص داده می‌شوند که احتمالاً ترجیح می‌دهند.
به طور شهودی، این امر با تطبیق پذیرفته شدگان با شبکه های محدودتر (برای کاهش هزینه ها) که با این وجود منبع مراقبت معمول آنها (برای افزایش رضایت) را شامل می شود، به دست می آید. این شبیه‌سازی‌ها پیامدهای خط‌مشی روشنی برای نیویورک دارند، اما درسی گسترده‌تر به بیش از 30 ایالتی ارائه می‌دهند که برنامه‌های مراقبت اجباری مدیریت شده Medicaid را اجرا می‌کنند: تخصیص خودکار می‌تواند ابزار قدرتمندی برای دستیابی به اهداف برنامه (به عنوان مثال، کاهش هزینه و افزایش رضایت) بدون غیر ضروری باشد. محدود کردن انتخاب طرح های ثبت نام کننده
میزانی که این «پیش‌فرض‌های هوشمند» باعث صرفه‌جویی واقعی در هزینه‌ها می‌شود به عوامل مختلفی از جمله چسبندگی پیش‌فرض، میزانی که آژانس‌های مدیکید ایالتی می‌توانند منبع معمول مراقبت را پیش‌بینی کنند و تداوم منبع معمول مراقبت در طول زمان بستگی دارد. با این وجود، داشتن پیش‌فرض‌های هوشمند با انتخاب بیشتر در مقایسه با شبکه‌های بسیار باریک با انتخاب محدود، برای بیماران ارجحیت دارد.