FBRA 通过基于成员的功能、医疗和行为需求调整 MCO 支付，以更好地匹配风险并协调 MCO 与 MLTSS 项目之间的激励。FBRA 改善了基于护理地点的支付结构，使 MCO 有动力在社区中为高功能需求成员提供护理，并鼓励从机构到社区护理的过渡。
目前，威斯康星州和纽约的 MLTSS 项目已将 FBRA 模型纳入其自付费用支付中，并将 FBRA 应用于符合护理机构护理水平资格的成员，无论他们是在社区还是在护理机构接受治疗。这些州的 MCO 仍然有动力鼓励根据成员需求在最适当和最具成本效益的护理地点提供护理。
FBRA 模型开发过程包括使用“加性”模型，该模型在预测基础上应用于每个建模的功能需求或医疗状况，并分配额外的成本因素。每个成员的风险评分是最近一段时间内识别的任何需求或状况的总成本因素之和。MCO 的支付根据其成员的总体风险评分进行调整，通常相对于其他 MCO 在预算中性基础上进行调整。
FBRA 模型开发过程中的两个关键考虑因素是：1）哪些覆盖人群应该有单独的模型？2）哪些变量应该包含在模型中？确定变量是一个迭代过程，需要分析历史数据源和服务成本，以确定哪些变量最能预测服务成本。
FBRA 模型应用通常采用前瞻性风险调整机制，在合同期开始前计算每个成员的风险评分，并聚合每个 MCO 的个人成员风险评分，以确定合同期内的收入调整。另一种方法是在合同期结束后进行回顾性风险调整，以考虑不断变化的群体护理需求。
FBRA 实施的主要障碍是获取一致且高质量的数据，特别是成员的功能和临床需求信息。成员评估的完成时间、方式和变量的不一致性可能是实施 FBRA 的最大障碍。为建立 FBRA，需要制定政策和流程，以确保 MCO 之间一致地完成成员评估。
FBRA 实施还需要大量的技术工作，包括模型开发、纳入率开发过程以及向 MCO 和 Medicaid 机构工作人员提供教育。尽管 FBRA 机制的开发需要大量工作，并且利益相关者可能会遇到实施方面的困难障碍，但 FBRA 在项目财务激励和成员生活质量方面的改进是值得的。
