Multimethod Evaluation of Health Policy Change: An Application to Medicaid Managed Care in a Rural State
Notice bibliographique
Résumé
OBJECTIVE: To answer questions about the impacts of Medicaid managed care (MMC) at the individual, organizational/community, and population levels of analysis. DATA SOURCES/STUDY SETTING: Multimethod approach to study MMC in New Mexico, a rural state with challenging access barriers. STUDY DESIGN: Individual level: surveys to assess barriers to care, access, utilization, and satisfaction. Organizational/community level: ethnography to determine changes experienced by safety net institutions and local communities. Population level: analysis of secondary databases to examine trends in preventable adverse sentinel events. SURVEY: multivariate statistical methods, including factor analysis and logistic regression. Ethnography: iterative coding and triangulation to assess documents, field observations, and in-depth interviews. Secondary databases: plots of sentinel events over time. PRINCIPAL FINDINGS: The survey component revealed no consistent changes after MMC, relatively favorable experiences for Medicaid patients, and persisting access barriers for the uninsured. In the ethnographic component, safety net institutions experienced increased workload and financial stress; mental health services declined sharply. Immunization rate, as an important sentinel event, deteriorated. CONCLUSIONS: MMC exerted greater effects on safety net providers than on individuals and did not address problems of the uninsured. A multimethod approach can facilitate evaluation of change in health policy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».