The Revolution in Health Care Antitrust: New Methods and Provocative Implications
Notice bibliographique
Résumé
CONTEXT: In recent years, federal courts have permitted hospital consolidations and other potentially anticompetitive actions by accepting hospitals' claims that they compete in expansive geographic markets. Recent events, including two actions by the U.S. Federal Trade Commission, suggest that antitrust is undergoing a sea change, thanks in part to new methods for defining geographic markets. This article reviews the recent history of hospital antitrust, describes the methods used to define markets, and illustrates the new methods by considering two consolidations recently proposed by a New York regulatory agency. METHODS: The new methods for defining geographic markets rely on estimates from conditional choice models using patient-level hospitalization data. These estimates are the raw material for computations of price effects derived from a theoretical model of hospital pricing in a managed care environment. FINDINGS: Applying these methods to two proposed consolidations in New York shows that one of the mergers would likely raise prices by a substantial amount without the promise of offsetting efficiencies but that the other would not have this effect. CONCLUSIONS: New methods for geographic market definition may fundamentally alter how courts will evaluate antitrust challenges. Although additional research is necessary to refine the predictions of these new methods, consolidating hospitals, as well as any other hospitals engaging in potentially anticompetitive conduct, can no longer anticipate a friendly reception in the courtroom.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».