MétaCan
Menu
Retour à la cohorte
Enregistrement W1978073789 · doi:10.1377/hlthaff.2013.0205

Independent Practice Associations And Physician-Hospital Organizations Can Improve Care Management For Smaller Practices

2013· article· en· W1978073789 sur OpenAlexaboutno aff
Lawrence P. Casalino, Frances M. Wu, Andrew M. Ryan, Kennon R. Copeland, Diane R. Rittenhouse, Patricia P. Ramsay, Stephen M. Shortell

Notice bibliographique

RevueHealth Affairs · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Best practiceBusinessHealth careNursingFamily medicineMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Pay-for-performance, public reporting, and accountable care organization programs place pressures on physicians to use health information technology and organized care management processes to improve the care they provide. But physician practices that are not large may lack the resources and size to implement such processes. We used data from a unique national survey of 1,164 practices with fewer than twenty physicians to provide the first information available on the extent to which independent practice associations (IPAs) and physician-hospital organizations (PHOs) might make it possible for these smaller practices to share resources to improve care. Nearly a quarter of the practices participated in an IPA or a PHO that accounted for a significant proportion of their patients. On average, practices participating in these organizations provided nearly three times as many care management processes for patients with chronic conditions as nonparticipating practices did (10.4 versus 3.8). Half of these processes were provided only by IPAs or PHOs. These organizations may provide a way for small and medium-size practices to systematically improve care and participate in accountable care organizations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,080
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,390
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetPrimary Care and Health OutcomesTravaux en français237 207