Increases in Behavioral Health Screening in Pediatric Care for Massachusetts Medicaid Patients
Notice bibliographique
Résumé
OBJECTIVE: To explore rates of screening and identification and treatment for behavioral problems using billing data from Massachusetts Medicaid immediately following the start of the state's new court-ordered screening and intervention program. DESIGN: Retrospective review of the number of pediatric well-child visits, number of screens, and number of screens that identify risk for psychosocial problems from January 2008 (the month pediatric screening started) to March 2009. During the surrounding 1-year period, we also examined the number of claims with a behavioral health evaluation code. SETTING: Massachusetts. PARTICIPANTS: Massachusetts Medicaid-enrolled children. INTERVENTION: Funded court-ordered mandate to screen for mental health during Medicaid well-child visits. OUTCOME MEASURES: Percentage of visits with a screen, percentage of screens identified at risk, and number of children seen for behavioral health evaluations. RESULTS: Major increase from 16.6% of all Medicaid well-child visits coded for behavioral screens in the first quarter of 2008 to 53.6% in the first quarter of 2009. Additionally, the children identified as at risk increased substantially from about 1600 in the first quarter of 2008 to nearly 5000 in quarter 1 of 2009. The children with mental health evaluations increased from an average of 4543 to 5715 per month over a 1-year period. CONCLUSIONS: The data suggest payment and a supported mandate for use of a formal screening tool can substantially increase the identification of children at behavioral health risk. Findings suggest that increased screening may have the desired effect of increasing referrals for mental health services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».