Predictors of Voluntary Disenrollment From Medicare Managed Care
Notice bibliographique
Résumé
BACKGROUND: Prior research on selection bias in Medicare plans has demonstrated favorable enrollment of healthier beneficiaries, resulting in plan overpayment. However, total selection bias depends not only on who enrolls, but also on who disenrolls. Few studies examine selectivity in disenrollment; it is unclear how those who leave plans differ from those who remain. OBJECTIVE: The examination of health status and plan characteristics as potential predictors of voluntary disenrollment from Medicare managed care. RESEARCH DESIGN: Baseline data on health of Medicare managed care enrollees are from the 1998 Medicare Health Outcomes Survey, merged with data on enrollment status and plan characteristics. Beneficiary voluntary disenrollment, versus continuous enrollment, 24 months after completing the survey was modeled as a function of perceived health in 1998 and plan characteristics. The sample included 109,882 community-dwelling elderly. RESULTS: Between 1998 and 2000, 24% of Medicare managed care enrollees voluntarily disenrolled from plans. Poor perceived physical and mental health significantly increased the odds of voluntary disenrollment. Odds of disenrollment were higher for members of plans that increased premiums and had low market share between 1998 and 2000. Conversely, gaining drug coverage in a plan between 1998 and 2000 lowered the odds of disenrollment (relative to no coverage). CONCLUSION: Medicare plans experience favorable selection bias partly because sicker members are likelier to disenroll. Plan-level policies that influence market share and benefits, particularly pharmaceutical coverage, also have important effects on disenrollment, regardless of health effects. Understanding both individual and plan influences on disenrollment is critical to benefit coverage and disenrollment restriction ("lock in") policies.
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) | 0,002 | 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 ».