The Impact of a Change in Medicare Reimbursement Policy and HEDIS Measures on Stage at Diagnosis Among Medicare HMO and Fee-For-Service Female Breast Cancer Patients
Notice bibliographique
Résumé
OBJECTIVE: To examine the effects of health plan enrollment [health maintenance organizations (HMO) or fee-for-service (FFS)], a change in Medicare reimbursement policy which allowed for annual rather than biennial mammograms, and Health Plan Employer Data Information Set (HEDIS) measures on stage at diagnosis among older women with breast cancer. METHODS: We used the population-based Surveillance Epidemiology and End Results (SEER)-Medicare database to identify all elderly women age 65-74 who were diagnosed with breast cancer from 1994 to 2002. We compared stage at diagnosis, demographic characteristics, and tumor characteristics for FFS or HMO enrollment in the periods before and after the 1998 policy change. We compared the effect of women age 65-69 whose mammography use in the HMO system is measured by HEDIS and those who are older (age 70-74). RESULTS: We identified 20,106 women enrolled in FFS Medicare, and 10,751 women enrolled in an HMO. Women ages 65-74 who were enrolled in a Medicare HMO were more likely to be diagnosed at an early stage both before and after the policy change, but the disparity decreased from 4.7% to 2.3%, a relative change of 51.1%. The disparity was not specific to the ages included in the HEDIS measure. CONCLUSIONS: A decrease of 51.1% in the HMO-FFS disparity in breast cancer stage at diagnosis coincided with the 1998 change in Medicare mammography reimbursement policy. The existence of HEDIS measures for HMOs does not create a disparity in stage at diagnosis between those whose mammograms are measured by HEDIS (younger women) and those whose are not (older women).
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 | 0,001 |
| 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 ».