Prevalence, expenditures, utilization, and payment for persons with MS in insured populations
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence, expenditures, and utilization of enrollees with MS relative to all enrollees in privately insured, Medicare, and Medicaid populations. METHODS: The authors used insurer administrative billing data to identify persons with MS, their insured medical expenditures and utilization, and benchmark general insured population expenditures and utilization. Three samples of insurer billing data were analyzed: nationally representative samples for the privately insured (1994 through 1995) and Medicare (1996 though 1997) populations, and Medicaid data for disabled (1991 through 1996) populations from six states. RESULTS: Using 2 years of diagnoses on claims, the prevalence of MS in the privately insured population was 24 per 10,000, 36 per 10,000 in the Medicare population, and 71 per 10,000 in the Medicaid disabled population. Annual insured expenditures were $7,677 per privately insured enrollee with MS vs $2,394 for all privately insured enrollees, $13,048 per Medicare beneficiary with MS compared with $6,006 for all Medicare beneficiaries, and $7,352 per Medicaid disabled recipient with MS vs $4,088 per disabled recipient without MS. Home health expenditures were very high for Medicare beneficiaries with MS and nursing facility expenditures were very high for Medicaid disabled recipients with MS. A small proportion of enrollees with MS accounted for most expenditures. CONCLUSIONS: Insured enrollees with MS are two to three times more expensive than average insured enrollees. If the premiums that employers or governments pay health insurers and the capitation amounts that insurers pay health care providers do not account for these higher costs, a disincentive is created for the enrollment and care of persons with MS.
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 | 0,000 | 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 ».