When patients have to pay a share of drug costs: effects on frequency of physician visits, hospital admissions and filling of prescriptions
Notice bibliographique
Résumé
BACKGROUND: Previous research has shown that patient cost-sharing leads to a reduction in overall health resource utilization. However, in Canada, where health care is provided free of charge except for prescription drugs, the converse may be true. We investigated the effect of prescription drug cost-sharing on overall health care utilization among elderly patients with rheumatoid arthritis. METHODS: Elderly patients (> or = 65 years) were selected from a population-based cohort with rheumatoid arthritis. Those who had paid the maximum amount of dispensing fees (200 dollars) for the calendar year (from 1997 to 2000) were included in the analysis for that year. We defined the period during which the annual maximum co-payment had not been reached as the "cost-sharing period" and the one beyond which the annual maximum co-payment had been reached as the "free period." We compared health services utilization patterns between these periods during the 4 study years, including the number of hospital admissions, the number of physician visits, the number of prescriptions filled and the number of prescriptions per physician visit. RESULTS: Overall, 2968 elderly patients reached the annual maximum cost-sharing amount at least once during the study periods. Across the 4 years, there were 0.38 more physician visits per month (p < 0.001), 0.50 fewer prescriptions filled per month (p = 0.001) and 0.52 fewer prescriptions filled per physician visit (p < 0.001) during the cost-sharing period than during the free period. Among patients who were admitted to the hospital at least once, there were 0.013 more admissions per month during the cost-sharing period than during the free period (p = 0.03). INTERPRETATION: In a predominantly publicly funded health care system, the implementation of cost-containment policies such as prescription drug cost-sharing may have the unintended effect of increasing overall health utilization among elderly patients with rheumatoid arthritis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».