Medicaid Bed‐Hold Policies and Hospitalization of Long‐Stay Nursing Home Residents
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effect of Medicaid bed-hold policies on hospitalization of long-stay nursing home residents. DATA SOURCES: A nationwide random sample of long-stay nursing home residents with data elements from Medicare claims and enrollment files, the Minimum Data Set, the Online Survey Certification and Reporting System, and Area Resource File. The sample consisted of 22,200,089 person-quarters from 754,592 individuals who became long-stay residents in 17,149 nursing homes over the period beginning January 1, 2000 through December 31, 2005. STUDY DESIGN: Linear regression models using a pre/post design adjusted for resident, nursing home, market, and state characteristics. Nursing home and year-quarter fixed effects were included to control for time-invariant facility influences and temporal trends associated with hospitalization of long-stay residents. PRINCIPAL FINDINGS: Adoption of a Medicaid bed-hold policy was associated with an absolute increase of 0.493 percentage points (95% CI: 0.039-0.946) in hospitalizations of long-stay nursing home residents, representing a 3.883 percent relative increase over the baseline mean. CONCLUSIONS: Medicaid bed-hold policies may increase the likelihood of hospitalization of long-stay nursing home residents and increase costs for the federal Medicare program.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».