MétaCan
Menu
Retour à la cohorte
Enregistrement W2103257403

Cost-savings from subsidized pro-active pharmacist interventions.

2003· article· en· W2103257403 sur OpenAlexaff
Stephen M. Law, Weiqiu Wu

Notice bibliographique

RevuePubMed · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésReimbursementPsychological interventionPharmacistSubsidyIntervention (counseling)MedicineBusinessOperations managementPharmacyFamily medicineHealth careNursingEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This paper evaluates a pilot project to determine the desirability of implementing a reimbursement model for pro-active interventions. A drug plan administration conducted an experiment in which a pharmacist could recommend to physicians the substitution of lower-cost therapies with equivalent health outcomes. The pharmacist shared any cost savings with the insurer. METHODS: Drug plan costs without the intervention were estimated using time-series forecasting models and compared to actual costs with the intervention. RESULTS: Over the course of this experiment, there were some cost savings generated by reactive pharmacist interventions but pro-active interventions, intended to influence subsequent physician behaviour, appear to have had no significant effect on the profile of drug expenditures. CONCLUSIONS: The evidence does not lend extensive support for full implementation of this type of reimbursement model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,373
Écart entre enseignants0,138 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetMedication Adherence and ComplianceTravaux en français237 207