The Alignment and Blending of Payment Incentives within Physician Organizations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To analyze the blend of retrospective (fee-for-service, productivity-based salary) and prospective (capitation, nonproductivity-based salary) methods for compensating individual physicians within medical groups and independent practice associations (IPAs) and the influence of managed care on the compensation blend used by these physician organizations. DATA SOURCES: Of the 1,587 medical groups and IPAs with 20 or more physicians in the United States, 1,104 responded to a one-hour telephone survey, with 627 providing detailed information on physician payment methods. STUDY DESIGN: We calculated the distribution of compensation methods for primary care and specialty physicians, separately, in both medical groups and IPAs. Multivariate regression methods were used to analyze the influence of market and organizational factors on the payment method developed by physician organizations for individual physicians. PRINCIPAL FINDINGS: Within physician organizations, approximately one-quarter of physicians are paid on a purely retrospective (fee-for-service) basis, approximately one-quarter are paid on a purely prospective (capitation, nonproductivity-based salary) basis, and approximately one-half on blends of retrospective and prospective methods. Medical groups and IPAs in heavily penetrated managed care markets are significantly less likely to pay their individual physicians based on fee-for-service than are organizations in less heavily penetrated markets. CONCLUSIONS: Physician organizations rely on a wide range of prospective, retrospective, and blended payment methods and seek to align the incentives faced by individual physicians with the market incentives faced by the physician organization.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle