Moving beyond the Typologies of Managed Care: The Example of Health Plan Predictors of Screening Mammography
Notice bibliographique
Résumé
OBJECTIVES: To develop a framework of factors to characterize health plans, to identify how plan characteristics were measured in a national survey, and to apply our findings to an analysis of the predictors of screening mammography. DATA SOURCE: The primary data were from the 1996 Medical Expenditure Panel Survey. STUDY DESIGN: Women ages 40+, with private insurance, and no history of breast cancer were included in the study (N = 2,909). We used multivariate logistic regression to estimate mammography utilization in the past two years relative to health plan and demographic factors. Health plan measures included whether there is a defined provider network, whether coverage is restricted to a network, use of gatekeepers, level of cost containment, copayment and deductible amounts, coinsurance rate, and breadth of benefit coverage. PRINCIPAL FINDINGS: We found no significant difference in reported mammography utilization using a dichotomous comparison of individuals enrolled in managed care versus indemnity plans. However, women in health plans with a defined provider network were more likely to report having received a mammogram in the past two years than those without networks (adjusted OR= 1.21, 95 percent CI = 1.07-1.36), and women in gatekeeper plans were more likely to report receiving mammography than those without gatekeepers (adjusted OR = 1.18, 95 percent CI = 1.03-1.36). Restricted out-of-network coverage, use of cost containment, enrollee cost sharing, and breadth of benefit coverage did not appear to affect mammography use. CONCLUSIONS: It is important to examine the effect of individual health plan components on the utilization of health care, rather than use the traditional broader categorizations of managed versus nonmanaged care or simple health plan typologies.
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 | 0,004 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».