Comparison of Health Care Spending and Utilization Among Children With Medicaid Insurance
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Opportunities to improve health care quality and contain spending may differ between high and low resource users. This study's objectives were to assess health care and spending among children with Medicaid insurance by their resource use. METHODS: Retrospective cross-sectional analysis of 2012 Medicaid health administrative data from 10 states of children ages 11 months to 18 years. Subjects were categorized into 4 spending groups, each representing ∼25% of total spending: the least expensive 80% of children (n = 2,868,267), the next 15% expensive (n = 537,800), the next 4% expensive (n = 143,413), and the top 1% (n = 35,853). We compared per-member-per-month (PMPM) spending across the groups using the Kruskal-Wallis test. RESULTS: PMPM spending was $68 (least expensive 80%), $349 (next 15%), $1200 (next 4%), and $6738 (top 1%). Between the least and most expensive groups, percentages of total spending were higher for inpatient (<1% vs 46%) and mental health (7% vs 24%) but lower for emergency (15% vs 1%) and primary (23% vs 1%) care (all Ps < .001). From the least to most expensive groups, increases in PMPM spending were smallest for primary care (from $15 to $33) and much larger for inpatient ($0.28 to $3129), mental health ($4 to $1609), specialty care ($8 to $768), and pharmacy ($4 to $699). CONCLUSIONS: As resource use increases in children with Medicaid, spending rises unevenly across health services: Spending on primary care rises modestly compared with other health services. Future studies should assess whether more spending on primary care leads to better quality and cost containment for high resource users.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».