A population-based analysis of incentive payments to primary care physicians for the care of patients with complex disease
Notice bibliographique
Résumé
BACKGROUND: In 2007, the province of British Columbia implemented incentive payments to primary care physicians for the provision of comprehensive, continuous, guideline-informed care for patients with 2 or more chronic conditions. We examined the impact of this program on primary care access and continuity, rates of hospital admission and costs. METHODS: We analyzed all BC patients who qualified for the incentive based on their diagnostic profile. We tracked primary care contacts and continuity, hospital admissions (total, via the emergency department and for targeted conditions), and cost of physician services, hospital care and pharmaceuticals, for 24 months before and 24 months after the intervention. RESULTS: Of 155 754 eligible patients, 63.7% had at least 1 incentive payment billed. Incentive payments had no impact on primary care contacts (change in contacts per patient per month: 0.016, 95% confidence interval [CI] -0.047 to 0.078) or continuity of care (mean monthly change: 0.012, 95% CI -0.001 to 0.024) and were associated with increased total rates of hospital admission (change in hospital admissions per 1000 patients per month: 1.46, 95% CI 0.04 to 2.89), relative to preintervention trends. Annual costs per patient did not decline (mean change: $455.81, 95% CI -$2.44 to $914.08). INTERPRETATION: British Columbia's $240-million investment in this program improved compensation for physicians doing the important work of caring for complex patients, but did not appear to improve primary care access or continuity, or constrain resource use elsewhere in the health care system. Policymakers should consider other strategies to improve care for this patient population.
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 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».