Financial Incentives and Cervical Cancer Screening Participation in Ontario’s Primary Care Practice Models
Notice bibliographique
Résumé
OBJECTIVES: The primary objective of this paper is to compare cervical cancer screening rates of family physicians in Ontario's two dominant reformed practice models, Family Health Group (FHG) and Family Health Organization (FHO), and traditional fee-for-service (FFS) model. Both reformed models formally enrol patients and offer extensive pay-for-performance incentives; however, they differ by remuneration for core services (FHG is FFS; FHO is capitated). The secondary objective is to estimate the average and marginal costs of screening in each model. METHODS: Using administrative data on 7,298 family physicians and their 2,083,633 female patients aged 35-69 eligible for cervical cancer screening in 2011, we assessed screening rates after adjusting for patient and physician characteristics. Predicted screening rates, fees and bonus payments were used to estimate the average and marginal costs of cervical cancer screening. RESULTS: Adjusted screening rates were highest in the FHG (81.9%), followed by the FHO (79.6%), and then the traditional FFS model (74.2%). The cost of a cervical cancer screening was $18.30 in the FFS model. The estimated average cost of screening in the FHGs and FHOs were $29.71 and $35.02, respectively, while the corresponding marginal costs were $33.05 and $39.06. DISCUSSION: We found significant differences in cervical cancer screening rates across Ontario's primary care practice models. Cervical screening rates were significantly higher in practice models eligible for incentives (FHGs and FHOs) than the traditional FFS model. However, the average and marginal cost of screening were lowest in the traditional FFS model and highest in the FHOs.
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 | 0,001 |
| 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 ».