MétaCan
Menu
Retour à la cohorte
Enregistrement W2588243515 · doi:10.1111/1475-6773.12668

Impact of Provider Competition under Global Budgeting on the Use of Cesarean Delivery

2017· article· en· W2588243515 sur OpenAlexaboutno aff
Bradley Chen, Chin‐Shyan Chen, Tsai‐Ching Liu

Notice bibliographique

RevueHealth Services Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, Taiwan
Mots-clésCompetition (biology)Quarter (Canadian coin)Cesarean deliveryBusinessIndex (typography)Unintended consequencesPreferred provider organizationHealth careActuarial scienceEconomicsHealth insuranceEconomic growth

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the impact of provider competition under global budgeting on the use of cesarean delivery in Taiwan. DATA SOURCES/STUDY SETTING: (1) Quarterly inpatient claims data of all clinics and hospitals with birth-related expenses from 2000 to 2008; (2) file of health facilities' basic characteristics; and (3) regional quarterly point values (price conversion index) for clinics and hospitals, respectively, from the fourth quarter in 1999 to the third quarter in 2008, from the Statistics of the National Health Insurance Administration. STUDY DESIGN: Panel data of quarterly facility-level cesarean delivery rates with provider characteristics, birth volumes, and regional point values are analyzed with the fractional response model to examine the effect of external price changes on provider behavior in birth delivery services. PRINCIPAL FINDINGS: The decline in de facto prices of health services as a result of noncooperative competition under global budgeting is associated with an increase in cesarean delivery rates, with a high degree of response heterogeneity across different types of provider facilities. CONCLUSIONS: While global budgeting is an effective cost containment tool, intensified financial pressures may lead to unintended consequences of compromised quality due to a shift in provider practice in pursuit of financial rewards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,332
Tête enseignante GPT0,451
Écart entre enseignants0,118 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Services ResearchMême sujetHealthcare Policy and ManagementTravaux en français237 207