Impact of a value-based insurance design for physical therapy to treat back pain on care utilization and cost
Notice bibliographique
Résumé
OBJECTIVE: To assess the impact of a value-based insurance design providing enhanced access to physical therapy (PT) for treatment of back pain on treatment patterns and cost of care. STUDY DESIGN: A retrospective analysis of claims data obtained from Geisinger Health Plan (GHP). In April 2013, GHP began offering "PT bundle" - i.e., a bundle of up to five PT visits for a single one-time copay that can be renewed for another bundle of five PT visits - for its employer-based plan members with back pain. METHODS: A cohort of GHP members who were preauthorized for the PT bundle were compared against a contemporaneous cohort of GHP members who were preauthorized for PT under the standard per-visit copay arrangement between January 2013 and October 2014. RESULTS: Among the PT bundle cohort, the PT visit rate during the first 9 months since the PT preauthorization date had dramatically increased and then gradually decreased in subsequent months. The PT bundle was also associated with 29%-35% short-term reductions in emergency department visits and with 12%-20% reductions in primary care visits after 6 months. No significant impact on hospitalization or cost was observed. CONCLUSION: Implementation of the PT bundle appears to have led to a change in the treatment pattern of back pain that is more consistent with the recommended guidelines to use more conservative management such as PT as the first-line treatment for back pain.
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 | 0,008 | 0,007 |
| 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 ».