MétaCan
Menu
Retour à la cohorte
Enregistrement W2892218183 · doi:10.1377/hlthaff.2018.0452

Beneficiaries Respond To California’s Program To Integrate Medicare, Medicaid, And Long-Term Services

2018· article· en· W2892218183 sur OpenAlexaff
Carrie Graham, Pi‐Ju Liu, Brooke Hollister, H. S. Kaye, Charlene Harrington

Notice bibliographique

RevueHealth Affairs · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensInstitute of Aging
Organismes subventionnairesnon disponible
Mots-clésMedicaidLong-term careManaged carePersonal careMedicineMedical prescriptionFamily medicineBusinessMedicaid managed careNursingHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

In 2014 California implemented a demonstration project called Cal MediConnect, which used managed care organizations to integrate Medicare and Medicaid, including long-term services and supports for beneficiaries dually eligible for Medicare and Medicaid. Postenrollment telephone surveys assessed how enrollees adjusted to Cal MediConnect over time. Results showed increased satisfaction with benefits, improved ratings of quality of care, fewer acute care visits, and increased personal care assistance hours over time. Enrollees also had somewhat better prescription medication access and lower unmet needs for personal care, compared to the comparison group. The lack of improvement in care coordination raises concerns about the implementation of the care coordination benefit, a key feature of the program. The Bipartisan Budget Act of 2018 contains provisions that permanently certify the use of managed care (such as Dual Eligible Special Needs Plans) to integrate Medicare and Medicaid, which makes the lessons learned from California's duals demonstration especially relevant for informing other integrated programs for seniors and people with disabilities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,072
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,029
Tête enseignante GPT0,415
Écart entre enseignants0,386 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207