Identifying and Prioritizing Low Value Care in British Columbia Using Three Administrative Health Data Assets
Notice bibliographique
Résumé
IntroductionClinical recommendations and/or lists of low value care (i.e., health technologies that provide little to clinical benefit for certain patient groups) have garnered attention internationally through campaigns such as Choosing Wisely. However, uptake of such recommendations at the healthcare system-level remains challenging in the absence of routine, data-driven processes. Objectives and ApproachThe objective of this work was to develop and implement a process, leveraging administrative health data assets and lists of ‘low value’ care, to identify and prioritize technologies at the healthcare system-level for reassessment and potential disinvestment. The British Columbia (BC) healthcare system was selected as the pilot site to test the process. Three provincial administrative health databases were used to examine the extent of low value care across the system: the discharge abstract database (DAD); the Medical Service Plan (MSP) physician claims database; and the MSP laboratory database. ResultsOver 1300 recommendations of low value technologies (i.e., from the National Institute for Health and Care Excellence “do not do” recommendations, low value technologies in the Australian Medical Benefits Schedule, and Choosing Wisely “Top 5” lists) were identified. Using appropriate coding systems for BC’s administrative health data (e.g., International Classification of Diseases), low value technologies were queried to examine frequencies and costs of technology use between fiscal years 2010/11 and 2014/15. This information was used to rank technologies based high budgetary impact, defined as total in-hospital and claims expenditures exceeding $1M in any fiscal year examined. Clinical experts reviewed the ranked technologies prior to dissemination and stakeholder action. Pilot testing resulted in the prioritization of 9 candidate technologies for reassessment in the BC healthcare system. Conclusion/ImplicationsThis work demonstrates the feasibility and strength of using administrative data to identify low value care at the healthcare system-level and prioritize candidates for reassessment. Faced with increasing pressure to control exorbitant costs, while maintaining quality of care, this process has been adopted and operationalized by the BC Ministry of Health.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».