The Application of Medicare Data for Musculoskeletal Research in the United States: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Musculoskeletal conditions disproportionately affect the lives of aging adults. We aimed to examine the literature using Medicare claims data in the United States for musculoskeletal surgical procedures. METHODS: Following the Preferred Reporting Items for Systematic Review and Meta-Analysis guidelines, we searched the PubMed and Medline databases for peer-reviewed articles published between 1990 and 2015. We included the studies that (1) reported primary Medicare claims data use, (2) involved musculoskeletal surgery, and (3) were original peer-reviewed studies. We abstracted the types of surgical procedure and aims, and evaluated outcomes, and strengths and weaknesses of each included article. We assessed the quality of included articles with Newcastle Ottawa Assessment Scale. RESULTS: The literature search returned 3,233 articles, of which 119 met our inclusion criteria. These studies focused on different outcomes: epidemiology and treatment variation (26), cost of care (15), hospital-level analyses (30), health outcomes (31), the validity and accuracy of Medicare claims data (4), disparities in health care (10), and policy evaluation (3). DISCUSSION: Medicare claims data provide a unique way for researchers to study a nationally representative patient population longitudinally. A significant limitation of using claims data has been a lack of granularity on defining severity of a condition. LEVEL OF EVIDENCE: Therapeutic level III.
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 | 0,025 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,020 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».