MétaCan
Menu
Retour à la cohorte
Enregistrement W2913275571 · doi:10.7454/eki.v3i1.2408

Risk Adjustment of Capitation Payment System: What Can Indonesia Adopt from other Countries?

2019· article· en· W2913275571 sur OpenAlexaboutno aff
Asri Hikmatuz Zahroh, Rizki Asriani Putri, Latanza Shima, Erdayani Erdayani, Rira Martaliza, Tri Priyo Anggoro, Wulansari Wulansari

Notice bibliographique

RevueJurnal Ekonomi Kesehatan Indonesia · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapitationScopusPaymentActuarial scienceBusinessPolitical scienceMEDLINEFinance

Résumé

récupéré en direct d'OpenAlex

AbstractCapitation calculation in Indonesia is not adjusted by individual and aggregate risk. Without risk adjustment, capitation ratesare likely to overpay or underpay primary care. This study aimed to review risk-adjusted capitation payment in other countriesfor evaluation of capitation payment system in Indonesia. The conduct and reporting of this systematic review followedthe recommendations of the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). This studyused comprehensive electronic search in five databases: Pubmed, Proquest, Scopus, PMC, and EBSCOHost. Search resultsfrom five databases in April 2018, yielded a total 19 titles that will continue to review the full article and at the end, 4 articlesincluded for systematic review. Based on risk adjustment of capitation payment system in UK, USA, Canada and Sweden,Indonesia may initiate the use of risk adjustment based on the distribution of age and sex. Then Indonesia can develop riskadjustment based on diagnosis and socioeconomic factors to create more fair and accurate capitation rates for primary care.AbstrakPerhitungan kapitasi di Indonesia belum disesuaikan berdasarkan risiko individu dan agregat. Tanpa penyesuaian risiko, rate kapitasicenderung untuk membayar lebih atau kurang fasilitas kesehatan tingkat pertama. Studi ini bertujuan untuk meninjau sistem pembayarankapitasi di negara lain sebagai dasar evaluasi untuk sistem pembayaran kapitasi di Indonesia Penyusunan systematic review inimenggunakan rekomendasi dari Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Studi ini mengumpulkanartikel dari lima database yaitu: Pubmed, Proquest, Scopus, PMC, and EBSCOHost. Hasil pencarian dari lima database padabulan April 2018, didapatkan 19 judul artikel yang akan dilanjutkan untuk ditinjau secara menyuluruh, dan akhirnya didapatkan 4artikel yang akan diikutsertakan dalam systematic review. Berdasarkan penyesuaian risiko sistem pembayaran kapitasi di UK, USA,Canada dan Swedia, Indonesia dapat memulai sistem pembayaran kapitasi berdasarkan penyesuiaan distribusi umur dan jenis kelamin.Selanjutnya Indonesia dapat mengembangkan sistem pembayaran kapitasi berdasarkan diagnosis dan sosioekonomi untukmenciptakan rate kapitasi yang lebih adil dan akurat untuk fasilitas kesehatan tingkat pertama.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ekonomi Kesehatan IndonesiaMême sujetChronic Disease Management StrategiesTravaux en français237 207