Medicaid spending burden among beneficiaries with treatment-resistant depression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To evaluate Medicaid spending and healthcare resource utilization (HRU) in treatment-resistant depression (TRD). MATERIALS & METHODS: TRD beneficiaries were identified from Medicaid claims databases (January 2010-March 2017) and matched 1:1 with major depressive disorder (MDD) beneficiaries without TRD (non-TRD-MDD) and randomly selected patients without MDD (non-MDD). Differences in HRU and per-patient-per-year costs were reported in incidence rate ratios (IRRs) and cost differences (CDs), respectively. RESULTS: TRD beneficiaries had higher HRU than 1:1 matched non-TRD-MDD (e.g., inpatient visits: IRR = 1.41) and non-MDD beneficiaries (N = 14,710 per cohort; e.g., inpatient visits: IRR = 3.42, p < 0.01). TRD beneficiaries incurred greater costs versus non-TRD-MDD (CD = US$4382) and non-MDD beneficiaries (CD = US$8294; p < 0.05). CONCLUSION: TRD is associated with higher HRU and costs versus non-TRD-MDD and non-MDD. TRD poses a significant burden to Medicaid.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle