Vulnerable And Less Vulnerable Women In High-Deductible Health Plans Experienced Delayed Breast Cancer Care
Notice bibliographique
Résumé
The effects of high-deductible health plans (HDHPs) on breast cancer diagnosis and treatment among vulnerable populations are unknown. We examined time to first breast cancer diagnostic testing, diagnosis, and chemotherapy among a group of women whose employers switched their insurance coverage from health plans with low deductibles ($500 or less) to plans with high deductibles ($1,000 or more) between 2004 and 2014. Primary subgroups of interest comprised 54,403 low-income and 76,776 high-income women continuously enrolled in low-deductible plans for a year and then up to four years in HDHPs. Matched controls had contemporaneous low-deductible enrollment. Low-income women in HDHPs experienced relative delays of 1.6 months to first breast imaging, 2.7 months to first biopsy, 6.6 months to incident early-stage breast cancer diagnosis, and 8.7 months to first chemotherapy. High-income HDHP members had shorter delays that did not differ significantly from those of their low-income counterparts. HDHP members living in metropolitan, nonmetropolitan, predominantly white, and predominantly nonwhite areas also experienced delayed breast cancer care. Policies may be needed to reduce out-of-pocket spending obligations for breast cancer care.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».