Reimbursement of Apps for Mental Health: Findings From Interviews
Notice bibliographique
Résumé
BACKGROUND: Although apps and other digital and mobile health tools are helping improve the mental health of Americans, they are currently being reimbursed through a varied range of means, and most are not being reimbursed by payers at all. OBJECTIVE: The aim of this study was to shed light on the state of app reimbursement. We documented ways in which apps can be reimbursed and surveyed stakeholders to understand current reimbursement practices. METHODS: Individuals from over a dozen stakeholder organizations in the domains of digital behavioral and mental health, care delivery, and managed care were interviewed. A review of Current Procedural Terminology (CPT) and Healthcare Common Procedure Coding System (HCSPCS) codes was conducted to determine potential means for reimbursement. RESULTS: Interviews and the review of codes revealed that potential channels for app reimbursement include direct payments by employers, providers, patients, and insurers. Insurers are additionally paying for apps using channels originally designed for devices, drugs, and laboratory tests, as well as via value-based payments and CPT and HCSPCS codes. In many cases, it is only possible to meet the requirements of a CPT or HCSPCS code if an app is used in conjunction with human time and services. CONCLUSIONS: Currently, many apps face significant barriers to reimbursement. CPT codes are not a viable means of providing compensation for the use of all apps, particularly those involving little physician work. In some cases, apps have sought clearance from the US Food and Drug Administration for prescription use as digital therapeutics, a reimbursement mechanism with as yet unproven sustainability. There is a need for simpler, more robust reimbursement mechanisms to cover stand-alone app-based treatments.
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 | 0,018 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».