MétaCan
Menu
Retour à la cohorte
Enregistrement W2963776170 · doi:10.1186/s12913-019-4357-x

Impact of public hospital pricing reform on medical expenditure structure in Jiangsu, China: a synthetic control analysis

2019· article· en· W2963776170 sur OpenAlexaff
Xiao Zang, Mengran Zhang, Shihao Wei, Wenxi Tang, Shan Jiang

Notice bibliographique

RevueBMC Health Services Research · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Systems and Reforms
Établissements canadiensUniversity of British ColumbiaAIDS VancouverSimon Fraser University
Organismes subventionnairesNational Fund for Fostering Talents of Basic ScienceChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésMedicineHealth administrationHealth care reformPublic economicsHealth policyPublic healthHealth careDifference in differencesChinaCounterfactual thinkingControl (management)ConfoundingEnvironmental healthEconomicsNursingEconometricsEconomic growthPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The synthetic control method (SCM) is a useful tool in providing unbiased analysis on the policy effect in real-world health policy evaluations. Through controlling for a few confounding factors, we aim to apply SCM in analyzing the impact of the pricing reform on medical expenditure structure in Jiangsu Province, China. METHODS: We constructed a synthetic control for Zhenjiang, a city where the reform was piloted in Jiangsu, by selecting weights on those potential control units to define a linear combination of the control outcomes to replicate the counterfactual as if the intervention is in absence. The policy effect was measured by the differences in the percentage of drug expenditure among average outpatient and inpatient care cost per visit in the post-policy period between Zhenjiang and its synthetic control. We also examined the significance of the estimated results by performing placebo tests, and cross-validated the results with a difference-in-differences analysis. RESULTS: The medical pricing reform was found to be effective in reducing the drug expenditure proportions in both outpatient and inpatient care by an estimated mean level of 7.7 and 3.2% (or 16.3 and 9.2% relative decrease to their 2012 levels) respectively. This reform effect was estimated to be significant in the placebo tests and was further confirmed by a cross-validation. CONCLUSION: We conclude that the pricing reform in public hospitals has significantly reduced drug expenditure incurred in both outpatient and inpatient care. This study also highlights the applicability of SCM method as an effective tool for health policy evaluation using publicly available data in the context of Chinese healthcare system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,048
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,358
Écart entre enseignants0,328 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealthcare Systems and ReformsTravaux en français237 207