Cardiologist Participation in Accountable Care Organizations and Changes in Spending and Quality for Medicare Patients With Cardiovascular Disease
Notice bibliographique
Résumé
Background: Despite widespread adoption of Medicare accountable care organizations (ACOs), healthcare spending reductions have been modest. This may relate to variable participation in ACOs by specialist physicians, who disproportionately drive spending. To examine whether specialist participation in Medicare ACOs was associated with changes in healthcare spending and clinical quality, we analyzed national Medicare data. Methods and Results: Working with a 20% random sample of Medicare beneficiaries (2008 to 2015), we identified those with cardiovascular disease. We estimated linear regression models at the beneficiary-quarter level to evaluate changes in healthcare spending and clinical quality after the start of the Shared Savings Program in 2012. We then examined whether changes in spending and quality across ACOs were conditional on cardiologist participation. Our study included ≈1.6 million beneficiaries per year. Although the number of ACOs increased over the study period (from 114 in 2012 to 392 in 2015), the proportion with any cardiologist participation remained stable (from 80% in 2012 to 83% in 2015). Compared with unaligned beneficiaries, those cared for by ACOs without cardiologist participation were associated with a spending reduction (per quarter) of −$75 (95% CI, −$105 to −$46; P <0.001). Care receipt in an ACO with cardiologist participation was associated with an additional difference in spending of −$56 (95% CI, −$87 to −$25; P <0.001), driven by lower spending for skilled nursing facilities, evaluation and management services, procedural care, and testing. While heart failure admission rates were similar among aligned and unaligned beneficiaries, ACO care was associated with fewer all-cause readmissions ( P <0.001) and emergency department visits ( P <0.001). Rates of these outcomes did not vary by cardiologist participation. Conclusions: Annual spending for beneficiaries with cardiovascular disease was ≈$200 lower when cared for by ACOs with cardiologist participation (compared with those without). These spending reductions did not come at the expense of clinical quality.
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 | 0,001 |
| 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 ».