Provider Practice Competition and Adoption of Medicare’s Oncology Care Model
Notice bibliographique
Résumé
BACKGROUND: There is a concern that the Oncology Care Model (OCM), a voluntary bundled payment program, may incentivize mergers and acquisitions among physician practices leading to reduced competition and price increases. These concerns are heightened if OCM is preferentially adopted in competitive health care markets because it could result in reduced competition, but little is known about the characteristics of markets where OCM is adopted. OBJECTIVE: To measure the association between regional market competition among medical oncologists with the initial adoption of OCM. RESEARCH DESIGN: The Herfindahl-Hirschman Index (HHI), a measure of competition, was calculated for hospital referral regions (HRRs) using secondary data from the Centers for Medicare and Medicaid Services. The relationship between HHI and OCM adoption was assessed using a 2-part regression model adjusting for the market-level number of practices, physician density, average practice size, sociodemographic characteristics, and medical resources. A count model on all HRRs was also estimated to assess an overall effect. SUBJECTS: A total of 10,788 physicians in 3,537 practices who billed Medicare for oncology services in 2015. RESULTS: OCM was adopted in 114 (37%) of the 306 HRRs. We found that practices in competitive health care markets were more likely to adopt OCM than in noncompetitive markets. Two-part regression analysis indicated a nonlinear relationship between HHI and OCM adoption. Average practice size, number of practices in an HRR, and the hospital bed rate were positively associated with adoption, whereas the rate of full-time equivalent hospital employees to 1000 residents was negatively associated with adoption. CONCLUSIONS: OCM adoption was higher in HRRs with greater competition. Careful monitoring of market-level changes among OCM adopters should be undertaken to ensure that the benefits of the OCM outweigh the negative consequences of possible changes in competition.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».