Physician and facility drivers of spending variation in locoregional prostate cancer
Notice bibliographique
Résumé
BACKGROUND: Prostate cancer is the most common male cancer, with a wide range of treatment options. Payment reform to reduce unnecessary spending variation is an important strategy for reducing waste, but its magnitude and drivers within prostate cancer are unknown. METHODS: In total, 38,971 men aged ≥66 years with localized prostate cancer who were enrolled in Medicare fee-for-service and were included in the Surveillance, Epidemiology, and End Results-Medicare database from 2009 to 2014 were included. Multilevel linear regression with physician and facility random effects was used to examine the contributions of urologists, radiation oncologists, and their affiliated facilities to variation in total patient spending in the year after diagnosis within geographic region. The authors assessed whether spending variation was driven by patient characteristics, disease risk, or treatments. Physicians and facilities were sorted into quintiles of adjusted patient-level spending, and differences between those that were high-spending and low-spending were examined. RESULTS: Substantial variation in spending was driven by physician and facility factors. Differences in cancer treatment modalities drove more variation across physicians than differences in patient and disease characteristics (72% vs 2% for urologists, 20% vs 18% for radiation oncologists). The highest spending physicians spent 46% more than the lowest and had more imaging tests, inpatient care, and radiotherapy spending. There were no differences across spending quintiles in the use of robotic surgery by urologists or the use of brachytherapy by radiation oncologists. CONCLUSIONS: Significant differences were observed for patients with similar demographics and disease characteristics. This variation across both physicians and facilities suggests that efforts to reduce unnecessary spending must address decision making at both levels.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».