Primary care reform and funding equity for mental health disorders in Ontario: a retrospective observational population-based study
Notice bibliographique
Résumé
BACKGROUND: Mental health disorders are associated with high morbidity and reduced life expectancy, and are largely managed in primary care. We sought to assess the equity of distribution of new alternative payment models and teams introduced under primary care reform in Ontario for patients with mental health disorders. METHODS: We conducted a retrospective observational study using population-level administrative data for insured Ontario adults (age ≥ 18 yr) to identify all primary care payments to physicians that were allocated to individual patients in 2002/03 and 2011/12. We identified patients with mental health disorders using validated algorithms, and modelled the relations between per capita primary care costs and mental health disorders over time, stratified by type of mental health or substance use disorder and type of primary care payment. In an adjusted model, we adjusted for age, sex, rurality, neighbourhood income quintile, immigrant status, comorbidity and primary care model. For comparative purposes, we also examined the distribution of primary care payments for people with diabetes mellitus. RESULTS: Total per capita primary care payments increased more slowly over the study period for patients with mental health disorders (62.0%) than for the general population (88.3%). Total payments for patients with substance use disorders increased by 142.7%, largely owing to urine drug testing in opioid substitution clinics. Adjusted total payments for those with versus without mental health disorders decreased by 10% between 2002/03 and 2011/12, driven by lower alternative payments. Similar decreases, also driven by lower alternative payments, were found for all mental health disorder subgroups except substance use and for diabetes. INTERPRETATION: Payment and team reforms were associated with inequitable resource allocation to people with mental health disorders. The findings suggest the need for monitoring reforms for their impact on high-needs populations and making appropriate adjustments.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».