Effects of variations in access to care for children with atopic dermatitis
Notice bibliographique
Résumé
BACKGROUND: An estimated 50% of children in the US are Medicaid-insured. Some of these patients have poor health literacy and limited access to medications and specialty care. These factors affect treatment utilization for pediatric patients with atopic dermatitis (AD), the most common inflammatory skin disease in children. This study assesses and compares treatment patterns and healthcare resource utilization (HCRU) between large cohorts of Medicaid and commercially insured children with AD. METHODS: Pediatric patients with AD were identified from 2 large US healthcare claims databases (2011-2016). Included patients had continuous health plan eligibility for ≥6 months before and ≥12 months after the first AD diagnosis (index date). Patients with an autoimmune disease diagnosis within 6 months of the index date were excluded. Treatment patterns and all-cause and AD-related HCRU during the observation period were compared between commercially and Medicaid-insured children. RESULTS: A minority of children were evaluated by a dermatology or allergy/immunology specialist. Several significant differences were observed between commercially and Medicaid-insured children with AD. Disparities detected for Medicaid-insured children included: comparatively fewer received specialist care, emergency department and urgent care center utilization was higher, a greater proportion had asthma and non-atopic morbidities, high- potency topical corticosteroids and calcineurin inhibitors were less often prescribed, and prescriptions for antihistamines were more than three times higher, despite similar rates of comorbid asthma and allergies among antihistamine users. Treatment patterns also varied substantially across physician specialties. CONCLUSIONS: Results suggest barriers in accessing specialty care for all children with AD and significant differences in management between commercially and Medicaid-insured children. These disparities in treatment and access to specialty care may contribute to poor AD control, especially in Medicaid-insured patients.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».