Third-party Reimbursement of Pharmacist-Led Cardiovascular and Diabetes Preventive Health Services for Workplace Health Initiatives: A Narrative Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: To summarize available literature describing third-party payer reimbursement models for pharmacist-led preventive health services as part of workplace health initiatives. METHODS: A combination of search terms related to pharmacists, preventive health, and third-party reimbursement were searched in MEDLINE, EMBASE, and PubMed. Included studies described community pharmacist-led cardiovascular and diabetes preventive health service to employees older than 18 years of age as part of a workplace health program with corresponding third-party reimbursement models. Programs that were reimbursed by government resources or studies lacking reimbursement model details were excluded. One reviewer performed level 1 screening and three reviewers analyzed included studies. RESULTS: The search criteria yielded 863 results. Sixteen articles were reviewed after level 1 screening and 13 were ineligible and excluded. Three studies with varying quality of reporting were included. Reimbursement models varied from $40 USD for a 20-minute visit to $391 to $552 USD total per patient with an average of 6 visits per patient. CONCLUSION: There is a lack of quality literature describing third-party reimbursement models for pharmacist-led preventive health services, which hinders the ability to implement a standardized model. High quality studies evaluating the cost of reimbursing pharmacist-led cardiovascular preventive health services compared to the savings to the third-party payer should be performed to inform the standardization of payment models.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».