An Association Between Cardiologist Billing Patterns, Health Care Use, and Outcomes in Cardiac Patients
Notice bibliographique
Résumé
BackgroundWhether individual cardiologist billings are associated with differences in ambulatory care management and clinical outcomes in patients with coronary artery disease (CAD) and heart failure (HF) remains poorly understood.MethodsWe conducted a population-based, retrospective cohort study of cardiologists who treat patients with CAD or HF using administrative claims data in Ontario, Canada. The primary exposure was cardiologist billing quintile. We then stratified median billing amounts into quintiles, from lowest (quintile 1) to highest billing physicians (quintile 5).ResultsThe main outcomes of interest were cardiac diagnostic and therapeutic procedures that occurred within 365 days of the index visit. Our 2 cohorts respectively consisted of 170,959 patients with CAD seen by 1 of 423 cardiologists and 56,262 HF patients seen by 1 of 413 cardiologists. CAD patients of higher-billing cardiologists had higher rates of echocardiograms (adjusted odds ratio [aOR], 1.65; 95% confidence interval [CI], 1.39 to 1.94 for quintile 5 vs quintile 2) and stress tests (aOR, 1.50; 95% CI, 1.28-1.75) at 1 year, with a similar pattern for HF patients of echocardiogram (aOR, 1.40; 95% CI, 1.23-1.59; P < 0.001) and stress test (aOR, 1.32; 95% CI, 1.15-1.51) use. CAD patients of cardiologists in quintile 1 had a higher mortality rate (aOR, 1.16; 95% CI, 1.03-1.31), and HF patients of cardiologists in billing quintile 4 had a lower hospitalization rate at 1 year (OR, 0.94; 95% CI, 0.89-0.99; P = 0.02).ConclusionsCardiac patients seen by the highest-billing cardiologists received more noninvasive cardiac testing compared with lower-billing cardiologists.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».