Impacts of innovation in dental care delivery and payment in Medicaid managed care for children and adolescents
Notice bibliographique
Résumé
BACKGROUND: We evaluated a 14-county quality improvement program of care delivery and payment of a dental care organization for child and adolescent managed care Medicaid beneficiaries after 2 years of implementation. METHODS: Counties were randomly assigned to either the intervention (PREDICT) or control group. Using Medicaid administrative data, difference-in-difference regression models were used to estimate PREDICT intervention effects (formally, "average marginal effects") on dental care utilization and costs to Medicaid, controlling for patient and county characteristics. RESULTS: Average marginal effects of PREDICT on expected use and expected cost of services per patient (child or adolescent) per quarter were small and insignificant for most service categories. There were statistically significant effects of PREDICT (p < .05), though still small, for certain types of service: (1) Expected number of diagnostic services per patient-quarter increased by .009 units; (2) Expected number of sealants per patient-quarter increased by .003 units, and expected cost by $0.06; (3) Total expected cost per patient-quarter for all services increased by $0.64. These consistent positive effects of PREDICT on diagnostic and certain preventive services (i.e., sealants) were not accompanied by increases in more costly service types (i.e., restorations) or extractions. CONCLUSION: The major hypothesis that primary dental care (selected preventive services and diagnostic services in general) would increase significantly over time in PREDICT counties relative to controls was supported. There were small but statistically significant, increases in differential use of diagnostic services and sealants. Total cost per beneficiary rose modestly, but restorative and dental costs did not. The findings suggest favorable developments within PREDICT counties in enhanced preventive and diagnostic procedures, while holding the line on expensive restorative and extraction procedures.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».