MétaCan
Menu
← Retour à la cohorte
Enregistrement W3203770757 · doi:10.1101/2021.10.06.21264537

Variation in influenza vaccine assessment, receipt, and refusal by the concentration of Medicare Advantage enrollees in U.S. nursing homes

2021· preprint· en· W3203770757 sur OpenAlexaff
Patience Moyo, Elliott Bosco, Barbara H. Bardenheier, Maricruz Rivera‐Hernandez, Robertus van Aalst, Ayman Chit, Stefan Gravenstein, Andrew R. Zullo

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSanofi PasteurBrown UniversityNational Institute on AgingSeqirusNational Institute of General Medical SciencesSanofi
Mots-clésMedicineVaccinationReceiptInfluenza vaccineDemographyMinimum Data SetNursing homesImmunologyNursing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background More older adults enrolled in Medicare Advantage (MA) are entering nursing homes (NHs), and MA concentration could affect vaccination rates through shifts in resident characteristics and/or payer related influences on preventive services use. We investigated whether rates of influenza vaccination and refusal differ across NHs with varying concentrations of MA-enrolled residents. Methods We analyzed 2014-2015 Medicare enrollment data and Minimum Data Set clinical assessments linked to NH-level characteristics, star ratings, and county-level MA penetration rates. The independent variable was the percentage of residents enrolled in MA at admission and categorized into three groups. We examined three NH-level outcomes: percentage of residents assessed and appropriately provided the influenza vaccine, receiving influenza vaccine, and refusing influenza vaccine. Results There were 936,513 long-stay residents in 12,384 NHs. Categories for the prevalence of MA enrollment in NHs were low (0% to 3.3%; n=4131 NHs), moderate (3.4% to 18.6%; n=4127 NHs) and high (>18.6%; n=4126 NHs). Adjusting for covariates, influenza vaccination rates among long-stay residents were higher in NHs with moderate (1.7%, P <0.0001), or high (3.1%, P <0.0001) MA versus the lowest prevalence of MA. Influenza vaccine refusal was lower in NHs with moderate (−3.1%, P <0.0001), or high (−4.6% P <0.0001) MA compared with NHs with the lowest prevalence of MA. Among 753,616 short-stay residents in 12,205 NHs, there was no association between MA concentration and influenza vaccination receipt but vaccine refusal was greater in NHs with higher MA prevalence (high or moderate vs. low MA: 5.2%, P <0.0001). Conclusion The relationship between MA concentration and influenza vaccination measures varied among post-acute and long-term NH residents. As MA takes a larger role in the Medicare program, and more MA beneficiaries enter NHs, there is need to consider how managed care can be leveraged to improve the delivery of preventive services such as influenza vaccinations in NH settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,408
Écart entre enseignants0,385 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→