MétaCan
Menu
Retour à la cohorte
Enregistrement W4205706002 · doi:10.1377/hlthaff.2021.01150

The ACA Medicaid Expansion And Perinatal Insurance, Health Care Use, And Health Outcomes: A Systematic Review

2022· review· en· W4205706002 sur OpenAlexaff
Meghan Bellerose, Lauren Collin, Jamie R. Daw

Notice bibliographique

RevueHealth Affairs · 2022
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésMedicaidMedicineAttendanceEthnic groupPrenatal careHealth careFamily medicineHealth insurancePregnancyEnvironmental healthDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

The Affordable Care Act (ACA) Medicaid expansion increased Medicaid eligibility for low-income adults regardless of their pregnancy or parental status. Variation in states' adoption of this expansion created a natural experiment to study the effects of expanding public insurance on insurance coverage, health care use, and health outcomes during preconception, pregnancy, and postpartum. We conducted a systematic review of relevant literature on this topic, analyzing twenty-four studies published between January 2014 and April 2021. We found that the ACA Medicaid expansion increased preconception and postpartum Medicaid coverage with corresponding declines in uninsurance, private insurance coverage, and insurance churn. There was limited evidence that Medicaid expansion increased perinatal health care use or improved infant birth outcomes overall, although some studies reported reduced racial and ethnic disparities in rates of prenatal and postpartum visit attendance, maternal mortality, low birthweight, and preterm births. Stronger data collection on preconception and postpartum outcomes with sufficient sample sizes to stratify by race and ethnicity is needed to assess the full impact of the ACA and emerging Medicaid policy changes, such as the postpartum Medicaid extension.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,147
Tête enseignante GPT0,372
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations80
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth AffairsMême sujetHealthcare Policy and ManagementTravaux en français237 207