Short-term and long-term unintended impacts of a pilot reform on Beijing's zero markup drug policy: a propensity score-matched study
Notice bibliographique
Résumé
Abstract Background In September 2012, Beijing, the capital of China, selected five tertiary hospitals as pilots to remove the previously allowed 15% markup for drug sales. However, while most research demonstrated the significant decrease in drug sales, the core issue of high health expenditure was not well solved because of the unintended policy impact. This study aimed to empirically evaluate the short-term and long-term unintended impacts on controlling medical expenses of Beijing’s zero markup drug policy from 2012 to 2015. Methods This study extracted 2012-2015 individual-level data from the Beijing Urban Employee Basic Medical Insurance (UEBMI) database and performed a propensity score-matched analysis to evaluate the short-term and long-term impacts on controlling medical expenses. All inpatients in the 5 pilot reform hospitals were selected as the intervention group, while inpatients in other tertiary hospitals were selected as the control group. Results A total of 520,996 inpatients were extracted in this study. For patients in the pilot hospitals, the total expenditures per admission decreased from 17,140.3 yuan in 2012 to 15,430.1 yuan in 2013 and then increased to 16,789.8 yuan in 2015. Expenditure on drugs reduced from 5,811.7 yuan in 2012 to 3,903.4 yuan in 2015. However, a significant substitution effect of medical consumables was first observed in the third quarter of 2014, which undermined the impact of the policy. In the long-term, the intervention group and control group demonstrated the same trend. Conclusions After the zero markup drug policy, expenditure on drugs revealed a continuous decline. However, the decline in total expenditure was weakened by the substitution effect of medical consumables in the long term.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».