MétaCan
Menu
Retour à la cohorte
Enregistrement W4307776637 · doi:10.1097/sla.0000000000005744

Implementation of the Maryland Global Budget Revenue Model and Variation in the Expenditures and Outcomes of Surgical Care

2022· review· en· W4307776637 sur OpenAlexaff
Ronnie L. Shammas, Christopher J. Coroneos, Carlos Ortiz-Babilonia, Margaret Graton, Amit Jain, Anaeze C. Offodile

Notice bibliographique

RevueAnnals of Surgery · 2022
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioScopusMEDLINEMeta-analysisPooled varianceStrictly standardized mean differenceConfidence intervalEmergency medicineSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the effect of the Global Budget Revenue (GBR) program on outcomes after surgery. BACKGROUND: There is limited data summarizing the effect of the GBR program on surgical outcomes as compared with traditional fee-for-service systems. METHODS: The Medline, Embase, Scopus, and Web of Science databases were used to conduct a systematic literature search on April 5, 2022. We identified full-length reports of comparative studies involving patients who underwent surgery in Maryland after implementation of the GBR program. A random effects model calculated the overall pooled estimate for each outcome which included complications, rates of readmission and mortality, length of stay, and costs. RESULTS: Fourteen studies were included in the qualitative synthesis, with 8 unique studies included in the meta-analysis. Our analytical sample was comprised of 170,011 Maryland patients, 78,171 patients in the pre-GBR group, and 91,840 patients in the post-GBR group. The pooled analysis identified modest reductions in costs [standardized mean difference (SMD) -0.34; 95% CI, -0.42, -0.25; P <0.001], complications [odds ratio (OR): 0.57; 95% CI, 0.36-0.92, P =0.02], readmission (OR: 0.78; 95% CI, 0.72-0.85, P <0.001), mortality (OR: 0.58; 95% CI, 0.47-0.72, P <0.001), and length of stay (standardized mean difference: -0.26; 95% CI, -0.32, -0.2, P <0.001) after surgery. CONCLUSIONS: Implementation of the GBR program is associated with improved outcomes and reductions in costs among Maryland patients who underwent surgical procedures. This is particularly salient given the increasing need to disseminate and scale population-based payment models that improve patient care while controlling health care costs.

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)0,035
score de la tête « metaresearch » (Gemma)0,092
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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,092
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,319
Tête enseignante GPT0,419
Écart entre enseignants0,101 · 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
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetHealthcare Policy and ManagementTravaux en français237 207