Effect of Free Medicine Distribution on Health Care Costs in Canada Over 3 Years
Notice bibliographique
Résumé
Importance: Few interventions are proven to reduce total health care costs, and addressing cost-related nonadherence has the potential to do so. Objective: To determine the effect of eliminating out-of-pocket medication fees on total health care costs. Design, Setting, and Participants: This secondary analysis of a multicenter randomized clinical trial using a prespecified outcome took place across 9 primary care sites in Ontario, Canada (6 in Toronto and 3 in rural areas), where health care services are generally publicly funded. Adult patients (≥18 years old) reporting cost-related nonadherence to medicines in the past 12 months were recruited between June 1, 2016, and April 28, 2017, and followed up until April 28, 2020. Data analysis was completed in 2021. Interventions: Access to a comprehensive list of 128 medicines commonly prescribed in ambulatory care with no out-of-pocket costs for 3 years vs usual medicine access. Main Outcome and Measures: Total publicly funded health care costs over 3 years, including costs of hospitalizations. Health care costs were determined using administrative data from Ontario's single-payer health care system, and all costs are reported in Canadian dollars with adjustments for inflation. Results: A total of 747 participants from 9 primary care sites were included in the analysis (mean [SD] age, 51 [14] years; 421 [56.4%] female). Free medicine distribution was associated with a lower median total health care spending over 3 years of $1641 (95% CI, $454-$2792; P = .006). Mean total spending was $4465 (95% CI, -$944 to $9874) lower over the 3-year period. Conclusions and Relevance: In this secondary analysis of a randomized clinical trial, eliminating out-of-pocket medication expenses for patients with cost-related nonadherence in primary care was associated with lower health care spending over 3 years. These findings suggest that eliminating out-of-pocket medication costs for patients could reduce overall costs of health care. Trial Registration: ClinicalTrials.gov Identifier: NCT02744963.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».