MétaCan
Menu
Retour à la cohorte
Enregistrement W4381470571 · doi:10.1001/jamanetworkopen.2023.19047

Medicare Beneficiaries’ Perspectives on the Quality of Hospital Care and Their Implications for Value-Based Payment

2023· article· en· W4381470571 sur OpenAlexaff
Logan Trenaman, Mark Harrison, Jeffrey S. Hoch

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensUniversity of British ColumbiaCentre for Advancing Health OutcomesSt. Paul's Hospital
Organismes subventionnairesAgency for Healthcare Research and QualityU.S. Department of Health and Human Services
Mots-clésValue-Based PurchasingBeneficiaryMedicinePaymentActuarial scienceIncentiveFiscal yearLogistic regressionFamily medicineEmergency medicineFinanceBusiness

Résumé

récupéré en direct d'OpenAlex

Importance: Medicare's Hospital Value-Based Purchasing (HVBP) program adjusts hospital payments according to performance on 4 equally weighted quality domains: clinical outcomes, safety, patient experience, and efficiency. The assumption that performance on each domain is equally important may not reflect the preferences of Medicare beneficiaries. Objective: To estimate the relative importance (ie, weight) of the 4 quality domains in the HVBP program from the perspective of Medicare beneficiaries and the impact of using beneficiary value weights on incentive payments for hospitals enrolled in fiscal year 2019. Design, Setting, and Participants: An online survey was conducted in March 2022. A nationally representative sample of Medicare beneficiaries was recruited through Ipsos KnowledgePanel. Value weights were estimated using a discrete choice experiment that asked respondents to choose between 2 hospitals and indicate which they preferred. Hospitals were described using 6 attributes, including (1) clinical outcomes, (2) patient experience, (3) safety, (4) Medicare spending per patient, (5) distance, and (6) out-of-pocket cost. Data analysis was performed from April to November 2022. Main Outcomes and Measures: An effects-coded mixed logit regression model was used to estimate the relative importance of quality domains. HVBP program performance was linked to Medicare payment data in the Medicare Inpatient Hospitals by Provider and Service data set and hospital characteristics from the American Hospital Association Annual Survey data set, and the estimated impact of using beneficiary value weights on hospital payments was estimated. Results: A total of 1025 Medicare beneficiaries (518 women [51%]; 879 individuals [86%] aged ≥65 years; 717 White individuals [70%]) responded to the survey. A hospital's performance on clinical outcomes was most highly valued by beneficiaries (49%), followed by safety (22%), patient experience (21%), and efficiency (8%). Nearly twice as many hospitals would see a payment reduction when using beneficiary value weights than would see an increase (1830 vs 922 hospitals); however, the average net decrease was smaller (mean [SD], -$46 978 [$71 211]; median [IQR], -$24 628 [-$53 507 to -$9562]) than the comparable increase (mean [SD], $93 243 [$190 654]; median [IQR], $35 358 [$9906 to $97 348]). Hospitals seeing a net reduction with beneficiary value weights were more likely to be smaller, lower volume, nonteaching, and non-safety-net hospitals located in more deprived areas that served less complex patients. Conclusions and Relevance: This survey study of Medicare beneficiaries found that current HVBP program value weights do not reflect beneficiary preferences, suggesting that the use of beneficiary value weights may exacerbate disparities by rewarding larger, high-volume hospitals.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,629
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,093
Tête enseignante GPT0,454
Écart entre enseignants0,361 · 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'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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetPrimary Care and Health OutcomesTravaux en français237 207