MétaCan
Menu
Retour à la cohorte
Enregistrement W4390000563 · doi:10.24095/hpcdp.43.12.03f

Estimation de l’exhaustivité des demandes de remboursement des médecins dans une optique de détermination des cas de diabète : étude menée dans plusieurs provinces

2023· article· fr· W4390000563 sur OpenAlexafffundvenueabout
Joellyn Ellison, Yong Jun Gao, Kimberley Hutchings, Sharon Bartholomew, Hélène Gardiner, Lin Yan, Karen A. Phillips, Aakash Amatya, Maria Greif, Ping Li, Yue Liu, Yao Nie, Josh Squires, J. Michael Paterson, Rolf Puchtinger, Lisa M. Lix

Notice bibliographique

RevuePromotion de la santé et prévention des maladies chroniques au Canada · 2023
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensNova Scotia Department of Health and WellnessInstitute for Clinical Evaluative SciencesUniversity of ManitobaMinistry of HealthManitoba HealthHealth PEICommunity Sector Council Newfoundland and LabradorNova Scotia Health AuthorityPublic Health Agency of Canada
Organismes subventionnairesPublic Health Agency of Canada
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Introduction Des recherches antérieures ont suggéré que le mode de rémunération des médecins peut avoir une influence sur l’exhaustivité des demandes de remboursement lors de l’estimation des maladies chroniques. Le but de cette étude est d’estimer l’exhaustivité des données sur la facturation des médecins dans l’optique de déterminer des cas de diabète. Méthodologie Nous avons utilisé les données administratives de huit provinces canadiennes pour la période du 1er avril 2014 au 31 mars 2016. Nous avons divisé la cohorte de patients en deux groupes mutuellement exclusifs en fonction du mode de rémunération de leur médecin : médecins rémunérés à l’acte pour ceux payés uniquement de cette façon et médecins non rémunérés à l’acte pour les autres. À l’aide des données sur les ordonnances de médicaments hypoglycémiants (source de nos données de référence), nous avons évalué si les cas de maladie avaient été déterminés avec la même exactitude en fonction du mode de rémunération. Nous avons ensuite corrigé les taux d’incidence du diabète afin d’optimiser l’exhaustivité des cas déterminés. Résultats La cohorte comprenait 86 110 patients. Dans l’ensemble, des proportions égales de patients ont reçu leurs médicaments hypoglycémiants de la part de médecins rémunérés à l’acte et de médecins non rémunérés à l’acte. Globalement, le mode de rémunération des médecins a eu peu d’effet sur le pourcentage de cas de diabète omis (14,8 % chez les médecins rémunérés à l’acte contre 12,2 % chez les médecins non rémunérés à l’acte). Toutefois, la différence de cas omis entre les médecins rémunérés à l’acte et ceux non rémunérés à l’acte était très variable d’une province à l’autre, allant de -1,0 % en Nouvelle-Écosse à 29,9 % à Terre-Neuve-et-Labrador. La différence entre les taux observés d’incidence de la maladie et les taux corrigés était également variable d’une province à l’autre, allant de 22 % à l’Île-du-Prince-Édouard à 4 % en Nouvelle-Écosse. Conclusion La différence entre le nombre de cas omis selon le mode de rémunération des médecins est variable d’une province à l’autre. Cette perte de données contribue probablement à une sous-estimation de l’incidence de la maladie. Il serait possible d’appliquer la méthode que nous avons utilisée à d’autres maladies chroniques pour lesquelles des données de traitement pharmacologique pourraient servir de données de référence.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,420

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,320
Écart entre enseignants0,294 · 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
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

Citations0
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revuePromotion de la santé et prévention des maladies chroniques au CanadaMême sujetHealthcare Policy and ManagementTravaux en français237 207