Comparison of the out-of-pocket costs of Medicare-funded telepsychiatry and face-to-face consultations: A descriptive study
Notice bibliographique
Résumé
OBJECTIVE: Telepsychiatry items in the Australian Medicare Benefits Schedule (MBS) were expanded following the COVID-19 pandemic. However, their out-of-pocket costs have not been examined. We describe and compare patient out-of-pocket payments for face-to-face and telepsychiatry (videoconferencing and telephone) MBS items for outpatient psychiatric services to understand the differential out-of-pocket cost burden for patients across these modalities. METHODS: out-of-pocket cost information was obtained from the Medical Costs Finder website, which extracted data from Services Australia's Medicare claims data in 2021-2022. Cost information for corresponding face-to-face, video, and telephone MBS items for outpatient psychiatric services was compared, including (1) Median specialist fees; (2) Median out-of-pocket payments; (3) Medicare reimbursement amounts; and (4) Proportions of patients subject to out-of-pocket fees. RESULTS: Medicare reimbursements are identical for all comparable face-to-face and telepsychiatry items. Specialist fees for comparable items varied across face-to-face to telehealth options, with resulting differences in out-of-pocket costs. For video items, higher proportions of patients were not bulk-billed, with greater out-of-pocket costs than face-to-face items. However, the opposite was true for telephone items compared with face-to-face items. CONCLUSIONS: Initial cost analyses of MBS telepsychiatry items indicate that telephone consultations incur the lowest out-of-pocket costs, followed by face-to-face and video consultations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».