Medicare Advantage Plans With High Numbers Of Veterans: Enrollment, Utilization, And Potential Wasteful Spending
Notice bibliographique
Résumé
Medicare Advantage (MA) plans are increasingly enrolling veterans. Because MA plans receive full capitated payments regardless of whether or not veterans use Medicare services, the federal government can incur substantial duplicative, wasteful spending if veterans in MA plans predominantly seek care through the Veterans Health Administration (VHA) system. The recent growth of MA plans that disproportionately enroll veterans could further exacerbate such wasteful spending. Using national data, we found that veterans increasingly enrolled in MA between 2016 and 2022, including in a growing number of MA plans in which 20 percent or more of the enrollees were veterans. Notably, about one in five VHA enrollees in these high-veteran MA plans did not incur any Medicare services paid by MA within a given year-a rate 2.5 times that of VHA enrollees in other MA plans and 5.7 times that of the general MA population. Meanwhile, VHA enrollees in high-veteran MA plans were significantly more likely to receive VHA-funded care. In 2020, the Centers for Medicare and Medicaid Services paid more than $1.32 billion to MA plans for VHA enrollees who did not use any Medicare services, with 19.1 percent going to high-veteran MA plans.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».