A hurdle and negative binomial model approach to analyzing the gender differences in diagnostic imaging utilization under high-deductible health plans
Notice bibliographique
Résumé
Introduction: High-Deductible Health Plans (HDHPs) have been increasingly adopted as a cost-containment strategy in healthcare. However, their impact on the utilization of diagnostic imaging services, particularly across different genders, remains underexplored. This study explores how HDHPs enrollment affect imaging utilization rates and usage patterns among patients of different genders, and it examines the associated gender disparities across various imaging modalities. Methods: Using data from the 2010 Thomson-Reuters MarketScan Commercial Database, we conducted a quantitative analysis employing Negative Binomial Regression and Hurdle models. The models assessed the association between HDHPs enrollment and diagnostic imaging utilization, with a focus on gender-based differences in usage patterns. Results: The analysis revealed that males generally utilize diagnostic imaging services less frequently than females. After HDHPs enrollment, overall imaging utilization declined by 7%, with a more pronounced reduction observed among male enrollees. Specifically, the likelihood of initial ultrasound utilization among males dropped by 8.2% more than among females. However, once at least one imaging procedure had been initiated, gender differences in utilization among HDHPs enrollees were no longer significant. Discussion: The findings suggest that HDHPs have a gender-differentiated effects on diagnostic imaging utilization, with males experiencing a more significant reduction, especially in the initial use of diagnostic imaging and in the use of ultrasound services. These results highlight the need for gender-sensitive approaches in health insurance policy design and emphasize the importance of targeted patient education to promote equitable access and resource allocation.
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 | 0,025 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».