Prescriber Specialty Involvement in Medicare Patients With Chronic Hepatitis B
Notice bibliographique
Résumé
Chronic hepatitis B (CHB) is a major cause of liver-related morbidity and mortality in the United States. Patients with CHB require long-term antiviral treatment and consistent follow-up, but often face numerous barriers to accessing care and medications. In this study, we used the Medicare Part D database and the Rural-Urban Continuum code to explore specialty and geographic characteristics of healthcare providers that manage Medicare patients with CHB. Between 2013 and 2021, more than 7000 prescribers prescribed over 2.4 million 30-day prescriptions of these CHB therapies, of which 2 million (85%) were in metropolitan counties. The number of 30-day prescriptions increased by 5.4% annually. The number of prescriptions by GI increased by 12.5% a year and prescriptions by APPs increased by 12.2% a year, while prescriptions by ID decreased by 14.0% annually. In non-metropolitan counties, APPs experienced -5% APC between 2013 and 2021, and PCPs experienced -12.5% APC between 2016 and 2021. In this study, we found that there has been a noticeable shift in the specialties prescribing medications for patients with hepatitis B. Gastroenterologists and APPs became significantly more involved as prescribers. The increase in APP management of patients with CHB is a welcoming development, especially in light of the physician workforce shortage. It is important to create solutions such as co-management to ensure that patients with CHB receive consistent care without further contributing to supply-demand mismatch in gastroenterology.
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 | 0,001 | 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 | 0,001 |
| 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 ».