The Impact of Star Physicians on Diffusion of a Medical Technology
Notice bibliographique
Résumé
This dissertation studies the effect of star power among physicians on the diffusion of a medical technology. Studies of the diffusion of medical technologies document institutional and market level factors influencing diffusion rates and patterns. The role of the physician in the diffusion of medical technology in hospitals is not widely studied. This dissertation seeks to fill this gap. Certain "star" physicians and hospitals are recognized as highly attractive to patients. A star physician is defined as a physician who meets any of the following criteria: (i) completed residency training at top 30 ranked hospital, (ii) graduated from a top 30 medical school or (iii) is included in Castle & Connolly's Top Docs publications. A star hospital is defined as a member of the American Association of Medical Colleges' Council of Teaching Hospitals. Using quarterly data on all bariatric surgeries performed in the state of Pennsylvania from 1995 through 2007, I measure the effect of stars physicians and star hospitals on the diffusion of a surgical innovation in bariatric surgery called laparoscopic gastric bypass surgery. I use logistic and OLS regression to test for effects at both the hospital and physician level. At the hospital level, I find that having a star physician at a hospital raises the likelihood of that hospital diffusing laparoscopic gastric bypass from eleven percent to eighty-nine percent. I find that over the time period from first quarter 2000 to fourth quarter 2001, being a star hospital raises the likelihood of that hospital diffusing laparoscopic gastric bypass from thirteen percent to eighty-seven percent. At the physician level, the empirical results indicate that star physicians exert positive asymmetric influence on the adoption and utilization rates of non-stars at the same hospital. This dissertation supports earlier work in technology diffusion by finding a positive influence from key individuals. It adds to the literature on medical technology diffusion by testing a new data set for a chronic disease treatment.
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 | 0,003 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».