Estimation de l’exhaustivité des demandes de remboursement des médecins dans une optique de détermination des cas de diabète : étude menée dans plusieurs provinces
Bibliographic record
Abstract
Introduction Des recherches antérieures ont suggéré que le mode de rémunération des médecins peut avoir une influence sur l’exhaustivité des demandes de remboursement lors de l’estimation des maladies chroniques. Le but de cette étude est d’estimer l’exhaustivité des données sur la facturation des médecins dans l’optique de déterminer des cas de diabète. Méthodologie Nous avons utilisé les données administratives de huit provinces canadiennes pour la période du 1er avril 2014 au 31 mars 2016. Nous avons divisé la cohorte de patients en deux groupes mutuellement exclusifs en fonction du mode de rémunération de leur médecin : médecins rémunérés à l’acte pour ceux payés uniquement de cette façon et médecins non rémunérés à l’acte pour les autres. À l’aide des données sur les ordonnances de médicaments hypoglycémiants (source de nos données de référence), nous avons évalué si les cas de maladie avaient été déterminés avec la même exactitude en fonction du mode de rémunération. Nous avons ensuite corrigé les taux d’incidence du diabète afin d’optimiser l’exhaustivité des cas déterminés. Résultats La cohorte comprenait 86 110 patients. Dans l’ensemble, des proportions égales de patients ont reçu leurs médicaments hypoglycémiants de la part de médecins rémunérés à l’acte et de médecins non rémunérés à l’acte. Globalement, le mode de rémunération des médecins a eu peu d’effet sur le pourcentage de cas de diabète omis (14,8 % chez les médecins rémunérés à l’acte contre 12,2 % chez les médecins non rémunérés à l’acte). Toutefois, la différence de cas omis entre les médecins rémunérés à l’acte et ceux non rémunérés à l’acte était très variable d’une province à l’autre, allant de -1,0 % en Nouvelle-Écosse à 29,9 % à Terre-Neuve-et-Labrador. La différence entre les taux observés d’incidence de la maladie et les taux corrigés était également variable d’une province à l’autre, allant de 22 % à l’Île-du-Prince-Édouard à 4 % en Nouvelle-Écosse. Conclusion La différence entre le nombre de cas omis selon le mode de rémunération des médecins est variable d’une province à l’autre. Cette perte de données contribue probablement à une sous-estimation de l’incidence de la maladie. Il serait possible d’appliquer la méthode que nous avons utilisée à d’autres maladies chroniques pour lesquelles des données de traitement pharmacologique pourraient servir de données de référence.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".