Нажмите "Enter", чтобы перейти к контенту

Местные характеристики населения и показатели гемоглобина A1c среди диабетических бенефициаров Medicare

Конкурирующие интересы: авторы заявили, что конкурирующих интересов не существует.

Задуманные и разработанные эксперименты: LCY JSS AC. Выполнили эксперименты: LCY TB. Проанализированы данные: LCY. Используемые реагенты / материалы / инструменты анализа: LCY TB. Написал документ: LCY.

Предлагаемые реформы платежей в системе здравоохранения США будут привлекать поставщиков к ответственности за уход, предоставляемый назначенной пациентке. Ежегодные тесты на гемоглобин A1c (HbA1c) рекомендуются для всех диабетиков, но некоторые пациенты могут столкнуться с препятствиями для высококачественного здравоохранения, которые находятся за пределами контроля поставщиков. Масштабы мелкозернистых вариаций ухода за диабетическими бенефициарами Medicare и их ассоциациями с характеристиками местного населения неизвестны.

Тесты HbA1c были зарегистрированы для 480 745 пациентов с диабетом Medicare. Пространственный анализ использовался для создания оценочных уровней тестирования на уровне кода почтового индекса. Были оценены ассоциации показателей тестирования с местными характеристиками населения, которые находятся вне контроля поставщиков — плотность населения, процент афроамериканцев, с менее средним школьным образованием или живущими в нищете.

В 2009 году 83,3% пациентов с диабетом Medicare получили тесты HbA1c. Оценочные ставки на уровне кода ZIP варьировались от 71,0% в самом низком дециле до 93,1% в самом высоком. При каждых 10% -ном увеличении процента населения, которое было афро-американцем, связанные с этим показатели тестирования HbA1c были на 0,24% ниже (95% ДИ-0,32-0,17); при одинаковом увеличении процента с менее чем средним школьным образованием или процентом бедности, уровень тестирования был на 0,70% ниже (-0,95-0,46) и 1,6% ниже (-1,8-1,4) соответственно. Показатели тестирования были самыми низкими в наименее и наиболее густонаселенными почтовыми индексами. Характеристики населения объясняют 5% вариаций скорости тестирования.

Скорости тестирования HbA1c связаны с характеристиками популяции, но эти характеристики не позволяют объяснить подавляющее большинство вариаций. Следовательно, даже полная корректировка риска может незначительно повлиять на некоторые меры по обеспечению качества медицинской помощи; значительная часть изменений в индексах, связанных с почтовым индексом, вероятно, связана с различиями на уровне поставщиков и специфическими местными факторами, не связанными с нищетой, образованием или расой.

Авторы подтверждают, что по утвержденным причинам некоторые ограничения доступа применяются к данным, лежащим в основе данных. Почти полный файл данных включен в рукопись в качестве дополнительного файла данных. Мы включили как разделенный запятыми .txt файл с данными, так и кодовую книгу, описывающую каждую из включенных переменных. В этом файле мы включили пространственно сглаженные оценки тестирования HbA1c для всех почтовых индексов, которые были включены в наше исследование, демографические данные для всех этих почтовых индексов и необработанные ставки тестирования HbA1c для почтовых индексов с не менее чем 25 получателями Medicare. В связи с этическими соображениями, связанными с представлением потенциально идентифицируемых данных о пациентах, а также нашим соглашением об использовании данных с Центрами Medicare и Medicaid Services, мы не можем загружать необработанные данные для почтовых индексов с менее чем 25 бенефициарами. Исследователям, которые хотели бы изучить данные претензий Medicare индивидуального уровня, необходимо связаться с CMS относительно использования этих данных.

Новые модели платежей, в том числе организации подотчетных организаций (ACO), создают стимулы для поставщиков предоставлять высококачественную помощь всем пациентам, приписываемым им. Тем не менее, некоторые пациенты могут столкнуться с препятствиями для высококачественного ухода, не зависящего от поставщиков медицинских услуг. Транспортные издержки, а также временные или финансовые ограничения могут различаться по демографическим субпопуляциям, возможно, объясняя часть различий в уровне обслуживания среди уязвимых групп населения. Кроме того, местная среда, в которой живет человек, может оказать сильное влияние на его способность обращаться за медицинской помощью [1], [2]. Если такие эффекты присутствуют, механизмы оплаты могут потребовать их учета, чтобы предотвратить отказ ACO от таких пациентов или наказание с более низкими возмещениями [3], [4], что потенциально ухудшает существующие диспропорции. Фактически, недавний проект рекомендаций Национального форума по качеству предполагает корректировку социально-демографических факторов в некоторых качественных мерах, используемых в контрактах на оплату труда, из-за этих проблем [5].

Современные исследования качества и диспропорций в здравоохранении были сосредоточены главным образом на поставщиках или крупных географических районах [6] — [11]. Традиционные подходы к объединению данных о народонаселении в большие районы — будь то государства, округа или регионы рефералов больниц (HRR) — вероятно, скрывают любые потенциальные местные последствия для ухода за жителями. Поставщикам медицинских услуг, особенно появляющимся ACOs, и плательщикам, работающим с ними, подвержены серьезные различия в качестве медицинского обслуживания, которые могут варьироваться от одного почтового индекса до смежного. Если характеристики местной территории сильно связаны с мерами присоединения и тестирования, возможно, необходимо будет настроить механизмы оплаты, чтобы надлежащим образом вознаграждать уход за идентифицируемые уязвимые группы населения. В качестве альтернативы, если проживание в определенном регионе оказывает независимое влияние на опыт здравоохранения жителей, за исключением ожидаемого по составу местного населения, провайдеры должны знать местные барьеры на пути к уходу и искать способы их минимизации.

На сегодняшний день не было достигнуто четких мер для изучения вклада этих социально-демографических факторов в изменения качества здравоохранения в США. В этом документе мы разрабатываем оценки уровня HbA1c на уровне кода на уровне кода в течение 2008-2010 гг. Среди бенефициаров с диабетической поддержкой Medicare. Затем мы сравниваем эти показатели с демографией местного населения из переписи США (2010 г.) и обследованием Американского сообщества (2006-2010 гг.) И оцениваем долю вариаций в показателях тестирования, которые могут быть объяснены местными характеристиками населения.

Мы рассмотрели заявки Medicare из 20-процентной национальной выборки файлов Знаменателя, Медпара, Перевозчика и Амбулаторства за 2008, 2009 и 2010 годы. Претензии были связаны с почтовым кодом места жительства, предоставленным каждому бенефициару. Статистика населения на уровне области табуляции в почтовом индексе (ZCTA) поступала из данных переписи 2010 года и данных опроса Американского сообщества по переписи населения (объединенных в 2006-2010 гг.), Которые были агрегированы на уровне кода ZIP. Население на уровне кода почтового индекса включало общее население, общую плотность населения и процент афроамериканцев (все из переписи 2010 года), а также процент жизни ниже 100% федерального уровня бедности (FPL) и процентов с менее чем среднее образование (все из опроса Американской общины).

Определения Health and Effective Data and Information Set (HEDIS) были применены к заявлениям Medicare о выборе диабетических бенефициаров для двух отдельных когорт; первый из которых рассчитан на 2008-2009 годы, а второй — на 2009-2010 годы. Были созданы две отдельные когорты, чтобы мы могли оценивать пространственно сглаженные ставки с использованием данных за один год и проверять оценки с данными из другого образца. Чтобы быть включенным, у бенефициара было, по крайней мере, одно острое столкновение с больным или неотложным департаментом или две амбулаторные или не острые стационарные встречи, сопровождаемые диагнозом диагноз, в течение двухлетнего периода [12]. Результат, получение теста HbA1c, был определен по крайней мере одним действительным заявлением, указывающим на такой тест (коды CPT 83036 или 83037) во второй год периода когорты (2009 или 2010). Текущие рекомендации по лечению диабета показывают, что пациенты получают тесты HbA1c, по крайней мере, ежегодно, чтобы помочь в принятии решений о лечении [13].

Возраст в начале периода наблюдения, пол и самооценка были записаны в файлах знаменателя. Каждая когорта была ограничена бенефициарами, покрываемыми в рамках Medicare по ставке за обслуживание, и в возрасте от 65 до 75 лет, поскольку лица в возрасте до 65 лет, вероятно, будут систематически отличаться от пожилых бенефициаров, а текущие спецификации HEDIS рекомендуют эти меры только до 75 лет [12]. Мы также исключили бенефициаров с любыми посещениями федеральных аттестованных центров здоровья или сельских центров здоровья в течение двухлетнего периода наблюдения, поскольку такие посещения возмещаются единым фиксированным взносом; конкретные услуги, такие как тесты HbA1c, реже записываются.

Чтобы сопоставить получателей Medicare с физическими местоположениями, файл присвоения сопоставил каждый записанный почтовый индекс с 1990 года до физического местоположения почтового индекса 2010 года. (Старые ZIP-адреса могут потребоваться, если абонент Medicare не обновил свой почтовый адрес.) В некоторых случаях за предыдущие годы не было точного численного совпадения с почтовым индексом 2010 года, поэтому старый ZIP был назначен ближайшему физическому лицу сосед в 2010 году, в результате чего был получен окончательный набор данных, в котором всем доступным почтовым индексам с 1990 года по настоящее время было назначено физическое местоположение.

Анализ географических данных о здравоохранении часто зависит от агрегации в таких областях, как уезды, штаты, столичные статистические области, районы обслуживания больниц (HSA) или регионы рефералов больниц (HRR) [7], [14] — [17]. Агрегирование подразумевает, что все жители района могут быть представлены с той же оценкой. Кроме того, изменения формы и размера регионов могут влиять на оценки, зарегистрированные для этих регионов [18]. Эти проблемы привели нас к применению метода пространственного сглаживания для изучения мелкозернистых вариаций скорости тестирования HbA1c. Почтовые индексы использовались, потому что они были самым крупным географическим районом, доступным в заявках Medicare.

Пространственные сглаживающие подходы ранее использовались для разработки региональных оценок редких заболеваний или событий в области здоровья [15], [19] — [21]. Эти методы используют пространственную автокорреляцию — более близкие регионы более похожи друг на друга, чем те, которые находятся дальше [22] — путем заимствования информации у соседей точки для корректировки оценки значения, для которого может быть неопределенность. В этом исследовании мы использовали более гладкий диск с адаптивным радиусом; радиус расширяется и сжимается по мере необходимости, чтобы каждая оценка основывалась на населении выше минимального порога [20]. Мы выбрали пороговое значение для населения из 50 бенефициаров для каждой оценки ставки.

Этот подход с пространственным сглаживанием был применен к группе пациентов с диабетом Medicare 2008-2009 годов. Процесс сглаживания выполнялся итеративно. Если у ZIP было больше 50 диабетических бенефициаров, неуправляемая ставка населения была присвоена ZIP. Если этого было меньше, то следующий ближайший ZIP был включен, пока общая численность населения не была равна 50; средневзвешенное по населению по всему набору ZIP-адресов было затем присвоено центральной точке.

Оценки, созданные с использованием когорты 2008-2009 гг., Были проверены с использованием когорты 2009-2010 гг .; другая когорта использовалась просто для того, чтобы допускать проверку вне выборки, а не повторять использование тех же данных, из которых были созданы оценки. Все почтовые индексы с данными из обоих периодов были отсортированы по децилям, взвешенным с помощью бенефициаров, на основе оценок скорости тестирования HbA1c с 2009 года. Затем мы оценили средний и межквартильный диапазон необработанных (несовпадающих) уровней тестирования, наблюдаемых в 2010 году для каждого дециля ZIP коды. Поскольку исходные ставки с 2010 года были основаны только на одном бенефициаре, они были довольно переменными. Тем не менее, это сравнение позволило нам оценить, сохранил ли процесс пространственного сглаживания большую часть той же общей информации, что и в исходных ставках.

Оценки скорости тестирования HbA1c были сопоставлены с данными о населении из переписи США и ACS. Почтовые индексы, которые имели как данные о скорости тестирования, так и данные о народонаселении, были отсортированы по децилям, взвешенным по размеру, с оценкой пространственно сглаженных оценок HbA1c. Чтобы сравнить общие характеристики населения в высокоскоростных почтовых индексах, мы определили средний процент децилей, который был афроамериканцем, имел менее образование в средней школе или жил ниже 100% FPL. Децилы использовались, потому что они позволяют сравнивать несколько значимых сокращений (например, самые низкие или самые высокие 10%, медианные), но поддерживают управляемое количество групп для представления и интерпретации.

Чтобы оценить долю отклонения в ставках тестирования кода почтовых индексов, объясненных демографическими характеристиками, мы выполнили регрессию уровня сырого теста на уровне кода на основе кода по местным характеристикам населения: плотность населения, процент афроамериканцев, процент меньше, чем среднее образование , а процент жизни ниже 100% FPL. Только для регрессионных анализов мы использовали необработанные уровни тестирования из-за опасений, что наш процесс пространственного сглаживания может ввести чрезмерную пространственную автокорреляцию в нашу зависимую переменную. Если в зависимой переменной была чрезмерная пространственная автокорреляция, тогда может быть обнаружено ложное отношение между этой переменной и независимыми переменными, которые также отображают пространственную автокорреляцию; стандартные ошибки, вероятно, также будут искусственно малыми. Плотность населения была представлена ​​индикаторами дециля для захвата потенциальных нелинейных эффектов (поисковые анализы с использованием других ковариатов не предполагали сильных нелинейных отношений). Мы учли эту регрессию по числу диабетических бенефициаров Medicare в каждом ZIP-адресе, чтобы решить проблемы статистического шума, когда результат был основан на небольших популяциях.

Мы изучили географические различия в оценках скорости тестирования, создав карты на национальном и региональном уровнях. Четыре набора региональных карт были созданы с использованием географических границ ZIP, загруженных из ArcGIS. На этих картах показаны характеристики популяции почтовых индексов и оценки HbA1c для тестирования в Лос-Анджелесе, Хьюстоне и Чикаго.

Мы использовали исходные уровни тестирования в нашем регрессионном анализе из-за опасений, что чрезмерная пространственная автокорреляция, введенная в нашу зависимую переменную в процессе сглаживания, приведет к ложно малым стандартным ошибкам [23]. Тем не менее, необработанные ставки могут быть нестабильными; поэтому мы повторили этот анализ среди только тех почтовых индексов, ставки которых были получены из минимального числа бенефициаров Medicare (5, 10 или 25), а также сглаженных оценок в качестве зависимой переменной.

Программное обеспечение ArcGIS 10 использовалось для создания файлов географических данных из информации о широте и долготе для всех почтовых индексов, а также репрезентативных карт окончательных оценок. Программное обеспечение GeoDa использовалось для определения ближайших 100 соседей для каждого ZIP. Пользовательская программа, написанная на STATA 11, была использована для завершения итеративного процесса сглаживания путем объединения файлов ближайшего соседа с начальными данными на уровне кода на кодовых страницах, полученными из заявок Medicare.

Эта работа финансировалась Национальным институтом по проблемам старения. Источник финансирования не принимал участия в разработке, проведении и анализе исследования или в решении представить рукопись для публикации.

Работа над этим исследованием была одобрена Комитетом Дартмутского колледжа по защите прав человека. Согласие на использование претензий бенефициаров в этом исследовании было отменено, поскольку работа заключалась в вторичном анализе существующих данных, и все данные были анонимизированы до проведения любого анализа.

В таблице 1 представлены общие сводные статистические данные из когорты бенефициаров Medicare и их распределение по почтовым индексам проживания. Из 480 745 бенефициаров, выявленных в период 2008-2009 годов, 13,3% были афроамериканцами, а около половины (50,6%) были женщинами. Бенефициары проживали через 29 438 разных почтовых индексов; из них 4 818 (16,4%) имели только одного бенефициара, а 6229 (22,8%) имели по меньшей мере 25 бенефициаров, что является общим минимальным населением для публичной отчетности [24]. Общий уровень тестирования HbA1c среди всех бенефициаров составил 83,3%. Из 480 745 бенефициаров 469 115 (97,6%) были успешно объединены с данными по населению на уровне ZIP с 25 190 жилых американских почтовых индексов, в которых проживало около 98,7% общего населения США в 2010 году.

Источник: расчеты авторов по данным Medicare, 2008-2009.

Сначала мы проверили пространственно сглаженные оценки уровня ZIP, сравнив их с необработанными ставками на следующий год. Почтовые индексы со ставками с обоих лет были разделены на децили, основанные на сглаженных ставках 2009 года. Поскольку исходные ставки могут быть основаны только на 1 бенефициаре, минимальный и максимальный в каждом дециле колебался от 0 до 100%. На рисунке 1 мы представляем средневзвешенный и межквартильный диапазон необработанных курсов 2010 года для каждого дециля оценки 2009 года. Среднее значение необработанных ставок в 2010 году составило 75,1% в самом низком дециле и неуклонно росло до 88,2% в самом высоком дециле.

Чтобы сравнить местные показатели тестирования и демографические данные о населении, мы разделили коды почтовых индексов как с оценочными ставками, так и с данными о населении в децили в 2009 году оценочные уровни тестирования HbA1c. В Таблице 2 мы представляем сводные статистические данные, взвешенные по весу, по результатам обследования 2010 года в Обзоре 2010 года или 2006-2010 гг. Для каждого из этих децилей. Средняя оценка HbA1c составила 71,0% в самом низком дециле и увеличилась до 93,1% в самом высоком дециле. Процент населения в целом, который был афроамериканцем, снизился с 19,9% в дециле самого низкого качества до 8,5% в самом высоком. Процент населения с неполным школьным образованием, а также процент жизни ниже 100% FPL также снизился по мере увеличения показателей качества с 11,7% до 5,1% и с 19,0% до 11,4% соответственно.

Качественные децилы отражают децилируемую скорость тестирования HbA1c, ориентированную на бенефициара. Все средние оценки взвешиваются общей численностью населения США в каждом почтовом индексе.

Почтовые индексы с оценкой ставок тестирования HbA1c (из заявок Medicare) и демографических данных.

Данные опроса населения США и обследования Американского сообщества.

Мы создали несколько карт для визуального изучения национальных и региональных вариантов тестирования и характеристик местного населения. На рис. 2 представлена ​​национальная карта оценок скорости тестирования HbA1c на уровне кода на уровне кода с 2009 года. Для целей презентации данные стилизованы как карта высот; аналогичные значения смешиваются вместе, а переходы между «долинами» и «пиками» демаркированы градациями в цвете от красного (самые низкие) до синего (самые высокие ставки). На рисунке 3 мы исследуем локальные вариации в трех крупных столичных регионах: Чикаго, Лос-Анджелес и Хьюстон. На этих картах мы выделили коды почтовых индексов, которые расположены в регионах, обычно используемых для исследований в области здравоохранения: либо HRR (Чикаго и Хьюстон), либо меньший HSA (Лос-Анджелес). В каждом регионе имеются почтовые индексы с очень низкими и очень высокими оценками HbA1c, а также с широким спектром демографических характеристик. Самые бедные почтовые индексы или те, у кого самая высокая доля афроамериканцев, не обязательно являются почтовыми кодами с самыми низкими показателями тестирования HbA1c.

Чтобы сделать это сравнение социально-демографических факторов и качественных мер более формально, мы выполнили множественную линейную регрессию на уровне кода ZIP. На рисунке 4 представлены результаты. Мы регрессировали исходную ставку из каждого почтового индекса в процентах от местного населения, которое было афроамериканцем, процент меньше, чем среднее образование, и процент жизни ниже 100% FPL, а также показатели децильной плотности населения (с наименее населенным децилем в качестве эталона). Каждое 10% -ное увеличение процента населения ZIP, которое было афроамериканцем, было связано с снижением на 0,24% (95% ДИ-0,32-0,17) в тестах HbA1c. Соответствующие значения на 10% увеличиваются в процентах от населения, имеющего менее образование в средней школе или живущего ниже 100% FPL, были снижением на 0,7% (95% ДИ -0,95-0,46) и 1,6% (95 % CI -1,84-1,42), соответственно. Наименее плотно заселенные почтовые индексы имели самые низкие уровни тестирования. Значительно выросли показатели во 2-м и 3-м наиболее населенных децилях — на 1,63% (95% ДИ 1,14-2,12) и 2,58% (95% ДИ 2,09-3,08), по сравнению с первым децилем, а затем снова уменьшились с увеличением плотности населения , Уровни тестирования в 10-м (наиболее густонаселенном) дециле почтовых индексов существенно не отличались от показателей в 1-м. Суммарный r-квадрат от регрессии составлял 0,048. В анализах чувствительности наши основные результаты были последовательными, когда мы использовали пространственно сглаженные ставки HbA1c, а не сырые ставки, или когда мы ограничили выборку почтовыми кодами, чьи исходные ставки были основаны на более широких популяциях (r-квадрат увеличивался с помощью этих альтернативных подходов, особенно с использованием сглаженной исходной переменной, но никогда не превышал 0,09).

Интенсивность тестирования HbA1c на уровне кода на уровне почтовых индексов регрессировала по характеристикам местного населения. Бары представляют собой 95% CI вокруг оценочной связи между каждой ковариацией и местными тарифами тестирования HbA1c.

Мы документируем обширные мелкомасштабные изменения ставок тестирования HbA1c среди бенефициаров Medicare. Местные социально-демографические характеристики связаны с показателями тестирования, поскольку популяции почтовых индексов с более низкими показателями тестирования, как правило, состоят из большей доли жителей, живущих в нищете, с менее чем средним образованием или афроамериканцами. Пациенты из чрезвычайно сельских или городских почтовых индексов могут столкнуться с дополнительными барьерами для ухода, возможно, из-за трудности доступа к адекватному провайдеру. Тем не менее, все эти характеристики популяции объясняют менее 5% вариации ставок тестирования, которые могут довольно широко варьироваться в относительно небольших географических районах.

Наши результаты имеют несколько последствий для провайдеров и, в частности, новых ACOs. Во-первых, тот факт, что демографические различия объясняют так мало различий по почтовым индексам, несколько перспективен для потенциала ACOs — или любой инициативы на основе системы здравоохранения — улучшить качество здравоохранения, поскольку это говорит о том, что некоторые провайдеры могут обеспечить высокое качество уход за уязвимыми группами населения. Этот вывод также согласуется с предыдущей работой, показывающей относительно умеренные различия в качестве медицинского обслуживания среди бенефициаров Medicare по этническим и социально-экономическим направлениям [25]. Поставщикам должно быть сложно заявить, что они не смогли обеспечить высококачественную помощь только из-за состава их пациентов.

Тем не менее, место проживания имеет значение; в каждом из регионов, которые мы внимательно изучили, был, по крайней мере, один почтовый индекс, уровень которого был значительно ниже, чем у его соседей. Такие горячие точки не могут быть полностью объяснены идентифицируемыми характеристиками популяции; они могут также отражать уникальные характеристики места, которые влияют на опыт жителей и приводят к барьерам на пути к уходу. Предыдущие исследования качества и диспропорций в сфере здравоохранения были сосредоточены главным образом на поставщиках и продемонстрировали, что пациенты из числа меньшинств часто концентрируются среди поставщиков более низкого качества [8], [26]. В той степени, в которой жители почтового индекса обслуживаются одним и тем же провайдером, наши результаты могут отражать аналогичную сортировку пациентов. Тем не менее, вполне вероятно, что меры на уровне кода почтового индекса отражают местные социальные, культурные или экономические последствия, а также влияние доминирующей системы здравоохранения.

Эти основанные на почтовом индексе меры могут быть полезны для поощрения высококачественного ухода. Предотвращение предоставления услуг по оказанию помощи, по-видимому, некачественного качества, не подлежит контролю, и может усугубить диспропорции, если впоследствии эти поставщики не смогут расходовать средства на улучшение ухода [2], [5]. В то же время чрезмерно щедрая корректировка риска может только удерживать диспропорции, предоставляя провайдерам бесплатный пропуск, чтобы продолжать предоставлять неадекватную помощь просто потому, что их пациенты исторически получали более качественный уход. Скорее, включение некоторых мер улучшения, т. Е. Изменений со временем в показателях качества назначенной группы пациентов, может помочь смириться с этой дилеммой [27]. Альтернативным вариантом было бы предложить дополнительные стимулы для поставщиков, чтобы принимать пациентов из почтовых индексов «горячих точек» и обеспечивать их адекватную помощь.

Осознание локальных мелкозернистых вариаций также может помочь в качестве системы наблюдения, помогая провайдерам отслеживать важный фактор риска для барьеров для ухода, которые могут быть упущены в клинических условиях. Вместо ретроспективного анализа процессов ухода за пациентами, которые не получали тестов HbA1c, поставщики могли обратиться к пациентам из регионов с исторически низкими показателями тестирования и узнать о местных барьерах для ухода. Например, неадекватный общественный транспорт из конкретных районов может помешать доступу пациентов к местам тестирования во время работы, но врачи вряд ли обсудят такие барьеры в ходе обычного клинического обследования. Еще один возможный результат этих запросов заключается в том, что провайдеры могут рассмотреть возможность обратиться к местным общинным группам в конкретных областях для разработки новаторских способов улучшения ухода.

Метод пространственного анализа, который мы преследовали в этой статье, позволил нам исследовать мелкозернистые вариации в регионах (будь то состояния, HRR или HSA), которые обычно используются для измерения медицинских услуг; мы создали отдельную оценку для каждого почтового индекса. Мы подтвердили эти оценки, сравнив их с необработанными ставками, наблюдаемыми в данных за 2010 год, и обнаружили очень четкие ассоциации между пространственно сглаженными ставками первого года и необработанными данными за следующий год. Если бы мы сообщали только о необработанных ставках для почтовых индексов с по меньшей мере 25 наблюдениями — как минимум, часто используемым для публичной отчетности о данных о качестве [24] — мы были бы ограничены статистикой отчетности менее 20% почтовых индексов в наш оригинальный образец. В качестве альтернативы, агрегирование данных в более крупные области, например, выделенные на рисунке 3, заслоняло бы существенные местные различия.

Ограничения на наши выводы включают в себя нашу зависимость от данных претензий Medicare, которые являются побочным продуктом процесса выставления счетов. В некоторых случаях механизмы оплаты могут маскировать доказательства клинических услуг. Например, бенефициары, которые получают услуги через федеративные аттестованные центры здоровья или центры здоровья в сельской местности (клиники, предназначенные для обслуживания сельских и / или неимущих групп населения [28]), могли иметь свои тесты HbA1c, заказанные в этих клиниках. Тем не менее, эти клиники используют связанный механизм оплаты; конкретные тесты не выставляются. По этой причине мы исключили любого бенефициара с посещением одной из этих клиник, что, возможно, пристрастило наши когорты к более богатым, несельскохозяйственным бенефициарам. Во всяком случае, это, вероятно, приведет к смещению наших оценок вверх, особенно в областях, население которых, как правило, полагается на уход от таких поставщиков.

Отдельная забота возникает из методов пространственного анализа, которые мы использовали для создания наших оценок кода на уровне почтового индекса. Мы выбрали относительно простой подход, однако литература показывает, что наш подход хорошо подходит для географических данных, представляющих популяции различной плотности [20]. Кроме того, анализ чувствительности, в котором мы проводили регрессию в рамках различных предположений, подтвердил наши основные выводы. Наконец, мы использовали почтовый индекс как наш пространственный блок, потому что он является самой маленькой доступной областью, к которой могут быть назначены бенефициары Medicare. Поставщики не могут нести ответственность за почтовый индекс, но этот подход позволил нам получить представление о местных факторах, которые могут повлиять на уход пациентов.

Местные характеристики популяции связаны с показателями тестирования HbA1c среди диабетиков-резидентов Medicare, но демографические различия мало объясняют вариации в показателях тестирования. Этот результат свидетельствует о том, что некоторые поставщики услуг могут оказывать высококачественную помощь уязвимым группам населения. В то же время, жители некоторых почтовых индексов, похоже, сталкиваются с большими проблемами доступа, чем их соседи, независимо от демографии местного населения. Плательщики, возможно, захотят рассмотреть вопрос о том, чтобы вознаграждать поставщиков за улучшение ухода за пациентами из таких районов, в то время как ACOs должны рассмотреть возможность включения мелкозернистых географических мер в свои усилия по мониторингу и улучшению качества.

Файл данных, разделенных запятыми.

(ТЕКСТ)

Щелкните здесь для получения дополнительных данных.

Описание каждой переменной в файле данных S1.

(ТЕКСТ)

Щелкните здесь для получения дополнительных данных.

Авторы хотели бы поблагодарить Даниэля Готлиба за его щедрую помощь с мерами по населению на уровне кода в формате ACS.

Комментариев нет.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *