ஜர்னல் ஆஃப் கிளினிக்கல் ரிசர்ச் & பயோஎதிக்ஸ்

சுருக்கம்

கணக்கியல் பராமரிப்பு நிறுவனங்களின் (ACO) இடர் சரிசெய்தல் மாதிரியை மறுசீரமைப்பதற்கான தரவு சார்ந்த அணுகுமுறை

யூபின் பார்க், கெவின் புச்சன், ஜேசன் பிக்கோன், பிராண்டன் சிம்

கணக்கியல் பராமரிப்பு நிறுவனங்கள் (ACOs) சுகாதாரப் பாதுகாப்பு வழங்குநர்களின் குழுக்களை உள்ளடக்கியது, அவர்கள் தானாக முன்வந்து ஒருங்கிணைந்த, உயர்தரப் பராமரிப்பை சீரமைக்கப்பட்ட பயனாளிகளுக்கு வழங்குகிறார்கள். Medicare பகிரப்பட்ட சேமிப்புத் திட்டம் மற்றும் ACO REACH திட்டம் போன்ற பல ACOக்கள், நடைமுறையில் உள்ள சேவைக்கான கட்டண மாதிரியிலிருந்து வேறுபட்ட மாற்று கட்டண மாதிரிகளில் பங்கேற்கலாம். இந்த மாற்று கட்டண மாதிரிகளில், வழங்குநர்கள் மற்றும் பணம் செலுத்துபவர்கள் ACO களின் நிதி ஊக்கத்தொகைகளை சீரமைக்க நிதி ஆபத்தை பகிர்ந்து கொள்கின்றனர், இது மொத்த பராமரிப்பு செலவைக் குறைத்தல் மற்றும் பராமரிப்பின் தரத்தை மேம்படுத்துதல் ஆகிய இரு நோக்கங்களுடன் உள்ளது. வேறு வார்த்தைகளில் கூறுவதானால், ACOக்கள் தங்கள் நோயாளிகளை ஆரோக்கியமாக வைத்திருப்பதன் மூலமும், தேவையற்ற மருத்துவமனையில் அனுமதிக்கப்படுவதைத் தடுப்பதன் மூலமும் லாபம் ஈட்டலாம். எவ்வாறாயினும், இந்த நிதிக் கட்டமைப்பை நோக்கமாகச் செயல்படுத்த, ஒரு பயனாளியின் அபாயத்திற்கு விகிதாசாரமாக திருப்பிச் செலுத்தும் தொகையை மாற்ற இடர் சரிசெய்தல் (RA) மாதிரி இருக்க வேண்டும்; இல்லையெனில், ஏசிஓக்கள் ஆரோக்கியமான நோயாளிகளை மட்டுமே சேர்க்கலாம், அதாவது பாதகமான தேர்வு. இந்த காரணத்திற்காக பெரும்பாலான ஏசிஓக்கள் RA மாதிரிகளை ஏற்றுக்கொண்டாலும், அசல் RA முறையானது கடந்த பல தசாப்தங்களாக பெரும்பாலும் ஒரே மாதிரியாகவே உள்ளது. இதன் விளைவாக, சில ACO பங்கேற்பாளர்கள் கணினியை "விளையாடுவதற்கான" வழிகளைக் கண்டறிந்துள்ளனர்: அவர்கள் தாங்கும் ஆபத்துக்கான விகிதாசாரக் கட்டணங்களைப் பெறுவதற்கு. கழிவுகளைத் தணிக்க, மத்திய அரசு பல்வேறு பிந்தைய சரிசெய்தல் வழிமுறைகளைச் சேர்த்துள்ளது, அதாவது வரலாற்றுச் செலவினங்களுடன் இடர்-சரிசெய்யப்பட்ட அளவுகோலைக் கலப்பது, குறியீட்டு தீவிரம் காரணி மூலம் சரிசெய்தல், ஆபத்து மதிப்பெண் வளர்ச்சி விகிதத்தைக் கட்டுப்படுத்துதல் மற்றும் சுகாதார ஈக்விட்டி ஊக்கத்தொகைகளை உள்ளடக்கியது. துரதிர்ஷ்டவசமாக, அந்த பொறிமுறைகள் ஒன்றின் மேல் ஒன்றுக்கொன்று நேரியல் அல்லாத மற்றும் இடைவிடாத வழிகளில் உருவாக்கப்படுகின்றன, இதனால் அவற்றின் உண்மையான விளைவுகள் மற்றும் செயல்திறன் ஆகியவை பிரிந்து மதிப்பிடுவது கடினம். இந்தத் தாளில், தரவு சார்ந்த அணுகுமுறையின் அடிப்படையில் RA மாதிரியை மீண்டும் உருவாக்க உதவுவதற்காக, தேசத்தின் மிகவும் வெற்றிகரமான ACOகளில் ஒன்றை இயக்குவதில் இருந்து எங்களின் படிப்பினைகளைச் சுருக்கமாகக் கூறுவோம். அடுத்து, ஒரு சிறந்த RA மாதிரியின் பண்புகளை நாங்கள் கோடிட்டுக் காட்டுகிறோம். பின்னர், அத்தகைய தேவைகளை நிவர்த்தி செய்யும் புதிய ஒன்றை நாங்கள் முன்மொழிகிறோம். இறுதியாக, இந்த மாதிரியை எங்கள் ACO தரவுகளுக்குப் பயன்படுத்துவதன் மூலமும் அவற்றை தற்போதைய RA செயல்படுத்தலுடன் ஒப்பிடுவதன் மூலமும் சோதனை முடிவுகளை வழங்குகிறோம். எங்கள் தரவு சார்ந்த அணுகுமுறைகள் R-squared, Cumming's Prediction Measure மற்றும் Mean Absolute Prediction Error ஆகியவற்றில் அளவிடப்பட்ட சிறந்த முன்கணிப்பு செயல்திறனை அடைய முடியும் என்பதை எங்கள் சோதனை முடிவுகள் காட்டுகின்றன.