Wpływ ekspansji Medicaid na wykorzystanie opieki zdrowotnej

Kontekst Ustawa o ochronie pacjentów i przystępnej cenie opieki (PPACA) została podpisana przez prezydenta Obamę 23 marca 2010 r. Dwie z najbardziej kontrowersyjnych klauzul w ramach PPACA to karanie wszystkich osób, które nie miały ubezpieczenia po 1 stycznia 2014 r., Oraz rozszerzenie ubezpieczenia Medicaid na wszystkie osoby dorosłe o dochodach poniżej 138% federalnego poziomu ubóstwa. Konstytucyjność ustawy została zbadana i doprowadziła do sprawy „National Federation of Independent Businesses vs Sebelius”, w której Sąd Najwyższy utrzymał w mocy większość przepisów PPACA, ale postanowił dać stanom możliwość nierozszerzania Medicaid i jednocześnie zachować ich federalne fundusze na program. Ta decyzja Sądu Najwyższego spowodowała, że ​​​​rozszerzenie Medicaid stało się opcjonalne dla stanów. Od 1 stycznia 2014 r. 24 stany i Dystrykt Kolumbii zdecydowały się rozszerzyć zakres Medicaid zgodnie z wymogami PPACA. Ta odmiana ekspansji Medicaid dostarczyła naturalnych eksperymentów w celu zbadania wpływu decyzji o rozszerzeniu.

Opieka szpitalna stanowi największą część krajowych wydatków na opiekę zdrowotną w Stanach Zjednoczonych. W PPACA istnieje kilka przepisów, które zachęcają do koordynacji opieki między świadczeniodawcami poprzez korzystanie z domów opieki medycznej skoncentrowanych na pacjencie i opieranie zwrotu kosztów świadczeniodawcy na wynikach pacjentów, a nie na ilości świadczonej opieki. Poprzez takie reformy PPACA miała na celu ograniczenie marnotrawstwa zasobów, takich jak hospitalizacje, którym można było zapobiec. Poprzednie badania wykazały, że korzystanie z opieki szpitalnej, a konkretnie hospitalizacje, którym można zapobiec, może być wrażliwe na wzrost zasięgu i może służyć jako wskaźnik dostępu do podstawowej opieki zdrowotnej. W związku z tym ocena, w jaki sposób ekspansja ubezpieczenia w ramach PPACA wpłynęła na ogólne wykorzystanie pacjentów w szpitalach i wskaźnik hospitalizacji, którym można było zapobiec, może dostarczyć wglądu w to, jak skuteczne było PPACA w zastępowaniu kosztownych marnotrawnych usług tańszymi usługami podstawowej opieki zdrowotnej. Wherry i wsp., korzystając z danych z National Health Interview Survey, ustalili pozytywny związek między ekspansją PPACA Medicaid a odsetkiem hospitalizacji z dnia na dzień, podczas gdy Sommers i wsp., korzystając z danych z ankiety przeprowadzonej w Arkansas, Kentucky i Teksasie, nie znaleźli istotnego związku między nocnymi hospitalizacji i ekspansji Medicaid. Nie wykryli żadnych różnic w prawdopodobieństwie nocnej hospitalizacji i sposobie ekspansji (Arkansas vs Kentucky). Jednak ich badanie było ograniczone przez niewielką liczebność próby i opierało się na wynikach ankiety. Ponadto ze względu na brak danych administracyjnych nie byli w stanie ocenić wyników, które mogą być bardziej wrażliwe na zwiększony dostęp do podstawowej opieki zdrowotnej, takich jak możliwe do uniknięcia hospitalizacje. Zgodnie z naszą najlepszą wiedzą tylko jedno przeprowadzone do tej pory badanie oceniało wpływ ekspansji Medicaid w ramach PPACA na ogólne wykorzystanie pacjentów w szpitalu i wskaźniki hospitalizacji, którym można było zapobiec. Jednak ich badanie ograniczało się do Kalifornii, dodatkowo różne hrabstwa miały różne poziomy ekspansji, przy czym niektóre rozszerzały zasięg do 133% FPL, niektóre do 200% FPL, a niektóre były poniżej 100% FPL. Żadne z dotychczasowych badań nie określiło wpływu różnych metod ekspansji Medicaid w ramach PPACA na wskaźniki hospitalizacji z jakiejkolwiek przyczyny i możliwych do uniknięcia przy użyciu danych administracyjnych. Jednym z celów PPACA było ograniczenie kosztów opieki zdrowotnej poprzez zmniejszenie ilości opieki świadczonej na SOR. Niektóre środki uwzględnione w PPACA, takie jak zwiększenie liczby ubezpieczonych, a tym samym zwiększenie dostępu do opieki poza SOR oraz integracja świadczenia opieki zdrowotnej, mogą przyczynić się do zmniejszenia wykorzystania SOR. W dwóch badaniach oceniających wpływ ekspansji Medicaid na korzystanie z ED przeanalizowano również wskaźniki wrażliwych warunków opieki ambulatoryjnej (ACSC), nagłych, ale uleczalnych stanów podstawowej opieki zdrowotnej oraz wizyt na SOR, które nie występują w nagłych wypadkach. Jednak jedno badanie ograniczało się tylko do stanu Maryland bez stanu porównawczego, który nie rozszerzył Medicaid, a drugie ograniczało się tylko do jednej sieci szpitali będącej własnością inwestora nastawionego na zysk w 6 stanach, które rozszerzyły Medicaid i 14, które nie . Ponadto żadne z badań nie oceniało, w jaki sposób różne metody ekspansji Medicaid w ramach wskaźników wpływu PPACA na ogólne i nienagłe użycie ED. Różnice rasowe/etniczne w różnych aspektach opieki zdrowotnej, takich jak zakres ubezpieczenia i ogólny dostęp do opieki zdrowotnej, są dobrze udokumentowane w literaturze. W połączeniu z przepisami dotyczącymi zasięgu dodatkowe reformy wprowadzone przez PPACA, takie jak podniesienie Narodowego Centrum ds. Zdrowia Mniejszości i Różnic w Zdrowiu w Narodowych Instytutach Zdrowia z centrum do pełnego Instytutu, mogą doprowadzić do zmniejszenia tych dysproporcji. Badania, w których oceniano wpływ ekspansji Medicaid w ramach PPACA na różnice w korzystaniu z opieki szpitalnej lub na ostrym dyżurze, opierały się głównie na danych zgłaszanych przez samych siebie, które podlegają błędom poznawczym, brakowi odpowiedzi, przypomnieniom i innym uprzedzeniom. Co więcej, szczegółowe miary wykorzystania szpitalnego lub ED, takie jak możliwe do uniknięcia hospitalizacje i możliwe do uniknięcia wizyty na SOR, nie mogą być dokładnie uzyskane na podstawie danych zgłaszanych przez samych siebie. Żadne z dotychczasowych badań nie określiło wpływu ekspansji Medicaid lub różnych metod w ramach PPACA na różnice w typach wykorzystania szpitali lub oddziałów ratunkowych.

Osoby z zaburzeniami związanymi z używaniem substancji (SUD) ponoszą znacznie wyższe koszty opieki zdrowotnej, wyższy odsetek prób samobójczych i niepełnosprawności w porównaniu z populacją ogólną, co stanowi obciążenie dla całego społeczeństwa. Mimo to w 2012 r. prawie 90% osób w wieku 12 lat i starszych, które wymagały leczenia z powodu SUD, nie otrzymało odpowiedniego leczenia. Brak ubezpieczenia lub ubezpieczenie nieobejmujące świadczeń leczniczych SUD, powodujące brak możliwości ich opłacenia przez pacjenta, to jedne z najczęściej wymienianych barier w leczeniu. Rozszerzenia zasięgu w ramach PPACA doprowadziły do ​​tego, że prawie 1,6 miliona Amerykanów cierpiących na SUD w stanach ekspansji Medicaid uzyskało ubezpieczenie zdrowotne. Ponadto, zgodnie z PPACA, leczenie SUD jest jedną z dziesięciu podstawowych korzyści zdrowotnych, które wszystkie plany muszą oferować począwszy od 2014 roku. PPACA wymaga również, aby wszystkie plany były zgodne z federalną ustawą o równowadze zdrowia psychicznego i równości uzależnień z 2008 r. (MHPAEA). Zgodnie z tą ustawą wszystkie plany, które oferują swoim beneficjentom świadczenia w zakresie zdrowia psychicznego i leczenia SUD, muszą ograniczać świadczenia nie bardziej niż świadczenia medyczne. PPACA nakazuje, aby wszystkie plany obejmowały badania przesiewowe, krótką interwencję i skierowanie na leczenie (SBIRT) w przypadku SUD. Wraz z nakazem SBIRT, PPACA zachęca również odpowiedzialne organizacje opiekuńcze i domy medyczne skoncentrowane na pacjencie, które mogą zwiększyć skoordynowaną opiekę nad pacjentami cierpiącymi na SUD. Wysiłki na rzecz zwiększenia koordynacji opieki i włączenia SBIRT dla SUD w szkołach podstawowych mogą przełożyć się na wzrost liczby skierowań do opieki zdrowotnej na leczenie SUD, które w przeszłości odbywało się głównie za pośrednictwem organów ścigania. Tylko w jednym badaniu zbadano wpływ rozszerzenia zasięgu w 2014 r. na kwalifikującą się populację dorosłych (w wieku 18–64 lat). Autorzy wykorzystali dane National Survey on Drug Use and Health i stwierdzili znaczny wzrost wykorzystania leczenia w zakresie zdrowia psychicznego bez żadnych znaczących zmian w leczeniu SUD. Nie dokonali jednak porównań między stanami, które rozszerzyły Medicaid, a stanami, które tego nie zrobiły. W badaniu nie zbadano również zmian w źródłach płatności za leczenie SUD po ekspansji Medicaid.

Odpowiedzi z Arkansas, Kentucky i Florydy. Arkansas był pierwszym stanem, który uzyskał zgodę na swój projekt demonstracyjny „Private Option”, mający na celu wdrożenie rozszerzenia Medicaid w ramach PPACA. Arkansas przyjęło strategię pomocy premium, która obejmowała wykorzystanie funduszy federalnych w celu zapewnienia indywidualnego komercyjnego ubezpieczenia zdrowotnego dla wszystkich nowo kwalifikujących się osób kwalifikujących się do Medicaid, zarabiających do 138% FPL, poprzez umieszczenie ich w jednym z federalnych planów zdrowotnych. W dniu 9 maja 2013 r. Gubernator Beshear oświadczył, że Kentucky będzie kontynuować ekspansję Medicaid zgodnie z propozycją PPACA. Kentucky zdecydowało się na rozszerzenie Medicaid poprzez umieszczenie nowo uprawnionych osób w tym wcześniej istniejącym zarządzanym programie Medicaid. Pomimo gwałtownego sprzeciwu stanu wobec PPACA, gubernator Rick Scott wyraził poparcie dla „ograniczonej ekspansji Medicaid” poprzez finansowany ze środków federalnych i administrowany prywatnie zarządzany plan opieki. Jednak Floryda opowiedziała się przeciwko ekspansji Medicaid. Spowodowało to, że prawie 764 000 osób nie miało żadnych przystępnych cenowo opcji ubezpieczenia z powodu braku uprawnień do ubezpieczenia Medicaid lub dotacji z Marketplace.

Porównanie wykorzystania szpitali i oddziałów ratunkowych między tymi trzema stanami podkreśli wpływ, jaki ekspansja Medicaid i różne podejścia do ekspansji Medicaid mogą mieć na wykorzystanie usług zdrowotnych. Ponadto, korzystając z danych na poziomie krajowym, porównując zmianę wskaźnika przyjęć na leczenie SUD po ekspansji Medicaid w stanach, które rozszerzyły Medicaid, w porównaniu ze stanami, które tego nie zrobiły, określi wpływ ekspansji Medicaid na wykorzystanie leczenia SUD.

Cele i cele szczegółowe

1. Aby określić wpływ ekspansji Medicaid i rodzaju ekspansji Medicaid (zakup ubezpieczenia komercyjnego w porównaniu z tradycyjnym rozszerzeniem Medicaid) na wykorzystanie wszystkich przyczyn hospitalizacji i możliwe do uniknięcia hospitalizacje oraz czy wpływ rozszerzenia Medicaid na wykorzystanie szpitali różni się w zależności od rasy / pochodzenia etnicznego.

   1. Korzystając z podejścia opartego na różnicach w różnicach, porównamy odsetek hospitalizacji z dowolnej przyczyny i hospitalizacji, którym można zapobiec, wśród dorosłych w wieku 19-64 lat w latach 2013-2014 w dwóch stanach, które rozszerzyły Medicaid, w porównaniu z Florydą. Analiza podgrup porównująca Arkansas i Kentucky ujawni, czy różne podejścia do ekspansji wpłynęły na wykorzystanie szpitalne.
   2. Korzystając z podejścia różnic w różnicach w różnicach, ustalimy, czy wpływ ekspansji Medicaid na wykorzystanie szpitali dla dorosłych w wieku 19-64 różnił się w zależności od grup rasowych/etnicznych (Latynosi, nie-Latynosi biali i nie-Latynosi czarnoskórzy) między trzema stanami.

2. Aby określić wpływ ekspansji Medicaid i rodzaju ekspansji Medicaid na wykorzystanie ED i niewyjaśnione użycie ED oraz czy wpływ ekspansji Medicaid na wykorzystanie ED różni się w zależności od rasy / pochodzenia etnicznego.

   1. Korzystając z podejścia „różnice w różnicach”, porównamy odsetek wizyt na SOR i wizyt na SOR dla dorosłych w wieku 19–64 lat w latach 2013–2014 w dwóch stanach, które rozszerzyły Medicaid, w porównaniu z Florydą. Analiza podgrup porównująca Arkansas i Kentucky ujawni, czy różne podejścia do ekspansji wpłynęły na wykorzystanie ED.
   2. Stosując podejście różnic w różnicach w różnicach, ustalimy, czy wpływ ekspansji Medicaid na wykorzystanie oddziałów ratunkowych dla dorosłych w wieku 19-64 różnił się w podgrupach rasowych/etnicznych (Latynosi, nie-Latynosi biali i nie-Latynosi Czarni) między trzema stanami.

3. Określenie wpływu ekspansji Medicaid na wskaźnik przyjęć na leczenie SUD w placówkach otrzymujących wsparcie publiczne.

   1. Korzystając z podejścia „różnice w różnicach w różnicach”, porównamy wskaźnik przyjęć na leczenie SUD w latach 2010–2014 dla osób w wieku 18–54 lat z osobami w wieku 12–17 lat w stanach, które rozszerzyły Medicaid w 2014 r., ze stanami, które nie rozszerzyły Medicaid w 2014 r. .
   2. Stosując metodę „różnice w różnicach w różnicach”, porównamy zmiany w źródłach opłat za przyjęcia na leczenie SUD w latach 2010-2014 dla osób w wieku 18-54 vs osoby w wieku 12-17 lat w stanach, które rozszerzyły Medicaid w 2014 r. nie rozszerzać Medicaid w 2014 r.
   3. Korzystając z podejścia „różnice w różnicach w różnicach”, porównamy wskaźnik skierowań do opieki zdrowotnej na leczenie SUD w latach 2010-2014 dla osób w wieku 18-54 z osobami w wieku 12-17 lat w stanach, które rozszerzyły Medicaid w 2014 r. nie rozszerzać Medicaid w 2014 r.

Metody Wpływ opcji prywatnej, tradycyjnej ekspansji Medicaid i sprzeciwu wobec ekspansji Medicaid na wykorzystanie pacjentów szpitalnych: porównanie w trzech stanach Badacze wykorzystają quasi-eksperymentalną różnicę podłużną w przekroju poprzecznym w projekcie badania różnic, aby ocenić wpływ ekspansji Medicaid i metody ekspansji na naszych środkach wykorzystania pacjentów szpitalnych. Określimy zmianę wskaźników hospitalizacji z jakiejkolwiek przyczyny i możliwej do uniknięcia w latach 2013-2014 i porównamy zmianę między stanami na podstawie ekspansji/metody statusu ekspansji. Badacze wykorzystają podłużną, przekrojową, quasi-eksperymentalną różnicę w różnicy w projekcie badania różnic, aby ocenić wpływ ekspansji Medicaid i metody ekspansji na różnice rasowe / etniczne na nasze miary wykorzystania pacjentów szpitalnych. Badacze określą zmiany we wskaźnikach hospitalizacji z jakiejkolwiek przyczyny i możliwych do uniknięcia hospitalizacji w latach 2013-2014 dla każdej rasy/etniczności i porównają zmiany między stanami na podstawie statusu ekspansji/metody ekspansji.

Data CDC — Szacunki populacji rasy Wonder Bridged Narodowe centrum statystyk zdrowotnych (NCHS) łączy 31 kategorii ras używanych w Spisie Ludności w cztery kategorie ras: mieszkaniec Azji lub wysp Pacyfiku, czarnoskóry lub Afroamerykanin, Indianin amerykański lub rdzenni mieszkańcy Alaski, biały i zapewnia wiek, płeć i pochodzenie etniczne (Latynosi / nie-Latynosi) liczy populacje dla każdego hrabstwa Stanów Zjednoczonych. Pliki te są dostępne do użytku publicznego na stronie internetowej CDC Wonder. Użyjemy tych plików do uzyskania całkowitej liczby ludności, która posłuży jako mianownik dla naszych wskaźników wykorzystania dla każdego hrabstwa Arkansas, Floryda i Kentucky w latach 2013 i 2014.

SID HCUP Na potrzeby naszych pomiarów wykorzystania pacjentów w szpitalach badacze zdobędą stanową bazę danych (SID) pacjentów szpitalnych (ang. Healthcare Cost and Utilization Project, HCUP) odpowiednio z Arkansas, Kentucky i Florydy. Dokumenty SID przechwytują zapisy wypisów ze szpitala w danym stanie za dany rok i zawierają je w jednolitym formacie, aby umożliwić porównania między stanami. Jednostką analizy w zbiorze danych jest wypis ze szpitala. Oprócz informacji o każdej hospitalizacji, takich jak długość pobytu, opłaty, daty przyjęcia i wypisu, SID zawierają również informacje kliniczne, takie jak zarejestrowana diagnoza i procedury wykonane podczas każdej hospitalizacji oraz dane demograficzne hospitalizowanego pacjenta, takie jak data urodzenia, kod pocztowy miejsce zamieszkania, płeć, rasę, pochodzenie etniczne, typ płatnika itp.

Analiza Badacze przedstawią wskaźniki wyników dla każdego stanu w poszczególnych kwartałach i określą, czy nastąpiła jakakolwiek zmiana trendów między 2013 a 2014 r. lub czy nastąpiła natychmiastowa zmiana między 2013 a 2014 r. za pomocą analizy przerywanych szeregów czasowych. Badacze obliczą surowe wskaźniki hospitalizacji z jakiejkolwiek przyczyny i możliwych do uniknięcia hospitalizacji dla każdego stanu na każdy rok. Wykorzystując populację Stanów Zjednoczonych z 2014 r. jako populację referencyjną, przeprowadzimy bezpośrednią standaryzację w celu obliczenia dostosowanych do wieku i płci współczynników hospitalizacji z dowolnej przyczyny i możliwych do uniknięcia hospitalizacji dla każdego stanu w każdym roku. Badacze przeprowadzą również bezpośrednią standaryzację podgrup rasowych/etnicznych. Następnie przeprowadzimy analizę regresji wielowymiarowej, aby oszacować nadmierną zmianę wykorzystania szpitalnego z powodu ekspansji Medicaid. Badacze użyją rozkładu Poissona dla naszych zmiennych wynikowych. Zagrożona populacja będzie całkowitą liczbą populacji każdej kohorty uzyskaną z danych NCHS. Błędy standardowe zostaną pogrupowane na poziomie regionu zarządzania kryzysowego w celu uwzględnienia zagnieżdżenia każdej kohorty w regionie zarządzania kryzysowego. Model będzie zawierał stałe efekty na poziomie regionu zarządzania kryzysowego, aby uwzględnić niezmienne w czasie czynniki na poziomie regionu zarządzania kryzysowego, manekiny dla grupy wiekowej, płci, rasy/etniczności i roku. Badacze stworzą wskaźniki dla okresu (2013 i 2014) oraz statusu rozszerzenia (rozszerzony Medicaid lub nie). Badacze będą wchodzić w interakcje między wskaźnikiem okresu a wskaźnikiem stanu ekspansji, aby określić nadmierną zmianę miar wyników dla stanów, które rozszerzyły Medicaid (AR i KY) w porównaniu ze stanem, który nie rozszerzył Medicaid w 2014 r. (FL). Ta sama specyfikacja modelu zostanie wykorzystana do określenia wpływu sposobu rozszerzania Medicaid na wskaźniki hospitalizacji ogólnych i możliwych do uniknięcia. W tej analizie badacze porównają dane z 2013 i 2014 roku z Arkansas i Kentucky. Aby ocenić, czy wpływ ekspansji Medicaid na nasze miary wyników różnił się w zależności od grup rasowych / etnicznych w trzech stanach, użyjemy wielowymiarowego modelu różnic w różnicach. Dane będą ograniczone do kohort rasy białej nielatynoskiej, czarnej i latynoskiej. Oprócz warunków w poprzednich modelach uwzględnimy interakcje między rasą/pochodzeniem etnicznym a wskaźnikami stanu, aby kontrolować podstawowe rozbieżności w wynikach w stanach oraz interakcje między rasą/pochodzeniem etnicznym a czasem, aby kontrolować podłużne trendy w ogólnych rozbieżnościach. Wskaźniki dla Czarnych i Latynosów niebędących Latynosami będą współdziałać ze wskaźnikami okresu i wskaźnikami stanu. Współczynniki tych interakcji zapewnią nam nadmierną zmianę w miarach wyniku między latynoskimi a nielatynoskimi białymi i nielatynoskimi czarnymi a nielatynoskimi białymi w stanach, które rozszerzyły Medicaid (AR i KY) w porównaniu ze stanem, który nie rozszerzył Medicaid w 2014 r. (Referent = FL).

Analiza wrażliwości Badacze użyją ujemnego rozkładu dwumianowego dla naszych miar wyników zamiast rozkładu Poissona. W drugiej analizie wrażliwości, dla naszej miary hospitalizacji z jakiejkolwiek przyczyny, badacze wykluczą wszystkie wyładowania matek. W trzeciej analizie wrażliwości badacze uwzględnią tylko hospitalizacje dorosłych w wieku od 27 do 64 lat, aby wykluczyć wszystkich młodych dorosłych, którzy mogli doświadczyć wzrostu zasięgu przed 2014 r. z powodu „mandatu młodych dorosłych”. W czwartej analizie wrażliwości badacze uwzględnią tylko te hospitalizacje, które miały miejsce w szpitalach lokalnych. W piątej analizie wrażliwości badacze podzielą grupy rasowe/etniczne i zdefiniują każdą kohortę na podstawie roku, stanu, regionu zarządzania kryzysowego, grupy wiekowej i płci. Badacze zrobią to w celu włączenia tych przyjęć do liczby miar wyniku, w których brakuje rasy/pochodzenia etnicznego pacjenta. Po szóste, zamiast grupować dane co roku, badacze będą je grupować według kwartałów i przeprowadzać analizę regresji segmentowej. Na koniec badacze obliczą wszystkie zmienne wynikowe jako współczynniki na 10 000 osób i użyją ważonej zwykłej analizy regresji metodą najmniejszych kwadratów, aby określić, czy nasze interpretacje się zmienią.

Wpływ opcji prywatnej, ekspansji tradycyjnego Medicaid i sprzeciwu wobec ekspansji Medicaid na wykorzystanie oddziału ratunkowego: porównanie trzech stanów Badacze wykorzystają quasi-eksperymentalną różnicę w przekroju wzdłużnym w projekcie badania różnic, aby ocenić wpływ ekspansji Medicaid i metody ekspansji w sprawie środków wykorzystania szpitalnego. Badacze określą zmiany w ogólnych wskaźnikach i rodzajach wizyt na oddziałach ratunkowych w latach 2013-2014 i porównają zmianę między stanami w oparciu o ekspansję/metodę statusu ekspansji. Badacze wykorzystają podłużną, przekrojową quasi-eksperymentalną różnicę w różnicy w projekcie badania różnic, aby ocenić wpływ ekspansji Medicaid i metody ekspansji na różnice rasowe / etniczne na nasze środki wykorzystania ED. Badacze określą zmiany w ogólnych wskaźnikach i rodzajach wizyt na oddziałach ratunkowych w latach 2013-2014 dla każdej rasy/etniczności i porównają zmianę między stanami na podstawie ekspansji/metody statusu ekspansji.

Data CDC – Wonder Bridged-Race Population Estimates HCUP SEDD Dla naszych pomiarów wyników badacze zdobędą bazę danych State Emergency Department (SEDD) projektu Healthcare Cost and Utilization Project (SEDD) odpowiednio dla Arkansas, Kentucky i Florydy. SEDD rejestrują wszystkie wizyty na SOR w danym roku, które mają miejsce na SOR powiązanych ze szpitalami i które nie skutkują hospitalizacjami. Oprócz informacji o każdej wizycie na oddziale ratunkowym, takich jak opłaty i daty przyjęcia, SEDD zawierają również informacje kliniczne, takie jak zapisana diagnoza i procedury wykonane podczas każdej wizyty oraz dane demograficzne pacjenta, takie jak data urodzenia, kod pocztowy miejsca zamieszkania, płeć, rasa , pochodzenie etniczne, typ płatnika itp.

Mierniki rezultatu

1. Wizyta na SOR.

2. Rodzaj wizyty na SOR:

   1. Można zapobiegać/unikać.
   2. Wyłaniający się. Struktura danych analitycznych Podobnie jak w przypadku poprzedniego celu, jedyną różnicą byłyby wyniki. Analiza Podobnie jak w przypadku poprzedniego celu, jedyną różnicą byłyby wyniki. Analiza wrażliwości Badacze użyją ujemnego rozkładu dwumianowego dla naszych miar wyników zamiast rozkładu Poissona. W drugiej analizie wrażliwości uwzględnimy wizyty na oddziałach ratunkowych dla dorosłych w wieku od 27 do 64 lat, aby wykluczyć wszystkich młodych dorosłych, którzy mogli doświadczyć wzrostu zasięgu przed 2014 r. z powodu „mandatu młodych dorosłych”. W trzeciej analizie wrażliwości badacze zmienią naszą definicję wizyt, którym można zapobiec, i wizyt nagłych. Badacze zdefiniują wizytę, której można zapobiec, jako każdą wizytę, której prawdopodobieństwo uniknięcia wynosi ≥ 0,5, a każdą wizytę, której prawdopodobieństwo nagłego wystąpienia wynosi ≥ 0,5, zostaną zdefiniowane jako takie. W czwartej analizie wrażliwości badacze uwzględnią tylko te wizyty na SOR, które miały miejsce w szpitalach lokalnych. W piątej analizie wrażliwości podzielimy grupy rasowe/etniczne i zdefiniujemy każdą kohortę na podstawie roku, stanu, regionu zarządzania kryzysowego, grupy wiekowej i płci. Badacze zrobią to, aby uwzględnić te wizyty na SOR w obliczeniach wyników, w przypadku których brakuje rasy/pochodzenia etnicznego pacjenta. Po szóste, zamiast grupować dane co roku, pogrupujemy je według kwartałów i przeprowadzimy analizę przerywanych szeregów czasowych. Po siódme, prawdopodobieństwo, że wizyta na SOR będzie możliwa do uniknięcia, zostanie zdefiniowane jako suma prawdopodobieństwa, że ​​wizyta na SOR nie będzie pilna i pilna, ale podstawowa opieka zdrowotna będzie możliwa do leczenia, a prawdopodobieństwo wizyty na SOR zostanie zdefiniowane jako suma prawdopodobieństwa wizyty na SOR, która się pojawi i Potrzebna opieka ED. Na koniec badacze obliczą wszystkie zmienne wynikowe jako współczynniki na 10 000 osób i użyją ważonej zwykłej analizy regresji metodą najmniejszych kwadratów, aby określić, czy nasze interpretacje się zmienią.

Wczesny wpływ ekspansji Medicaid na leczenie uzależnień w sektorze publicznym: dowody z ustawy o przystępnej cenie Użyjemy podłużnej, przekrojowej quasi-eksperymentalnej różnicy w różnicy w projekcie badania różnic. Określimy zmiany wskaźników przyjęć do placówek leczniczych SUD, zmiany źródeł odpłatności oraz zmiany wskaźnika skierowań do opieki zdrowotnej w latach 2010-2014 dla osób w wieku 18-54 vs 12-17 lat i porównamy zmiany między nimi na podstawie w sprawie statusu ekspansji Medicaid w stanach.

Przetwarzanie danych Zbiór danych o epizodach – Przyjęcia (TEDS-A) TEDS-A to ogólnokrajowa administracyjna baza danych przyjęć do specjalistycznych ośrodków leczenia SUD. Składa się z placówek, które otrzymują pewne publiczne źródła finansowania na leczenie SUD. Niektóre stany zbierają dane tylko na temat przyjęć, które są finansowane ze środków publicznych, podczas gdy inne zbierają również przyjęcia finansowane ze środków prywatnych z placówek, które otrzymują pewne fundusze publiczne. TEDS-A zawiera dane demograficzne pacjenta, w tym grupę wiekową, płeć, rasę/pochodzenie etniczne, kraj zamieszkania, nadużywane substancje, rodzaj placówki, źródło płatności za przyjęcie do podgrupy stanów oraz źródło skierowania do leczenie. Obejmuje prawie 80% przyjęć na leczenie SUD w USA.

Bieżące badanie populacji (CPS) CPS podaje comiesięczne informacje na temat danych demograficznych populacji, w tym wieku, rasy/pochodzenia etnicznego, płci, stanu zamieszkania itp. Wykorzystamy te dane, aby uzyskać informacje na temat całkowitej liczby ludności dla naszych kohort opracowanej na podstawie grupy wiekowej (12-14, 15-17, 18-29, 30-39, 40-54), płci, rasy/pochodzenia etnicznego (nie-Latynosi biali, Latynosi, czarni nie-Latynosi, inni), stan i rok oraz współzmienne na poziomie stanu. Badacze wykluczą New Hampshire i Michigan z naszych danych, aby uniknąć niejasności, ponieważ stany te rozszerzyły się później w 2014 roku. Aby ocenić wpływ rozszerzenia Medicaid na zmiany w źródle płatności za przyjęcia do SUD, badacze wezmą pod uwagę tylko te stany, które dostarczają podstawowych informacji o płatnikach w aktach TEDS za co najmniej 85% przyjęć w każdym roku.

Mierniki rezultatu

1. Przyjęcia na leczenie.

2. Źródło płatności

   1. Przyjęcia na leczenie finansowane ze środków prywatnych.
   2. Przyjęcia na leczenie finansowane przez Medicaid.
   3. Przyjęcia na leczenie są samofinansowane.
   4. Przyjęcia na leczenie, które są bezpłatne/lub finansowane z innych źródeł rządowych.
3. Przyjęcia na leczenie za pośrednictwem źródła skierowań w opiece zdrowotnej Struktura danych analitycznych Podsumujemy wszystkie miary wyników z danych TEDS-A według stanu, roku, wieku, płci i rasy/pochodzenia etnicznego. Badacze będą tuszować dane CPS i pliki plików TEDS na poziomie zbiorczym. Badacze zbiorą informacje o współzmiennych z danych CPS na poziomie roku stanowego, co da nam ostateczny zestaw danych analitycznych do oceny wpływu ekspansji Medicaid na leczenie SUD w placówkach finansowanych ze środków publicznych.

Analiza Badacze porównają dane demograficzne przyjęć i współzmienne między stanami, które rozszerzyły Medicaid, a stanami, które nie rozszerzyły Medicaid dla każdego roku okresu badania. Badacze przeprowadzą testy t/chi-kwadrat, aby określić istotne różnice odpowiednio dla zmiennych ciągłych i kategorycznych. Badacze zsumują wszystkie miary wyników dla każdego stanu i wykreślą je w ujęciu rocznym na oddzielnych wykresach, aby wizualnie zbadać trendy. Badacze przeprowadzą wielowymiarową analizę regresji, aby oszacować nadmierną zmianę naszych miar wynikowych, którą można przypisać ekspansji Medicaid. Badacze użyją rozkładu Poissona dla zmiennych wynikowych. Zagrożona populacja będzie liczbą populacji w każdej kohorcie. Model będzie zawierał efekty stałe na poziomie stanu, aby uwzględnić niezmienne w czasie czynniki poziomu stanu oraz manekiny dla grupy wiekowej, płci, wskaźnika okresu (przed ekspansją vs po ekspansji), rasy/etniczności, współzmiennych na poziomie roku stanowego (małżeństwo status, poziom wykształcenia i odsetek bezrobotnych) oraz zmieniającą się w czasie politykę państwa (np. legalizacja medycznej marihuany). Badacze stworzą wskaźniki dla okresu przed i po rozszerzeniu Medicaid (2014 i 2010-2013) oraz stanu rozszerzenia stanu (rozszerzony Medicaid lub nie) oraz wskaźnik dla grupy leczenia (12-17 vs 18-54). Badacze będą wchodzić w interakcje między wskaźnikiem okresu a wskaźnikiem stanu ekspansji, aby kontrolować ogólny trend wyników w stanach, które się rozwinęły, w porównaniu ze stanami, które się nie rozwinęły. Badacze będą wchodzić w interakcję wskaźnika leczenia ze wskaźnikiem okresu, aby kontrolować ogólny trend wyników w grupie leczonej (18-54 lat) w porównaniu z grupą nieleczoną (12-17 lat). Badacze będą również kontrolować wyjściowe różnice w wynikach między grupą leczoną (18-54 lat) a grupą nieleczoną (12-17 lat) w stanach, które rozszerzyły się w porównaniu ze stanami, które nie rozszerzyły się poprzez interakcję statusu ekspansji z grupą leczoną wskaźnik. Model będzie zawierał różnicę we wskaźniku różnicy, aby ocenić wpływ Rozszerzenia Medicaid na miarę wyniku między grupą leczoną (18-54 lat) a grupą nieleczoną (12-17 lat). Różnica we wskaźniku różnicy zostanie określona poprzez interakcję wskaźników ekspansji, leczenia i okresu.

Analiza wrażliwości Badacze przeprowadzą szereg analiz wrażliwości, aby przetestować solidność naszego modelu i kryteriów wyboru przedmiotu badania. Po pierwsze, badacze użyją ujemnego rozkładu dwumianowego do zliczania wyników zamiast rozkładu Poissona. Po drugie, Śledczy wykluczą osoby w wieku 18-29 lat, aby wyeliminować populację, która miała wzrost dostępu do ubezpieczeń w 2010 r. ze względu na „mandat młodych dorosłych”. Grupa wiekowa, na którą miał wpływ mandat, wynosiła 18-26 lat. Jednak ze względu na dostępność grup wiekowych w danych TEDS-A (18-20, 21-25 i 26-29) badacze postanowili uwzględnić całą grupę wiekową 18-29 lat. Po trzecie, zgodne z wcześniejszą literaturą Badacze wykluczają przyjęcia tylko w celu detoksykacji, ponieważ są one uważane za prekursorów leczenia, a nie samego leczenia. Po czwarte, badacze określą wpływ ekspansji Medicaid tylko na odsetek przyjęć po raz pierwszy. Na koniec badacze przeprowadzą regresję ważoną metodą najmniejszych kwadratów dla każdej z naszych miar wyników. Tutaj wagi będą liczbami populacji dla każdej kohorty. Wyniki będą następujące: a. wskaźnik przyjęć na leczenie, przyjęć finansowanych ze środków prywatnych, przyjęć finansowanych przez Medicaid, przyjęć finansowanych z własnych środków, przyjęć opłacanych przez organizacje charytatywne lub inne organizacje rządowe, przyjęć ze skierowania do służby zdrowia na 10 000 osób.

Ograniczenia Proponowane badania wpływu ekspansji Medicaid na wykorzystanie pacjentów szpitalnych i ED mają kilka ograniczeń. Badacze analizują dane tylko z trzech stanów, stąd nasze odkrycia mogą nie nadawać się do uogólnienia na inne stany USA. Chociaż Floryda jest stanem południowym, znacznie różni się pod względem składu demograficznego od Arkansas i Kentucky. Jednakże, ponieważ odsetek osób nieubezpieczonych w trzech stanach był podobny przed ekspansją Medicaid, uważamy, że posłużyłby jako rozsądna kontrola. Dodatkowo śledczy nie mają dostępu do danych z innych południowych stanów, które nie rozszerzyły Medicaid w 2014 roku i które mogą być lepszą kontrolą, takich jak Teksas, Tennessee, Mississippi, Luizjana czy Georgia. Badacze mają dostęp tylko do danych z jednego roku po reformie, dlatego badacze mogą nie być w stanie uchwycić pełnego wpływu reformy opieki zdrowotnej. Ponieważ śledczy dysponują danymi sprzed reformy tylko z jednego roku, możemy nie być w stanie w pełni uwzględnić różnic w trendach wyników przed reformą w naszych trzech stanach. Nasze trzecie badanie również podlega ograniczeniom. Dane TEDS-A nie obejmują wszystkich ośrodków leczenia uzależnień. W związku z tym badacze mogą potencjalnie przegapić niektóre z przyjęć. Nasze ustalenia mogą być stronnicze, pokazując wyższe wskaźniki przyjęć w stanach, które mają większe fundusze publiczne, ponieważ dostarczają więcej danych. Ponadto, ponieważ finansowanie może zmieniać się co roku, badacze nie mogą ustalić, czy zmiany wskaźników leczenia są funkcją wahań w raportowaniu, czy też ekspansją Medicaid. Badacze do pewnego stopnia łagodzą to ograniczenie, włączając grupę wiekową 12-17 lat jako grupę kontrolną, na którą rozszerzenie Medicaid nie będzie miało wpływu, ale jeśli nastąpią zmiany w wskaźnikach zgłaszania dla stanów. Badacze oczekują, że będą miały taki sam wpływ na 12- 17-latkowie jak 18-54-latkowie. Nie wszystkie państwa dostarczają informacji o źródle finansowania, co ogranicza możliwość uogólnienia naszych ustaleń dotyczących zmian w źródle płatności. Jednak poprzednie badania nie wykazały różnic między stanami, które dostarczają danych na temat źródeł finansowania, a stanami, które tego nie robią.