医疗补助扩张对医疗保健利用的影响

背景 患者保护和平价医疗法案 (PPACA) 于 2010 年 3 月 23 日由奥巴马总统签署成为法律。 PPACA 下最具争议的两个条款是惩罚所有在 2014 年 1 月 1 日之后没有保险的人，以及将医疗补助保险扩大到收入等于或低于联邦贫困线 138% 的所有成年人。 该法案的合宪性受到审查，并导致了“全国独立企业联合会诉 Sebelius”案，其中最高法院支持 PPACA 的大部分条款，但决定给予各州不扩大医疗补助计划的选择权，同时保留他们对该计划的联邦资助。 最高法院的这项裁决导致各州可以选择扩大医疗补助计划。 截至 2014 年 1 月 1 日，24 个州和哥伦比亚特区选择根据 PPACA 的要求扩大医疗补助覆盖范围。 医疗补助扩张的这种变化提供了自然实验来调查扩张决策的影响。

住院治疗占美国国民医疗保健支出的最大份额。 PPACA 中有几项规定鼓励通过使用以患者为中心的医疗之家和基础提供者对患者结果而不是提供的护理量进行报销来协调提供者之间的护理。 通过此类改革，PPACA 旨在减少资源浪费，例如可预防的住院治疗。 先前的研究表明，住院使用，特别是可预防的住院可能对覆盖率的提高很敏感，并且可以作为获得初级保健的指标。 因此，评估 PPACA 下的保险扩张如何影响整体住院患者利用率和可预防住院率，可以深入了解 PPACA 如何成功地用低成本初级保健服务取代高成本浪费的服务。 Wherry 等人使用来自全国健康访谈调查的数据，确定 PPACA 医疗补助扩张与过夜住院率之间存在正相关关系，而 Sommers 等人使用来自阿肯色州、肯塔基州和得克萨斯州的调查数据发现过夜之间没有显着关联住院和医疗补助扩张。 他们没有发现过夜住院概率和扩张方法的任何差异（阿肯色州与肯塔基州）。 然而，他们的研究受到样本量小和基于调查结果的限制。 此外，由于缺乏行政数据，他们无法评估可能对增加获得初级保健（例如可预防的住院治疗）更为敏感的结果。 据我们所知，迄今为止只有一项研究评估了 PPACA 下医疗补助计划扩张对整体住院患者利用率和可预防住院率的影响。 然而，他们的研究仅限于加利福尼亚州，另外不同的县有不同程度的扩展，一些扩大覆盖率高达 133% FPL，一些高达 200% FPL，一些低于 100% FPL。 迄今为止，没有一项研究使用行政数据确定 PPACA 下不同的医疗补助扩展方法对全因和可预防住院率的影响。 PPACA 的目标之一是通过减少 ED 提供的护理量来控制医疗保健成本。 PPACA 中包含的某些措施，例如增加被保险人的数量，从而增加在急诊室以外获得护理的机会以及整合医疗保健服务，可能有助于减少急诊室的使用。 两项评估医疗补助扩张对急诊使用影响的研究还分析了门诊护理敏感病症 (ACSC)、急诊但初级保健可治疗病症和非急诊急诊就诊率。 然而，一项研究仅限于马里兰州，缺乏未扩大医疗补助计划的比较州，另一项研究仅限于单一营利性投资者拥有的连锁医院，在 6 个州扩大了医疗补助计划，14 个州没有扩大医疗补助计划. 此外，没有一项研究评估 PPACA 下不同的医疗补助扩展方法如何影响整体和非紧急 ED 使用率。 文献中详细记录了医疗保健各个方面的种族/族裔差异，例如保险范围和整体获得医疗保健的机会。 结合覆盖范围规定，PPACA 进行的其他改革，例如将国立卫生研究院的国家少数民族健康和健康差异中心从一个中心提升为一个完整的研究所，可能会缩小这些差异。 评估 PPACA 下医疗补助扩张对住院患者使用或 ED 使用差异的影响的研究主要依赖于自我报告的数据，这些数据受到认知、无反应、回忆和其他偏差的影响。 此外，无法从自我报告的数据中准确获得住院患者或急诊室使用情况的精细测量，例如可预防的住院和可预防的急诊就诊。 迄今为止，没有一项研究确定医疗补助计划扩展或 PPACA 下不同方法扩展对住院或急诊科利用类型差异的影响。

与普通人群相比，患有物质使用障碍 (SUD) 的人的医疗保健费用、自杀未遂率和残疾率要高得多，因此对整个社会造成负担。 尽管如此，在 2012 年，需要接受 SUD 治疗的 12 岁及以上人群中有将近 90% 没有得到充分治疗。 缺乏保险或不涵盖 SUD 治疗服务的保险导致患者无力支付这些服务是一些最常被提及的治疗障碍。 PPACA 下的覆盖范围扩大已导致近 160 万美国人在 Medicaid 扩张状态下遭受 SUDs 的困扰，从而获得了健康保险。 此外，根据 PPACA，SUD 治疗是所有计划必须从 2014 年开始提供的十项基本健康福利之一。 PPACA 还要求所有计划遵守 2008 年联邦《心理健康平等与成瘾公平法》(MHPAEA)。 根据该法案，所有向其受益人提供心理健康和 SUD 治疗福利的计划都必须使这些福利不比医疗福利更受限制。 PPACA 要求所有计划都涵盖 SUD 的筛查、简短干预和转诊治疗 (SBIRT)。 除了强制执行 SBIRT，PPACA 还鼓励责任护理组织和以患者为中心的医疗之家，这可能会增加对患有 SUD 的患者的协调护理。 加强护理协调和将 SBIRT 纳入初级 SUD 的努力可能会转化为增加 SUD 治疗的医疗保健转诊数量，这在历史上主要是通过执法机构进行的。 只有一项研究调查了 2014 年覆盖范围扩大对符合条件的成年人口（18-64 岁）的影响。 作者使用了全国药物使用和健康调查数据，发现心理健康治疗的使用显着增加，而 SUD 的治疗没有任何显着变化。 然而，他们没有对扩大医疗补助计划的州与没有扩大医疗补助计划的州进行比较。 该研究也没有检查医疗补助扩张后 SUD 治疗的支付来源的变化。

阿肯色州、肯塔基州和佛罗里达州的回应。 阿肯色州是第一个获得批准的“私人选择”示范项目，以实施 PPACA 下的医疗补助计划扩展。 阿肯色州采用了一项保费援助策略，该策略涉及使用联邦资金为所有新获得医疗补助资格的人提供个人商业健康保险，方法是将他们纳入一项符合联邦资格的健康计划，从而赚取高达 FPL 的 138%。 2013 年 5 月 9 日，州长 Beshear 宣布肯塔基州将按照 PPACA 的提议继续扩大医疗补助计划。 肯塔基州决定通过将新的符合条件的人纳入这个预先存在的管理医疗补助计划来扩大医疗补助计划。 尽管该州强烈反对 PPACA，州长 Rick Scott 表示支持通过联邦资助和私人管理的管理式医疗计划进行“有限的医疗补助扩张”。 然而，佛罗里达州选择反对扩大医疗补助计划。 这导致近 764,000 人由于没有资格获得 Medicaid 保险或市场补贴而没有任何负担得起的保险选择。

比较这三个州之间的住院和急诊室利用率将突出 Medicaid 扩张的影响以及 Medicaid 扩张的不同方法可能对卫生服务利用产生的影响。 此外，使用国家级数据，比较扩大医疗补助的州与未扩大医疗补助的州在扩大医疗补助后 SUD 治疗入院率的变化，将确定扩大医疗补助对 SUD 治疗利用的影响。

目标和具体目标

1. 确定 Medicaid 扩张和 Medicaid 扩张类型（购买商业保险与传统 Medicaid 扩张）对全因住院患者利用和可预防住院的影响，以及 Medicaid 扩张对住院患者利用的影响是否因种族/族裔而异。

   1. 我们将使用差异法中的差异方法比较 2013 年至 2014 年间扩大医疗补助计划的两个州和佛罗里达州 19-64 岁成年人的全因住院率和可预防住院率。 比较阿肯色州和肯塔基州的亚组分析将揭示不同的扩展方法是否会影响住院患者的利用率。
   2. 我们将使用差异方法中的差异方法来确定医疗补助扩张对 19-64 岁成人住院患者利用的影响是否因种族/族裔群体（西班牙裔、非西班牙裔白人和非西班牙裔黑人）在三个州之间而不同。

2. 确定 Medicaid 扩展和 Medicaid 扩展类型对 ED 使用和非紧急 ED 使用的影响，以及 Medicaid 扩展对 ED 使用的影响是否因种族/民族而异。

   1. 使用差异方法的差异，我们将比较 2013 年至 2014 年间扩大医疗补助计划与佛罗里达州的两个州 19-64 岁成年人的急诊就诊率和非紧急急诊就诊率。 比较阿肯色州和肯塔基州的亚组分析将揭示不同的扩展方法是否会影响 ED 利用率。
   2. 使用差异中的差异方法，我们将确定医疗补助扩张对急诊科利用的影响，对于 19-64 岁的成年人，是否因种族/族裔亚群（西班牙裔、非西班牙裔白人和非西班牙裔黑人）而异三个州之间。

3. 确定医疗补助计划扩张对获得部分公共支持的设施中 SUD 治疗入院率的影响。

   1. 使用差异方法中的差异差异方法，我们将比较 2010-2014 年 18-54 岁人群与 2014 年扩大医疗补助计划的州与 2014 年未扩大医疗补助计划的州中 12-17 岁人群的 SUD 治疗入院率.
   2. 使用差异中的差异方法，我们将比较 2010-2014 年 18-54 岁人群与 2014 年扩大医疗补助计划的州和 12-17 岁人群的 SUD 治疗入院支付来源的变化2014 年不扩大医疗补助计划。
   3. 使用差异方法中的差异方法，我们将比较 2010-2014 年 18-54 岁人群和 2014 年扩大医疗补助计划的州与 12-17 岁人群的 SUD 治疗入院的医疗转诊率2014 年不扩大医疗补助计划。

方法 私人选择、传统医疗补助扩张和选择反对医疗补助扩张对住院患者利用率的影响：三态比较 研究人员将在差异研究设计中使用纵向横截面准实验差异来评估医疗补助扩张和扩张方法的影响关于我们的住院病人利用措施。 我们将确定 2013 年至 2014 年全因和可预防住院率的变化，并根据扩展状态/扩展方法对比各州之间的变化。 研究人员将使用差异研究设计中差异的纵向横截面准实验差异来评估医疗补助扩张和扩张方法对我们住院患者利用措施的种族/民族差异的影响。 调查人员将确定 2013 年至 2014 年每个种族/民族的全因和可预防住院率的变化，并根据扩展状态/扩展方法对比各州之间的变化。

数据 CDC - Wonder Bridged-Race Population Estimates 国家卫生统计中心 (NCHS) 将人口普查中使用的 31 个种族类别合并为四个种族类别：亚裔或太平洋岛民、黑人或非裔美国人、美洲印第安人或阿拉斯加原住民、白人，并提供美国每个县的年龄、性别和种族（西班牙裔/非西班牙裔）特定人口数。 这些文件可在 CDC Wonder 网站上供公众使用。 我们将使用这些文件来获取总人口数，这些人口数将作为我们 2013 年和 2014 年阿肯色州、佛罗里达州和肯塔基州每个县的利用率指标的分母。

HCUP SID 对于我们的住院患者利用措施，研究人员将分别从阿肯色州、肯塔基州和佛罗里达州获取医疗成本和利用项目 (HCUP) 州住院患者数据库 (SID)。 SID 获取给定年份特定州的医院住院病人出院记录，并以统一格式包含它们以允许州际比较。 数据集中的分析单位是出院。 除了每次住院的信息，如住院时间、费用、入院和出院日期，SID 还包含临床信息，如每次住院期间的诊断记录和执行的程序，以及住院患者的人口统计信息，如出生日期、邮政编码居住地、性别、种族、民族、付款人类型等。

分析 调查人员将描述每个州每季度的结果率，并通过中断时间序列分析确定 2013 年和 2014 年之间的趋势是否有任何变化，或者 2013 年和 2014 年之间是否有立即变化。 研究人员将计算每个州每年的全因和可预防住院粗率。 使用美国 2014 年人口作为参考人口，我们将进行直接标准化，以计算每年每个州的全因和可预防住院的年龄和性别调整率。 研究人员还将对种族/民族亚群进行直接标准化。 接下来，我们将进行多元回归分析，以估计因医疗补助扩张而导致的住院患者利用率的过度变化。 研究人员将为我们的结果变量使用泊松分布。 处于危险中的人口将是从 NCHS 数据中获得的每个队列的总人口数。 标准误差将在应急管理区域级别进行聚类，以说明每个队列在应急管理区域内的嵌套情况。 该模型将包括应急管理区域级别固定效应，以考虑时变应急管理区域级别因素、年龄组虚拟变量、性别种族/民族和年份。 调查人员将为期间（2013 年和 2014 年）和扩展状态（扩展或不扩展医疗补助）创建指标。 调查人员将周期指标与扩展状态指标进行交互，以确定在 2014 年扩展医疗补助的州（AR 和肯塔基州）与未扩展医疗补助的州（佛罗里达州）的结果测量的过度变化。 相同的模型规范将用于确定医疗补助扩展方法对全因和可预防住院率的影响。 对于此分析，研究人员将比较阿肯色州和肯塔基州 2013 年和 2014 年的数据。 为了评估医疗补助扩张对我们结果措施的影响是否因三个州的种族/族裔群体而异，我们将使用差异模型中的多变量差异。 数据将仅限于非西班牙裔白人、西班牙裔和非西班牙裔黑人群体。 除了先前模型中的术语外，我们还将包括种族/民族和州指标之间的相互作用，以控制各州结果的基线差异，以及种族/民族和时间之间的相互作用，以控制总体差异的纵向趋势。 非西班牙裔黑人和西班牙裔的指标将与时期指标和州指标相互作用。 这些相互作用的系数将为我们提供西班牙裔与非西班牙裔白人和非西班牙裔黑人与非西班牙裔白人在扩大医疗补助的州（AR 和肯塔基州）与未扩大医疗补助的州之间的结果测量的过度变化2014 年（参照物 = FL）。

敏感性分析 研究人员将使用负二项分布代替泊松分布来衡量我们的结果。 在第二个敏感性分析中，对于我们对全因住院的衡量，研究人员将排除所有产妇出院。 在第三项敏感性分析中，研究人员将仅包括 27-64 岁成年人的住院治疗，以排除所有可能在 2014 年之前因“年轻成人任务”而获得覆盖率提升的年轻人。 在第四项敏感性分析中，研究人员将仅包括那些在社区医院进行的住院治疗。 在第五项敏感性分析中，研究人员将分解种族/族裔群体，并根据年份、州、应急管理区域、年龄组和性别定义每个队列。 调查人员将这样做，以便将这些入院纳入患者种族/族裔缺失的结果测量的计数中。 第六，研究人员不是每年对数据进行分组，而是按季度对数据进行分组并进行分段回归分析。 最后，研究人员将所有结果变量计算为每 10,000 人的比率，并使用加权普通最小二乘回归分析来确定我们的解释是否发生变化。

私人选择、传统医疗补助扩张和选择反对医疗补助扩张对急诊科利用的影响：三州比较研究人员将在差异研究设计中使用纵向横截面准实验差异来评估医疗补助扩张和扩张方法的影响关于住院病人利用措施。 调查人员将确定 2013 年至 2014 年急诊就诊的总体率和类型的变化，并根据扩展状态/扩展方法对比各州之间的变化。 研究人员将使用差异研究设计中差异的纵向横截面准实验差异来评估医疗补助扩张和扩张方法对种族/民族差异对我们 ED 使用措施的影响。 调查人员将确定 2013 年至 2014 年每个种族/民族的急诊就诊总体率和类型的变化，并根据扩展状态/扩展方法对比各州之间的变化。

数据 CDC - Wonder Bridged-Race Population Estimates HCUP SEDD 对于我们的结果测量，调查人员将分别获得阿肯色州、肯塔基州和佛罗里达州的医疗保健成本和利用项目 (HCUP) 州急诊部数据库 (SEDD)。 SEDD 记录了特定年份发生在隶属于医院且未导致住院的急诊室的所有急诊室就诊。 除了每次急诊就诊的信息（例如收费和入院日期）外，SEDD 还包含临床信息（例如每次就诊期间记录的诊断和执行的程序）以及患者的人口统计信息（例如出生日期、居住邮政编码、性别、种族） 、种族、付款人类型等。

结果措施

1. ED访问。

2. 急诊就诊类型：

   1. 可预防/可避免的。
   2. 紧急的。 分析数据结构 与之前的目标类似，唯一的区别在于结果。 分析 与之前的目标类似，唯一不同的是结果。 敏感性分析 研究人员将使用负二项分布代替泊松分布来衡量我们的结果。 在第二个敏感性分析中，我们将包括 27-64 岁成年人的急诊就诊，以排除所有可能在 2014 年之前因“年轻成人任务”而获得覆盖率提升的年轻人。 在第三个敏感性分析中，研究人员将改变我们对可预防就诊和紧急就诊的定义。 研究人员将可预防访问定义为可预防概率≥ 0.5 的任何访问，以及紧急概率≥ 0.5 的任何访问将被定义为可预防访问。 在第四项敏感性分析中，调查人员将仅包括那些在社区医院进行的急诊就诊。 在第五项敏感性分析中，我们将分解种族/族裔群体，并根据年份、州、应急管理区域、年龄组和性别定义每个队列。 调查人员将这样做，以便将这些急诊就诊纳入患者种族/族裔缺失的结果测量的计数中。 第六，我们将按季度对数据进行分组，而不是每年对数据进行分组，并执行中断的时间序列分析。 第七，可预防的急诊就诊概率将定义为非急诊和急诊但初级保健可治疗的急诊就诊概率之和，急诊就诊概率定义为急诊和急诊就诊概率之和。需要急诊护理。 最后，研究人员将所有结果变量计算为每 10,000 人的比率，并使用加权普通最小二乘回归分析来确定我们的解释是否发生变化。

医疗补助扩张对公共部门药物滥用治疗的早期影响：来自平价医疗法案的证据我们将在差异研究设计中使用纵向横截面准实验差异。 我们将确定 2010 - 2014 年 18-54 岁和 12-17 岁人群的 SUD 治疗设施入院率变化、支付来源变化和医疗转诊率变化，并比较它们之间的变化关于各州的医疗补助扩张状况。

数据处理事件数据集 - 入院 (TEDS-A) TEDS-A 是一个全国性的专业 SUD 治疗设施入院管理数据库。 它由接受某些公共资金来源以提供 SUD 治疗的设施组成。 一些州仅收集有关公共资助的招生数据，而其他州也从接受部分公共资助的设施中收集私人资助的招生数据。 TEDS-A 包括患者的人口统计数据，包括年龄组、性别、种族/民族、居住州、滥用药物、设施类型、州子组入院的付款来源和转诊来源治疗。 它涵盖了美国近 80% 的 SUD 治疗入院。

当前人口调查 (CPS) CPS 每月报告人口统计信息，包括年龄、种族/族裔、性别、居住州等。 我们将使用这些数据来获取我们队列中基于年龄组（12-14 岁、15-17 岁、18-29 岁、30-39 岁、40-54 岁）、性别、种族/族裔的总人口数信息（非西班牙裔白人、西班牙裔、非西班牙裔黑人、其他）、州和年份以及州级协变量。 调查人员将从我们的数据中排除新罕布什尔州和密歇根州以避免歧义，因为这些州在 2014 年晚些时候扩大了规模。 为了评估 Medicaid 扩张对 SUD 入院支付来源变化的影响，调查人员将仅包括那些在 TEDS 文件中提供每年至少 85% 入院的主要付款人信息的州。

结果措施

1. 治疗入院。

2. 付款来源

   1. 私人资助的治疗入院。
   2. 由 Medicaid 资助的治疗入院。
   3. 治疗入院自费。
   4. 免费/或由其他政府来源资助的治疗入院。
3. 通过转诊分析数据结构的医疗保健来源进行的治疗入院 我们将按州、年份、年龄、性别和种族/族裔对 TEDS-A 数据中的所有结果度量进行汇总。 调查人员将签署 CPS 数据和聚合级别的 TEDS 文件文件。 调查人员将从州年级的 CPS 数据中收集协变量信息，这将为我们提供最终的分析数据集，以评估医疗补助扩张对公共资助设施中 SUD 治疗的影响。

分析 研究人员将比较研究期间每年扩大医疗补助的州与未扩大医疗补助的州之间的入院人数和协变量。 调查人员将进行 t 检验/卡方来分别确定连续变量和分类变量的显着差异。 调查人员将总结每个州的所有结果措施，并将它们逐年绘制在单独的图表上，以直观地检查趋势。 研究人员将进行多元回归分析，以估计我们的结果指标因医疗补助扩张而产生的过度变化。 研究人员将对结果变量使用泊松分布。 处于危险中的人口将是每个队列的人口计数。 该模型将包括州级固定效应，以说明时不变的州级因素，以及年龄组、性别、时期指标（扩张前与扩张后）、种族/族裔、州年级协变量（婚姻）的虚拟变量地位、受教育程度和失业比例），以及随时间变化的国家政策（例如 医用大麻合法化）。 研究人员将为医疗补助扩张前后的时期（2014 年和 2010-2013 年）和国家扩张状态（是否扩大医疗补助）和治疗组指标（12-17 对 18-54）创建指标。 研究人员将周期指标与扩张状态指标进行交互，以控制扩张状态与未扩张状态的总体结果趋势。 研究人员将治疗指标与周期指标相互作用，以控制治疗组（18-54 岁）与非治疗组（12-17 岁）之间结果的总体趋势。 研究人员还将控制治疗组（18-54 岁）与非治疗组（12-17 岁）之间结果的基线差异指标。 该模型将包括差异指标的差异，以评估医疗补助扩张对治疗组（18-54 岁）与非治疗组（12-17 岁）之间结果测量的影响。 difference in difference 指标的差异将通过扩展、处理和期间指标的交互来指定。

敏感性分析 研究人员将进行大量敏感性分析，以测试我们的模型和研究对象选择标准的稳健性。 首先，调查人员将对结果计数使用负二项分布而不是泊松分布。 其次，调查人员将排除 18-29 岁的人群，以剔除 2010 年因“年轻成人任务”而获得保险机会增加的人群。 受任务影响的年龄组是 18-26 岁。 然而，由于 TEDS-A 数据中存在年龄组（18-20、21-25 和 26-29），研究人员决定包括整个 18-29 岁年龄组。 第三，与之前的文献一致调查人员将排除仅因戒毒而入院，因为这些被认为是治疗的先驱，而不是治疗本身。 第四，调查人员将确定医疗补助扩张仅对首次入院率的影响。 最后，研究人员将对我们的每个结果指标进行加权最小二乘回归。 这里的权重将是每个队列的人口数量。 结果如下： 每 10,000 人的治疗入院率、私人资助入院率、医疗补助资助入院率、自费入院率、由慈善机构或其他政府组织支付的入院率、通过医疗保健转介入院的比率。

局限性 关于医疗补助扩张对住院和急诊利用的影响的拟议研究有几个局限性。 调查人员仅分析了三个州的数据，因此我们的发现可能无法推广到美国其他州。 佛罗里达州虽然是南部各州，但在人口构成方面与阿肯色州和肯塔基州有显着差异。 然而，由于三个州的未参保率在医疗补助扩张之前相似，我们认为它可以作为一个合理的控制。 此外，调查人员无法访问其他南部各州的数据，这些州在 2014 年没有扩大医疗补助计划，并且可能是更好的控制措施，例如德克萨斯州、田纳西州、密西西比州、路易斯安那州或佐治亚州。 调查人员只能获得改革后一年的数据，因此调查人员可能无法捕捉到医疗改革的全部影响。 由于调查人员只有一年的改革前数据，我们可能无法完全解释我们三个州改革前结果趋势的差异。 我们的第三项研究也有局限性。 TEDS-A 数据不包括所有药物滥用治疗中心。 因此，调查人员可能会错过一些入院。 我们的研究结果可能存在偏差，因为各州的录取率更高，因为它们提供了更多数据，因此拥有更多的公共资金。 此外，由于资金可能每年波动，调查人员无法确定治疗率的变化是报告波动的函数还是由于医疗补助扩张。 研究人员通过将 12-17 岁年龄组作为对照组在一定程度上减轻了这种限制，该对照组不会受到医疗补助扩张的影响，但如果各州的报告率发生变化，研究人员预计它们对 12-17 岁年龄组具有同等影响17 岁与 18-54 岁一样。 并非所有州都提供有关资金来源的信息，因此限制了我们关于支付来源变化的调查结果的普遍性。 然而，之前的研究表明，提供资金来源数据的州与不提供资金来源数据的州没有差异。