医生所有权对透析结果的影响

研究人员将使用美国肾脏数据系统 (USRDS)，该系统记录了美国所有接受透析的患者，无论付款人是谁。 该数据集包括所有 ESKD 患者开始透析后 45 天内的患者特征（生物学和社会人口统计学），无论保险范围如何，所有 ESKD 患者的死亡数据，无论保险如何，每年更新的透析设施特征，提交的纵向治疗数据所有患者的终末期肾病 (ESRD) 网络，无论是否有保险，以及 CROWNWeb 临床数据：透析机构为所有患者提交的每月治疗数据（例如，Kt/V、治疗时间、血清血红蛋白、血管通路）的保险。 该登记处与该付款人的所有患者的按服务收费医疗保险索赔相关联。 所有数据都已收集（即，这是一项回顾性研究）并由数据分发者取消识别。

研究人员还通过信息自由法的要求，从医疗保险和医疗补助服务中心 (CMS) 获得了 2017 年透析设施和医生所有者的横截面数据集。

在这项研究中，研究人员将把 USRDS 链接到这个横截面数据集。 研究人员还将数据与来自透析设施比较（其中包含每个透析设施的质量性能，由政府每季度发布）和人口普查数据（其中包含地理社会人口特征）的公开可用数据相关联。

通过这种数据链接，研究人员将研究医生拥有的设施和非医生拥有的设施之间的差异。 研究人员将研究机构层面和患者层面的结果。

所有模型的 alpha 均为 5%，并将进行双侧统计检验。

对于设施级别的结果：

研究人员将构建一个设施级别的数据集，并将医生拥有的设施与非医生拥有的设施进行比较，以根据设施特征和区域（邮政编码级别）社会人口特征进行调整。 研究人员还将测试将患者特征纳入模型的效果。 对于患者特征，研究人员将取每个设施人口的平均值（例如，平均年龄、男性患者的百分比等）。 研究人员将对连续结果使用普通最小二乘法，对二元结果使用逻辑回归。 研究人员将使用稳健的标准误差。

对于患者水平的结果：

研究人员将构建一个患者月面板数据集，并将在医生拥有的设施中透析的患者与在非医生拥有的设施中透析的患者进行比较。 研究人员将根据患者、设施和邮政编码级别的社会人口特征进行调整。 由于所有结果都是二元的，研究人员将对所有模型使用逻辑回归。 研究人员的主要分析将是逻辑回归，针对患者、设施、邮政编码特征进行调整，具有患者水平的固定效应和非参数自举标准误差。 按顺序，研究人员将探讨结果对以下内容的敏感性：

• 具有所有调节器、患者水平固定效应和稳健标准误差的逻辑回归
• 具有所有调整器的普通最小二乘法、患者层面的固定效应、设施层面的聚类稳健标准误差
• 具有所有调整器的普通最小二乘法、患者水平的固定效应、稳健的标准误差

调查人员还预先指定了以下调整器：

患者特征（合并症将使用 Chronic Conditions Warehouse 软件在 Medicare 按服务收费索赔的 12 个月回顾中获得）

• 年龄
• 性别
• 种族
• 种族
• 移植前
• 事件患者（透析的前 120 天）
• ESRD 年
• 双重资格
• 高血压
• 老年痴呆症
• 房颤
• 既往心肌梗塞
• 哮喘
• 乳腺癌
• 白内障
• 慢性阻塞性肺疾病
• 结直肠癌
• 沮丧
• 糖尿病
• 子宫内膜癌
• 青光眼
• 充血性心力衰竭
• 髋部骨折
• 高脂血症
• 高血压
• 缺血性心脏病
• 肺癌
• 骨质疏松症
• 前列腺癌
• 类风湿性关节炎/骨关节炎
• 既往中风/短暂性脑缺血发作
• 良性前列腺增生症

设施特色

• 营利地位
• 连锁拥有
• 设施中的患者人数
• 患者：员工比例
• ESRD 网络

区域（邮政编码级别）社会人口特征

• 收入中位数
• 具有高中学历的邮政编码百分比
• 贫困线以下的邮政编码百分比

我们根据透析设施是否由大型透析组织（即 Davita、Fresenius）拥有来预先指定亚组分析。