Causes and Consequences of Healthcare Efficiency

卫生保健效率的原因和后果：概述 美国医疗保健支出处于历史最高水平，而预期寿命却停滞不前，这引起了人们的担忧， 预计的支出增长不会带来相应的健康收益。这是一个特别与 老年人，疾病负担重，需要大量使用保健服务。在此P01更新申请中，我们 我建议继续我们长期以来的工作，以确定美国医疗保健的效率和效率低下， 将复杂的经验方法应用于超过10亿人-年的健康数据。我们解决3 医疗保健提供效率不可或缺的主题：首先，我们对临床决策挑战的探索 预计将确定有效护理的系统性使用不足和无效护理的过度使用，并提供 缺乏临床试验的证据。第二，我们会研究医疗服务的角色， 环境-病人共享网络、支付模式和法规如何影响病人健康？第三、 通过我们的多支付者数据，我们试图了解政策分析的局限性， 只有医疗保险或私人（商业）数据。例如，我们试图衡量商业支付有多高， 利率影响获得医疗保险或医疗补助登记。所有项目都旨在衡量和提高护理质量 老年人、弱势群体，包括阿尔茨海默病和相关痴呆症（ADRD）患者。 我们提出了3个核心和5个项目。 核心A提供行政支持，核心B协调数据; 和核心C（方法）开发了用于所有5个项目的网络分析的新方法。在项目1中， “阿尔茨海默病临床诊断的相关性和后果”，我们使用100%的 医疗保险文件和临床上丰富的调查数据，以记录ADRD诊断的变化，并测试是否早期 网上诊断对病人有利。 项目2，“风险处方的原因和后果”， 使用医疗保险D部分处方数据研究与个别药物和药物相关的不良后果。 联合用药包括阿片类镇痛药、苯二氮卓类和镇静催眠药。我们认为力 影响高风险处方，如共享患者网络和法律的限制。项目3，“识别 高效的医疗保健提供者：来自医院关闭和登记数据的证据”使用外周血管 疾病（PAD）登记数据和索赔数据，以估计社区医院的相关专业知识。这 该项目将通过自然实验（医院关闭）和正在进行的随机试验来验证方法。 项目4“公共和私人支付率变化的原因和后果”假设， 较高的商业报销率可能会对医疗保险和医疗补助患者获得护理产生负面影响。 最后，项目5，“医生认知，住院病人预先护理计划，和结果，为严重疾病的老年人 成年人”，在250个社区中使用观察和实验（随机试验）研究相结合的方法 美国各地的医院，以提高住院医生的决策质量。

CAUSES AND CONSEQUENCES OF HEALTHCARE EFFICIENCY: OVERVIEW  U.S. health care spending is at an all-­time high, yet life expectancy is stagnant, raising concerns that  projected spending growth won’t lead to commensurate health gains. This is a problem especially pertinent to  older adults, with a high burden of illness and intense use of health care. In this P01 renewal application, we  propose to continue our long-­standing work identifying efficiency and inefficiency in U.S. health care by  applying sophisticated empirical methods to more than 1 billion person-­years of health data. We address 3  topics integral to health care delivery efficiency: First, our exploration of challenges in clinical decision making  is expected to identify systematic underuse of effective care and overuse of ineffective care, and provide  evidence where clinical trials are lacking. Second, we will examine the role of the health care delivery  environment – how do patient-­sharing networks, payment models, and regulations affect patient health? Third,  through our multi-­payer data, we seek to understand the limitations of policy analysis arising from a focus on  just Medicare or private (commercial) data. For example, we seek to measure how high commercial payment  rates affect access for Medicare or Medicaid enrollees. All projects aim to measure and improve quality of care  for older, vulnerable populations, including people with Alzheimer’s Disease and related dementia (ADRD).    We propose 3 cores and 5 projects.  Core A provides administrative support, Core B coordinates data;;  and Core C (Methods) develops new approaches to network analysis used in all 5 projects. In Project 1,  “Correlates and Consequences of Making an Alzheimer’s Disease Clinical Diagnosis,” we use the 100%  Medicare files and clinically rich survey data to document variation in ADRD diagnosis, and test whether early  diagnosis is, on net, beneficial to patients.  Project 2, “The Causes and Consequences of Risky Prescribing,”  uses Medicare Part D prescription data to study adverse outcomes associated with individual drugs and drug  combinations including opioid analgesics, benzodiazepines, and sedative hypnotics. We consider forces  influencing high-­risk prescribing, such as shared-­patient networks and legal restrictions. Project 3, “Identifying  Efficient Health Care Providers: Evidence from Hospital Closures and Registry Data” uses peripheral vascular  disease (PAD) registry data, and claims data, to estimate the relative expertise of community hospitals. This  project will validate methods with natural experiments (hospital closing) and an ongoing randomized trial.  Project 4, “Causes and Consequences of Variation in Public and Private Payment Rates,” hypothesizes that  high commercial reimbursement rates can negatively affect access to care for Medicare and Medicaid patients.  Finally, Project 5, “Physician Cognition, Inpatient Advance-­Care Planning, and Outcomes for Seriously Ill Older  Adults,” uses a combination of observational and experimental (randomized-­trial) research in 250 community  hospitals across the U.S. to improve the quality of inpatient physician decision-­making.