論文の概要: Who Increases Emergency Department Use? New Insights from the Oregon Health Insurance Experiment

• arxiv url: http://arxiv.org/abs/2201.07072v1
• Date: Tue, 18 Jan 2022 15:53:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-19 17:54:02.234206
• Title: Who Increases Emergency Department Use? New Insights from the Oregon Health Insurance Experiment
• Title（参考訳）: 誰が救急部を増やすの? オレゴン健康保険実験の新たな知見
• Authors: Augustine Denteh (1), Helge Liebert (2) ((1) Department of Economics, Tulane University, (2) Department of Economics, University of Zurich)
• Abstract要約: メディケイドはオレゴン州の実験から救急部門(ED)を増強した。 非パラメトリック因果機械学習法を用いて,メディケイド被覆がED使用に与える影響について,経済的に意味のある治療不均一性の影響を見出した。 対象は, 男性, SNAP, 50歳未満の成人, 未治療児の4群である。 以上の結果から, メディケイドは, ED使用に慣れており, 救急部門をあらゆる種類のケアに利用している人の間で, 有効利用率を高めることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We provide new insights into the finding that Medicaid increased emergency department (ED) use from the Oregon experiment. Using nonparametric causal machine learning methods, we find economically meaningful treatment effect heterogeneity in the impact of Medicaid coverage on ED use. The effect distribution is widely dispersed, with significant positive effects concentrated among high-use individuals. A small group - about 14% of participants - in the right tail with significant increases in ED use drives the overall effect. The remainder of the individualized treatment effects is either indistinguishable from zero or negative. The average treatment effect is not representative of the individualized treatment effect for most people. We identify four priority groups with large and statistically significant increases in ED use - men, prior SNAP participants, adults less than 50 years old, and those with pre-lottery ED use classified as primary care treatable. Our results point to an essential role of intensive margin effects - Medicaid increases utilization among those already accustomed to ED use and who use the emergency department for all types of care. We leverage the heterogeneous effects to estimate optimal assignment rules to prioritize insurance applications in similar expansions.
• Abstract（参考訳）: オレゴン州の救急医療機関(ED)がオレゴン州の実験で利用したことに対する新たな知見を提供する。 非パラメトリック因果機械学習法を用いて,メディケイド被覆がED使用に与える影響について,経済的に意味のある治療効果がみられた。 効果分布は広く分散しており、有意な効果は高用量個体に集中している。 参加者の約14%の小さなグループで、ed使用が大幅に増加したことで、全体的な効果が向上した。 個々の治療効果の残りは、ゼロまたは負と区別できない。 平均治療効果は、ほとんどの人の個別治療効果を表すものではない。 対象は,男性,スナップ前参加者,50歳未満の成人,初診前ed使用者の4群である。 以上の結果から, メディケイドは, ED使用に慣れており, 救急部門をあらゆる種類のケアに利用している人の間で, 有効利用率を高めることが示唆された。 我々は、異種効果を利用して最適な割り当てルールを推定し、同様の拡張における保険適用を優先順位付けする。

関連論文リスト

• Comparing Targeting Strategies for Maximizing Social Welfare with Limited Resources [20.99198458867724]
  さまざまな領域の5つの実世界のRCTのデータを用いて、そのような選択を経験的に評価する。 リスクベースのターゲティングは、治療効果の偏りのある推定値に基づいて、ほぼ常にターゲティングよりも劣っている。
  論文  参考訳（メタデータ） (2024-11-11T22:36:50Z)
• Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
  AIによる薬物発見の大きな課題は、高品質なデータの不足である。 薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。 実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
  論文  参考訳（メタデータ） (2024-04-16T07:42:55Z)
• Promoting Fair Vaccination Strategies Through Influence Maximization: A Case Study on COVID-19 Spread [5.505634045241288]
  新型コロナウイルスのパンデミックの余波は、人種的少数派や経済的に奪われた地域社会にとってより深刻な結果をもたらした。 本稿では,人口動態の公平性を取り入れた予防接種戦略を新たに提案する。
  論文  参考訳（メタデータ） (2024-02-20T20:54:18Z)
• A Simple and Practical Method for Reducing the Disparate Impact of Differential Privacy [21.098175634158043]
  差分的プライベート(DP)メカニズムは、様々なインパクトの高い社会環境に展開されている。 DPの実用性への影響はサブ集団によって大きく異なる。 この格差を減らすための簡単な方法は、成層化である。
  論文  参考訳（メタデータ） (2023-12-18T21:19:35Z)
• The Blessings of Multiple Treatments and Outcomes in Treatment Effect Estimation [53.81860494566915]
  既存の研究では、プロキシ変数や複数の処理を利用してバイアスを補正している。 多くの実世界のシナリオでは、複数の結果に対する影響を研究することにより大きな関心がある。 この設定に関わる複数の結果の並列研究は、因果同定において互いに助け合うことが示されている。
  論文  参考訳（メタデータ） (2023-09-29T14:33:48Z)
• Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
  医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。 医療資源割り当てプロトコルの普遍的な標準は存在しない。 本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:28:06Z)
• Zero-shot causal learning [64.9368337542558]
  CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。 トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
  論文  参考訳（メタデータ） (2023-01-28T20:14:11Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• Heterogeneous Treatment Effect Estimation using machine learning for Healthcare application: tutorial and benchmark [8.869515663374248]
  多くの研究が、薬物効果は人口間で不均一であることを示した。 ヘテロジニアス処理効果(HTE)を推定する高度な機械学習モデルが近年出現している。 我々は,医療分野にHTE手法を導入し,実現可能性を検討することを目的とする。
  論文  参考訳（メタデータ） (2021-09-27T02:34:44Z)
• Heterogeneous Causal Effect of Polysubstance Usage on Drug Overdose [0.0]
  過剰摂取量推定における異種同時薬物使用効果の推定システムを提案する。 我々は、「ベンゾジアゼピンとオピオイドの同時使用は、オピオイド過剰摂取流行に対する異種因果効果をもたらすか?
  論文  参考訳（メタデータ） (2021-05-15T13:52:20Z)
• Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
  われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。 一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
  論文  参考訳（メタデータ） (2020-06-23T03:36:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。