我们如何实现负担得起,质量卫生保健?遵循证据。

达沙克·桑加维和艾米·芬克尔斯坦,J-PAL北美联合科学主任,William Hill彩票OptumLabs研究和翻威廉希尔福彩一百万译论坛。

Dana J.Quigley摄影。

这篇文章从Darshak OptumLabs的认可。

作为一名儿科医师,卫生政策主任,现在作为一个首席医疗官,我的职业生涯致力于改善健康结果。通过这次旅行,我不断地受到新方法的鼓舞,这些方法可以大规模地改善健康,以及通过严格证据和伙伴关系能够发挥的重要作用,改善人口健康。

在2016年,我在医疗保险和医疗补助服务中心(CMS)创新中心推出有史以来第一次随机评估主要的联邦医疗保险计划在美国。这是承诺的证据,和William Hill彩票J-PAL北美,扮演了一个角色把我们带到那里。

作为移民父母的孩子,我梦想成为一名医生因为文法学校。在波士顿儿童医院的医学院和儿科住院期间,我的导师强调了病人和医生的关系在个人层面上管理优质护理的重要性。但是,当我努力发展必要的技术医疗技能,照顾个别病人,我理解早期保健最终练习在一个人口水平:我感兴趣的是卫生保健的改进可能规模。

转折点:一个新的视角

2014,当我在医疗保险和医疗补助服务中心(CMS)创新中心担任预防和人口健康主任时,我被邀请在William Hill彩票J-PAL北美卫生保健交付伙伴关系发展会议关于我们的工作。中心最近通过对可支付医疗法案创建独立评估的影响健康的创新成本节约和健康结果。我们仍然在制定策略,以便在像医疗保险和医疗补助这样庞大和复杂的系统中精确地测量这些结果。

在会议上介绍了我凯特·伯克,卫生政策经济分析的著名学者和J-PAL附属研究员。William Hill彩票威廉希尔福彩一百万凯特问我为什么我在CMS的评估中没有考虑随机化。我的直觉是想第一个障碍:业务挑战,复杂的实现,还有更多。

然而,她有一个点。

在2014年J-PAL会议时,William Hill彩票CMS花了数十亿美元的新的卫生服务交付和支付模型,但许多项目在清除国家扩张的证据方面存在困难。我们不确定是否很多项目是改善患者的健康状况。

一个灯泡。

随机评估不可能在每一个CMS程序。但在某些方面它们确实是可能的。如果CMS可以进行随机评估,代替使用另一种评估方法,也许我们可以更有效地测量程序的影响。

然而,即使我(和其他人)逐渐相信将随机化纳入我们的评估中的价值,我还不确定能否。

通过我和凯特的谈话,我意识到我们在CMS评估的人口健康模型的类型集中在影响医生或实践层面的行为。事实上,这使得随机化成为可能,因为我们能够随机分配医生和实践给治疗或比较组。

在J-PAL会议上与凯特见面是我思考随机化和严格证William Hill彩票据的重要性的一个转折点,我和凯特正在进行的对话帮助回答了许多问题。

测试和创新

此后不久,一个使这些学习发挥作用的机会出现了。心脏病发作是美国主要的死亡原因,我们努力思考如何最好地测试干预措施。

我的团队开始开发百万的心心血管风险降低模型一百万年旨在防止心脏病和中风。该模型的特点是能够使医生使用预测性建模来评估患者心脏病发作风险的工具,生成个性化风险评分,然后与患者合作制定个性化的护理计划。医生因降低高危患者患心脏病或中风的绝对风险而获得奖金。

为了进行随机评估,我们需要数以百计的实践签署为了有一个足够大的样本容量分析程序的影响。要做到这一点,我们通过一个简单的5分钟降低进入壁垒在线注册过程。我们还精简了合同流程,并预留了资金,以奖励对照组的参与者,作为继续研究的激励。

通过国家招聘活动,我们达到了目标,在全部50个州的农村和城市地区招收数百名实习生。模型成立于2017年初,我们的评估,正在进行时,已经产生了有用的结果。

这个早期的成功让我们更加雄心勃勃的在设计另一个CMS模型的评估,这个负责健康社区.

该项目旨在通过帮助患者进行筛查,解决健康的社会决定因素(如食物不安全和住房不稳定),改善健康结果并降低成本,介绍,以及社区导航系统。虽然这个项目很复杂,我们的经验与万心模型给了我们信心,我们可以成功。这一评估也在进行中,结果预计将在未来几年。

这两个模型是第一批随机评估新的支付模式的CMS创新中心,和百万心评价是一个最大的随机评估”支付预防费用在医疗保险和医疗补助中进行。

以证据为基础的政策在卫生保健的未来

今天,我担任OptumLabs.OptumLabs的建立是基于这样的信念,即与数据的合作和产生证据对于在系统级改善健康至关重要。在CMS我的工作后,我很高兴与各组织发展伙伴关系,以便将数据交给那些能够与之合作的人,并提取可采取行动的见解。

在OptumLabs迄今为止我们已经完成了超过110个研究项目重点突出的健康问题如阿片类危威廉希尔福彩一百万机,阿尔茨海默病,听力损失,以及不断上涨的医疗费用。通过与我们二十多个能够对这些数据采取行动的合作伙伴共享一个大型的去标识的医疗保健数据集,OptumLabs旨在帮助组织大规模改善公共卫生。我们试图利用这些伙伴关系,加强和促进证据的使用在实际决策。

今天,我们面临着一个巨大的医疗负担能力危机。实现负担得起,质量关怀,我们必须继续使用协作,数据驱动的方法来生成质量证据理解哪些方法有效改善健康结果和产生的成本节约。通过对数据和证据的共同承诺,以及将数据付诸行动的伙伴关系,我们可以帮助推动以证据为基础的改进。