వాలెరీ A. కారీ, మిచెల్ R. కేసీ, గ్రెగొరీ H. పార్ట్రిడ్జ్, థామస్ మహోనీ, హోవార్డ్ B. బెక్మాన్
నేపథ్యం: రోగి ఆరోగ్యాన్ని పణంగా పెట్టి ఖర్చు-పొదుపు కార్యక్రమాలు చేపట్టకూడదు. అందువల్ల, తగిన చికిత్సలతో రాజీ పడకుండా ఎక్కడ పొదుపు సాధించవచ్చో తెలుసుకోవడానికి వైద్య సంరక్షణ వినియోగం మరియు ఆరోగ్య ఫలితాల మధ్య సంబంధాలను తప్పనిసరిగా అధ్యయనం చేయాలి. ఈ ఫలితాలు సవాలు చేయబడినప్పటికీ, ఖర్చు వైవిధ్యాలు ఆరోగ్య ఫలితాలపై తక్కువ ప్రభావాన్ని చూపుతాయని మునుపటి అధ్యయనాలు కనుగొన్నాయి. కొన్ని ప్రచురించిన అధ్యయనాలు ప్రాథమిక సంరక్షణ నేపధ్యంలో చికిత్స చేయబడిన నిర్దిష్ట పరిస్థితుల కోసం కాస్ట్అవుట్కమ్ అసోసియేషన్లను పరిశీలించాయి.
లక్ష్యాలు: పశ్చిమ న్యూయార్క్ రాష్ట్రంలో ప్రాంతీయ నాణ్యత మెరుగుదల కార్యక్రమంలో పాల్గొనే ప్రాథమిక సంరక్షణ పద్ధతుల ద్వారా వయోజన రక్తపోటు ఉన్న రోగులకు రక్తపోటు నియంత్రణ రేట్లు మరియు రక్తపోటు సంరక్షణ ఖర్చుల మధ్య సంబంధాన్ని మేము పరిశీలిస్తాము.
పద్ధతులు: ఈ ప్రాజెక్ట్ అభ్యాస స్థాయిలో పరిశీలనాత్మక రూపకల్పనను ఉపయోగించింది. 12-నెలల వ్యవధిలో ~50,000 హైపర్టెన్సివ్ రోగులతో కూడిన నాణ్యత మెరుగుదల కార్యక్రమంలో పాల్గొనే 32 ప్రాథమిక సంరక్షణ పద్ధతుల ద్వారా నియంత్రిత మరియు అనియంత్రిత రక్తపోటు ఉన్న హైపర్టెన్సివ్ రోగుల గణనలు అందించబడ్డాయి. ప్రత్యేక గుర్తింపు లేని, బహుళ-చెల్లింపుదారుల మెడికల్ క్లెయిమ్ల డేటాబేస్ నుండి ధర డేటా తీసుకోబడింది. పాల్గొనే పద్ధతులలో వైద్యులను సందర్శించే అధిక రక్తపోటు రోగులు గుర్తించబడ్డారు మరియు ఈ రోగులకు అధిక రక్తపోటు నిర్దిష్ట సేవా ఖర్చులు ప్రాక్టీస్ స్థాయిలో సమగ్రపరచబడ్డాయి. రక్తపోటు నియంత్రణ రేట్లపై సంరక్షణ ఖర్చుల ప్రభావాలను రూపొందించడానికి సాధారణీకరించిన సరళ నమూనా ఉపయోగించబడింది. ప్రాక్టీస్ లొకేషన్, రోగి సామాజిక ఆర్థిక స్థితి మరియు ఇతర పర్యావరణ మరియు జనాభా కారకాల కోసం ప్రాక్సీని నియంత్రించేటప్పుడు విశ్లేషణ జరిగింది.
ఫలితాలు: హైపర్టెన్షన్ కేర్ యొక్క వార్షిక ఖర్చు ఈ జనాభాకు రక్తపోటు నియంత్రణతో గణాంకపరంగా ముఖ్యమైన అనుబంధాన్ని కలిగి లేదని మేము కనుగొన్నాము.
ముగింపు: సంరక్షణ ఖర్చు కాకుండా ఇతర కారకాలు ఈ ప్రాథమిక సంరక్షణ పద్ధతులలో రక్తపోటు నియంత్రణ రేట్లలో తేడాలను తప్పనిసరిగా వివరించాలి. తక్కువ-ధర, అధిక నాణ్యత పద్ధతులను గుర్తించడం వలన సంరక్షణ ఖర్చు మరియు నాణ్యతను మెరుగుపరచడానికి పాఠాలు అందించవచ్చు. ఏది ఏమైనప్పటికీ, ప్రాక్టీస్ స్థాయిలో దృఢమైన ముగింపులను రూపొందించడానికి విభజించబడిన డేటా మరియు పెద్ద నమూనా పరిమాణాల పరిశీలన అవసరం.