Characterizing Subgroups of High-Need, High-Cost Patients Based on Their Clinical Conditions: a Machine Learning-Based Analysis of Medicaid Claims Data
7Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Characterizing Subgroups of High-Need, High-Cost Patients Based on Their Clinical Conditions: a Machine Learning-Based Analysis of Medicaid Claims Data
- Date Crossref
- 18/03/2019
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Mount Sinai Health System pays non établi dans la noticeÉtablissement de santé
-
Yale University pays non établi dans la noticeUniversité ou école supérieure
-
Icahn School of Medicine at Mount Sinai Department of Health System Design and Global Health pays non établi dans la noticeUniversité ou école supérieure
-
Columbia University pays non établi dans la noticeUniversité ou école supérieure
-
Yale School of Medicine pays non établi dans la noticeUniversité ou école supérieure
-
Inc. Zalando pays non établi dans la noticeEntreprise
-
Joseph L Mailman School of Public Health Department of Epidemiology pays non établi dans la noticeUniversité ou école supérieure
Mount Sinai Health System, Yale University et Department of Health System Design and Global Health — Icahn School of Medicine at Mount Sinai, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Chronic Disease Management StrategiesHealthcare cost, quality, practicesHealth Systems, Economic Evaluations, Quality of Life