Eliciting individual preferences for health care: a case study of perinatal care
Notice bibliographique
Résumé
OBJECTIVE: To demonstrate how a discrete choice experiment (DCE) can be used to elicit individuals' preferences for health care and how these preferences can be incorporated into a cost-benefit analysis. METHODS: A DCE which elicited preferences for three perinatal services: specialist nurse appointments; home visits from a trained lay visitor; and home-help. Cost was included to obtain a monetary measure of the value that individuals place on the services. In total, 292 women who had previously participated in a randomized trial of alternative forms of pre-natal care were interviewed. RESULTS: The most preferred service configuration consisted of three nurse appointments and two home visits before birth and 4 h of home-help per week for the first 4 weeks after birth. On average, women are willing to pay $371 for this package. A package that excluded home-help was valued at $122 whilst provision of three nurse appointments only was valued at $97. The predicted uptake of the services ranged from 37% to 93% depending on the woman's experience with the service, whether or not it was her first child and her level of education. CONCLUSION: The willingness to pay values were much higher than the costs for nurse appointments, suggesting this service produces a net social benefit. The willingness to pay for the package including both the nurse appointments and home visits only just exceeded the costs of the package, suggesting there is a relatively high chance that this package produces a net social loss.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».