Health Condition Impacts in a Nationally Representative Cross-Sectional Survey Vary Substantially by Preference-Based Health Index
Notice bibliographique
Résumé
IMPORTANCE: Many cost-utility analyses rely on generic utility measures for estimates of disease impact. Commonly used generic preference-based indexes may generate different absolute estimates of disease burden despite sharing anchors of dead at 0 and full health at 1.0. OBJECTIVE: We compare the impact of 16 prevalent chronic health conditions using 6 utility-based indexes of health and a visual analog scale. DESIGN: Data were from the National Health Measurement Study (NHMS), a cross-sectional telephone survey of 3844 adults aged 35 to 89 years in the United States. MAIN OUTCOME MEASURES: The NHMS included the EuroQol-5D-3L, Health and Activities Limitation Index (HALex), Health Utilities Index Mark 2 (HUI2) and Mark 3 (HUI3), preference-based scoring for the SF-36v2 (SF-6D), Quality of Well-Being Scale, and visual analog scale. Respondents self-reported 16 chronic conditions. Survey-weighted regression analyses for each index with all health conditions, age, and sex were used to estimate health condition impact estimates in terms of quality-adjusted life years (QALYs) lost over 10 years. All analyses were stratified by ages 35 to 69 and 70 to 89 years. RESULTS: There were significant differences between the indexes for estimates of the absolute impact of most conditions. On average, condition impacts were the smallest with the SF-6D and EQ-5D-3L and the largest with the HALex and HUI3. Likewise, the estimated loss of QALYs varied across indexes. Condition impact estimates for EQ-5D-3L, HUI2, HUI3, and SF-6D generally had strong Spearman correlations across conditions (i.e., >0.69). LIMITATIONS: This analysis uses cross-sectional data and lacks health condition severity information. CONCLUSIONS: Health condition impact estimates vary substantially across the indexes. These results imply that it is difficult to standardize results across cost-utility analyses that use different utility measures.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».