Has the time come for cost-effectiveness analysis in US health care?
Notice bibliographique
Résumé
Cost-effectiveness analysis (CEA) is a powerful analytic tool for assessing the value of health care interventions but it is a method used sparingly in the US. Despite its growing acceptance internationally and its endorsement in the academic literature, most policy analysts have assumed that US decision makers will resist using CEA to inform coverage decisions. This study sought to clarify the extent to which CEA is understood and accepted by US decision makers, including regulators, private and public insurers, and purchasers, and to identify their points of difficulty with its use. We conducted half-day workshops with a sample of six California-based health care organizations that spanned a range of public and private perspectives regarding coverage of health care services. Each workshop included an overview of CEA methods, a priority-setting exercise that asked participants (acting as 'social decision makers') to rank condition treatment pairs prior to and following provision of cost-effectiveness information; and a facilitated discussion of obstacles and opportunities for using CEA in their own organizations. Pre and post-questionnaires inquired as to obstacles toward implementing CEA, attitudes toward rationing, and views on the use of CEA in Medicare and in private insurance coverage decision-making. In post-workshop surveys major obstacles identified included: fears of litigation, concerns about the quality and accuracy of studies that were commercially sponsored, and failure of CEAs to address shorter horizon cost implications. Over 90% of participants felt that CEA should be used as an input to Medicare coverage decisions and 75% supported its use in such decisions by private insurance plans. Despite the wide acceptance of CEA, at the conclusion of the workshop, 40% of the sample remained uncomfortable with support of 'rationing' per se. We suggest that how cost-effectiveness analysis is framed will have important implications for its acceptability to US decision makers.
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 | 0,016 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».