Notice bibliographique
Résumé
BACKGROUND: The EuroQol Group is evaluating the use of discrete choice experiments (DCEs) in valuing health states from the 5-level EQ-5D. Notably, a discrete choice (DC) model yields a latent utility that is ordinal and unbounded, whereas health utilities must have interval properties and be anchored at 0 (representing death) and 1 (representing full health). Latent utilities must therefore be transformed to health utilities. This pilot study investigated the feasibility of performing such a transformation. METHODS: 545 respondents from Canada and 403 respondents from the UK each completed a series of DC and time tradeoff (TTO) tasks. Generalized linear mixed models were used to derive latent utilities. Linear regression models incorporating logarithmic and polynomial terms, as well as nonparametric LOESS and spline models, were assessed as candidate functions for transforming the latent utilities onto the health utilities. RESULTS: There was a high correlation between health utilities measured through TTO tasks and latent utilities derived from modeling of DC data (Spearman rho of 0.79 in Canada and 0.86 in the UK). All transforming functions explained the between-state variation in health utilities and, upon cross-validation, had minimal bias and small mean squared errors. Although the transformation functions derived through linear regression had the desirable feature of being monotone, the LOESS transform in Canada and the spline transform in the UK lacked monotonicity. CONCLUSIONS: This pilot study suggests that transforming latent utilities to health utilities is feasible, and the study provides preliminary evidence that linear regression involving polynomial and logarithmic terms may be more desirable than nonparametric spline or LOESS functions.
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».