CAN COST-EFFECTIVENESS ANALYSIS INTEGRATE CONCERNS FOR EQUITY? SYSTEMATIC REVIEW
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to promote approaches to health technology assessment (HTA) that are both evidence-based and values-based. We conducted a systematic review of published studies describing formal methods to consider equity in the context of cost-effectiveness analysis (CEA). METHODS: Candidate studies were identified through an unrestricted search of the Pub Med and EMBASE databases. The search closed on January 20, 2011. We identified additional studies by consulting experts and checking article bibliographies. Two authors independently reviewed each candidate study to determine inclusion and extracted data from studies retained for review. In addition to documenting methods, data extraction identified implicit and explicit notions of fairness. Data were synthesized in narrative form. Study quality was not assessed. RESULTS: Of the 695 candidate articles, 51 were retained for review. We identified three broad methods to facilitate quantitative consideration of equity concerns in economic evaluation: integration of distributional concerns through equity weights and social welfare functions, exploration of the opportunity costs of alternative policy options through mathematical programming, and multi-criteria decision analysis. CONCLUSIONS: Several viable techniques to integrate equity concerns within CEA now exist, ranging from descriptive approaches to the quantitative methods studied in this review. Two obstacles at the normative level have impeded their use in decision making to date: the multiplicity of concepts and values discussed under the rubric of equity, and the lack of a widely accepted normative source on which to ground controversial value choices. Clarification of equity concepts and attention to procedural fairness may strengthen use of these techniques in HTA decision making.
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 | 0,031 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».