MétaCan
Menu
Retour à la cohorte
Enregistrement W2023344084 · doi:10.1002/hec.1294

The effect of information in the utilization of preventive health‐care strategies: An application to breast cancer

2007· article· en· W2023344084 sur OpenAlexaboutno aff
Julia Witt

Notice bibliographique

RevueHealth Economics · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreast cancerCancerMedicineHealth carePreventive careEnvironmental healthFamily medicineInternal medicineEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the net benefit of mammography. A theoretical expected utility (EU) model shows that increases in breast cancer risk, decreases in false-negative and false-positive rates, decreases in cost and increases/decreases in quality of life with early/late-stage breast cancer increase the net benefit of mammography. The theoretical findings are tested in an empirical analysis using Canadian data. The empirical results are broadly consistent with the EU hypothesis. Results suggest that women at higher risk are more likely to obtain a mammogram. In particular, individuals are significantly more likely to have had a time-appropriate mammogram if the mother's cause of death was breast cancer, and if the sister had breast cancer. The results also show that older age (related to higher risk and more accurate mammograms) increases mammography use, and that decreases in time and opportunity costs, and better health behaviours generally have the same effect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,399
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207