MétaCan
Menu
Retour à la cohorte
Enregistrement W2027594115 · doi:10.1002/hec.1076

Mapping between Visual Analogue Scale and Standard Gamble data; results from the UK Health Utilities Index 2 valuation survey

2006· article· en· W2027594115 sur OpenAlexfundno aff
Katherine Stevens, Christopher McCabe, John Brazier

Notice bibliographique

RevueHealth Economics · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésMean squared errorValuation (finance)StatisticsEQ-5DEconometricsHealth Utilities IndexMultiplicative functionMathematicsIndex (typography)Visual analogue scalePower functionStandard errorEconomicsActuarial scienceMedicineComputer sciencePhysical therapyFinance

Résumé

récupéré en direct d'OpenAlex

We examine the relationship between Visual Analogue Scale (VAS) and Standard Gamble (SG) assumed in the development of the multiplicative multi-attribute utility functions (M-MAUFs) for the Health Utilities Index (HUI) Mark 2 and Mark 3, using data from a UK valuation study of the HUI2. A range of functional forms are considered, and are compared on the basis of their explanatory power and predictive ability.A restricted cubic function fits the data better than a power curve with a mean absolute error (MAE) of 0.025 and root mean square error (RMSE) of 0.029 compared to a MAE of 0.135 and RMSE of 0.135 for the power curve. The use of a cubic mapping function instead of a power function leads to different predicted health state values. We question the reliance on the assumption of a power curve relationship between VAS and SG data, in the Health Utilities Index valuation framework. Our results demonstrate that further work is required to examine the appropriateness of the published M-MAUFs for the Health Utilities Indices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,139
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,502
Tête enseignante GPT0,454
Écart entre enseignants0,047 · 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 source (Gemma direct ou Codex distillé), 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

Citations47
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207