MétaCan
Menu
Retour à la cohorte
Enregistrement W2045668883 · doi:10.1515/cclm.2011.119

Economic evidence in decision-making process in laboratory medicine

2011· article· en· W2045668883 sur OpenAlexaff
Massimo Brunetti, Silvia Pregno, Holger J. Schünemann, Mario Plebani, Tommaso Trenti

Notice bibliographique

RevueClinical Chemistry and Laboratory Medicine (CCLM) · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEconomic evaluationGuidelineHealth careMedicineGrading (engineering)Process (computing)Management scienceActuarial sciencePsychologyBusinessEconomicsComputer sciencePathologyEngineering

Résumé

récupéré en direct d'OpenAlex

Laboratory data play a pivotal role in the clinical decision-making process. Major transformations have occurred in laboratory medicine in recent decades. To face the economic pressures, hospital laboratories are forced to enhance efficiency. Decisions on policy and practice take place at many levels. However, decision-making often does not follow Evidence Based Laboratory Medicine principles. Also, the literature shows limited influence of economic evaluations on health care decisions and diagnostic processes. Several barriers to the use of economic evaluation in decision-making process have been identified, and guidelines tend to focus on issues of effectiveness and have not explicitly considered broader issues, particularly cost. As an example, we analyzed recommendations on the use of brain natriuretic peptide (BNP) or N-terminal fragment of the prohormone BNP (NT-proBNP) in patients with chronic heart failure. All guidelines recommend the use of BNP if available. Nevertheless, none included economic data explicitly, even if economic information exists in the literature. The Grading of Recommendations Assessment, Development and Evaluation (GRADE) Working Group, propose using a balance sheet approach, one way of helping decision makers to explicitly consider resource use along with other outcomes when making recommendations. Key aspects of GRADE, such as the explicit presentation of information and the quality evaluation of the economic data can help overcome barriers in the use of economic evaluations in the decision-making in process. This approach can help to give health decision makers, clinical guideline panels and patients, a better appreciation of the overall health benefits, harms and costs of laboratory tests.

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)0,343
score de la tête « metaresearch » (Gemma)0,667
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,343
Score d'incertitude au seuil0,810

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3430,667
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,006
Bibliométrie0,0150,011
Études des sciences et des technologies0,0030,012
Communication savante0,0200,017
Science ouverte0,0050,009
Intégrité de la recherche0,0160,016
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,440
Tête enseignante GPT0,513
Écart entre enseignants0,073 · 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.

Devis d'étudeThéorique ou conceptuel
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Chemistry and Laboratory Medicine (CCLM)Même sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207