The biggest bang for the buck or bigger bucks for the bang: the fallacy of the cost-effectiveness threshold
Notice bibliographique
Résumé
It has been suggested that scepticism among decision-makers about using cost-effectiveness analysis (CEA) is caused in part by the low level of the cost-effectiveness "thresholds" in the economic evaluation literature. This has led Ubel and colleagues to call for higher threshold values of US$200,000 or more per quality-adjusted life-year. We show that these arguments fail to identify the objective of CEA and hence do not consider whether or how the threshold relates to this objective. We show that incremental cost-effectiveness ratios (ICERs) cannot be used to identify an efficient use of resources--the "biggest bang for the bucks"--allocated to health care. On the contrary, the practical consequence of using the ICER approach is shown to be an increase in health care expenditures, or "bigger bucks for making a bang", without any evidence of the bang being bigger (i.e. that this leads to an increase in benefits to the population). We present an alternative approach that provides an unambiguous method of determining whether a new intervention leads to an increase in health gains from whatever resources are to be made available to health care decision-makers.
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 | 0,105 | 0,334 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,020 |
| Communication savante | 0,010 | 0,020 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».