Determining social values for resource allocation decision-making in cancer care: a Canadian experiment
Notice bibliographique
Résumé
To determine the content values that 2 separate juries of individuals consider to be important in making decisions about resource allocation in cancer care. Two citizens’ juries were established through random and stratified sampling of the population of Northern and Southern Alberta respectively. Four deliberative sessions were run identically in both juries. Juries participated in exercises, in small groups as well as in plenary. In an exercise in which they had to select 5 out of 10 cancer technologies for funding, the juries separately identified the factors they considered to be important for resource allocation decision-making. Socioeconomic measures between the 2 juries of 16 individuals did not differ significantly. The juries independently arrived at an identical list of content values that they deemed important to them to have included in decision-making processes. These were: number of patients who could benefit, current health state, prognosis without the technology, health outcome with the technology, age, and dependents. They also identified “levels” of these values, 2 for number of patients (many, few), 3 for current health state (severely, mildly and moderately ill), 3 for prognosis without technology (a few weeks, 2 years and 5 years for survival), 3 for health outcome with the technology (full functioning, sufficient functioning, insufficient functioning), 2 for age (old, young) and 2 for dependents (yes, no). Given appropriate design and delivery, Citizens’ Juries can deliberate on complex health issues and reach similar conclusions.
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 | 0,034 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».