MétaCan
Menu
Retour à la cohorte
Enregistrement W2059760712 · doi:10.3111/13696998.2015.1033423

Costing bias in economic evaluations

2015· editorial· en· W2059760712 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Medical Economics · 2015
Typeeditorial
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingHealth careRisk analysis (engineering)Health economicsProcess (computing)Key (lock)Psychological interventionTarget costingMedicineOperations managementActuarial scienceComputer scienceBusinessEconomicsNursingAccountingComputer security

Résumé

récupéré en direct d'OpenAlex

Determining the cost-effectiveness of healthcare interventions is key to the decision-making process in healthcare. Cost comparisons are used to demonstrate the economic value of treatment options, to evaluate the impact on the insurer budget, and are often used as a key criterion in treatment comparison and comparative effectiveness; however, little guidance is available to researchers for establishing the costing of clinical events and resource utilization. Different costing methods exist, and the choice of underlying assumptions appears to have a significant impact on the results of the costing analysis. This editorial describes the importance of the choice of the costing technique and it's potential impact on the relative cost of treatment options. This editorial also calls for a more efficient approach to healthcare intervention costing in order to ensure the use of consistent costing in the decision-making process.

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.

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)0,130
score de la tête « metaresearch » (Gemma)0,102
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1300,102
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,471
Tête enseignante GPT0,515
Écart entre enseignants0,044 · 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