Notice bibliographique
Résumé
In economic evaluation of healthcare interventions, the dominant practice is to calculate an incremental cost effectiveness ratio, usually based on the comparison of a new intervention against current practice. Canadian and UK health economists question the economic foundations of such an approach Who could resist implementing the results of a study showing that using alteplase (tPA; tissue plasminogen activator) rather than streptokinase in treatment of acute myocardial infarction costs $32 678 (£21 340; €33 330) per life year gained, which the authors declare to be “cost effective by customary criteria”?1 Despite similar claims from several such studies, the impact of economic evaluation on setting of priorities remains unclear.2–4 Among the reasons given for this are that opportunities for reducing costs while maintaining quality still arise, and that cost effectiveness analyses do not take all factors into account.3 Achieving the same result more cheaply—a success for economics—represents a classic cost effectiveness approach. The possibility that not all factors have been considered suggests that other approaches may make economic evaluation more relevant. We contend that, beyond the classic approach, many studies labelled as cost effectiveness analyses of health care are not really that at all. At best, this mislabelling is confusing: at worst, conclusions drawn by the studies' authors could be harmful to patients' health. Thus, there are contraindications to the use of cost effectiveness analysis in health care, and an alternative economic approach is required. In this paper we revisit the basic economic principles. Then we make the case that lack of adherence to such principles, through current practice of reducing everything to incremental cost effectiveness ratios, leads to contraindications. #### Summary points
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 tête enseignante, 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 ».