Patient and community preferences for treatments and health states in multiple sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To examine preferences for treatments and health states for patients with relapsing-remitting MS and members of the community. METHODS: A survey was developed to evaluate health-related quality-of-life measures (utilities) for three treatments and six MS health states using a utility-elicitation software package, U-Titer II. Sixty-two MS patients at two large teaching hospitals in Boston, MA, and 67 members of the general community in San Diego, CA, completed the health-related quality-of-life survey using a computer. RESULTS: Assessment of quality of life decreased as disability level of MS health states increased for both respondent groups. Respondents rated less-disabled health states relatively highly (> 0.94 for patients and > 0.89 for community respondents). Quality-of-life measures for treatments in mean utilities ranged from 0.80 to 0.96. Patients assigned higher utilities for both MS health states and treatment states than community respondents; the ratings became more disparate as health states worsened. CONCLUSIONS: On average, respondents assigned utilities to currently available treatments for MS that are comparable to those of mild to moderate stages of the disease itself. These results underscore the importance of including preferences for health states and treatment alternatives in the decision to initiate treatment for individual patients or in the evaluation of effectiveness or cost-effectiveness of these treatments in patients with MS.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».