Technical Note: Acceptability Curves Could Be Misleading When Correlated Strategies Are Compared
Notice bibliographique
Résumé
T recent discussions1 3 on the limitation of the cost-effectiveness acceptability curves (CEACs) was helpful in reevaluating the value of CEACs in cost-effectiveness studies. One of the limitations of the CEACs, as pointed out by Groot Koerkamp and colleagues1 as well as other authors,4,5 is that they may mislead policy makers regarding the preferred alternative. This refers to the fact that the ranking of strategies based on CEAC might be different from their ranking based on expected net benefit. This known phenomenon has so far been attributed to the higher positive skew of the distribution of the incremental net benefit (INB) of the optimal strategy.1,4,5 We would like to point out that CEACs can also be misleading when correlated strategies are compared. To be explicit, let us imagine that the decision maker is interested in a model-based cost utility analysis of 2 new strategies as compared with a current strategy for treating a malignancy. Strategy 0 is the current (baseline) practice, strategy 1 is based on the new drug A, and strategy 2 is based on drug A plus the palliative drug B, with slightly additional costs and small increase in quality of life. Assume that the output of the model can be approximated using the following distributions:
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».