Choosing vs. allocating: discrete choice experiments and constant‐sum paired comparisons for the elicitation of societal preferences
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.
Notice bibliographique
Résumé
BACKGROUND: There is growing evidence of a reluctance to allocate health care solely on the basis of maximizing quality-adjusted life years (QALYs). Stated preference methods can be used to elicit preferences for efficiency vs. equity in the allocation of health-care resources. OBJECTIVE: To compare discrete choice experiment (DCE) and constant-sum paired comparison (CSPC) methods for eliciting societal preferences. METHODS: Over a series of choice pairs, DCE respondents allocated a fixed budget to one preferred group and CSPC respondents allocated budget percentages between the groups. Questionnaires were compared in terms of completion rates, preference consistency, dominant preferences and derived attribute importance. RESULTS: There was no significant difference in the proportions that rated the questionnaires somewhat or extremely difficult, but a significantly greater proportion completed the DCE compared to the CSPC. Preference consistency was also higher in the DCE. The incidence of dominant preferences, including for aggregate QALYs, was low and not significantly different between questionnaires. Similarly, no CSCP respondents equalized budgets or outcomes in every task. Final health state was the most important attribute in both questionnaires, but the rankings diverged for the other attributes. Notably, the total patients' treated attribute was important in the CSPC but insignificant in the DCE, perhaps reflecting a 'prominence effect'. CONCLUSIONS: Despite lower completion rates and preference consistency, CSPC may offer advantages over DCE in eliciting preferences over the distribution of resources and/or outcomes as well as attribute levels, avoiding extreme 'all-or-nothing' distributions and possibly aligning respondent attention more closely with a societal perspective.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle