A comparison of health utility measures for the evaluation of multiple sclerosis treatments
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the practical application and psychometric properties of three health utility measures in a sample of MS patients with a broad range of neurological disability as measured by the Extended Disability Status Scale (EDSS). METHODS: Patients randomly selected from two MS clinic registries were assessed using standard clinical methods and completed three generic measures of health utility (EQ-5D, HUI Mark III, SF-6D). The proportion of missing data, test/retest reliability, and construct validity of each health utility measure were examined. RESULTS: The assessments were completed by 187 patients. Less than 10% of data were missing for the subscales of the SF-6D (< 3.2%), HUI Mark III (<1.6%), and EQ-5D (< or =7.5%). Severely disabled patients were more likely to omit physical function questions for the SF-6D (20%), and EQ-5D (43%). Retest reliability for the SF-6D (ICC = 0.83), EQ-5D (ICC = 0.81), and HUI Mark III (ICC = 0.87) were adequate for population surveys. Correlations between assessment of clinical function and each health utility measure were strongest for the HUI Mark III (HUI Mark III EDSS rho = -0.77, HUI Mark III ambulation index rho = -0.76, HUI Mark III timed 25 foot walk rho = -0.73, HUI Mark III nine hole peg test rho = -0.65). CONCLUSIONS: The health utility measures were generally feasible and reliable but the HUI Mark III demonstrated highest concordance with the EDSS across the full range of neurological disability. Of the three measures studied, the HUI Mark III may be the most appropriate for cost effectiveness evaluations of MS therapies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».