An Introduction to Economic Evaluation: What's in a Name?
Notice bibliographique
Résumé
OBJECTIVE: This paper describes the main types of economic evaluation techniques. METHOD: To examine the strengths and limitations of different types of economic evaluations, we used a hypothetical example to review the reasoning underlying each method and to illustrate when it is appropriate to use each method. RESULTS: The choice of economic evaluation method reflects a decision about what should represent "success" and how success should be valued. Measures of benefit and cost must be considered systematically and simultaneously. Claiming that a new treatment is cost-effective requires making a value judgment based on the personal beliefs of the claimant. Even when cost and effect data are objective, a verdict of cost-effective is subjective. The conclusions of an economic study can change significantly, depending on which patient outcome is used to measure success. CONCLUSIONS: Clinicians must be sure that important patient outcomes are not excluded from economic evaluations. Economic evaluation is a process designed to produce an estimate rather than a decision. New treatment can be more costly and still be cost-effective (if the extra benefit is valued more than the extra cost to produce it). However, since economic evaluation does not explicitly consider a decision maker's available budget, a new treatment can be deemed cost-effective but too expensive to approve.
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 | 0,067 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».