Valuations of EQ-5D Health States
Notice bibliographique
Résumé
PURPOSE: We sought to compare directly elicited valuations for EQ-5D health states between the US and UK general adult populations. METHODS: We analyzed data from 2 EQ-5D valuation studies where, using similar time trade-off protocols, values for 42 common health states were elicited from representative samples of the US and UK general adult populations. First, US and UK population mean valuations were estimated and compared for each health state. Second, random-effect models were used to compare the US and UK valuations while adjusting for known predictors of EQ-5D valuations (ie, age, sex, health state descriptors) and to investigate whether and how the valuations differ. RESULTS: Population mean valuations of the 42 health states ranged from -0.38 to 0.88 for the United States and from -0.54 to 0.88 for the United Kingdom, with the US mean scores being numerically higher than the UK for 39 health states (mean difference: 0.11; range: -0.01 to 0.25). After adjusting for the main effects of known predictors, the average difference in valuations was 0.10 (P < 0.001). The magnitude of the difference in the US and UK valuations was not constant across EQ-5D health states; greater differences in valuations were present in health states characterized by extreme problems. CONCLUSIONS: Meaningful differences exist in directly elicited TTO valuations of EQ-5D health states between the US and UK general populations. Therefore, EQ-5D index scores generated using valuations from the US general population should be used for studies aiming to reflect health state preferences of the US general public.
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 | 0,015 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».