Industry involvement and baseline assumptions of cost-effectiveness analyses: diagnostic accuracy of the Papanicolaou test
Notice bibliographique
Résumé
BACKGROUND: Industry involvement has been associated with more favourable cost-effectiveness ratios in cost-effectiveness analyses, but the mechanisms for this association are unclear. We evaluated whether the assumed accuracy of the Papanicolaou (Pap) test was correlated with the features of cost-effectiveness analysis studies. METHODS: We searched PubMed (last updated April 2010) for cost-effectiveness analysis studies in which at least one strategy involved the Pap test for cervical cancer. We assessed the baseline assumed diagnostic sensitivity and specificity of the Pap test in each study and the association of these values with three levels of manufacturer involvement in the study. RESULTS: Among 88 analyzed cost-effectiveness analysis studies, the assumed sensitivity of the Pap test was lower in studies with manufacturer-affiliated authors, manufacturer funding or manufacturer-related competing interests versus studies without (mean sensitivity 60% v. 70%, p < 0.001). The assumed specificity of the Pap test was lower in cost-effectiveness analyses involving new screening tests (mean 93% v. 96%, p = 0.016). The assumed specificity did not differ between trials with manufacturer involvement versus those without (mean 95% v. 95%, p = 0.755). INTERPRETATION: The results of cost-effectiveness analyses may be affected by a downgrading of the assumed diagnostic accuracy of the standard Pap test against which newer tests or interventions are compared. New technology then seems to have more favourable results against a straw-man comparator.
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 | 0,316 | 0,668 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».