USE OF VALUE OF INFORMATION IN UK HEALTH TECHNOLOGY ASSESSMENTS
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to identify and critically appraise the use of Value of Information (VOI) analyses undertaken as part of health technology assessment (HTA) reports in England and Wales. METHODS: A systematic review of National Institute for Health Research (NIHR) funded HTA reports published between 2004 and 2013 identified the use of VOI methods and key analytical details in terms of: (i) types of VOI methodology used; (ii) parameters and key assumptions; and (iii) conclusions drawn in terms of the need for further research. RESULTS: A total of 512 HTA reports were published during the relevant timeframe. Of these, 203 reported systematic review and economic modeling studies and 25 of these had used VOI method(s). Over half of the twenty-five studies (n = 13) conducted both EVPI (Expected Value of Perfect Information) and EVPPI (Expected Value of Partial Perfect Information) analyses. Eight studies conducted EVPI analysis, three studies conducted EVPI, EVPPI, and EVSI (Expected Value of Sampling Information) analyses and one study conducted EVSI analysis only. The level of detail reporting the methods used to conduct the VOI analyses varied. CONCLUSIONS: This review has shown that the frequency of the use of VOI methods is increasing at a slower pace compared with the published volume of HTA reports. This review also suggests that analysts reporting VOI method(s) in HTA reports should aim to describe the method(s) in sufficient detail to enable and encourage decision-makers guiding research prioritization decisions to use the potentially valuable outputs from quantitative VOI analyses.
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 | 0,404 | 0,806 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,036 | 0,032 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,023 | 0,016 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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 ».