Preferences for a third‐trimester ultrasound scan in a low‐risk obstetric population: a discrete choice experiment
Notice bibliographique
Résumé
OBJECTIVE: Establish maternal preferences for a third-trimester ultrasound scan in a healthy, low-risk pregnant population. DESIGN: Cross-sectional study incorporating a discrete choice experiment. SETTING: A large, urban maternity hospital in Northern Ireland. PARTICIPANTS: One hundred and forty-six women in their second trimester of pregnancy. METHODS: A discrete choice experiment was designed to elicit preferences for four attributes of a third-trimester ultrasound scan: health-care professional conducting the scan, detection rate for abnormal foetal growth, provision of non-medical information, cost. Additional data collected included age, marital status, socio-economic status, obstetric history, pregnancy-specific stress levels, perceived health and whether pregnancy was planned. Analysis was undertaken using a mixed logit model with interaction effects. MAIN OUTCOME MEASURES: Women's preferences for, and trade-offs between, the attributes of a hypothetical scan and indirect willingness-to-pay estimates. RESULTS: Women had significant positive preference for higher rate of detection, lower cost and provision of non-medical information, with no significant value placed on scan operator. Interaction effects revealed subgroups that valued the scan most: women experiencing their first pregnancy, women reporting higher levels of stress, an adverse obstetric history and older women. CONCLUSIONS: Women were able to trade on aspects of care and place relative importance on clinical, non-clinical outcomes and processes of service delivery, thus highlighting the potential of using health utilities in the development of services from a clinical, economic and social perspective. Specifically, maternal preferences exhibited provide valuable information for designing a randomized trial of effectiveness and insight for clinical and policy decision makers to inform woman-centred care.
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 | 0,011 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».