MétaCan
Menu
Retour à la cohorte
Enregistrement W2306997996

Using discrete choice experiments to value benefits and risks in primary care

2016· dissertation· en· W2306997996 sur OpenAlexaff
Caroline Vass

Notice bibliographique

RevueResearch Explorer (The University of Manchester) · 2016
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueMarketing and Advertising Strategies
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésValuation (finance)Actuarial scienceMedicineHealth careBreast cancerPsychologyBusinessEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Discrete choice experiments (DCEs) are a stated preference valuation method. As a ubiquitous component of healthcare delivery, risk is increasingly used as an attribute in DCEs. Risk is a complex concept that is open to misinterpretation; potentially undermining the robustness of DCEs as a valuation method. This thesis employed quantitative, qualitative and eye-tracking methods to understand if and how risk communication formats affected individuals’ choices when completing a DCE and the valuations derived. This thesis used a case study focussing on the elicitation of women’s preferences for a national breast screening programme. Breast screening was chosen because of its relevance to primary care and potential contribution to the ongoing debate about the benefits and harms of mammograms. A DCE containing three attributes (probability of detecting a cancer; risk of unnecessary follow-up; and cost of screening) was designed. Women were randomised to one of two risk communication formats: i) percentages only; or ii) icon arrays and percentages (identified from a structured review of risk communication literature in health).Traditional quantitative analysis of the discrete choices made by 1,000 women recruited via an internet panel revealed the risk communication format made no difference in terms of either preferences or the consistency of choices. However, latent class analysis indicated that women’s preferences for breast screening were highly heterogeneous; with some women acquiring large non-health benefits from screening, regardless of the risks, and others expressing complete intolerance for unnecessary follow-ups, regardless of the benefits. The think-aloud method, identified as a potential method from a systematic review of qualitative research alongside DCEs, was used to reveal more about DCE respondents’ decision-making. Nineteen face-to-face cognitive interviews identified that respondents felt more engaged with the task when risk was presented with an additional icon array. Eye-tracking methods were used to understand respondents’ choice making behaviour and attention to attributes. The method was successfully used alongside a DCE and provided valid data. The results of the eye-tracking study found attributes were visually attended to by respondents most of the time. For researchers seeking to use DCEs for eliciting individuals’ preferences for benefit-risk trade-offs, respondents were more receptive to risk communicated via an icon array suggesting this format is preferable. Policy-makers should acknowledge preference heterogeneity, and its drivers, in their appraisal of the benefits of breast screening programmes. Future research is required to test alternative risk communication formats and explore the robustness of eye-tracking and qualitative research methods alongside DCEs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,088
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,468

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0880,184
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,342
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Explorer (The University of Manchester)Même sujetMarketing and Advertising StrategiesTravaux en français237 207