Using Quality-Adjusted Life-Years in Cost-Effectiveness Analyses: Do Not Throw Out the Baby or the Bathwater
Notice bibliographique
Résumé
Weneed ametric to understand the value of cancer treatments—this issue is not under debate. In recent months, different professional societies have produced tools to attempt to assess value, but they have avoided the use of cost-effectiveness studies. The science of cost effectiveness has come under attack in recent years, with specific questions regarding the use of qualityadjusted life-years (QALYs). Although costeffectiveness techniques are used in many countries to make decisions regarding coverage of health care interventions, some stakeholders have challenged the appropriateness and accuracy of this science. Riesco-Martinez et al have demonstrated how to perform a well-balanced costeffectiveness study analyzing different treatment sequences for metastatic colon cancer. They did this from the perspective of a Canadian payer, and in their analysis they included the use of QALYs. They should be commended for this analysis,andtheresultsmaybeusedtoguide coverage decisions in Canada. However, in many parts of the world, particularly the United States, there is major opposition to the use of cost-effectiveness analyses, particularly the use of QALYs. When the United States Congress developed the Patient-Centered Outcomes Research Institute, it explicitly forbade the use of QALYS in cost-effectiveness research. Whydo somany stakeholders involved in health care have such visceral opposition to cost-effectiveness research and the use of QALYs? To understand this, we must first understand the definition of a QALY?
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,103 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes 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 ».