The Role of Decision Models in Health Care Policy
Notice bibliographique
Résumé
BACKGROUND: In 2009, the Centers for Medicare and Medicaid Services (CMS) underwent a National Coverage Determination on computed tomography colonography (CTC) to screen for colorectal cancer. The Cancer Intervention & Surveillance Network developed decision models to inform this decision. The purpose of our study was to investigate the role of models in this decision. METHODS: We performed a descriptive case study. We conducted semistructured telephone interviews with members of the CMS coverage and analysis group (CAG) and Medicare Coverage and Analysis Advisory Committee (MEDCAC) panelists. Informed by previously published literature, we developed a coding scheme to analyze interview transcripts, MEDCAC meeting transcripts, and the final CMS decision memo. RESULTS: Four members of the CAG and 8 MEDCAC panelists were interviewed. The total number of codes across all study documents was 772. We found evidence that decision makers believed in the adequacy of models to inform decision making. In interview transcripts, the code Models Are Adequate to Inform was more frequent than the code Models Are Inadequate to Inform (47 times v. 5). Discussion of model conceptualization dominated the MEDCAC meeting (Model Conceptualization assigned 113 times) and was frequently discussed during interviews (Model Conceptualization assigned 84 times). We also found evidence that the models helped to focus the policy discussion. Across study documents, the codes Focus on Cost, Focus on Clinical-Health Impact, and Focus on Inadequacy of Evidence Base were assigned 99, 98, and 97 times, respectively. CONCLUSIONS: Decision makers involved in the CTC decision believed in the adequacy of models to inform coverage decisions. The model played a role in focusing the CTC coverage policy discussion.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».