A Time Trade-off-derived Value Set of the EQ-5D-5L for Canada
Notice bibliographique
Résumé
BACKGROUND: The 5-level version of the EQ-5D (EQ-5D-5L) was recently developed. A number of preference-based scoring systems are being developed for several countries around the world. OBJECTIVE: To develop a value set for the EQ-5D-5L based on societal preferences in Canada. METHODS: We used age, sex, and education quota sampling from the general population from 4 cities across Canada. Composite time trade-off (cTTO) and traditional time trade-off (tTTO) were used as the main elicitation technique. A total of 86 EQ-5D-5L health states grouped into 10 blocks were valued using cTTO, whereas a subset of 18 severe states was also valued using tTTO. Participants meeting predefined inconsistency criteria were excluded from the analyses. For the value set development, we used tTTO and positive cTTO values, while censoring negative and zero cTTO values at zero. Models with the main effects presented using linear terms combined with various additional terms were estimated. The preferred model was selected based primarily on logically ordered coefficients, and secondly model fit. RESULTS: Of the 1209 participants who completed the interview, 136 met criteria that excluded them from the primary analyses. The demographics and socioeconomic status of the remaining 1073 participants were similar to the Canadian general population. The preferred model has 5 linear terms for the main effects, a term for level 4 or 5 for each dimension, and a term for the squared total number of level 4 or 5 beyond the first. For this preferred model, the health utilities ranged from -0.148 for the worst (55555) to 0.949 for the best (11111) EQ-5D-5L states. CONCLUSIONS: This is the first TTO-based value set of the EQ-5D-5L for Canada. It can be used to support the health utility estimation in economic evaluations for reimbursement decision making in Canada.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».