MétaCan
Menu
Retour à la cohorte
Enregistrement W2411461831 · doi:10.1093/joneph/20.3.251

Economic evaluation in renal disease

2007· article· en· W2411461831 sur OpenAlexaff
Scott Klarenbach

Notice bibliographique

RevueJournal of Nephrology · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInstitute of Health EconomicsUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionHealth careIntensive care medicineRisk analysis (engineering)Health economicsEconomic evaluationDiseaseManagement sciencePublic healthNursingEconomic growthPathology

Résumé

récupéré en direct d'OpenAlex

The publication of economic evaluations of health interventions relevant to the practice of nephrology is increasing. These are not simply academic exercises, but an essential tool to inform optimal use of potentially costly health interventions. An overview of the necessary components of economic evaluations is provided, with expanded discussion of contemporary issues. These include how intermediate health outcomes are handled through mathematical modeling and its attendant pros and cons, the role of sensitivity analysis in harnessing uncertainty, the potential impact of bias and when it is likely to occur, as well as a discussion of how the high costs of ongoing dialysis can impact results. Greater understanding of economic evaluations and their potential pitfalls will enable appropriate interpretation, and further their use as a tool to maximize health benefits, given finite health care resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,044
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0440,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,261
Tête enseignante GPT0,448
Écart entre enseignants0,186 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NephrologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207