Treatment preferences of patients with early rheumatoid arthritis: a discrete-choice experiment
Notice bibliographique
Résumé
OBJECTIVE: To quantify the preferences of patients with early RA (ERA) with the benefits and harms of DMARDs. METHODS: We assessed patients' preferences using a discrete-choice experiment, an experimentally designed survey to measure trade-offs. Consecutive adult patients with ERA (<2 years since diagnosis) were presented 13 different sets of three treatment options described by eight attributes (clinical outcomes, risks and dosing regimens) and asked to choose one. From patients' responses we estimated the average importance of each attribute and explored preference heterogeneity through latent-class analysis. RESULTS: A total of 152 patients completed the survey (86% response rate): mean age 52 years, 63% female, disease duration 7.8 months. Treatment benefits (increasing the chance of a major symptom improvement and reducing the chance of serious joint damage) were most important. Of potential adverse events, a small risk of serious infections/possible increased risk of cancer was most important. Patients were willing to accept this risk for a 15% absolute increase in the chance of a major symptom improvement. Patients had an aversion to i.v. therapy, but were relatively indifferent to other dosing regimens. Through latent-class analysis, we identified two patient groups: 54% who were more risk averse, particularly to a possible risk of cancer/infection, and others who were highly benefit-driven. CONCLUSION: On average, patients with ERA were risk tolerant, but important differences in preferences were identified. In particular, a subgroup of patients may prefer to avoid treatments with a possible increased risk of cancer/infection if other effective options are available.
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 | 0,000 | 0,000 |
| 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 ».