Using Discrete Choice Experiments with Duration to Model EQ-5D-5L Health State Preferences
Notice bibliographique
Résumé
BACKGROUND: Discrete choice experiments incorporating duration can be used to derive health state values for EQ-5D-5L. Yet, methodological issues relating to the duration attribute and the optimal way to select health states remain. The aims of this study were to: test increasing the number of duration levels and choice sets where duration varies (aim 1); compare designs with zero and non-zero prior values (aim 2); and investigate a novel, two-stage design to incorporate prior values (aim 3). METHODS: Informed by zero and non-zero prior values, two efficient designs were developed, each consisting of 120 EQ-5D-5L health profile pairs with one of six duration levels (aims 1 and 2). Another 120 health state pairs were selected, with one of six duration levels allocated in a second stage based on existing estimated utility of the states (aim 3). An online sample of 2,002 members of the UK general population completed 10 choice sets each. Differences across the regression coefficients from the three designs were assessed. RESULTS: The zero prior value design produced a model with coefficients that were generally logically ordered, but the non-zero prior value design resulted in a set of less ordered coefficients where some differed significantly. The two-stage design resulted in ordered and significant coefficients. The non-zero prior value design may include more "difficult" choice sets, based on the proportions choosing each profile. CONCLUSIONS: There is some indication of compromised "respondent efficiency", suggesting that the use of non-zero prior values will not necessarily result in better overall precision. It is feasible to design discrete choice experiments in two stages by allocating duration values to EQ-5D-5L health state pairs based on estimates from prior studies.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».