MétaCan
Menu
Retour à la cohorte
Enregistrement W2519603001 · doi:10.1001/jama.2016.12195

Recommendations for Conduct, Methodological Practices, and Reporting of Cost-effectiveness Analyses

2016· article· en· W2519603001 sur OpenAlexafffund
Gillian D Sanders, Peter J. Neumann, Anirban Basu, Dan W. Brock, David Feeny, Murray Krahn, Karen M. Kuntz, David O. Meltzer, Douglas K Owens, Lisa A. Prosser, Joshua A. Salomon, Mark Sculpher, Thomas A Trikalinos, Louise B. Russell, Joanna E. Siegel, Théodore G. Ganiats

Notice bibliographique

RevueJAMA · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensToronto General HospitalUniversity Health NetworkUniversity of TorontoMcMaster University
Organismes subventionnairesDepartment of Global Health and Population, Harvard T.H. Chan School of Public HealthMedical School, University of MichiganRijksuniversiteit GroningenTrinity College DublinUniversity of California, Los AngelesUniversity of GlasgowUniversity of Illinois at Urbana-ChampaignSchool of Public Health, University of MichiganLeonard M. Miller School of Medicine, University of MiamiUniversity of PittsburghUniversity of CincinnatiMcMaster UniversityUniversitetet i OsloBen-Gurion University of the NegevBrown UniversityHarvard UniversityUniversity of MiamiTufts Medical CenterUniversity of WashingtonEmory UniversityLeonard M. Miller School of MedicineCenters for Disease Control and PreventionUniversity of Pennsylvania
Mots-clésComparabilityMedicineCost effectivenessHealth careGovernment (linguistics)Health economicsPublic healthQuality (philosophy)Public relationsNursingRisk analysis (engineering)

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Since publication of the report by the Panel on Cost-Effectiveness in Health and Medicine in 1996, researchers have advanced the methods of cost-effectiveness analysis, and policy makers have experimented with its application. The need to deliver health care efficiently and the importance of using analytic techniques to understand the clinical and economic consequences of strategies to improve health have increased in recent years. OBJECTIVE: To review the state of the field and provide recommendations to improve the quality of cost-effectiveness analyses. The intended audiences include researchers, government policy makers, public health officials, health care administrators, payers, businesses, clinicians, patients, and consumers. DESIGN: In 2012, the Second Panel on Cost-Effectiveness in Health and Medicine was formed and included 2 co-chairs, 13 members, and 3 additional members of a leadership group. These members were selected on the basis of their experience in the field to provide broad expertise in the design, conduct, and use of cost-effectiveness analyses. Over the next 3.5 years, the panel developed recommendations by consensus. These recommendations were then reviewed by invited external reviewers and through a public posting process. FINDINGS: The concept of a "reference case" and a set of standard methodological practices that all cost-effectiveness analyses should follow to improve quality and comparability are recommended. All cost-effectiveness analyses should report 2 reference case analyses: one based on a health care sector perspective and another based on a societal perspective. The use of an "impact inventory," which is a structured table that contains consequences (both inside and outside the formal health care sector), intended to clarify the scope and boundaries of the 2 reference case analyses is also recommended. This special communication reviews these recommendations and others concerning the estimation of the consequences of interventions, the valuation of health outcomes, and the reporting of cost-effectiveness analyses. CONCLUSIONS AND RELEVANCE: The Second Panel reviewed the current status of the field of cost-effectiveness analysis and developed a new set of recommendations. Major changes include the recommendation to perform analyses from 2 reference case perspectives and to provide an impact inventory to clarify included consequences.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,570
score de la tête « metaresearch » (Gemma)0,897
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,530

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5700,897
Méta-épidémiologie (sens strict)0,0060,008
Méta-épidémiologie (sens large)0,0090,022
Bibliométrie0,0300,029
Études des sciences et des technologies0,0050,009
Communication savante0,0220,020
Science ouverte0,0190,011
Intégrité de la recherche0,0280,033
Charge utile insuffisante (le modèle a refusé de juger)0,0190,018

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 Opus0,947
Tête enseignante GPT0,658
Écart entre enseignants0,289 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3 012
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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