Potencial sesgo de patrocinio en los análisis coste-efectividad de intervenciones sanitarias: un análisis transversal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To examine the relationship between the funding source of cost-effectiveness analyses of healthcare interventions published in Spain and study conclusions. DESIGN: Descriptive cross-sectional study. LOCATION: Scientific literature databases (until December 2014). PARTICIPANTS (ANALYSIS UNITS): Cohort of cost-effectiveness analysis of healthcare interventions published in Spain between 1989-2014 (n=223) presenting quality-adjusted life years (QALYs) as the outcome measure. MAIN MEASUREMENTS: The relationship between qualitative conclusions of the studies and the type of funding source were established using Fisher's exact test in contingency tables. Distributions of the incremental cost-effectiveness ratios by source of funding in relation to hypothetical willingness to pay thresholds between €30,000-€50,000 per QALY were explored. RESULTS: A total of 136 (61.0%) studies were funded by industry. The industry-funded studies were less likely to report unfavorable or neutral conclusions than studies non-funded by industry (2.2% vs. 23.0%; P<.0001), largely driven by studies evaluating drugs (0.9% vs. 21.4%; P<.0001). The incremental cost-effectiveness ratios in studies funded by industry were more likely to be below the hypothetical willingness to pay threshold of €30,000 (73.8% vs. 56.3%; P<.0001) and €50,000 (89.4% vs. 68.2%; P<.0001) per QALY. CONCLUSIONS: This study reveals a potential sponsorship bias in cost-effectiveness analyses of healthcare interventions. Studies funded by industry could be favoring the efficiency profile of their products.
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.
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 | 0,020 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découle