Estimating an EQ-5D-5L Value Set for China
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
OBJECTIVES: To estimate a five-level EuroQol five-dimensional questionnaire (EQ-5D-5L) value set for China using the health preferences of residents living in the urban areas of the country. METHODS: The values of a subset of the EQ-5D-5L-defined health states (n = 86) were elicited using the time trade-off (TTO) technique from a sample of urban residents (n = 1271) recruited from five Chinese cities. In computer-assisted personal interviews, participants each completed 10 TTO tasks. Two additive and two multiplicative regression models were evaluated for their performance in describing the relationship between TTO values and health state characteristics using a cross-validation approach. Final values were generated using the best-performed model and a rescaling method. RESULTS: The 8- and 9-parameter multiplicative models unanimously outperformed the 20-parameter additive model using a random or fixed intercept in predicting values for out-of-sample health states in the cross-validation analysis and their coefficients were estimated with lower standard errors. The prediction accuracies of the two multiplicative models measured by the mean absolute error and the intraclass correlation coefficient were very similar, thus favoring the more parsimonious model. CONCLUSIONS: The 8-parameter multiplicative model performed the best in the study and therefore was used to generate the EQ-5D-5L value set for China. We recommend using rescaled values whereby 1 represents the value of instrument-defined full health in economic evaluation of health technologies in China whenever the EQ-5D-5L data 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.
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 | 0,034 | 0,008 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle