MétaCan
Menu
Retour à la cohorte
Enregistrement W2770129658 · doi:10.1017/s0266462317000952

REFLECTIONS ON THE NICE DECISION TO REJECT PATIENT PRODUCTION LOSSES

2017· article· en· W2770129658 sur OpenAlexaff
James Shearer, Sarah Byford

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésReimbursementHealth careProduction (economics)NormativeNicePublic economicsHealth technologyWork (physics)BusinessActuarial scienceMedicineEconomicsPolitical scienceEconomic growthMicroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Patient production losses occur when individuals' capacities to work, whether paid or unpaid, are impaired by illness, treatment, disability, or death. There is controversy about whether and how to include patient production losses in economic evaluations in health care. Patient production losses have not previously been considered when evaluating medications for reimbursement under the U.K. National Health Service. Proposals for value-based assessment of health technologies in the United Kingdom created renewed interest in whether and how to include costs from a wider societal perspective, such as patient production losses, within economic evaluation of healthcare interventions. METHODS: A narrative review was undertaken of theoretical, ethical, and policy issues that might inform decisions that involve the normative question of whether or not to include patient production losses in economic evaluation. RESULTS: It seems difficult to reconcile the implications of including patient production losses with the objectives of a healthcare system dedicated to providing universal healthcare coverage without regard to patients' ability to pay. CONCLUSIONS: Tax payer funded healthcare systems may legitimately adopt maximands other than health gain, but these will be at the opportunity cost of less than maximum health gains.

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)0,228
score de la tête « metaresearch » (Gemma)0,459
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,952

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2280,459
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,011
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,045
Communication savante0,0230,028
Science ouverte0,0120,013
Intégrité de la recherche0,1020,098
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,308
Tête enseignante GPT0,558
Écart entre enseignants0,250 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207