A utility of model input uncertainty analysis in transferring tobacco control‐related economic evidence to countries with scarce resources: results from the EQUIPT study
Notice bibliographique
Résumé
AIMS: To inform the transferability of tobacco control-related economic evidence to resource-poor countries. METHODS: We ran a univariate sensitivity analysis on a return on investment (ROI) model, the European study on Quantifying Utility of Investment in Protection from Tobacco model (EQUIPTMOD), to identify key input values to which the ROI estimates were sensitive. The EQUIPTMOD used a Markov-based state transition model to estimate the ROI of several tobacco control interventions in five European countries (England, Germany, Spain, Hungary and the Netherlands). Base case ROI estimates were obtained through average values of model inputs (throughout the five countries), which were then replaced one at a time with country-specific values. Tornado diagrams were used to evaluate the significance of sensitivity, defined as a ≥ 10% difference in ROI estimates from the base case estimates. RESULTS: The ROI estimates were sensitive to 18 (of 46) input values. Examples of model inputs to which ROI estimates were sensitive included: smoking rate, costs of smoking-related diseases (e.g. lung cancer) and general population attributes. CONCLUSION: Countries that have limited research time and other resources can adapt EQUIPTMOD to their own settings by choosing to collect data on a small number of model inputs. EQUIPTMOD can therefore facilitate transfer of tobacco control related economic evidence to new jurisdictions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».