Inflammatory bowel disease patients prioritize mucosal healing, symptom control, and pain when choosing therapies: results of a prospective cross-sectional willingness-to-pay study
Notice bibliographique
Résumé
BACKGROUND: Given the large armamentarium of therapies for inflammatory bowel disease (IBD), physicians cannot fully describe all treatments to patients and, therefore, make assumptions regarding treatment attributes communicated to patients. This study aimed to assess out-of-pocket willingness-to-pay that IBD patients allocate to treatment attributes. METHODS: Adult patients receiving therapy for IBD were invited to access a cross-sectional web-based discrete-choice experiment (May 22-August 31, 2015) that presented paired medication scenarios with varying efficacy, safety, and administration parameters. Preference weights and willingness-to-pay for each attribute level were assessed by a hierarchical Bayes method including a multinomial logit model. RESULTS: A total of 586 IBD patients were included, 404 (68.9%) with Crohn's disease and 182 (31.1%) with ulcerative colitis. Genders were evenly distributed; the majority of patients (70.1%) were 50 years or younger and had postsecondary education (75.4%), while the median health status was 7 (Likert scale: 1 [poor] - 10 [perfect]). Regarding relative preference-weight estimates, for the average respondent, reducing pain during administration, mucosal healing, and symptom relief were the highest-ranking attributes. Conversely, infusion reactions and risk of hospitalization or surgery were the lowest-ranking attributes. In multivariate analysis, patient sociodemographics did not affect the rank order of attributes although small differences were observed between asymptomatic and symptomatic patients in the previous year. CONCLUSION: This study has important implications related to understanding patient preferences and designing patient-centered strategies. IBD patients prioritize treatments with low administration pain. Additionally, these results concur with treatment guidelines emphasizing patients' preference for mucosal healing and symptom control.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».