Cost-Utility Analysis Using EQ-5D-5L Data: Does How the Utilities Are Derived Matter?
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 explore how the use of EQ-5D-5L value set and crosswalk from EQ-5D-5L to EQ-5D-3L (and use of 3L value set) would affect cost-effectiveness analysis results for England and six other countries (Canada, the Netherlands, China, Japan, South Korea, and Singapore). METHODS: Individual-level utilities derived from primary 5L data using both value set (5L) and crosswalk (c5L) approaches were applied to three Markov models assessing the cost-effectiveness of hemodialysis (HD) and peritoneal dialysis (PD) for end-stage renal disease (ESRD) patients to estimate incremental quality-adjusted life years (QALYs). The mathematic functions between incremental QALY and utility were derived. RESULTS: 5L- and c5L-based incremental QALYs were similar in the model for non-diabetic patients (range: 1.910-2.149, 1.922-2.121). 5L tends to generate more incremental QALYs than c5L in the model for diabetic patients (range: 1.454-1.633, 1.365-1.568) but fewer incremental QALYs in the model for all ESRD patients (range: 0.290-0.480, 0.315-0.493). In all models, 5L (c5L) generated more incremental QALYs when Chinese (South Korean) value sets were used. The largest and smallest differences in 5L- and c5L-based incremental QALYs were observed when Chinese and Dutch value sets were used. Incremental QALYs was a positive linear function of both utility of PD and difference in utilities of HD and PD. CONCLUSIONS: The value set and crosswalk approaches may not be used interchangeably in economic evaluation when EQ-5D-5L data are used to estimate utilities. Results of cost-effectiveness analysis using Markov models may be affected by both absolute utilities and their differences.
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 | 0,029 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 0,001 |
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