What were they thinking when providing preference measurements for generic health states? The evidence for HUI3
Notice bibliographique
Résumé
BACKGROUND: Multi-attribute generic preference-based measures of health-related quality of life are used as comprehensive outcome measures. Typically preferences for health states defined by these systems are elicited from a representative sample of the general population. An important element in that elicitation process is the information that respondents were instructed to consider in providing their responses. METHODS: A random sample of community-dwelling respondents in Canada was surveyed in face-to-face interviews. Respondents provided preference scores for selected Health Utilities Index Mark 3 (HUI3) health states. Respondents also answered questions about the most important attributes and the importance of various impacts of the health states in providing their preference scores. RESULTS: Fifty per cent of respondents reported that they focussed on two, and 21% on three, attributes of the eight HUI3 attributes. Each of the eight attributes was identified as important; pain (49%), vision (37%), cognition (34%), emotion (28%), and ambulation (28%) were the most important. The null hypothesis that all of the attributes were equally important was rejected (p < 0.001). With respect to the impacts, 89% of respondents indicated that the ability to take care of oneself was quite or very important; similarly 76% reported the same for impact on family life, 69% for impact on the happiness of others, 61% for the impact on their ability to work, and 42% for the impact on their leisure activities. The null hypothesis that all of the impacts were equally important was rejected (p < 0.001). CONCLUSIONS: In providing preference scores for HUI3 health states, respondents thoughtfully examined the implications of the health states for their ability to live, work, socialize, and function.
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 | 0,183 | 0,351 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».