Toward a Centralized, Systematic Approach to the Identification, Appraisal, and Use of Health State Utility Values for Reimbursement Decision Making: Introducing the Health Utility Book (HUB)
Notice bibliographique
Résumé
Cost-utility analysis (CUA) is a widely recommended form of health economic evaluation worldwide. The outcome measure in CUA is quality-adjusted life-years (QALYs), which are calculated using health state utility values (HSUVs) and corresponding life-years. Therefore, HSUVs play a significant role in determining cost-effectiveness. Formal adoption and endorsement of CUAs by reimbursement authorities motivates methodological advancement in HSUV measurement and application. A large body of evidence exploring various methods in measuring HSUVs has accumulated, imposing challenges for investigators in identifying and applying HSUVs to CUAs. First, large variations in HSUVs between studies are often reported, and these may lead to different cost-effectiveness conclusions. Second, issues concerning the quality of studies that generate HSUVs are increasingly highlighted in the literature. This issue is compounded by the limited published guidance and methodological standards for assessing the quality of these studies. Third, reimbursement decision making is a context-specific process. Therefore, while an HSUV study may be of high quality, it is not necessarily appropriate for use in all reimbursement jurisdictions. To address these issues, by promoting a systematic approach to study identification, critical appraisal, and appropriate use, we are developing the Health Utility Book (HUB). The HUB consists of an HSUV registry, a quality assessment tool for health utility studies, and a checklist for interpreting their use in CUAs. We anticipate that the HUB will make a timely and important contribution to the rigorous conduct and proper use of health utility studies for reimbursement decision making. In this way, health care resource allocation informed by HSUVs may reflect the preferences of the public, improve health outcomes of patients, and maintain the efficiency of health care systems.
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 | 0,681 | 0,729 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,017 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,030 | 0,024 |
| Science ouverte | 0,009 | 0,019 |
| Intégrité de la recherche | 0,009 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».