The EORTC QLU-C10D: The Canadian Valuation Study and Algorithm to Derive Cancer-Specific Utilities From the EORTC QLQ-C30
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
Objective. The EORTC QLQ-C30 is widely used for assessing quality of life in cancer. However, QLQ-C30 responses cannot be incorporated in cost-utility analysis because they are not based on general population’s preferences, or utilities. To overcome this limitation, the QLU-C10D, a cancer-specific utility algorithm, was derived from the QLQ-C30. The aim of this study was to obtain Canadian population utility weights for the QLU-C10D. Methods. Respondents from a Canadian research panel expressed their preferences for 16 choice sets in an online discrete choice experiment. Each choice set consisted of two health states described by the 10 QLU-C10D domains plus an attribute representing duration of survival. Using a conditional logit model, responses were converted into utility decrements by evaluating the marginal rate of substitution between each QLU-C10D domain level with respect to duration. Results. A total of 3,363 individuals were recruited. A total of 2,345 completed at least one choice set and 2,271 completed all choice sets. The largest utility decrements were associated with the worse levels of Physical Functioning (−0.24), Pain (−0.18), Role Functioning (−0.15), Emotional Functioning (−0.12), and Nausea (−0.12). The remaining domains and levels had decrements of −0.05 to −0.09. The utility of the worst possible health state was −0.15. Conclusion. Respondents from the general population were most concerned with generic health domains, but Nausea and Bowel Problems also had an impact on the individual’s utility. It is unclear as to whether cancer-specific domains will affect cost-utility analysis when evaluating cancer treatments; this will be tested in the next phase of the study.
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 | 0,021 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 découle