Development of one general and six country-specific algorithms to assess societal health utilities based on ASAS HI
Notice bibliographique
Résumé
Objective: Health utilities represent preference values that persons attach to health states. This study aims to develop one general and six country-specific algorithms to calculate societal preference values for health of patients with spondyloarthritis (SpA), as assessed by the disease-specific Assessment of SpondyloArthritis international Society Health Index (ASAS HI). Methods: A survey was performed in random population samples from six European countries. In a best-worst choice experiment, subjects were asked to indicate repeatedly which of 4 random aspects of the 17-item ASAS HI was were most and least important. Bayesian analysis provided the relative importance of each of the 17 items. To rescale the relative importance scores on the absolute utility scale between 0 and 1, participants additionally completed two lead time trade-off experiments, one for 'severe SpA' and one for 'best health' without SpA. Six country-specific algorithms and one general algorithm were derived. The general algorithm was tested in 199 patients with axial SpA (axSpA). Results: 3039 subjects, mean age 47 years (SD 15) and 52% female completed the experiments. The population's health utility value for SpA varied between - 0.24 for 'worst' SpA (country range -0.35 to 0.03), and 0.88 for 'best' health (country range 0.81 to 0.90). Among 199 patients with axSpA, the mean utility was 0.36 (SD 0.30, range -0.24 to 0.88) and discriminated well between patients having high (Bath Ankylosing Spondylitis Disease Activity Index (BASDAI) ≥ 4) or low (BASDAI < 4) disease activity (0.18 (SD 0.24) vs 0.51(SD 0.27), p<0.01). Conclusion: One general and six country-specific algorithms are available to convert scores from the ASAS HI into disease-specific societal utility values.
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 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 | 0,011 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».