Assessing value in health care: using an interpretive classification system to understand existing practices based on a systematic review
Notice bibliographique
Résumé
BACKGROUND: Implementing adequate strategies to assess the value of health services plays a central role in the effort to deal with the financial pressures faced by health care systems worldwide. This study aimed to understand which approaches to value assessment have been used in developed countries. METHODS: We conducted a rapid review and a gray literature search to identify value assessment frameworks. A two-stage screening process was utilized to identify existing approaches and cluster similar frameworks. In addition, we developed an interpretive classification system to make sense of existing approaches. RESULTS: One thousand one hundred seventy-six references were identified and 38 papers were selected for full-review. Among these 38 articles, 22 distinct approaches to assess value of health care interventions were identified and classified according to four points: 1) use of single or multiple considerations to base value estimates; 2) use of disease-specific or generic criteria; 3) reliance on process-based or outcomes-based consideration; and 4) type of input and evidence considered. CONCLUSIONS: The contextual nature of value assessment in health care becomes evident with the diversity of existing approaches. Despite the predominance of cases relying on the Incremental cost-effectiveness ratio as the measure of value, this approach has not been sufficient to meet the needs of decision-makers. The use of multiple criteria has become more and more important, as well as the consideration of patient-reported measures. Considerations of costs are not always explicit and consistent.
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 | 0,373 | 0,625 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,099 | 0,053 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,021 | 0,018 |
| Science ouverte | 0,006 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».