Design, Conduct, and Use of Patient Preference Studies in the Medical Product Life Cycle: A Multi-Method Study
Notice bibliographique
Résumé
Objectives: To investigate stakeholder perspectives on how patient preference studies (PPS) should be designed and conducted to allow for inclusion of patient preferences in decision-making along the medical product life cycle (MPLC), and how patient preferences can be used in such decision-making. Methods: Two literature reviews and semi-structured interviews (n=143) with healthcare stakeholders in Europe and the US were conducted; results of these informed the design of focus group guides. Eight focus groups were conducted with European patients, industry representatives and regulators, and with US regulators and European/Canadian health technology assessment (HTA) representatives. Focus groups were analyzed thematically using NVivo. Results: Stakeholder perspectives on how PPS should be designed and conducted were as follows: 1) study design should be informed by the research questions and patient population; 2) preferred treatment attributes and levels, as well as trade-offs among attributes and levels should be investigated; 3) the patient sample and method should match the MPLC phase; 4) different stakeholders should collaborate; and 5) results from PPS should be shared with relevant stakeholders. The value of patient preferences in decision-making was found to increase with the level of patient preference sensitivity of decisions on medical products. Stakeholders mentioned that patient preferences are hardly used in current decision-making. Potential applications for patient preferences across industry, regulatory and HTA processes were identified. Four applications seemed most promising for systematic integration of patient preferences: 1) benefit-risk assessment by industry and regulators at the marketing-authorization phase; 2) assessment of major contribution to patient’s care by European regulators; 3) cost-effectiveness analysis; and 4) multi criteria decision analysis in HTA. Conclusions: The value of patient preferences for decision-making depends on the level of collaboration across stakeholders; the match between the research question, MPLC phase, sample, and preference method used in PPS; and the sensitivity of the decision regarding a medical product to patient preferences. Promising applications for patient preferences should be further explored with stakeholders to optimize their inclusion in decision-making.
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 | 0,170 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».