Exploring the Benefits of Transformations in Health Utility Mapping
Notice bibliographique
Résumé
Background. Quality-of-life research and cost-effectiveness analyses frequently require data on health utility, a global measure of health-related quality of life. When utilities are unavailable, researchers have “mapped” descriptive instruments to utility instruments, using samples of responses to both instruments. Health utilities have an idiosyncratic distribution, with upper bound and probability mass at 1, left skewness, and kurtosis. Estimation of mean utility values conditional on covariates is of interest, particularly in health utility mapping applications. Traditional linear regression may be unsuitable because fundamental assumptions are violated. Complex statistical methods come with deficiencies that may outweigh their benefits. Aim. To investigate the benefits of transforming the health utility response variable before fitting a linear regression model. Methods. We compared log, logit, arcsin, and Box-Cox transformations with an untransformed model, using several measures of model accuracy. We made our evaluation by designing and conducting a simulation study and reanalyzing data from 2 published studies, which “mapped” a psychometric descriptive instrument to a utility instrument. Results. In the simulation study, log transformation with smearing estimator had in most cases the lowest bias but one of the highest variances, especially for estimating low utility values under small sample size. The untransformed model was outperformed by the transformed models. Findings were inconclusive for the analysis of real data, where arcsin gave the lowest error for one of the data sets, while the untransformed model had the best performance for the other. Conclusions. We identified the benefits of transformations and offered suggestions for future modeling of health utilities. However, the benefits were moderate and no single transformation appeared to be universally optimal, suggesting that selection requires examination on a case-by-case basis.
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 | 0,021 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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; 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 ».