Valuing the SF-6Dv2 Classification System in the United Kingdom Using a Discrete-choice Experiment With Duration
Notice bibliographique
Résumé
OBJECTIVE: An updated version of the SF-6D Classification System (SF-6Dv2) has been developed, and utility value sets are required. The aim of this study was to test the development of a United Kingdom SF-6Dv2 value set, and address limitations of the existing SF-6D value set (which results in a narrow range of utilities). This was done using 2 discrete-choice experiment (DCE) tasks. Interactions and preference heterogeneity were also investigated. RESEARCH DESIGN AND SUBJECTS: An online sample of respondents (n=3014) completed 10 DCE with duration choice sets from an efficient design of 300 (Design 1) and 2 DCE with duration choice sets including immediate death from a set of 60 (Design 2). Conditional logit regression was used to estimate value set models with and without interactions. We investigated preference heterogeneity using latent class models. RESULTS: Models including ordered coefficients within each dimension were developed, with the favored model including an additional interaction term when one dimension was at the most severe level. Value sets differed across Designs 1 and 2. Design 1 models had a wider utility range and a higher proportion of negative values. The most important dimensions were pain, mental health, and physical functioning. Preference heterogeneity was apparent, with a 2-class model describing the data. CONCLUSIONS: We developed and applied a protocol to value the SF-6Dv2 using DCE. The results provide a provisional value set for use in resource allocation. The protocol can be applied internationally. Further work should investigate how to account for preference heterogeneity in value set production.
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 | 0,028 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».