Valuing the SF-6Dv2 Classification System in the United Kingdom Using a Discrete-choice Experiment With Duration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 découle