Use of Decision Analysis and Economic Evaluation in Breast Reconstruction: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Decision analysis allows clinicians to compare different strategies in the context of uncertainty, through explicit and quantitative measures such as quality of life outcomes and costing data. This is especially important in breast reconstruction, where multiple strategies can be offered to patients. This systematic review aims to appraise and review the different decision analytic models used in breast reconstruction. METHODS: A search of English articles in PubMed, Ovid, and Embase databases was performed. All articles regardless of date of publishing were considered. Two reviewers independently assessed each article, based on strict inclusion criteria. RESULTS: Out of 442 articles identified, 27 fit within the inclusion criteria. These were then grouped according to aspects of breast reconstruction, with implant-based reconstruction (n = 13) being the most commonly reported. Decision analysis (n = 19) and/or economic analyses (n = 27) were employed to discuss reconstructive options. The most common outcome was cost (n = 27). The decision analysis models compared and contrasted surgical strategies, management options, and novel adjuncts. CONCLUSIONS: Decision analysis in breast reconstruction is growing exponentially.The most common model used was a simple decision tree. Models published were of high quality but could be improved with a more in-depth sensitivity analysis. It is essential for surgeons to familiarize themselves with the concept of decision analysis to better tackle complicated decisions, due to its intrinsic advantage of being able to weigh risks and benefits of multiple strategies while using probabilistic models.
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 | 0,075 | 0,289 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,016 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».