MétaCan
Menu
Retour à la cohorte
Enregistrement W3033258331 · doi:10.1177/0272989x20924019

Using Both Time Tradeoff and Discrete Choice Experiments in Valuing the EQ-5D: Impact of Model Misspecification on Value Sets

2020· article· en· W3033258331 sur OpenAlexaff
Ian Waudby-Smith, A. Simon Pickard, Feng Xie, Eleanor Pullenayegum

Notice bibliographique

RevueMedical Decision Making · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensHospital for Sick ChildrenPublic Health OntarioSickKids FoundationUniversity of TorontoMcMaster UniversityInstitute for Clinical Evaluative SciencesImpact
Organismes subventionnairesEuroQol Research Foundation
Mots-clésHomoscedasticityHeteroscedasticityEconometricsTobit modelMathematicsValuation (finance)Linear modelStatisticsComputer scienceEconomicsAccounting

Résumé

récupéré en direct d'OpenAlex

Introduction. The EQ-5D-5L valuation protocol contains both time tradeoff (TTO) tasks and discrete choice experiments (DCE), raising the question of how to best use these in creating a value set. The hybrid model, which combines TTO and DCE data, has emerged as a commonly used approach. However, this model assumes independence among responses from the same individual, a linear relationship between TTO and DCE utilities, and, in many implementations, homoscedastic residuals. The aims of this study are to examine alternatives to these assumptions and determine the impact of misspecification on value sets. Methods. We performed a simulation study, parameterized using the US EQ-5D-5L valuation study, to assess the impact of model misspecification. We simulated TTO and DCE data with nonlinear relationships between TTO and DCE utilities, heteroscedastic errors, and correlated responses. Simulated data were analyzed using hybrid models with and without heteroscedasticity, Tobit models with and without heteroscedasticity, a latent class model, and a mixed model. Results. Mean absolute errors (MAEs) for correctly specified models were <0.05, whereas models that incorrectly assumed a linear relationship between TTO and DCE utilities or homoscedasticity of TTO responses featured states with an MAE >0.1. When a linear relationship between TTO and DCE utilities held, using both TTO and DCE data under correct specification yielded smaller MAEs compared with using TTO data alone but yielded larger MAEs when a linear relationship did not hold. Mistakenly assuming homoscedasticity led to increased MAEs, whereas ignoring dependence did not. Conclusions. Because heteroscedasticity in TTO utilities and nonlinear associations between DCE and TTO utilities have been noted, we recommend careful assessment of scedasticity and linearity to ascertain the suitability of a hybrid model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,635
Tête enseignante GPT0,516
Écart entre enseignants0,119 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207