Implausible States: Prevalence of EQ-5D-5L States in the General Population and Its Effect on Health State Valuation
Notice bibliographique
Résumé
The EQ-5D is made up of health state dimensions and levels, in which some combinations seem less “plausible” than others. If “implausible” states are used in health state valuation exercises, then respondents may have difficulty imagining them, causing measurement error. There is currently no standard solution: some valuation studies exclude such states, whereas others leave them in. This study aims to address 2 gaps in the literature: 1) to propose an evidence-based set of the least prevalent two-way combinations of EQ-5D-5L dimension levels and 2) to quantify the impact of removing perceived implausible states from valuation designs. For the first aim, we use data from 2 waves of the English General Practitioner Patient Survey ( n = 1,639,453). For the second aim, we remodel a secondary data set of a Discrete Choice Experiment (DCE) with duration that valued EQ-5D-5L and compare across models that drop observations involving different health states: 1) implausible states as defined in the literature, 2) the least prevalent states identified in stage 1, and 3) randomly select states, alongside 4) a model that does not drop any observations. The results indicate that two-way combinations previously thought to be implausible actually exist among the general population; there are other combinations that are rarer, and removing implausible states from an experimental design of a DCE with duration leads to value sets with potentially different characteristics depending on the criterion of implausible states. We advise against the routine removal of implausible states from health state valuation studies.
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 | 0,136 | 0,351 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».