MétaCan
Menu
Retour à la cohorte
Enregistrement W3089914228 · doi:10.1177/0272989x20951778

Incorporating Mortality in Health Utility Measures

2020· article· en· W3089914228 sur OpenAlexaff
Barry Dewitt, George W. Torrance

Notice bibliographique

RevueMedical Decision Making · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensMcMaster University
Organismes subventionnairesRiksbankens Jubileumsfond
Mots-clésExpected utility hypothesisCorollaryQuality-adjusted life yearOutcome (game theory)Subjective expected utilityQuality (philosophy)Function (biology)Scale (ratio)State spaceHealth Utilities IndexIndex (typography)State (computer science)Computer scienceActuarial scienceMedicineEconometricsRisk analysis (engineering)MathematicsStatisticsMathematical economicsEconomicsHealth related quality of lifeGeography

Résumé

récupéré en direct d'OpenAlex

The creation of multiattribute health utility systems requires design choices that have profound effects on the utility model, many of which have been documented and studied in the literature. Here we describe one design choice that has, to the best of our knowledge, been unrecognized and therefore ignored. It can emerge in any multiattribute decision analysis in which one or more essential outcomes cannot be described in terms of the multiattribute space. In health applications, the state of being dead is such an outcome. When the remaining health is conceptualized as a multidimensional space, determining the utility of the state of being dead requires using the interval-scale properties of cardinal utility, combined with elicited utilities for the state of being dead and the all-worst state, to produce a utility function in which the state of being dead has a utility of 0 and full health has a utility of 1 (i.e., the quality-adjusted life-year scale). Although previously unrecognized, there are two approaches to accomplish that step, and they produce different results in almost all cases. As a corollary, the choice of approach determines the proportion of states rated as worse than dead by the system. For example, in the Health Utility Index 3 (HUI3), the method used classifies 78% of the 972,000 unique health states in the classification system as worse than dead, and that proportion increases to 85% when the HUI3 is recalculated using the alternative approach. Studies of populations with significant morbidity are the most likely to be sensitive to the design choice. Those who design utility measures should be aware that they are using a researcher degree of freedom when they decide how to scale the state of being dead.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,099
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0020,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,575
Tête enseignante GPT0,507
Écart entre enseignants0,068 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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