Assessing the Impact of EQ-5D Country-specific Value Sets on Cost-utility Outcomes
Notice bibliographique
Résumé
PURPOSE: To assess the impact of EQ-5D country-specific value sets on cost-utility outcomes. METHODS: Data from 2 randomized controlled trials on low back pain (LBP) and depression were used. 3L value sets were identified from the EuroQol Web site. A nonparametric crosswalk was employed for each tariff to obtain the likely 5L values. Differences in quality-adjusted life years (QALYs) between countries were tested using paired t tests, with United Kingdom as reference. Cost-utility outcomes were estimated for both studies and both EQ-5D versions, including differences in QALYs and cost-effectiveness acceptability curves. RESULTS: For the 3L, QALYs ranged between 0.650 (Taiwan) and 0.892 (United States) in the LBP study and between 0.619 (Taiwan) and 0.879 (United States) in the depression study. In both studies, most country-specific QALY estimates differed statistically significantly from that of the United Kingdom. Incremental cost-effectiveness ratios ranged between &OV0556;2044/QALY (Taiwan) and &OV0556;5897/QALY (Zimbabwe) in the LBP study and between &OV0556;38,287/QALY (Singapore) and &OV0556;96,550/QALY (Japan) in the depression study. At the NICE threshold of &OV0556;23,300/QALY (≈£20,000/QALY), the intervention's probability of being cost-effective versus control ranged between 0.751 (Zimbabwe) and 0.952 (Taiwan) and between 0.230 (Canada) and 0.396 (Singapore) in the LBP study and depression study, respectively. Similar results were found for the 5L, with extensive differences in ICERs and moderate differences in the probability of cost-effectiveness. CONCLUSIONS: This study indicates that the use of different EQ-5D country-specific value sets impacts on cost-utility outcomes. Therefore, to account for the fact that health state preferences are affected by sociocultural differences, relevant country-specific value sets should be used.
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 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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 tête enseignante, 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 ».