Assessing Patient Decision-Making on Biologic and Small-Molecule Therapies in Inflammatory Bowel Diseases: Insights From a Conjoint Analysis in the United States, Canada, and the United Kingdom
Notice bibliographique
Résumé
BACKGROUND: Recent drug approvals have increased the number of therapies available for inflammatory bowel disease (IBD), making it difficult for patients to navigate available treatment options. We examined patient decision-making surrounding biologic and small-molecule therapies in an international cohort of patients from the United States, Canada, and the United Kingdom using conjoint analysis (CA), a form of tradeoff analysis examining how respondents make complex decisions. METHODS: We performed a CA survey that quantified the relative importance of therapy attributes (eg, efficacy, adverse effects) in decision-making. Patients with IBD were recruited from the general population and through specialty IBD clinics. We used a hierarchical Bayes analysis to model individual patients' preferences and compared the relative importance of medication attributes between countries and practice settings. Using a series of multivariable linear regression models, we assessed whether demographic and clinical characteristics (eg, IBD subtype, severity) predicted how patients made decisions. RESULTS: Overall, 1077 patients in 3 countries completed the survey. No differences in the relative importance of medication attributes were observed between the 3 countries' general IBD populations. However, efficacy was more important for patients in the US-based IBD specialty care cohort than for the general IBD population (29% and 23% importance, respectively; P < 0.0001). A few demographic and clinical characteristics were associated with small changes in individual preferences. CONCLUSIONS: In this large international CA study, patients prioritized efficacy as the most important therapeutic attribute. Decision-making seemed to be highly personalized in that therapeutic preferences were hard to predict based on patient characteristics.
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 | 0,011 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».