Valuing health-related quality of life using a hybrid approach: Tunisian value set for the EQ-5D-3L
Notice bibliographique
Résumé
OBJECTIVE: To develop a value set for EQ-5D-3L based on the societal preferences of the Tunisian population. METHODS: A representative sample of the Tunisian general population was obtained through multistage quota sampling involving age, gender and region. Participants (n = 327), aged above 20 years, were interviewed using the EuroQol Portable Valuation Technology in face-to-face computer-assisted interviews. Participants completed 10 composite time trade-off (cTTO) and 10 discrete choice experiments (DCE) tasks. Utility values for the EQ-5D-3L health states were estimated using regression modeling. The cTTO and DCE data were analyzed using linear and conditional logistic regression modeling, respectively. Multiple hybrid models were computed to analyze the combined data and were compared on goodness of fit measured by the Akaike information criterion (AIC). RESULTS: A total of 300 participants with complete data that met quality criteria were included. All regression models showed both logical consistency and significance with respect to the parameter estimates. A hybrid model accounting for heteroscedasticity presented the lowest value for the AIC among the hybrid models. Hence, it was used to construct the Tunisian EQ-5D-3L valuation set with a range of predicted values from - 0.796 to 1.0. CONCLUSION: This study provides utility values for EQ-5D-3L health states for the Tunisian population. This value set will be used in economic evaluations of health technologies and for Tunisian health policy decision-making.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».