Design, Conduct and Use of Patient Preference Studies in the Medical Product Life Cycle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: To investigate stakeholder perspectives on how patient preference studies \n(PPS) should be designed and conducted to allow for inclusion of patient preferences in \ndecision-making along the medical product life cycle (MPLC), and how patient preferences \ncan be used in such decision-making. \nMethods: Two literature reviews and semi-structured interviews (n = 143) with healthcare \nstakeholders in Europe and the US were conducted; results of these informed the design \nof focus group guides. Eight focus groups were conducted with European patients, \nindustry representatives and regulators, and with US regulators and European/Canadian \nhealth technology assessment (HTA) representatives. Focus groups were analyzed \nthematically using NVivo. \nResults: Stakeholder perspectives on how PPS should be designed and conducted \nwere as follows: 1) study design should be informed by the research questions and patient \npopulation; 2) preferred treatment attributes and levels, as well as trade-offs among \nattributes and levels should be investigated; 3) the patient sample and method should \nmatch the MPLC phase; 4) different stakeholders should collaborate; and 5) results from \nPPS should be shared with relevant stakeholders. The value of patient preferences in \ndecision-making was found to increase with the level of patient preference sensitivity of \ndecisions on medical products. Stakeholders mentioned that patient preferences are hardly \nused in current decision-making. Potential applications for patient preferences across \nindustry, regulatory and HTA processes were identified. Four applications seemed most \npromising for systematic integration of patient preferences: 1) benefit-risk assessment \nby industry and regulators at the marketing-authorization phase; 2) assessment of major contribution to patient care by European regulators; 3) cost-effectiveness analysis; and 4) \nmulti criteria decision analysis in HTA. \nConclusions: The value of patient preferences for dec
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 découle