Time-Specific Differences in Stated Preferences for Health in the United States
Notice bibliographique
Résumé
BACKGROUND: Changes over time in health state values from a societal perspective may be an important reason to consider updating societal value sets for preference-based measures of health. OBJECTIVE: The aim was to examine whether stated health preferences are different between 2002 and 2017, controlling for demographic changes in the United States. METHODS: Data from 2002 and 2017 US EQ-5D-3L valuation studies were combined. The primary analysis compared valuations of better-than-dead (BTD) states only, as both studies used the same time trade-off (TTO) method for these states. For worse-than-dead (WTD) states, the 2017 study used the lead-time TTO and the 2002 study used the conventional TTO, which necessitated transformation. Regression models were fitted to BTD values to estimate time-specific differences, adjusting for respondent characteristics. Secondary analyses examined models that fitted WTD values (using linear and nonlinear transformations of the 2002 data) and all values. RESULTS: The adjusted BTD-only model showed mean values were higher for 2017 compared with 2002 (βY2017=0.05, P<0.001). WTD-only models showed negative changes over time but that were dependent on the transformation method (linear βY2017=-0.72; nonlinear βY2017=-0.35; both P<0.001). Using all values, 2017 mean valuations were lower using a linear transformation (βY2017=-0.11; P<0.001) but did not differ with the nonlinear transformation. CONCLUSIONS: Individuals in 2017 are generally less willing to trade quantity for quality of life compared with 2002. This study provides evidence of time-specific differences in a society's preferences, suggesting that the era in which values were elicited may be an important reason to consider updating societal value sets.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 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 ».