MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312087670 · doi:10.1002/alz.062293

A Compendium Of Two Decades Of Economic Evaluations In Dementia And A Critique Of The Implied Use Of Resources

2022· article· en· W4312087670 sur OpenAlexaboutno aff
Dominic Trépel

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompendiumVariety (cybernetics)Psychological interventionDementiaEconomic evaluationIdentification (biology)Public economicsCritical appraisalResource allocationQuality (philosophy)EconomicsActuarial sciencePsychologyManagement scienceMedicineDiseaseComputer scienceAlternative medicineGeographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Background This paper presents a unified source of all health economic evaluations related to four categories of resource allocation in dementia (identification, pharmaceuticals, non‐pharmacological interventions and management strategies) and, for health professionals (i.e. non‐economists), we provides guided critiques of implied trade‐offs across varying allocation decisions. Methods To take stock of the entirety of economic evidence, we systematically review, and quality assess, all peer reviewed cost‐effectiveness analyses published since 1999. We provides in‐depth expert guidance, and objective critical appraisal, through the variety of implied inferences related to potential allocation decisions and avoid sources of underlying biased. We explain how to interpret, and differentiate between, the two common forms of economic evidence (i.e., trial‐based or model‐based cost effectiveness analysis). We illustrate strengths and weaknesses of our included studies and, towards informing optimal resource allocation, we detail the opportunities and threats in relation to quality of evidence. Results Since 1999, we found 127 published economic evaluations (identification, 20%; pharmaceuticals, 45%; non‐pharmacological approaches, 18% and; management strategies, 17%). Internationally, the top five countries producing economic evaluations in dementia were: UK (33%); USA (19%); the Netherlands (10%) Canada (7%) and; (jointly) Germany/Sweden (5%). Over time, production of economic evidence appears relatively flat (averaging 1 to 2 publications per category) but significant upsurges in pharmaceutical‐related studies occurred in 2005 (n = 5), 2010 (n = 8) and 2012 (n = 8). Reporting is generally found to meet objective international standards, however, our critique of model‐based techniques raises concerns. Examining funding sources, industry‐funded pharmaceutical studies appear more likely to report more favourable cost effectiveness results, with these exclusively simulation‐based studies often purporting more cost savings (as compared to publicly‐funded studies). Notwithstanding concerns, the sum of evidence indicates that, compared to usual dementia care, alternative resource allocation can often result in increased quality‐of‐life, whilst also reducing costs. Conclusion In contrast to competing disease areas, dementia research has experienced a relatively low production of economic evidence. Given the considerable economic changes created by dementia, and potential for economic benefit highlight here, increasing the inclusion of high quality economic evaluations alongside dementia‐related research is required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,239
score de la tête « metaresearch » (Gemma)0,560
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,938

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2390,560
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0050,006
Bibliométrie0,0270,019
Études des sciences et des technologies0,0020,011
Communication savante0,0190,013
Science ouverte0,0050,008
Intégrité de la recherche0,0100,020
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,248
Tête enseignante GPT0,429
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→