MétaCan
Menu
Retour à la cohorte
Enregistrement W4312155730 · doi:10.1017/s026646232200126x

OP79 Incorporating Environmental Impacts Into Health Technology Assessment: An Examination Of Potential Approaches And Challenges

2022· article· en· W4312155730 sur OpenAlexaboutno aff
Juliet Kenny, Koonal Shah, Michael Toolan, Nick Crabb, Felix Greaves, Páll Jónsson, Judith Richardson, Sarah Walpole

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSustainabilityHealth careExcellenceHealth technologyStrengths and weaknessesNiceEnvironmental impact assessmentGovernment (linguistics)PopulationBusinessPopulation healthEnvironmental resource managementRisk analysis (engineering)Environmental planningMedicineEnvironmental healthComputer sciencePolitical scienceEconomicsEconomic growthPsychologyGeography

Résumé

récupéré en direct d'OpenAlex

Introduction In light of government and healthcare system commitments to reducing the carbon footprint of healthcare, health technology assessment (HTA) agencies are increasingly motivated to investigate how to consider environmental sustainability in their assessments and guidance. This constitutes a major departure from the existing remits and objectives of most agencies, which typically focus on improving population health outcomes. This presentation seeks to identify options for incorporating environmental impact data into HTA and to examine the main challenges, focusing on the National Institute for Health and Care Excellence (NICE) as a case study. Methods We present four broad approaches that could be pursued, informed by policy analysis undertaken by NICE. The strengths, weaknesses and implications of each approach are assessed. Results The first option is to act as an ‘information conduit’, aggregating and distributing in a standardized format environmental impact information that is provided voluntarily by health technology manufacturers. The second is to present complementary analyses of environmental impact data, separately but alongside results from established health economic analyses (‘parallel evaluation’ model). The third is to incorporate environmental impact data into health economic analyses, for example by monetizing environmental outcomes, so that quantitative estimates of treatment value are directly affected by environmental benefits and costs (‘integrated evaluation’ model). The fourth is to create new decision-making frameworks for evaluating healthcare interventions that are not expected to improve health-related outcomes, but claim to have relative environmental benefits. Conclusions We conclude that these approaches are not mutually exclusive, and all involve some degree of benefit and risk. We explain why the parallel evaluation model may be the most appropriate approach for NICE as a first response to the increased demand for guidance on the environmental impact of health technologies. We also outline activities being undertaken by NICE and other agencies such as the Canadian Agency for Drugs and Technologies in Health to develop new methodologies for incorporating environmental impact data into their HTAs.

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)0,100
score de la tête « metaresearch » (Gemma)0,117
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,100
Score d'incertitude au seuil0,530

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1000,117
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0060,008
Études des sciences et des technologies0,0040,016
Communication savante0,0240,016
Science ouverte0,0050,013
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,201
Tête enseignante GPT0,432
Écart entre enseignants0,231 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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 revueInternational Journal of Technology Assessment in Health CareMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207