Developing a Framework of Cost Elements of Socioeconomic Burden of Rare Disease: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Rare diseases place a significant burden on patients, families, the healthcare system, and society. Evidence on the socioeconomic burden of rare disease is limited and mostly reflects diseases where treatments are available. We developed a framework encompassing recommended cost elements for studies of the socioeconomic burden of rare diseases. METHODS: A scoping review, conducted in five databases (Cochrane Library, EconLit, Embase, MEDLINE, and APA PsycINFO), identified English language publications from 2000 to 2021 presenting frameworks developed for determining, measuring or valuing costs for rare or chronic diseases. Cost elements were extracted and used to develop a literature-informed framework. Structured feedback was gathered from experts in rare diseases, health economics/health services, and policy research to revise the framework. RESULTS: Of 2990 records identified, eight papers were included and informed our preliminary framework; three focused on rare disease and five on chronic disease. Following expert input, we developed a framework consisting of nine cost categories (inpatient, outpatient, community, healthcare products/goods, productivity/education, travel/accommodation, government benefits, family impacts, and other), with several cost elements within each category. Our framework includes unique costs, added from the expert feedback, including genetic testing to inform treatment, use of private laboratories or out-of-country testing, family involvement in foundations and organizations, and advocacy costs for special access programs. CONCLUSIONS: Our work is the first to identify a comprehensive list of cost elements for rare disease for use by researchers and policy makers to fully capture socioeconomic burden. Use of the framework will increase the quality and comparability of future studies. Future work should focus on measuring and valuing these costs through onset, diagnosis, and post-diagnosis.
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 | 0,013 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».