Mapping the schizophrenia quality of life scale to EQ-5D, HUI3 and SF-6D utility scores in patients with schizophrenia
Notice bibliographique
Résumé
OBJECTIVES: The current study aimed to map the disease-specific Schizophrenia Quality of Life Scale (SQLS) onto the three- and five-level EuroQol five-dimension (EQ-5D-3 L and EQ-5D-5 L), Health Utility Index Mark 3 (HUI3) and Short Form six-dimensional (SF-6D) preference-based instruments to inform future cost-utility analyses for treatment of patients with schizophrenia. METHODS: Data from 251 outpatients with schizophrenia spectrum disorders was included for analysis. Ordinary least square (OLS), Tobit and beta regression mixture models were employed to estimate the utility scores. Three regression models with a total of 66 specifications were determined by goodness of fit and predictive indices. Distribution of the original data to the distributions of the data generated using the preferred estimated models were then compared. RESULTS: EQ-5D-3 L and EQ-5D-5 L were best predicted by the OLS model, including SQLS domain scores, domain-squared scores, age, and gender as explanatory predictors. The models produced the best performance index and resembled most closely with the observed EQ-5D data. HUI3 and SF-6D were best predicted by the OLS and Tobit model respectively. CONCLUSION: The current study developed mapping models for converting SQLS scores into generic utility scores, which can be used for economic evaluation among patients with schizophrenia.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».