Quantifying Benefit-Risk Trade-Offs Toward Prophylactic Treatment Among Adult Patients With Hemophilia A in China: Discrete Choice Experiment Study
Notice bibliographique
Résumé
BACKGROUND: Hemophilia A is a chronic condition that requires meticulous treatment and management. Patient preferences for prophylactic treatment can substantially influence adherence, outcomes, and quality of life, yet these preferences remain underexplored, particularly in China. OBJECTIVE: This study aimed to investigate the preferences for prophylactic treatment among Chinese adult patients with hemophilia A without inhibitors, considering clinical effectiveness, side effects, dosing mode, and dosing frequency. METHODS: A discrete choice experiment was used to elicit patient preferences for prophylactic treatment of hemophilia. The study was conducted across 7 provinces in China with socioeconomic and geographical diversity. Subgroup analysis was performed according to education level, geographic location, and treatment type, alongside the exploration of benefit-risk trade-offs. RESULTS: A total of 113 patients completed the discrete choice experiment questionnaire, and we included 102 responses for analysis based on predetermined exclusion criteria. The study found that patients prioritized reducing annual bleeding times and avoiding the risk of developing inhibitors over treatment process attributes. Subgroup analysis revealed that lower-educated patients and those from rural areas attached more importance to the dosing mode, likely due to barriers to self-administration. Patients demonstrated a clear understanding of benefit-risk trade-offs, exhibiting a willingness to accept an increased risk of developing inhibitors for improved clinical outcomes. CONCLUSIONS: This study provides valuable insights into the preferences of patients with hemophilia A for prophylactic treatment in China. Understanding these preferences can enhance shared decision-making between patients and clinicians, fostering personalized prophylactic treatment plans that may optimize adherence and improve clinical outcomes.
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 | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».