THE EXTENT AND QUALITY OF QUALITATIVE EVIDENCE INCLUDED IN HEALTH TECHNOLOGY ASSESSMENTS: A REVIEW OF SUBMISSIONS TO NICE AND CADTH
Notice bibliographique
Résumé
OBJECTIVES: Qualitative methods allow in-depth exploration of patient experiences and can provide context for healthcare decision making. Frameworks for patient-based evidence in health technology assessment (HTA) are expanding; yet, how extensively qualitative methods are currently used is unclear. This review characterized the extent and quality of qualitative data submitted to National Institute for Health and Care Excellence (NICE) and Canadian Agency for Drugs and Technologies in Health (CADTH) for HTA. METHODS: NICE and CADTH submissions from September 2019 to August 2021 were reviewed. Submission characteristics and features of patient-based evidence included within submissions were extracted. The quality of qualitative reporting was assessed using the CASP checklist. RESULTS: Patient-based evidence was included in 83/107 NICE and 119/124 CADTH submissions. A small proportion described qualitative data collection (NICE=14; CADTH=24) and analysis (NICE=6; CADTH=9) methods. One-to-one interviews were the most common data collection method, and thematic analysis was exclusively used. Thirty-three percent of NICE submissions scored >7 yes responses on CASP, versus 78 percent of CADTH submissions. CONCLUSIONS: Although patient-based evidence was common in the submissions reviewed, only 14/107 NICE and 24/124 CADTH submissions involved formal qualitative data collection. Use of formal analysis methods was even rarer and reporting tended to be brief. At present, there is little guidance about qualitative evidence most likely to be informative and therefore to potentially impact decision making. Ensuring, however, that qualitative data are collected and analyzed in a systematic, rigorous way will maximize their usefulness and ensure that patient voices are clearly heard.
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 | 0,529 | 0,838 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,050 | 0,040 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,009 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».