Dissonance in the face of Alzheimer's disease breakthroughs: clinician and lay stakeholder acceptance, concerns and willingness to pay for emerging disease-modifying therapies
Notice bibliographique
Résumé
BACKGROUND: Introducing new disease-modifying therapies (DMTs) for Alzheimer's disease demands a fundamental shift in diagnosis and care for most health systems around the world. Understanding the views of health professionals, potential patients, care partners and taxpayers is crucial for service planning and expectation management about these new therapies. AIMS: To investigate the public's and professionals' perspectives regarding (1) acceptability of new DMTs for Alzheimer's disease; (2) perceptions of risk/benefits; (3) the public's willingness to pay (WTP). METHOD: Informed by the 'theoretical framework of acceptability', we conducted two online surveys with 1000 members of the general public and 77 health professionals in Ireland. Descriptive and multivariate regression analyses examined factors associated with DMT acceptance and WTP. RESULTS: Healthcare professionals had a higher acceptance (65%) than the general public (48%). Professionals were more concerned about potential brain bleeds (70%) and efficacy (68%), while the public focused on accessibility and costs. Younger participants (18-24 years) displayed a higher WTP. Education and insurance affected WTP decisions. CONCLUSIONS: This study exposes complex attitudes toward emerging DMTs for Alzheimer's disease, challenging conventional wisdom in multiple dimensions. A surprising 25% of the public expressed aversion to these new treatments, despite society's deep-rooted fear of dementia in older age. Healthcare professionals displayed nuanced concerns, prioritising clinical effectiveness and potential brain complications. Intriguingly, younger, better-educated and privately insured individuals exhibited a greater WTP, foregrounding critical questions about healthcare equity. These multifaceted findings serve as a guidepost for healthcare strategists, policymakers and ethicists as we edge closer to integrating DMTs into Alzheimer's disease care.
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 | 0,026 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».