The EQ-5D-5L valuation study for Trinidad and Tobago
Notice bibliographique
Résumé
PURPOSE: The 2016 EQ-5D-3L value set for Trinidad and Tobago (T&T) allows for the calculation of EQ-5D-5L values via the crosswalk algorithm. The 2016 value set was based on methods predating the EQ-VT protocol, now considered the gold standard for developing EQ-5D value sets. Furthermore, direct elicitation of EQ-5D-5L is preferred over crosswalked values. This study aimed to produce an EQ-5D-5L value set for T&T. METHODS: A representative sample (age, sex, geography) of adults each completed 10 composite Time Trade-Off (cTTO) tasks and 12 Discrete Choice Experiment (DCE) tasks in face-to-face interviews. The cTTO data were analyzed using a Tobit model that corrects for heteroskedasticity. DCE data were analyzed using a mixed logit model. The cTTO and DCE data were combined in hybrid models. RESULTS: One thousand and seventy-nine adults completed the valuation interviews. Among the modelling approaches that were explored, the hybrid heteroskedastic Tobit model produced all internally consistent, statistically significant coefficients, and performed best in terms of out-of-sample predictivity for single states. Compared to the existing EQ-5D-5L crosswalk set, the new value set had a higher number of negative values (236 or 7.6% versus 21 or 0.7%). The mean absolute difference was 0.157 and the correlation coefficient between the two sets was 0.879. CONCLUSION: This study provides a value set for the EQ-5D-5L for T&T using the EQ-VT protocol. We recommend this value set for QALY computations relating to T&T.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».