MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401263147 · doi:10.1016/j.socscimed.2024.117173

A novel approach for health state valuation: Multiple bounded dichotomous choice compared to the traditional standard gamble

2024· article· en· W4401263147 sur OpenAlexafffundabout
Thomas G. Poder, Hosein Ameri

Notice bibliographique

RevueSocial Science & Medicine · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStatisticsValuation (finance)Standard errorMathematicsPreferenceConsistency (knowledge bases)Bounded functionMonotonic functionTobit modelEconometricsStandard deviationPopulationMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: to assess the feasibility of a new stated preference approach, the multiple bounded dichotomous choice (MBDC), designed to generate value sets for preference-based measurement of health-related quality of life. METHODS: MBDC and standard gamble (SG) tasks were completed to derive SF-6Dv2 value sets from a sample of the general population in Quebec, Canada. Participants were randomized between the two approaches: 6 health states were evaluated in SG and 11 health states in MBDC. Several models were used to estimate data in each approach, and the preferred models were chosen by using mean absolute error (MAE), logical consistency of parameters, and significance levels. Results of MBDC were compared with SG in terms of acceptability (self-reported difficulty and quality levels in answering, and completion time), consistency (monotonicity of model coefficients), accuracy (standard errors), dimensions coefficient magnitude, correlation between the value sets estimated, and the range of estimated values. The intra-class correlation coefficient (ICC) was computed to assess value sets' consistency. RESULTS: Out of 655 individuals who completed MBDC tasks and 828 who completed SG tasks, a total of 585 participants for MBDC and 714 for SG tasks were included for analysis. The preferred models for both approaches were GLS Tobit. No significant difference was observed in self-reported difficulties and qualities in answers among approaches, but MBDC had less excluded participants and was less prone to report difficulties in answering. Additionally, completion time in the MBDC group was significantly lower (99.80 vs 68.12 s). Most standard errors in the MBDC were lower than those in SG, and the number of non-significant parameters was also lower. The range of utility values generated by MBDC tended to be wider (-0.372 to 1) than those generated by the SG (-0.137 to 1) and the number of worse-than-dead states in MBDC (0.91%) was higher than for SG (0.08%). The Pain dimension was identified as the most significant, while the Vitality dimension showed the lowest significant decrement. Both approaches exhibited a tendency to overestimate severe health state values and underestimate better health state values. The correlation and ICC between the two value sets were 0.937 and 0.983, respectively. CONCLUSION: Based on empirical evidence, it can be inferred that the MBDC method is not only feasible but also holds the potential to generate meaningful and well-informed preference data from respondents. This approach can be used to derive a value set for preference-based instrument.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,126
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,126
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,002
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,510
Tête enseignante GPT0,485
Écart entre enseignants0,024 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Science & Medicine→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→