Valuing SF-6Dv2 Using a Discrete Choice Experiment in a General Population in Quebec, Canada
Notice bibliographique
Résumé
BACKGROUND: An updated version of the Short-Form 6-Dimension (SF-6D) Classification System has been developed. This new version (SF-6Dv2) with improved consistency and dimension descriptors is now requiring the development of new utility value sets. The aim of this study was to estimate an SF-6Dv2 value set from a general population in Quebec, Canada. METHODS: ) was conducted using two designs: binary choice sets (Design 1) and best-worst choice sets (Design 2). Design 1 consisted of binary choice sets along with an associated duration, and Design 2 included Design 1 and a third scenario describing "immediate death." Various logit model specifications were employed to estimate value sets separately for Design 1 and in combination with Design 2. Heterogeneity in preferences was assessed using a mixed logit model. RESULTS: The survey was completed online by 1208 participants and 1153 were included for analysis. The model combining Design 1 and 2 data was considered as the best fitting model for estimating the final value set. It provided a value set with logical consistent coefficients and showed the lowest standard errors. Values ranged from -0.683 for the worst health state (555655) to 1 for full health (111111), with 13.01% of the values being negative. Preference values were the most affected by pain dimension and the least by vitality dimension. Preference heterogeneity existed for all the most severe levels of dimensions. CONCLUSION: This study provided the SF-6Dv2 value set for use in Quebec, Canada. The recommended value set is the anchored consistent model combining data from Design 1 and 2 using a conditional logit.
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 | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».