Patient Preferences with Anti-Vascular Endothelial Growth Factor Treatment for Neovascular Age-Related Macular Degeneration and Diabetic Macular Edema: A Multinational Discrete Choice Experiment Study
Notice bibliographique
Résumé
INTRODUCTION: New anti-vascular endothelial growth factor (VEGF) treatments are emerging for the treatment of diabetic macular edema (DME)/neovascular age-related macular degeneration (nAMD). This study aimed to explore the treatment attributes patients find important when deciding on treatment options. METHODS: This noninterventional survey study assessed treatment preferences through a discrete choice experiment (DCE) among patients with DME/nAMD in the USA, Canada, France, Italy, Spain, and the UK. The DCE design was informed by a targeted literature review and qualitative interview research and included five treatment attributes: mode of administration, frequency of examinations, frequency of injections or refills, likely change in visual acuity, and eye-related side effects. Conditional logit models were used to analyze the choice data. RESULTS: Overall, 537 patients completed the DCE (DME, n = 173; nAMD, n = 364). Patients reported preferring "injection" over "implant surgery and refills" and better visual outcomes over "stabilization," which were also the most important attributes driving preference (35.1% and 31.5%, respectively). They also showed a preference for less-frequent treatment and examinations and for "mild-moderate, frequent" over "severe, rare" side effects. These findings were generally consistent across the two conditions, although significant differences were found depending on anti-VEGF treatment duration (nAMD, DME) and number of reported barriers (nAMD). CONCLUSION: Patient preferences for treatment are driven by several factors. Considering these preferences is essential when designing/introducing new therapies. Individual treatment preferences should be identified and given key consideration when helping patients select from an expanding array of treatment options.
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 | 0,034 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».