Health Preferences in Transition: Differences from Pandemic to Post-Pandemic in Valuation of COVID-19 and RSV Illness in Children and Adults
Notice bibliographique
Résumé
Objective: This study aimed to measure changes in preferences regarding health-related quality of life associated with COVID-19 and RSV illness in children and adults from 2021 (during the COVID-19 pandemic) to 2023 (post-pandemic). Methods: A stated-preference survey elicited time trade-off (TTO) values from US adults in spring 2021 (n = 1014) and summer 2023 (n = 1186). Respondents were asked to indicate how much time they would hypothetically be willing to trade from the end of their life to avoid the effects of varying severities of COVID-19 and RSV illness for: (1) children; (2) parents of an ill child (family spillover); and (3) adults. Attitudes relating to COVID-19 vaccination and data on experience with COVID-19 or RSV illness were also collected. The primary outcome measure was the loss in quality-adjusted life years (QALYs). Changes in preferences over the time period from 2021 to 2023 were evaluated using regression analysis. Results: QALY losses increased with disease severity and were highest for Long COVID. Across all COVID-19 and RSV health states, QALY losses associated with child health states were higher than family spillover or adult health states. In the regression analysis, QALY losses reported in the 2023 survey were significantly lower than 2021 QALY losses for COVID-19, but not RSV. Conclusions: Preferences may change over time in a pandemic context and therefore, economic analyses of pandemic interventions should consider the timeframe of health preference data collection to determine whether they are suitable to include in an economic evaluation. Even with the impacts on health-related quality of life attenuated over time, childhood illnesses still had a measurable impact on caregivers’ quality of life.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».