Discrete choice experiments and conjoint analyses in health screening programs for type 2 diabetes and liver disease: a scoping review
Notice bibliographique
Résumé
Background: We aimed to summarize the evidence on the use of discrete choice experiments (DCEs) and conjoint analyses to quantify stakeholders' preferences for screening programs for type 2 diabetes (T2D) and liver diseases, with a specific focus on metabolic dysfunction-associated steatotic liver disease (MASLD). Methods: For this scoping review, five databases (MEDLINE [PubMed], PubMed Central, EMBASE [Ovid], Europe PMC, Google Scholar) were searched with the assistance of a librarian, and deduplicated records were screened by two independent reviewers. Inclusion criteria: using DCE/CA, addressing screening programs for T2D and liver disease, published in English, French, or Spanish after January 1990. Results: Among 2,282 studies, 9 (7 from high- and 2 from low-income countries) elicited preferences for screening for liver disease (n = 1), hepatitis C (n = 1), hepatitis B (n = 1), hepatocellular carcinoma (n = 2), noncommunicable diseases (n = 2), diabetic retinopathy (n = 1), and cardiovascular diseases (n = 1). No studies addressed MASLD screening in T2D. Stakeholders included patients (n = 3), health care providers (n = 1), patients plus health care providers (n = 1), and the general population (n = 3). Studies used 18 structure, 6 process, and 4 outcome attributes. Screening sensitivity, setting, duration, provider, and cost were the most important structure attributes in participant choices. Physician support for treatment was the preferred process attribute. Outcome attributes were the least used, but of major importance (screening adherence followed by treatment) when considered. Conclusions: With no study focusing on MASLD screening in T2D, our scoping review highlights the need to develop a DCE addressing this topic to better design a patient-centred continuum of care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».