Optimal DCE design for modelling nonlinear time preferences in EQ-5D-5L valuation studies: exploration of data from Denmark and Peru
Notice bibliographique
Résumé
BACKGROUND: Discrete choice experiment (DCE) methods are an increasingly popular valuation method, particularly for the EQ-5D-5L. While EQ-5D-5L value sets developed using DCE have traditionally assumed linear time preferences, this assumption has been challenged. This has led to the development of DCE modelling methods that allow for nonlinear time preferences. The aim of this study was to explore the impact of a model that accounts for nonlinear time preferences with DCE choice set formats and design construction methods for EQ-5D-5L value sets. METHODS: This study used a four-arm (2 × 2) between-subjects design to investigate the impact of two commonly used DCE choice set formats (i.e. a third option of either immediate death or full health) and two commonly used DCE design construction methods (i.e. generator-developed and efficient designs) on EQ-5D-5L value sets. Mixed logit models that used exponential discounting to account for nonlinear time preferences were estimated in OpenBUGS. This was tested in a sample of respondents from Peru (n = 942) and Denmark (n = 988). RESULTS: Across all arms and for both countries, discounting was found to be present when modelling explicitly for nonlinear time preferences. Although estimated discount rates varied widely from 1 to 117%, both type of choice set format and type of design construction method influenced the utilities for more severe health states. Choice sets with full health tended to produce a wider range of utility weights, while choice sets with immediate death tended to produce higher estimated discount rates. Generator-developed designs tended to produce the highest and lowest utility weights for health states compared to the efficient designs. CONCLUSIONS: This study provides a comparison of DCE choice set format and design construction method when nonlinear time preferences were explicitly modelled. Limitations to this study are discussed including data quality issues with the Peruvian dataset and small sample sizes. Further investigation is needed to confirm the suitability of models that account for nonlinear time preferences in EQ-5D-5L valuation studies.
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 | 0,085 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».