POPUP: an observational digital study reporting general population norms for the EQ-5D-5-L and HUI-3 in 8 countries
Notice bibliographique
Résumé
BACKGROUND: This study aimed to estimate population norms in the US, Canada, UK, Italy, Spain, Germany, The Netherlands, and Belgium for the EQ-5D-5-L with six bolt-on dimensions (vision, breathing, tiredness, sleep, social relationships, self-confidence), and for the Health Utilities Index-Mark 3 (HUI-3). METHODS: A digital study was conducted among 9,000 general population participants, representative of age, sex, education, and region within each country. Data collection included demographics, health conditions, EQ-5D-5-L and bolt-ons, and the HUI-3. National population norms were calculated for each dimension and for utility values. Testing for differences between subgroups was performed with a Generalized Linear Model. RESULTS: The proportion of respondents reporting severe-to-extreme problems at dimension level was highest on the EQ-5D-5-L dimensions pain/discomfort (5.5%) and anxiety/depression (5.6%), and on the HUI-3 dimensions pain (5.7%), emotion (5.4%), and cognition (4.1%). Severe-to-extreme problems on the EQ-5D-5-L bolt-on dimensions were social relationships (8.0%), sleep (7.6%), tiredness (7.4%), self-confidence (5.1%), vision (3.7%), and breathing (2.0%). Mean EQ-5D-5-L utility values for all countries combined displayed a U-shape by age and ranged between 0.819 and 0.871, whereas HUI-3 utility values ranged between 0.717 and 0.768 without a clear pattern. The impact of age by sex on EQ-5D-5-L utility values was country-specific. HUI-3 utilities did not show a linear trend by age, and no difference was found by sex. Italy had the highest mean EQ-5D-5-L utility values, while the Netherlands and Spain had the highest values according to the HUI-3. The lowest utility values were observed in the UK, for both instruments. Utility values differed significantly by education, employment, place of residence, needing a caregiver, being on sick leave and having health conditions such as dementia, MS, depression, rheumatoid arthritis, systemic lupus erythematosus and heart failure. CONCLUSIONS: Important differences in reporting problems and in utility values were found between countries and subgroups, highlighting the need for country-specific population norms.
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 | 0,017 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».