Willingness-to-pay and parametric trends in cost-effectiveness and cost-utility studies in ophthalmology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the frequencies of input parameters in cost-effectiveness analyses (CEA) within ophthalmology, particularly in willingness-to-pay (WTP), and to assess trends over time in studies conducted in the United States. METHODS AND ANALYSIS: A cross-sectional analysis of CEAs from the Tufts Medical Center CEA Registry spanning 1993 to 2022 was conducted, including all studies evaluating diseases of the eye and adnexa. The primary outcomes measured included trends in WTP thresholds, funding sources, types of interventions and disease classifications. RESULTS: A total of 82 US-based CEAs met the inclusion criteria. All studies assessed outcomes in quality-adjusted life years (QALYs). WTP thresholds of US$50 000 (41%) and US$100 000 (39%) were most frequently reported, with US$150 000 emerging in 9% of studies since 2019. Discounting at 3.0% for costs and QALYs was universally applied. Government (33%), nonprofit (29%) and pharmaceutical (17%) funding predominated. Pharmaceutical-funded studies often employed higher WTP thresholds of US$100 000 (29%) and US$150 000 (29%). The most common intervention types were surgical (40%) and pharmaceutical (40%), whereas diseases of the choroid and retina (43%) were most frequently studied. Healthcare perspectives (17 studies) were more commonly reported than societal perspectives (6 studies). CONCLUSIONS: US-based ophthalmology CEAs commonly use US$50 000-$100 000 WTP thresholds and a 3.0% discount rate, with higher thresholds emerging recently. Public and nonprofit funding predominates, focusing on retinal diseases and surgical or pharmaceutical interventions. Reassessing fixed WTP thresholds and incorporating societal perspectives could improve CEAs' relevance, ensuring alignment with evolving economic and healthcare landscapes.
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.
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 | 0,027 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle