Patient preferences for food allergy treatments in the United States: a discrete choice experiment
Notice bibliographique
Résumé
Objective To estimate preferences of adolescents and caregivers of children with food allergies (FA) for food allergy for attributes for treatments intended to prevent exposure-induced severe reactions and to examine how these vary by clinical and demographic factors.Methods A discrete choice experiment (DCE) was conducted between May and June 2024 among US-resident individuals, aged 13–17 years or caregivers of a child with FA aged ≤12 years, self-reporting physician-diagnosed FA. The survey comprised treatment-attribute focused DCE choice sets; the Intolerance of Uncertainty-12 Scale (IUS-12); the Food Allergy Independent Measure (FAIM); and clinical/demographic questions. Conditional logistic regression analyses were conducted overall and among subgroups and presented as odds ratios (ORs) with 95% confidence intervals (CIs). Relative importance of attributes was also calculated.Results Participants were adolescents (n = 73, mean age 15.9 years) and caregivers (n = 228, mean age 37.1 years). Overall, treatment attributes associated with statistically significant odds for preferring a treatment included a 95% relative reduction in moderate-to-severe allergic reaction risk versus no reduction (p < 0.001); oral administration over subcutaneous (p < 0.001); administration in a home versus clinical setting (p < 0.05); less frequent versus daily administration (every two weeks: p < 0.001; every four weeks: p < 0.001). Respondents were disinclined to prefer treatment attributes when the risk of gastrointestinal symptoms (p < 0.001) or anaphylaxis (p < 0.001) increased. Efficacy (75% decrease in relative risk of a moderate-to-severe allergic reaction) was the top ranked attribute [OR = 1.61 (1.49, 1.75)].Conclusion Overall, respondents indicated significant preferences for more efficacious, safer, and convenient (oral, at-home, and less frequent) treatments. Treatment efficacy was the most highly ranked treatment feature.
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 | 0,014 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».