Guidelines for the use of economic evaluation to inform policies around access to treatment for kidney failure
Notice bibliographique
Résumé
Kidney failure is the most advanced stage of chronic kidney disease, at which point patients require kidney replacement therapy (KRT) in the form of kidney transplant or lifelong dialysis to survive. Although many governments seek to provide KRT for patients with kidney failure under publicly funded health schemes, KRT requires considerable financial and human resources, which may need to be diverted from other health programmes. In deciding which KRT services to provide, to whom, and under which conditions, economic evaluation can show the trade-off between the cost and benefit of different policy options. This Guideline has been written for nephrologists, clinicians and policymakers, to build confidence in requesting, contributing towards, and using the results from economic evaluation studies. It is aimed at outlining the cases in which economic evaluation may support KRT policymaking and to lay out good practice for economic evaluation of KRT services. Recommendations cover the process of developing the policy and research questions, conducting the economic evaluation and interpreting results for policy. An economic evaluation can provide insights into the cost-effectiveness of different kidney replacement therapy modalities to inform decisions on how to best allocate limited resources. This evidence-based Guideline is aimed at equipping policymakers and medical personnel with insight into the principles of economic evaluation within the context of policies for kidney-failure services, and increasing their confidence in requesting and using economic evidence derived from such evaluations.
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 | 0,018 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».