Health Equity Considerations in Cost-Effectiveness Analysis: Insights from an Umbrella Review
Notice bibliographique
Résumé
Jeffrey M Muir,1 Amruta Radhakrishnan,1 Ipek Ozer Stillman,2 Grammati Sarri3 1RWA Health Economics, Cytel Inc., Toronto, ON, Canada; 2Value, Evidence & Health Economics, Takeda Pharmaceuticals, Lexington, MA, USA; 3RWA Health Economics, Cytel Inc., London, UKCorrespondence: Grammati Sarri, Evidence, Value and Access (EVA) Cytel, Inc., Hamilton House, Mabledon Place, London, WC1H 9BB, UK, Email grammati.sarri@cytel.comAbstract: Cost-effectiveness analyses (CEA) are important in healthcare decision-making and resource allocation; however, expanding the scope of CEAs beyond the traditional clinicoeconomic concepts to also include value elements such as health equity has attracted much interest in recent years. This umbrella review aimed to synthesize evidence on how equity concepts have been considered in modified types of CEAs. Publicly available articles in MEDLINE were searched on January 25, 2024, to identify systematic reviews (SLRs) published in English since 2013 that incorporate health equity considerations in CEAs. Title/abstract, full-text article screening and data extraction were conducted by a single reviewer and validated by a second reviewer. Results were qualitatively synthesized to identify common themes. Eight SLRs were included. Distributional CEAs (DCEA), equity-based weighting, extended CEA (ECEA), mathematical programming and multi-criteria decision analysis (MCDA) were the most discussed approaches. A lack of consensus on the best approach for incorporating health equity into CEAs was highlighted, as these approaches are not currently consistently used in decision-making. Important limitations included scarcity of robust data to inform health equity indices, bias associated with commonly used health outcome metrics and the challenge of accounting for additional contextual factors such as fairness and opportunity costs. Proposals to expand CEAs to address equity issues come with challenges due to data unavailability, methods complexity, and decision-makers unfamiliarity with these approaches. Our review indicates that extended and distributional CEAs can support decision-making by capturing the impact of inequity on the clinical and cost-effectiveness assessment of treatments, although future modeling should account for additional contextual factors such as fairness and opportunity costs. Recommendations for actions moving forward include standardization of data collection for outcomes related to equity and familiarity with methodologies to account for the complexities of integrating health equity considerations in CEAs.Keywords: health technology assessment, health equity, cost-effectiveness analysis, value elements, umbrella review
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 | 0,233 | 0,473 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,044 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,014 | 0,016 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».