Traduction: G.M.
Autism Res. 2014 Sep 25. doi: 10.1002/aur.1409. [Epub ahead of print]
Predicting Health Utilities for Children With Autism Spectrum Disorders
Author information
- 1Division of Pharmaceutical Evaluation and Policy, University of Arkansas for Medical Sciences, Little Rock, Arkansas.
Abstract
Comparative
effectiveness of interventions for children with autism spectrum
disorders (ASDs) that incorporates costs is lacking due to the scarcity
of information on health utility scores or preference-weighted outcomes
typically used for calculating quality-adjusted life years (QALYs). This
study created algorithms for mapping clinical and behavioral measures
for children with ASDs to health utility scores. The algorithms could be
useful for estimating the value of different interventions and
treatments used in the care of children with ASDs.
La comparaison de l'efficacité des interventions auprès des enfants avec des troubles du spectre autistique (TSA) qui intègre les coûts fait défaut en raison de la rareté des informations sur les résultats des services publics de santé ou les résultats de préférences pondéré généralement utilisés pour le calcul des années de vie ajustées pas sa qualité (QALY). Cette étude a créé des algorithmes pour cartographier les mesures cliniques et comportementales pour les enfants avec TSA à scores d'utilité de la santé.
Les algorithmes pourraient être utiles pour estimer la valeur des différentes interventions et des traitements utilisés dans les soins des enfants avec TSA.
Participants were recruited from two Autism Treatment Network sites. Health utility data based on the Health Utilities Index Mark 3 (HUI3) for the child were obtained from the primary caregiver (proxy-reported) through a survey (N = 224).
Les participants ont été recrutés dans deux sites du Réseau traitement de l'autisme. Les données des services publics de santé fondés sur le Health Utilities Index Mark 3 (HUI3) pour l'enfant ont été obtenus à partir de l'aidant principal (par personne interposée) à travers une enquête (N = 224).
During the initial clinic visit, proxy-reported measures of the Child Behavior Checklist, Vineland II Adaptive Behavior Scales, and the Pediatric Quality of Life Inventory 4.0 (start measures) were obtained and then merged with the survey data. Nine mapping algorithms were developed using the HUI3 scores as dependent variables in ordinary least squares regressions along with the start measures, the Autism Diagnostic Observation Schedule, to measure severity, child age, and cognitive ability as independent predictors. In-sample cross-validation was conducted to evaluate predictive accuracy. Multiple imputation techniques were used for missing data. The average age for children with ASDs in this study was 8.4 (standard deviation = 3.5) years. Almost half of the children (47%) had cognitive impairment (IQ ≤ 70).
Total scores for all of the outcome measures were significantly associated with the HUI3 score. The algorithms can be applied to clinical studies containing start measures of children with ASDs to predict QALYs gained from interventions.
Le score total pour l'ensemble des mesures de résultats étaient significativement associés avec le score HUI3. Les algorithmes peuvent être appliqués à des études cliniques contenant des mesures de départ des enfants atteints de TSA à prédire QALY gagné des interventions.
Autism Res 2014, ●●: ●●-●●. © 2014 International Society for Autism Research, Wiley Periodicals, Inc.
© 2014 International Society for Autism Research, Wiley Periodicals, Inc.
La comparaison de l'efficacité des interventions auprès des enfants avec des troubles du spectre autistique (TSA) qui intègre les coûts fait défaut en raison de la rareté des informations sur les résultats des services publics de santé ou les résultats de préférences pondéré généralement utilisés pour le calcul des années de vie ajustées pas sa qualité (QALY). Cette étude a créé des algorithmes pour cartographier les mesures cliniques et comportementales pour les enfants avec TSA à scores d'utilité de la santé.
Les algorithmes pourraient être utiles pour estimer la valeur des différentes interventions et des traitements utilisés dans les soins des enfants avec TSA.
Participants were recruited from two Autism Treatment Network sites. Health utility data based on the Health Utilities Index Mark 3 (HUI3) for the child were obtained from the primary caregiver (proxy-reported) through a survey (N = 224).
Les participants ont été recrutés dans deux sites du Réseau traitement de l'autisme. Les données des services publics de santé fondés sur le Health Utilities Index Mark 3 (HUI3) pour l'enfant ont été obtenus à partir de l'aidant principal (par personne interposée) à travers une enquête (N = 224).
During the initial clinic visit, proxy-reported measures of the Child Behavior Checklist, Vineland II Adaptive Behavior Scales, and the Pediatric Quality of Life Inventory 4.0 (start measures) were obtained and then merged with the survey data. Nine mapping algorithms were developed using the HUI3 scores as dependent variables in ordinary least squares regressions along with the start measures, the Autism Diagnostic Observation Schedule, to measure severity, child age, and cognitive ability as independent predictors. In-sample cross-validation was conducted to evaluate predictive accuracy. Multiple imputation techniques were used for missing data. The average age for children with ASDs in this study was 8.4 (standard deviation = 3.5) years. Almost half of the children (47%) had cognitive impairment (IQ ≤ 70).
Total scores for all of the outcome measures were significantly associated with the HUI3 score. The algorithms can be applied to clinical studies containing start measures of children with ASDs to predict QALYs gained from interventions.
Le score total pour l'ensemble des mesures de résultats étaient significativement associés avec le score HUI3. Les algorithmes peuvent être appliqués à des études cliniques contenant des mesures de départ des enfants atteints de TSA à prédire QALY gagné des interventions.
Autism Res 2014, ●●: ●●-●●. © 2014 International Society for Autism Research, Wiley Periodicals, Inc.
© 2014 International Society for Autism Research, Wiley Periodicals, Inc.
- PMID: 25255789
