Pharmacoeconomics. 2008;26(8):661-77.
Realización de experimentos de “Elección Discreta” para fundamentar la toma de decisiones en el Sector Salud -Guía del usuario-
Business School (Economics) and Institute of Health and Society, University of Newcastle upon Tyne, Newcastle upon Tyne, UK. Emily.Lancsar@ncl.ac.uk
Resumen
Los Experimentos de elección discreta (EED) se utilizan regularmente en la economía de la salud para determinar las preferencias de los usuarios por ciertos productos y programas de salud. Existe un reconocimiento creciente de que la EED puede proporcionar más de información de las preferencias y, en particular, tienen el potencial de contribuir más directamente con el resultado de medición para el uso en la evaluación económica. Casi exclusivamente, EED podrían contribuir a la medición de resultados para el uso en ambos, el costo-beneficio y el análisis costo-utilidad.
Bajo esta premisa de expansión, nuestra intención es proporcionar un recurso para los profesionales actuales, así como aquellos que considerando un EED, utilizan los resultados de EED en un contexto político, comercial, o la revisión de un EED. Se presentan los principios fundamentales y la teoría subyacente EED.
Para ayudar en la realización y la evaluación de la calidad de la EED, se discute el proceso de llevar a cabo un estudio de elección y haber desarrollado una lista de control que cubra la conceptualización del proceso de elección, seleccionando los atributos y niveles, el diseño experimental, diseño de cuestionarios, pruebas piloto, el muestreo y el tamaño de la muestra , Recopilación de datos, codificación de datos, análisis econométrico, la validez, interpretación y bienestar y análisis de políticas.
En esta área de rápido movimiento, una serie de cuestiones permanecen en la frontera de la investigación. Por lo tanto, delineamos áreas potencialmente fructíferas para la investigación futura asociadas en general a la EED; más específicamente, a las aplicaciones de salud, prestando atención a cómo los resultados de DCE se puede utilizar en la evaluación económica. También se discuten las nuevas tendencias de investigación.
Llegamos a la conclusión de que, si está debidamente diseñado, implementado y analizado e interpretado, EED ofrece varias ventajas en el sector de la salud, el más importante de las cuales es que proporcionan las fuentes de datos enriquecidos para la evaluación económica y toma de decisiones, permitiendo la investigación de muchos tipos de preguntas, algunos de los cuales de otro modo, serían intratables analíticamente. Por lo tanto, ofrecen alternativas viables y complementa a los métodos existentes de valoración y obtención de preferencias.
En vista del aumento exponencial de las tecnologías viables de la salud, el eterno problema económico de los recursos limitados y las demandas sin límite en los recursos es particularmente relevante en el sector de la salud. La escasez, unida a la necesidad de tomar decisiones entre demanda de recursos, se ha centrado en la atención de la evaluación económica, que va desde la evaluación de los medicamentos individuales a la evaluación de las formas adecuadas de financiación sanitaria y la prestación servicio, todo lo cual requiere la valoración de la asistencia sanitaria y / o resultados de salud. En paralelo, los gobiernos y otros donantes están cada vez más interesados en opinión y las preferencias del público y el paciente para informar política clínica de toma de decisiones y mejorar el cumplimiento con los programas de salud clínica y pública. En la planificación de los niveles adecuados de prestación de asistencia sanitaria, la información sobre la demanda esperada es también crucial.
La fuente habitual de información sobre el valor que se le asigna a las preferencias y la demanda de bienes y servicios es el mercado o de preferencias reveladas (PR) de datos. Sin embargo, los datos de RP son escasos en la salud debido a (i) el público y los seguros privados, lo que significa los consumidores rara vez se enfrentan a precios de mercado, (ii) relaciones de agencia comunes en materia de salud entre los pacientes y los médicos indican que es poco probable que el consumo observado se basa únicamente en las preferencias del paciente, y (iii) la existencia de intervenciones todavía no está en el mercado, así que (por definición) los datos del mercado no existen.
Esto sugiere un papel de preferencias declaradas (SP), o lo que los individuos dicen que harían en lugar de lo que se observan haciendo.
Los métodos SP comúnmente utilizados en el sector de la salud para investigar las preferencias y los resultados de salud de valor incluyen juego estándar, el tiempo de compensación, de valoración de compensación y contingente. [2] Más recientemente, los experimentos de elección discreta (EED) se han añadido a esta lista.
Los EED involucran la generación y análisis de los datos de la elección, y la creación de mercados hipotéticos que se pueden construir para adaptarse a las preguntas de investigación pertinentes. Por lo tanto, DCE pueden imitar los mercados existentes o las preferencias y los valores para obtener bienes o servicios para los cuales los mercados no existen. Los EED ofrecen varias ventajas en el sector de la salud, el más importante de las cuales, es que proporcionan las fuentes de datos enriquecidos para la evaluación económica y toma de decisiones, permitiendo la investigación de muchos tipos de preguntas, algunas de las cuales de otro modo serían intratables analíticamente.
Los EED normalmente se implementan en las encuestas que comprenden varios conjuntos de elección, cada una, contiene opciones hipotéticas para que entre los encuestados que elijan. Cada opción se describe por un conjunto de atributos, y cada atributo toma uno de varios niveles. Describir los niveles de rangos más que los atributos varía en las diferentes opciones. Por ejemplo, al elegir entre los médicos, un atributo clave podría ser el tiempo de viaje, con los niveles tales como 5,15 o 60 minutos. Los encuestados toman decisiones acerca de la calidad o versiones diferenciadas de precios de un bien o servicio, de una manera que a menudo se les obliga a hacer equilibrios entre los atributos, las opciones resultantes se analizan para estimar la contribución de los atributos y niveles de utilidad general
El EED evolucionó a partir de la investigación conjunta sobre la medición axiomática 4, teoría de la información y la integración en la psicología, la utilidad aleatoria discreta basada teóricamente en modelos de selección en la economía, [6]
modelos discretos estadísticos multivariados de contingencia (tabla de referencias cruzadas) cuadros, "7" y el diseño óptimo de experimentos estadísticos, [8] los EED fueron pioneros en la comercialización en el Louviere y Woodworth/91 pero rápidamente se extendieron a otros campos como la economía aplicada, y, en particular, el transporte [10 ] y la economía ambiental.
Dado que la aplicación en la salud por primera vez fue en la década de 1990, el número de estudios que utilizan EED ha crecido rápidamente (ver Ryan y Gerard [135 y Ryan et al. [14] para la revisión de la literatura y el método). A pesar de ser populares, las aplicaciones EED de la salud han sido objeto de críticas; [15'161 y aunque gran parte de la crítica por Bryan y 15J Dolan [era justo, y Lancsar Donaldsontl7í señaló que su crítica se aplica en gran medida a aplicaciones tempranas de la salud DCE, y no fue una crítica o invalidación de DCE en sí. Esto plantea dos cuestiones importantes: (i), en cierta medida, las mejores prácticas en EED ha sido un blanco en movimiento, y (ii) no es aconsejable aplicar EED sin comprender completamente la teoría, el método y la forma de interpretar los resultados. Esto pone de relieve la necesidad orientación en un diseño adecuado, la aplicación, la estimación y la interpretación del EED.
Así, los objetivos de este artículo son proporcionar (i) un resumen de principios básicos de EED, (ii) orientación sobre los factores clave a considerar en la realización y evaluación de la calidad de las aplicaciones EED, incluyendo una lista de verificación detallada, y (iii) un esquema de la frontera de la investigación. Nuestra intención es proporcionar un recurso para los profesionales actuales y los que realizan considerando un DCE, utilizando los resultados de EED en una política comercial del contexto o en una revisión de EED.
1. A pesar de los Experimentos de elección discreta (EED) y la Evaluación Económica de costo-beneficio (ACB) en la economía, la forma dominante de análisis de la evaluación económica de la salud han sido el análisis de costo-efectividad (ACE) y el análisis coste-utilidad (ACU). En los tres enfoques se combinan los beneficios con el uso de los recursos necesarios para lograr estos beneficios. Una diferencia clave es la definición y el alcance de las prestaciones, pasando de la utilización de los resultados intermedios unidimensionales medidos en unidades físicas, como el cambio en el flujo máximo, en el ACE; a una unidad de dos dimensiones, capturando la calidad de vida relacionada con la salud (HR-QOL ) y la duración de la vida, medida por AVAC, en ACU, que podría capturar todas las formas de beneficio (incluidos los de salud, los no relacionados con la salud y beneficios del proceso) utilizando la valoración monetaria de ACB.
Un uso evidente de la evaluación económica en el sector de la salud es el de evaluar los productos farmacéuticos y tecnologías sanitarias. Las Agencias de evaluación de todo el mundo, principalmente, toman decisiones en el valor expresado como coste por AVAC. Una ventaja clave de medición de los resultados utilizando AVAC es su carácter genérico, que puede evitar la necesidad de repetir los ejercicios de valoración. Sin embargo, cuando se toman decisiones en el sector de la salud, los consumidores (y proveedores) querrán maximizar más allá del AVAC. [19) También se ha observado que AVAC mide la utilidad relacionada con la salud sólo bajo restricciones específicas a las funciones de utilidad de los consumidores,[20 > 2) 1, que ha llevado a un renovado interés en la ACB y valoración de los beneficios mediante la disposición a pagar (DAP).
Entonces, ¿Dónde encajan los EED en el análisis económico en la salud? Vemos los EED contribuir en dos áreas principales: (i) las preferencias de suscitar, la cuantificación de los compromisos y la predicción de la absorción de la elaboración de políticas y análisis, y (ii) medición de los resultados para su inclusión en la evaluación económica. Inicialmente, las solicitudes se centraron en el primer área, principalmente obteniendo las preferencias del paciente y las compensaciones para las características que describen los productos o los programas en el ámbito clínico, 122"241 y también en contextos más amplios, tales como los paquetes de remuneración preferidos GP, (25) paquetes de seguros de salud, 1251 tipos de configuraciones de servicios de salud, (27) (28) y la preferencia de explorar el tiempo.(29) El enfoque inicial estuvo en los resultados no relacionados con la salud y las características del proceso, con menos atención a la valoración de los resultados de salud. Más recientemente, el reconocimiento creciente indica que
los EED pueden proporcionar más información sobre las preferencias, por ejemplo, los EED se pueden utilizar para estudiar la participación esperada de los productos de las nuevas políticas [3 (W2] y los resultados de valor del ámbito de la salud [33'34].
Casi con exclusividad, los EED tienen el potencial para proporcionar insumos tanto a ACB como a ACU. Los EED son cada vez más utilizados para obtener las características individuales de los bienes y servicios, además de medidas de la función beneficio como conjunto; esto podría ser utilizado en ACB. [35-36] Los EED facilitan la valoración de opciones múltiples en lugar de evaluar una sola intervención o tratamiento. La viabilidad del uso de los EED para obtener los pesos de utilidad para el cálculo de los AVAC también ha sido explorada (J33-37381). Una posible ventaja del uso de los EED para obtener la importancia en la fundamentación de la teoría de utilidad. Sin embargo, no nos damos cuenta de los resultados derivados de las medidas de los EED se están utilizando en ACB o ACU hasta la fecha. Volveremos a la ampliación del papel potencial de los EED en la evaluación económica en la sección 4.
2.Bases Teóricas:
Los EED representan la integración de varias áreas teóricas. Son consistentes con la característica teoría de de demanda de Lancaster, (391) los consumidores tienen preferencias hacia la demanda y de la utilidad se derivan de los atributos subyacentes, en lugar de bienes en sí. Los EED también son consistentes con la teoría del bienestar y de consumo (35'401). Los dos enfoques principales para la teoría del consumidor se basan en la preferencia y la elección de base.
En el primero supone que los tomadores de decisiones tienen una relación de preferencia sobre un conjunto de opciones posibles que satisface ciertos axiomas (transitividad,
integridad, tonicidad mono, locales saciedad no, convexidad y continuidad), mientras que el segundo se centra en las opciones de los tomadores de decisiones, que se supone que son coherentes con el axioma débil de preferencias reveladas
(ver comparación en Lancsar y Louviere1411). El enfoque de los EED para obtención de preferencias es similar al enfoque de elección basado en la teoría del consumidor, ya que asume explícitamente que las elecciones observadas en los EED revelan las preferencias "de los individuos. Alternativas hipotéticas ofrecidas en las encuestas de los EED se construyen utilizando la teoría del diseño experimental, que se discute en la sección 3.
Las elecciones realizadas en los DCE se analizan utilizando la teoría de utilidad aleatoria (TUA), [M2], que postula que la utilidad (U) para el individuo i condicional en la elección de j se puede descomponer en un componente explicables o sistemático Vy y un componente no explicables o al azar e (ecuación 1):
Uy = Vy + Ey , j:
Los economistas ven los componentes aleatorios como elementos originados en los atributos no observables o no observados, la variación de las preferencias observadas, el error de especificación y / o errores de medición; (43) mientras tanto, los psicólogos ven este componente como debido a la variabilidad inherente propia entre los individuos. (441) El componente sistemático es una función de (al menos) los atributos del buen servicio y las características (covariables) de selectores individuales, a menudo modelado como se muestra en la ecuación 2:
Vj i= x 1 ijβ + Z1ijγ
(Eq.2)
Donde x¡j es el vector de atributos, incluyendo por lo general el precio y la calidad, del bien j según lo visto por el individuo i, y ¡z es un vector de las características del individuo i, y P e y son vectores de coeficientes a estimar .
La utilidad es una latente, la cantidad no-observada, se aprecian sólo los indicadores de utilidad, denominados opciones. Asumimos que el respondiente escoge la opción 1, si y sólo si, su utilidad es mayor que la utilidad de cualquier otra opción en el conjunto de alternativas J. Suponiendo una distribución de probabilidad conjunta de la IE, la probabilidad P de que la utilidad se maximiza eligiendo la opción 1 es dada por la ecuación 3:
P(Yi=1) = P(Ui1>Uij)
=P(Vi1 + εi1 >Vij + εij¬)
=P(V¬i1¬ – V¬ij ¬> εij¬¬) ∀j ≠ 1
(Eq.3)
Donde Y1 es una variable aleatoria que denota el resultado elección. Modelos Estimable elección se obtienen suponiendo una distribución para el componente aleatorio. Por ejemplo, si los errores son independientes e idénticamente distribuidos (iid) como valores extremos tipo 1 variables aleatorias, el resultado es una especificación condicional logit para las probabilidades de elección (ecuación 4):
P(Y1¬=1)= □(e^μVi1/(∑_(j=1)^j▒e^μVij ) , j=1,…,1)
(Eq.4)
Utilizando la ecuación 2, la ecuación 4 puede ser reescrita como lo muestra la ecuación 5:
P(Y¬i¬=1)=(e^μ (X_i1 β+Z_iγ^i))/(∑_(j=1)^j▒e^(μ(X_ij^i β+Z_iγ^i)) ) ,j=1,…,J
(Eq.5)
Las ecuaciones 4 y 5 tienen un parámetro de escala incrustado, μ, que es inversamente proporcional a la varianza de la distribución del error, σ_ε, por lo que las estimaciones de los parámetros devueltos por algoritmos de estimación son β/σ_ε, no β. [45] μ no puede ser identificado en una sola fuente de datos, por lo que se suele establecer en uno, [11] Los coeficientes de los parámetros de escala pueden ser identificados a partir de dos o más fuentes de datos. Dicha "relaciones de escala-varianza" cuenta en las diferencias en la variabilidad no-observada en las fuentes de datos, y puede ser especificado en función de los observables. (11,44,46)
3.La realización de un EED:
Los EED incluyen tres componentes principales interrelacionados: (i) un diseño experimental utilizado para aplicar la encuesta, y generar datos de la elección, (ii) el análisis de elección discreta para estimar las preferencias de los datos de la elección, y (iii) la utilización del modelo resultante para obtener el bienestar medidas y llevar a cabo otros análisis de políticas. Se discute cada uno de ellos y un resumen de estas cuestiones en un documento de control previsto en la tabla I.
3.1 Diseño de experimento para generar datos de elección
3.1.1 Conceptualización del proceso de selección:
Un diseño adecuado y la aplicación de los EED requieren la consideración del contexto elección naturaleza y composición de los conjuntos de elección, y la formulación de preguntas de selección y las instrucciones. Las preguntas DCE elección debe ser compatibles con los incentivos para alentar a los entrevistados para revelar ciertas preferencias.(14)
Los EED implican entrevistados a los que se les pide tomar decisiones discretas, en contraste con otros métodos de SP como la clasificación conjunta tareas de análisis y valoración. Louvière y Lanesar (48) comparan estos métodos, y sugieren razones por las que el análisis conjunto tradicional es poco probable para ser una forma adecuada de determinar las preferencias o las medidas se derivan del bienestar.
Los tipos de formatos de elección deben ser evaluados y debe simular la elección real de interés lo más cerca posible. Los ejemplos incluyen la elección entre pares de Alternativas, entre varias opciones, o binario con opciones afirmativas, negativas. Una decisión relacionada es si las alternativas de elección deben ser etiquetadas (por ejemplo, quiropráctico, fisioterapia) o genéricas (por ejemplo, el fármaco A, el fármaco B). Las alternativas etiquetadas se especifican en el análisis econométrico con Constantes Específicas Alternativas (CEA). A menos que los encuestados deban consumir un buen servicio en la práctica, la elección entre pares hipotética (común en las aplicaciones de la salud) puede ser problemática, ya que implícitamente asume todos los encuestados eligen consumir un buen servicio, (49-50) obligando a los encuestados a elegir entre dos alternativas potencialmente desagradables, ninguna de las cuales se puede elegir en la práctica. Esto plantea preguntas sobre cómo interpretar las preferencias resultantes, ya que están condicionando a los encuestados que consumen el bien. Así, los encuestados que eligen optar por, elegir ninguna opción, o elegir opciones de estatus quo deben ser considerados, sobre todo, si el objetivo es derivar las medidas de bienestar.
El modelado de la captación de participación es particularmente relevante para la investigación de las políticas que dependen de la participación voluntaria como forma de vida u otros programas de salud de la población. (13) Desde la perspectiva de la evaluación, el comparador de interés es a menudo un tratamiento statu quo. Si optar por la opción del status quo está incluido, los investigadores deben entender lo que esto significa para los encuestados, por ejemplo, un status quo podría ser un punto de referencia para las ganancias y pérdidas en consonancia con la teoría prospectiva [51]. Las opciones de statu quo pueden ser constantes para todos los participantes o pueden variar. Si varían, los investigadores deben considerar el uso de lo que llamamos una "tarjeta de informe" que pide a los encuestados para reportar los niveles de atributos que mejor describen su situación particular, opción del statu quo, con los valores indicados a continuación, utilizados en la estimación del modelo (por ejemplo, ver al rey et al, 31).
Las elecciones en los EED relacionados con la salud pueden ser complejos y desconocidos. Por lo tanto, es importante tener en cuenta la cantidad de experiencia y conocimiento tienen los encuestados con el bien, y la cantidad de información de antecedentes y "educación " para proporcionarla a los encuestados y evitar hacer suposiciones o poner fuera (y poco conocido para los investigadores) información para la toma de decisiones proceso. Estas cuestiones se resumen en las secciones 1 y 5 del cuadro I.
3.1.2 Definición de atributos y niveles:
Los atributos pueden ser cuantitativos (por ejemplo, el tiempo de espera) o cualitativo (por ejemplo, proveedor de servicios) y se identifican generalmente de la literatura, la investigación cualitativa como entrevistas semiestructuradas, grupos focales y con muestras de los participantes y expertos pertinentes (por ejemplo, los médicos y los responsables políticos). (52) EED.
Tabla 1:
Lista de verificación de factores a considerar en la realización y la evaluación de la calidad de un modelo de elección discreta.
La conceptualización del proceso de elección
La selección de los atributos
Nivel de selección
Diseño experimental
Diseño de cuestionario
Pilotaje
¿Fue una elección en lugar de tarea de calificación de clasificación utilizado?
¿Qué tipo de elección se utilizó: respuesta binaria, pares y múltiples opciones?
¿Fue una elección general o etiqueta utilizada?
¿Fue decidido, o el estado no incluye opción del statu quo?
¿Si una elección forzada se utilizó, hubo una justificación presentada?
¿Fueron los incentivos de trabajo compatibles?
¿Cómo fueron derivados y validados?
¿Fue el número de atributos apropiados?
¿Fue la cobertura adecuada?
¿Qué forma se utilizó: genéricos o alternativos específicos?
¿Era el precio incluido? Si es así, ¿Era un medio de pago adecuada que se utiliza?
¿Fue de riesgo incluido? Si es así, ¿fue debidamente comunicado?
¿Cómo fueron derivados y validados?
¿Fue el número de niveles por atributo adecuado?
¿Fue una gama adecuada la que se utilizó?
¿Fueron iguales los niveles de tiempo?
¿Qué tipo de diseño se utilizó? ¿Factorial completo? ¿Factorial fraccionado?
Si es fraccionado, los efectos que se identificaron como los efectos principales,
¿Son los efectos principales + interacciones de orden superior?
¿Cómo fueron los perfiles generados y asignados a los conjuntos de elección?
¿Cuáles son las propiedades del diseño?
¿Cuál es la eficiencia del diseño?
¿La identificación fue comprobada (por ejemplo, es la varianza-covarianza bloque de matriz diagonal)?
¿Fue el diseño bloqueado en las diferentes versiones? Si es así, ¿Cómo se establece la elección asignada a las versiones?
¿Fueron las propiedades, como resultado de las versiones, comprobadas?
¿Fueron encuestados al azar frente a las versiones?
¿Cuántos sets de elección fueron considerados por el demandante?
Si algunos perfiles son inverosímiles - ¿cómo se define inverosimilitud y cómo fue tratado?
¿Hubo un nivel adecuado de antecedentes y facilitó información?
¿Fueron las instrucciones de la tarea apropiadas?
¿Fue el medio utilizado para comunicar los atributos y la información de nivel (por ejemplo, palabras, imágenes, multimedia) apropiado?
¿Hubo cobertura de los atributos y los niveles de control? ¿Se comprueba la comprensión y la complejidad?
¿Hubo cobertura en la longitud y control de la sincronización?
7. ¿Son la población y el estudio de la perspectiva adecuados para la pregunta de investigación?
8. ¿Muestra y tamaño de la muestra fueron criterios de inclusión / exclusión explícita? ¿Fue el tamaño de la muestra adecuado para la estimación de modelo?
9. Recopilación de datos
10. Codificación de los datos
11. Análisis econométrico
12. Validez
13. Interpretación
¿Qué método de contratación se utilizó?
¿Cómo fueron los datos recogidos (por ejemplo, correo electrónico, entrevista personal, encuesta por Internet)?
¿Cuál fue la tasa de respuesta?
¿Fueron los incentivos efectivos para mejorar las tasas de respuesta?
¿Se discute explícitamente la codificación?
¿Fue la codificación adecuada para que los efectos de estimación?
¿Fueron los métodos de estimación apropiados determinando diseño experimental y el tipo de respuesta de elección?
¿Fue la forma funcional de las funciones de utilidad indirecta adecuada dado el diseño experimental?
¿Fueron constantes alternativas específicas incluidas?
¿Fueron las características socio-demográficas y otras variables incluidas?
¿Fue la bondad del ajuste tenida en cuenta?
¿Fue la validez interna o externa investigada?
¿Fueron las respuestas para cualquiera de los encuestados eliminadas? Y si es así ¿Sobre qué base?
¿Era la interpretación adecuada dada la codificación de los datos?
¿Fueron los resultados en línea con las expectativas a priori?
¿Fueron los efectos de atributo relativo comparados relativos con una métrica común y comparable?
14. ¿Bienestar y análisis de políticas estuvieron a la disposición a pagar, estimados mediante la variación de bienestar compensar teórico?
¿Fue el análisis de probabilidad llevado a cabo?
¿Fueron las tasas marginales de sustitución calculadas?
(No se pueden incluir todos los atributos importantes de todos los encuestados, pero es importante obtener los atributos más destacados de la mayoría de los encuestados para evitar hacer inferencias acerca de los atributos que se omiten. Lancsar y Louvière (41) discuten los métodos a utilizar en las pruebas piloto para determinar si los encuestados consideran omitidos los atributos. Otra consideración es si los atributos deben ser genéricos (los mismos niveles para todas las alternativas) o de alternativa específica (algunos atributos y niveles diferentes a través de alternativas).
Los niveles deben ser verosímiles y política y clínicamente relevantes, aunque los EED pueden incluir alternativas actualmente disponibles, no son posible (por ejemplo, "los nuevos medicamentos horizonte ') por el estiramiento rangos de nivel. De hecho, una gama suficientemente amplia de los niveles debe utilizarse para evitar que los encuestados ignoren los atributos por poca diferencia en los niveles. El Rango de nivel es particularmente importante para el atributo de precio si se va a utilizar para calcular los precios implícitos de otros atributos con tasas marginales de sustitución (TMS). Por ejemplo, Slolhuus Skjoldborg y Gyrd-Hansen (53) encontraron que cambiando el vector de precios cambiaron las estimaciones de los parámetros y la TMS, sin embargo, señalaron que el cambio del vector de precios pone en peligro el diseño experimental, compromete, tal vez, los resultados de polarización. Por el contrario, Hanley et al. (54) utilizaron un experimento para estudiar el impacto de cambiar el vector de precios y no encontraron un impacto significativo sobre las estimaciones después de controlar las diferencias en la variabilidad entre las muestras (relaciones de escala de varianza, señaló en la sección 2). El vehículo de pago (y duración) debe ser elegido para que coincida con el tipo de ajuste que es bien conocido en la valoración contingente. (55) Se requiere especial atención para describir correctamente los atributos de riesgo (por ejemplo, riesgo de morbilidad o mortalidad asociadas con diferentes estados de salud), como sugiere la evidencia cuando las personas tienen dificultades en interpretar las probabilidades (56).
Los tipos de efecto de los atributos a estimar también deben ser considerados, por ejemplo, de dos niveles atributos sólo se permite la estimación de un efecto lineal, sin embargo, los atributos a menudo muestran efectos no lineales. Los niveles de los atributos uniformemente espaciados pueden ser útiles para la interpretación de los efectos estimados de los atributos numéricos.
