第四軍醫(yī)大學衛(wèi)生統(tǒng)計教研室(710032) 孫斯睿 趙云松 張海悅 梁 英 譚志軍 徐勇勇

【提 要】 目的 比較EQ-5D-3L量表與EQ-5D VAS映射模型及值域表，提出不同人群EQ-5D VAS映射模型的選擇策略。方法 通過對某功能社區(qū)的現(xiàn)場調(diào)查，獲取EQ-5D-3L量表和EQ-5D VAS的實測值，對比國內(nèi)外12個映射模型和本研究建立的預測模型的相關性和絕對誤差。所有模型均為一般線性模型，數(shù)據(jù)處理采用R語言。結(jié)果 (1)歐洲及英國、芬蘭等7個國家及新西蘭之間EQ-5D VAS映射模型的相關系數(shù)均大于0.9。以芬蘭作為國外VAS映射模型的代表，芬蘭模型與中國2次調(diào)查和本研究的相關系數(shù)分別為0.969、0.939和0.976；(2)本研究和芬蘭模型的VAS預測值與實測值的擬合曲線相似，平均絕對誤差分別為17.11和16.96；(3)VAS預測值比TTO預測值平均少20分，更接近實測值。結(jié)論 2008年和2013年在第四次和第五次國家衛(wèi)生服務調(diào)查建立的EQ-5D VAS映射模型，對于相對健康人群，2008年建立的N3模型誤差較小。國外模型中，芬蘭模型誤差較小。根據(jù)特定人群建立的映射模型不能外推到其他人群。

EQ-5D可視化模擬標尺評分(visual analogue scaling，VAS)是與歐洲生命質(zhì)量五維健康量表(EuroQol five-dimensional questionnaire，EQ-5D)配套使用的健康狀態(tài)評分工具，即在最小值為0、最大值為100的標尺上，對評價對象整體健康狀況進行評價。100表示評價者認為最好的健康狀態(tài)，0表示評價者認為最差的健康狀態(tài)[1]。在不同的場景下，評價對象可以是居民、學生、職工和患者，評價者可以是評價對象本人、監(jiān)護人、調(diào)查員和醫(yī)護人員。我國目前使用最多的是3水平的EQ-5D量表(EQ-5D-3L)，并且先后在2008年和2013年在第四次和第五次國家衛(wèi)生服務調(diào)查中，擬合了EQ-5D-3L與EQ-5D VAS的映射模型[2-4]。同時，一些對糖尿病、高血壓、冠心病、慢性阻塞性肺炎等疾病人群的健康效用研究中，多采用日本、英國、美國、泰國的映射模型(積分體系)作為健康效用的估計值[5]。本文擬通過某功能社區(qū)的VAS實測數(shù)據(jù)，建立EQ-5D-3L與EQ-5D VAS的映射模型，并與國內(nèi)外13種EQ-5D VAS映射模型比較，提出不同人群EQ-5D VAS映射模型的選擇策略。

材料與方法

1.數(shù)據(jù)來源

歐洲、英國、新西蘭等國家建模數(shù)據(jù)來自EQ-5D index calculator[6]，中國數(shù)據(jù)來自2008年和2013年2次國家衛(wèi)生服務調(diào)查。企業(yè)建模EQ-5D-3L與EQ-5D VAS數(shù)據(jù)來自對西北地區(qū)某大型企業(yè)的在崗員工的現(xiàn)場調(diào)查，見表1。

表1 數(shù)據(jù)來源

2.方法

(1)映射模型

m模型：EQ-5D-3L量表5個維度：行動能力(MO)，自我照顧(SC)，平?；顒?UA)，疼痛/不適(PD)和焦慮/抑郁(AD)的主效應模型，則映射模型可表達為：

(1)

上式中，a,b,c,d,e為一般線性模型的估計參數(shù)，MO2，MO3，……，AD3為亞變量，MO2表示MO維度為2水平，MO3表示MO維度為3水平，……，余類推。當5個維度均為1水平時，即MO1=SC1=UA1=PD1=AD1=1，常數(shù)項cons=1。

N3模型：在式1基礎上，增加一個估計參數(shù)N3，見式2。

(2)

式2中，z為亞變量。z=1，表示EQ-5D-3L量表5個維度至少有一個維度為水平3。

(2)模型擬合

式1、式2的模型參數(shù)采用一般線性模型(generallinear model)估計。計算及繪圖采用R語言-R 3.4.4 (2018-03-15)。

結(jié)果

1.EQ-5D VAS調(diào)查結(jié)果

EQ-5D VAS實測值分布(n=2193)見圖2。實測值密度函數(shù)低于普通人群的95.9，P<0.01。EQ-5D-3L量表5個維度中，行動能力無任何問題(MO1)、自我照顧無任何問題(SC1)、平?；顒訜o任何問題(UA1)、疼痛/不適(PD1)無任何問題和焦慮/抑郁無任何問題(AD1)分別占91.6%、95.9%、91.9%、64.8%和69.0%，其中疼痛/不適(PD1)和焦慮/抑郁2個維度，低于普通人群(2013年第五次國家衛(wèi)生服務調(diào)查)的87.4%和94.7%，P<0.01。

圖1 EQ-5D狀態(tài)(無任何困難)百分率比較

2.EQ-5D 模型的估計參數(shù)與相關性

歐洲及英國、芬蘭等7個國家及新西蘭、中國的2次調(diào)查和本研究建立的EQ-5D-3L量表與EQ-5D VAS映射模型的估計參數(shù)見表2。本研究VAS實測相關系數(shù)為0.55，與國外模型比較，VAS實測值與芬蘭的相關系數(shù)0.545。

表2 EQ-5D VAS映射模型的估計參數(shù)及與VAS實測值相關系數(shù)

*：與VAS實測值相關系數(shù)，**P<0.01

歐洲及英國、芬蘭等7個國家及新西蘭之間EQ-5D VAS映射模型的相關系數(shù)均大于0.9。以芬蘭作為國外VAS映射模型的代表，芬蘭模型與中國2次調(diào)查和本研究的相關系數(shù)分別為0.969、0.939和0.976，見圖2。

圖2 芬蘭模型與中國2次調(diào)查和本研究的相關圖

3.EQ-5D 模型的量效關系

依據(jù)EQ-5D-3L量表理論上能表示35=243種健康狀態(tài)。為了評價EQ-5D-3L與EQ-5D VAS的量效關系可用圖3表示。 圖3中，“11111”表示無健康問題，“21111”、“12111”、“11211”、“11121”、“11112”表示有輕度健康問題，“32211”、“22323”、“22233”、“33321” 表示有較大健康問題，“33333”表示最差健康狀態(tài)。本研究因調(diào)查的是在職人員，沒有出現(xiàn)圖3最后的5種情況。圖3所有模型中，本研究和芬蘭模型的VAS預測值與實測值(VAS/100)最為接近。

圖3 VEQ-5D VAS映射模型比較

4.EQ-5D 模型預測值絕對誤差

各模型預測值與實測值的絕對誤差見表3。絕對誤差較小的模型分別是芬蘭(16,93)、丹麥(16.96)和本研究(17.11)。

討論

EQ-5D VAS映射模型獲得的預測值U(h)(U(·)為映射模型，h為健康狀態(tài))是采用效用方法(the utility approach)建立值域表(utility-based value set，UBVS)，EQ-5D-3L量表的健康狀態(tài)h可表示35=243種健康狀態(tài)，EQ-5D-5L量表的健康狀態(tài)h可表示35=3125種健康狀態(tài)[7-8]。UBVS是用介于0和1之間的基數(shù)尺度(cardinal scale)評價個體健康狀況以及與健康相關的生活質(zhì)量。完全健康狀況(full health)用1表示，因慢性病或其他因素導致的生活不便、疼痛及健康損失(disabilities)導致的健康效用損失1-U(h)，理論上1-U(h)介于0,1之間，1-U(h)=0為完美健康狀況(無損失)，1-U(h)=0為最差健康狀況(死亡)。然而，表2中EQ-5D VAS映射模型建?；蛘{(diào)查對象是普通人群，EQ-5D-3L量表或EQ-5D-5L量表的最差結(jié)果“33333”并不表示死亡，因此，表2中EQ-5D VAS映射模型會出現(xiàn)負數(shù)(圖3芬蘭和C2013)，EQ-5D VAS映射模型建立的預測值域表稱為基于體驗的值域表(experience-based value set ，EBVS)。由于EBVS基于調(diào)查對象的個人體驗，不同群體建立的EBVS會有很大差異，例如2008年第四次國家衛(wèi)生服務調(diào)查中，真實的EBVS有167種健康狀態(tài)，“11111”占87%，其次是“11121”和“11112”?！?1111”狀態(tài)VAS=82.6， “33333”狀態(tài) VAS=33.0。本研究因調(diào)查對象是在職員工，真實的EBVS僅有60種健康狀態(tài)，前4位健康狀態(tài)是“11111”、“11122”、“11121”和“11112”，分別占50.6%、13.0%、11.3%和8.8%，4種健康狀態(tài)占到總調(diào)查人數(shù)的83.7%。本研究的60種健康狀態(tài)中，大于等于20例的有9種(第四次國家衛(wèi)生服務調(diào)查51種)，占到總調(diào)查人數(shù)的89.3%，見表4。健康狀態(tài)沒有MO3(不能下床活動)、SC3(無法自己盥洗或穿衣服)和UA3(無法從事日?；顒?，見表2?！?1111”狀態(tài) VAS=78.1±12.3，比第四次國家衛(wèi)生服務調(diào)查低4.5分。

表3 EQ-5D模型預測值與實測值絕對誤差

EBVS的誤差來自2個方面。一是調(diào)查對象對自己健康狀況的描述，二是調(diào)查對象的EQ-5D VAS評分。歐洲等7國EQ-5D VAS建模的調(diào)查對象需要經(jīng)過培訓，調(diào)查對象的健康狀態(tài)描述要覆蓋無健康問題、有輕度健康問題、有較大健康問題和最差健康狀態(tài)，見圖3中4個區(qū)域。因此，雖然歐洲等7國建模的樣本量不大，如西班牙僅300人(表1)，但代表性好。本研究發(fā)現(xiàn)VAS實測值存在較大個體差異(表4)，且“11111”、“11121”等個別組峰度、偏度檢驗均有統(tǒng)計學意義，但無明顯“天花板效應”(圖4)。

表4 EQ-5D健康狀態(tài)及VAS峰度、偏度檢驗

*：*P<0.05

圖4 本研究EQ-5D VAS分布

最后討論時間權(quán)衡法(time trade-off，TTO)與VAS的區(qū)別。TTO是在特定的場景下生活10年，如在 “21111”狀態(tài)下生活10年，讓調(diào)查對象選擇相當于在完全健康“11111”的狀態(tài)下生活了多少年？如果答案是T年，TTO=T/10[9]。目前，丹麥、德國、日本、荷蘭、西班牙、泰國、英國、美國津巴布韋、中國等10個國家建立了EQ-5D-3L與TTO的映射模型[1,10]。德國、加拿大、中國還建立了EQ-5D-5L與TTO的映射模型[11-13]。中國EQ-5D-3L與TTO的映射模型的建模樣本1147人，主效應模型為

TTO=0.956-0.099*MO2-0.252*MO3-0.103*SC2-0.214*SC3-0.075*UA2-0.201*UA3-0.093*PD2-0.244*PD3-0.087*AD2-0.214*AD3

(3)

中國TTO和VAS研究的最大區(qū)別在于，TTO是在 96種假設場景下的概率選擇(類似方法還有標準博弈法，standard gamble ，SG)[10]，VAS是基于真實場景和親身體驗的實測值[2-3]。TTO“33333”狀態(tài)表示死亡，VAS“33333”狀態(tài)表示存活者最差健康狀態(tài)。對于有輕度健康問題的受試者，VAS小于TTO。本研究實例，VAS預測值要平均比TTO預測值少20分，更接近實測值。或者說，TTO會高估評價對象的健康狀況。因此，外部數(shù)據(jù)比較時，只有在方法相同(TTO或VAS)才有可比性。對于本研究，目標人群有7萬多員工，企業(yè)建模的EQ-5D VAS值域表誤差最小，但不一定適用于其他人群。對于普通人群，VAS較TTO更容易解釋。VAS映射模型選擇，中國2008年模型和芬蘭模型的誤差最小。