Development of Mapping Algorithms from HAQ-DI and SF-36v2 to EQ-5D-5L utility score in Korean Patients with Gout
طورت هذه الدراسة وصادقت على خوارزميات رسم خرائط باستخدام درجات HAQ-DI وSF-36v2 للتنبؤ بقيم المنفعة EQ5D-5L لدى المرضى الكوريين المصابين بالنقرس، حيث حددت نموذج انحدار مكون من جزأين باعتباره النهج الأكثر فعالية لدعم تحليلات فعالية التكلفة في هذه الفئة من السكان.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل محاولة اتخاذ قرار بشأن أي علاج طبي يقدم أفضل قيمة لميزانية الرعاية الصحية المحدودة في مجتمع ما. ولجعل هذه الاختيارات عادلة، يحتاج الاقتصاديون إلى رقم واحد يمثل مقدار تحسن حياة المريض مع علاج معين. هذا الرقم، المعروف باسم درجة المنفعة (utility score)، يعمل كمسطرة لجودة الحياة، حيث تمثل الحالة الصحية المثالية الرقم واحد، والموت الرقم صفر. ويكمن التحدي في أن العديد من المسوحات الطبية الشائعة، التي يملؤها المرضى لوصف آلامهم أو قدرتهم على الحركة، لا تنتج هذه الأرقام المحددة؛ فهي تخبر الأطباء كيف يشعر المريض، لكنها لا تتحدث لغة القيمة الاقتصادية. وعندما يمتلك الباحثون بيانات قديمة من هذه المسوحات ولكنهم بحاجة إلى الأرقام الاقتصادية لمقارنة العلاجات، يتعين عليهم إيجاد طريقة لترجمة مجموعة من الدرجات إلى الأخرى. وهذه هي مهمة "الربط" (mapping): إنشاء جسر موثوق بين ما يبلغ عنه المرضى وما يحتاجه الاقتصاديون لحساب قيمة الرعاية.
يعد النقرس، وهو شكل مؤلم من التهاب المفاصل ناتج عن تراكم البلورات في المفاصل، مثالاً مثالياً للمكان الذي تبرز فيه الحاجة إلى هذا الجسر. فهو حالة شائعة تؤثر على الملايين، وغالباً ما تسبب آلاماً شديدة وتحد من الأنشطة اليومية. وفي كوريا الجنوبية، حيث يتزايد عدد المرضى، يستخدم الأطباء بشكل متكرر مسحيين محددين لتتبع مدى تحسن حالات مرضاهم. يسأل أحد المسحين عن الإعاقة الجسدية، مثل صعوبة ارتداء الملابس أو المشي، بينما يغطي الاستبيان الصحي العام الآخر جوانب متنوعة تشمل كل شيء من مستويات الطاقة إلى الرفاهية العاطفية. ومع ذلك، لا يمكن لأي من هاتين الأداتين توليد درجات المنفعة المطلوبة مباشرة لإجراء تحليل التكلفة والفعالية. وبدون وسيلة لتحويل نتائج هذه المسوحات الحالية إلى أرقام المنفعة المعيارية، يصبح من الصعب تحديد ما إذا كانت علاجات النقرس الجديدة تستحق الاستثمار باستخدام التفضيلات المحددة للسكان الكوريين.
لقد شرع فريق من الباحثين في جامعة إيها (Ewha Womans University) في بناء هذا الجسر خصيصاً للمرضى الكوريين المصابين بالنقرس. فقد جمعوا بيانات من 412 شخصاً بالغاً يعانون من هذه الحالة من 13 مستشفى مختلفاً. زار هؤلاء المرضى العيادات مرتين، مع وجود شهر واحد على الأقل بين الزيارتين، وأكملوا استبيان الإعاقة، واستبيان الصحة العامة، وأداة ثالثة مصممة خصيصاً لقياس المنفعة. ثم استخدم الباحثون المعيار الكوري لقيم المنفعة لمعرفة مدى قدرة المسحيين الأولين على التنبؤ بالأداة الثالثة. واختبروا تسعة نهج رياضية مختلفة لإيجاد الطريقة الأكثر دقة لإجراء هذا الترجمة. حاولت بعض الطرق رسم خط مستقيم واحد بين الدرجات، بينما حاولت طرق أخرى مراعاة حقيقة أن الكثير من الناس يبلغون عن كونهم في صحة مثالية، مما يخلق تجمعاً للبيانات عند الطرف الأعلى من المقياس.
وجدت الدراسة أن الطريقة الأكثر موثوقية لترجمة الدرجات لم تكن خطاً مستقيماً بسيطاً، بل نهجاً يتكون من خطوتين. تقوم هذه الطريقة أولاً بتقسيم المرضى إلى مجموعتين: أولئك الذين يبلغون عن عدم وجود أي مشاكل على الإطلاق، وأولئك الذين يبلغون عن مشكلة واحدة على الأقل. بالنسبة للمجموعة التي لا تعاني من مشاكل، يتنبأ النموذج بدرجة منفعة عالية. أما بالنسبة للمجموعة التي تعاني من مشاب، فيستخدم النموذج عملية حسابية مختلفة لتقدير درجاتهم بناءً على شدة إعاقتهم أو مشكلاتهم الصحية. وعندما اختبر الباحثون هذه الطريقة ثنائية الخطوات مقابل البيانات الفعلية من زيارة المستشفى الثانية، أدت أداءً أفضل من جميع الطرق الأخرى. وبالنسبة لمسح الإعاقة، تنبأ النموذج بدرجة المنفعة بمتوسط خطأ يقل عن 0.08 نقطة. وبالنسبة لاستبيان الصحة العامة، كان الخطأ منخفضاً بشكل مماثل، حوالي 0.07 نقطة. وقد عمل النموذج بشكل أفضل عندما استخدم الدرجات الإجمالية لاستبيان الصحة العامة بدلاً من محاولة استخدام كل سؤال من ذلك الاستبيان الطويل.
كما اكتشف الباحثون أن إضافة تفاصيل بسيطة مثل عمر المريض وجنسه لم يحسن دقة التنبؤات بشكل كبير؛ إذ كانت المعلومات الأساسية من المسوحات كافية لتقديم تقدير متين. ومع ذلك، أشارت الدراسة إلى وجود قيد: نظراً لأن معظم المرضى في الدراسة كانوا يتمتعون بصحة جيدة نسبياً، حيث أفاد أكثر من نصفهم بعدم وجود أي مشاكل، فقد تواجه النماذج صعوبة في التنبؤ بدقة بالدرجات الخاصة بالمرضى الذين يعانون من أمراض شديدة جداً. فالمعدات الرياضية تميل إلى التخمين بأن الحالات الشديدة هي في حال أفضل قليلاً مما هي عليه بالفعل، ببساال بسبب انحياز البيانات نحو الأفراد الأكثر صحة. ورغم ذلك، نجحت الدراسة في إنتاج أول مجموعة من القواعد لتحويل درجات هذه المسوحات المحددة إلى قيم المنفعة لمرضى النقرس في كوريا.
توفر هذه القواعد الجديدة أداة عملية لصناع القرار في مجال الرعاية الصحية. الآن، عندما يمتلك الباحثون أو المستشفيات بيانات تاريخية تم جمعها باستخدام مسوحات الإعاقة أو الصحة العامة، يمكنهم استخدام هذه الخوارزميات لتوليد درجات المنفعة اللازمة للتقييمات الاقتصادية. وهذا يعني أنه يمكن تقييم قيمة علاجات النقرس الجديدة باستخدام بيانات موجودة بالفعل، دون الحاجة إلى مطالبة كل مريض بملء استبيان آخر أكثر تعقيداً. ومن خلال إنشاء مسار واضح من الأسئلة التي يجيب عليها المرضى إلى الأرقام التي يستخدمها الاقتصاديون، تساعد الدراسة في ضمان تخصيص الموارد لعلاج النقرس بناءً على أدلة تعكس التفضيلات والخبرات الفعلية للسكان الكوريين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.