An Empirical Comparison of Statistical Methods for Estimating EQ-5D Health State Utilities in Rheumatoid Arthritis Clinical Trials for Economic Modelling
यह अध्ययन संधिविज्ञान (रूमेटॉइड अर्थराइटिस) परीक्षणों में EQ-5D उपयोगिता (यूटिलिटी) के अनुमान के लिए लीनियर मिक्स्ड-इफेक्ट्स, जनरलाइज्ड एस्टिमेटिंग इक्वेशंस और टू-पार्ट मिक्स्ड मॉडल्स की अनुभवजन्य रूप से तुलना करता है, जिसमें यह पाया गया है कि हालांकि टू-पार्ट मिक्स्ड मॉडल्स कम उपयोगिता अनुमान प्रदान करते हैं, लेकिन विधि के चयन का समग्र लागत-प्रभावशीलता निष्कर्षों पर न्यूनतम प्रभाव पड़ता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप भविष्य में किसी चिकित्सा उपचार की लागत का अनुमान लगाने के लिए एक क्रिस्टल बॉल बनाने की कोशिश कर रहे हैं। स्वास्थ्य अर्थशास्त्र की दुनिया में, इस क्रिस्टल बॉल को "मार्कोव मॉडल" (Markov model) कहा जाता है। यह एक फैंसी तरीका है यह कहने का कि हम एक बीमारी का मानचित्र बनाते हैं, जिसे विभिन्न "स्वास्थ्य अवस्थाओं" (जैसे "शानदार महसूस करना," "ठीक महसूस करना," या "बहुत बुरा महसूस करना") में विभाजित किया जाता है। फिर हम सिम्युलेट करते हैं कि कैसे रोगियों का एक समूह वर्षों में इन अवस्थाओं के बीच घूमता है, और गणना करते हैं कि हम कितना पैसा खर्च करेंगे और कितने "क्वालिटी-एडजस्टेड लाइफ इयर्स" (QALYs) वे प्राप्त करेंगे। एक QALY जीवन के लिए एक मुद्रा की तरह है; पूर्ण स्वास्थ्य का एक वर्ष 1.0 के बराबर है, जबकि गंभीर दर्द का एक वर्ष 0.5 के बराबर हो सकता है।
इस मानचित्र को सटीक बनाने के लिए, हमें एक विश्वसनीय पैमाने की आवश्यकता है जिससे यह मापा जा सके कि एक रोगी के लिए प्रत्येक स्वास्थ्य अवस्था कितनी "अच्छी" या "बुरी" महसूस होती है। यहीं पर EQ-5D काम आता है। यह एक सरल प्रश्नावली है जहाँ रोगी अपनी गतिशीलता, आत्म-देखभाल, दर्द और मनोदशा को रेट करते हैं। पेचीदा बात यह है कि ये रेटिंग केवल नंबर नहीं हैं; ये "यूटिलिटीज़" (utilities) हैं जिन्हें वास्तविक दुनिया के अव्यवस्थित डेटा से औसत निकाला जाना चाहिए जहाँ रोगियों को कई बार मापा जाता है। क्योंकि रोगियों को बार-बार मापा जाता है, उनके उत्तर आपस में जुड़े होते हैं (एक व्यक्ति जो आज बुरा महसूस कर रहा है, उसकी संभावना है कि वह कल भी बुरा ही महसूस करेगा), इसलिए उनके उत्तरों का औसत निकालने का गणित हेडफ़ोन की गांठ को सुलझाने जैसा कठिन हो जाता है। वैज्ञानिकों को इस गांठ को सुलझाने के लिए सही सांख्यिकीय "उपकरण" चुनना होता है। यदि वे गलत उपकरण चुनते हैं, तो वे उपचार के मूल्य की गलत गणना कर सकते हैं, जिससे यह निर्णय लेने में भ्रम हो सकता है कि कौन सी दवाएं अपनी कीमत के लायक हैं।
महान सांख्यिकीय मुकाबला
इस अध्ययन में, शोधकर्ताओं की एक टीम ने यह देखने के लिए तीन सबसे लोकप्रिय सांख्यिकीय उपकरणों का परीक्षण करने का निर्णय लिया कि कौन सा उपकरण रूमेटॉइड अर्थराइटिस (RA) रोगियों के लिए EQ-5D की गांठ को सबसे अच्छी तरह सुलझाता है। RA एक पुरानी स्थिति है जहाँ शरीर की प्रतिरक्षा प्रणाली जोड़ों पर हमला करती है, जिससे दर्द और सूजन होती है। शोधकर्ताओं ने तीन बड़े क्लिनिकल ट्रायल से डेटा लिया जिसमें कुल 1,700 से अधिक रोगी शामिल थे, जिन्होंने 24 सप्ताहों में हजारों स्वास्थ्य माप प्रदान किए।
उन्होंने तीन सांख्यिकीय मॉडलों को एक-दूसरे के विरुद्ध खड़ा किया:
- लीनियर मिक्स्ड-इफेक्ट्स मॉडल (LMM): इसे एक स्थिर, भरोसेमंद हाइकर (हाइकर) के रूप में सोचें जो मानता है कि रास्ता काफी हद तक सुगम है लेकिन इस बात का भी ध्यान रखता है कि वही हाइकर इसे कई बार चल रहा है।
- जनरलाइज्ड एस्टिमेटिंग इक्वेशंस (GEE): यह स्काउट्स के एक समूह की तरह है जो व्यक्तिगत चालकों की विशिष्ट विचित्रताओं की चिंता किए बिना पूरे भीड़ की गतिविधि के पैटर्न को देखते हैं।
- टू-पार्ट मिक्स्ड मॉडल (TPMM): यह एक अधिक जटिल, दो-चरणीय मशीन है। यह पहले पूछता है, "क्या यह व्यक्ति खुशी के पूर्ण स्तर पर है?" (सीलिंग/छत)। यदि हाँ, तो यह इसे एक अलग तरीके से मानता है। यदि नहीं, तो यह दूसरे मशीन का उपयोग यह मापने के लिए करता है कि वह कितना पीड़ित है। यह उपकरण विशेष रूपв से उस डेटा के लिए डिज़ाइन किया गया है जहाँ कई लोग "पूर्ण स्वास्थ्य" की सीमा (सीलिंग) को छू लेते हैं।
निष्कर्ष: दो खेमों की कहानी
जब शोधकर्ताओं ने गणना की, तो परिणाम आश्चर्यजनक रूप से स्पष्ट थे। LMM और GEE मॉडल व्यावहारिक रूप से जुड़वां थे। उन्होंने स्वास्थ्य उपयोगिता अनुमान (health utility estimates) उत्पन्न किए जो 0.002 से भी कम (यानी दो-हजारवें अंक का अंतर) के अंतर पर थे। व्यापक परिप्रेक्ष्य में, यह एक पहाड़ को मापने और परिणाम में एक कागज की शीट की मोटाई के बराबर अंतर आने जैसा है।
हालाँकि, TPMM (दो-चरणीय मशीन) एक सख्त गुस्सैल की तरह व्यवहार करता था। इसने अन्य दो मॉडलों की तुलना में रोगियों के स्वास्थ्य अनुभव के लिए लगातार कम स्कोर दिए। रोगियों ने जितना अधिक "पूर्ण स्वास्थ्य" रिपोर्ट किया (जितना ऊंचा "सीलिंग प्रभाव" था), अंतर उतना ही बड़ा होता गया। "रेमिशन" (सबसे अच्छा महसूस करने वाली स्थिति) में वाले रोगियों के लिए, TPMM ने LMM की तुलना में स्वास्थ्य उपयोगिता को लगभग 0.019 से 0.042 अंक कम आंका। ऐसा लगता है कि यह मॉडल "पूर्ण" स्कोर को "अपूर्ण" स्कोर से अलग करने पर इतना केंद्रित था कि इसने अच्छे दिनों के समग्र मूल्य को कम करके आंका।
क्या इससे पैसों पर कोई फर्क पड़ता है?
यहाँ एक मोड़ है: भले ही TPMM ने अलग-अलग नंबर दिए, लेकिन इसने वास्तव में इस निर्णय को नहीं बदला कि उपचारों के लायक लागत में क्या है।
शोधकर्ताओं ने यह देखने के लिए कि एक नया उपचार रणनीति पुराने की तुलना में कितनी लागत और स्वास्थ्य बचाएगी, इन तीनों सेटों को एक "मार्कोव मॉडल" (क्रिस्टल बॉल) में डाला।
- LMM और GEE ने स्वास्थ्य में मामूली लाभ (उनके बीच लगभग 0.00005 QALY का अंतर) के लिए अतिरिक्त लागत €1,693 बताई।
- TPMM ने थोड़ा कम स्वास्थ्य लाभ का अनुमान लगाया, जिससे उपचार कम लागत-प्रभावी दिखने लगा, और कुछ मामलों में "स्वास्थ्य प्रति इकाई लागत" (ICER) को लगभग €1,000,000 तक पहुँचा दिया।
इन गणितीय अंतरों के बावजूद, अंतिम निष्कर्ष वही रहा: नया उपचार लागत-प्रभावी नहीं था। सभी मॉडलों में इसके "अच्छी डील" होने की संभावना 0% थी। शोधकर्ताओं का सुझाव है कि ऐसा इसलिए हुआ क्योंकि अध्ययन में रोगी अपने स्वास्थ्य परिणामों में इतने समान थे कि मॉडलों द्वारा गणना किए गए नंबरों के सूक्ष्म अंतर शोर (noise) में खो गए।
मुख्य निष्कर्ष
अध्ययन यह सुझाव देता है कि रूमेटॉइड अर्थराइटिस परीक्षणों के लिए, सरल, मानक उपकरण (LMM और GEE) अधिक जटिल दो-भाग वाले मॉडल (TPMM) जितने ही अच्छे हैं, और उन्हें TPMM के अतिरिक्त झंझट की आवश्यकता नहीं है। हालांकि TPMM ने कम नंबर दिए, लेकिन वे अंतर इस विशिष्ट आर्थिक मॉडल में बड़े निर्णय को बदलने के लिए बहुत छोटे थे। हालाँकि, लेखक चेतावनी देते हैं कि यह हर बीमारी के लिए सच नहीं हो सकता है। यदि किसी बीमारी में बहुत अधिक लोग "पूर्ण रूप से स्वस्थ" महसूस कर रहे हैं, तो TPMM अलग व्यवहार कर सकता है, और परिणाम बदल सकते हैं। फिलहाल के लिए, RA की दुनिया में, सरल उपकरण ही दौड़ जीतते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।