Can National Administrative Data Identify Optimal Nurse Staffing? Evidence of Estimand Instability and Identification Challenges in CMS Home Health Panel Data

技術的要約：訪問看護における最適な看護師配置量の推定における識別上の課題

問題提起
本研究は、ヘルスケア・サービス研究における決定的なギャップ、すなわち、米国の訪問看護部門において、国の行政データを用いて最適な登録看護師（RN）の配置レベルを経験的に特定できないという問題に取り組んでいる。生産関数理論では、限界的な質の便益が限界的な労働コストに等しくなる内点最適（$Q'(N^*) = C'(N^*)$）を仮定しているが、米国のメディケア・データを用いてこの最適値を推定することに成功した全国規模の研究はこれまで存在しない。本研究は、現在利用可能なCMS Home Health Compareパネルデータ（会計年度2016–2018年）が、スタッフ配置と質の生産関数を信頼性高く推定するために必要な構造的変動と識別の力を備えているのか、あるいはデータ・インフラそのものがこのような推定を阻害しているのかを調査するものである。

手法
本研究は、統合されたパネルデータ（分析用サブパネル $n \approx 10,496$、総計16,828エージェンシー・イヤー）を用いた実現可能性および識別デザインを採用している。分析には、3つの主要なデータソース（CMS Home Health Compare公開ファイル、CMS Home Health Agency コスト報告書（Form CMS-1728-94）、およびCMS 入院プロスペクティブ・ペイメント・システム（IPPS）レポート）を統合している。

• 変数:
  • 投与量（Dose）: 熟練看護患者100人あたりのRNフルタイム当量（FTE）。
  • 質（Quality）: 4つのCMS指標（平均4Ts）に基づくT標準化合成指標。これにはプロセス/アウトカムの評価、患者満足度（HHCAHPS）、メディケア支出比率、および地域への退院率が含まれる。
  • コスト（Cost）: 患者1人あたりの熟練看護労働コスト。
• 推定量: 投与量と質の関係、および投与量とコストの関係を評価するために、3つの線形推定量が適用された：
  1. Within-CRE（相関ランダム効果）: Mundlak–Chamberlainの定理による、エージェンシー内の固定効果モデルと数学的に等価なモデル。
  2. Pooled（プールされた推定量）: エージェンシー内の変動とエージェンシー間の変動の両方を利用する。
  3. Between-Agency（エージェンシー間比較）: エージェンシー平均の純粋な横断的比較。
• 検証と感度分析:
  • 非パラメトリック検証: モンテカルロ・ドロップアウトを用いたWide & Deep ベイジアンニューラルネットワーク（BNN）を使用し、スタッフ配置の投与量の限界的な予測寄与度をテストした。
  • 頑健性チェック: レバレッジ分析（影響力の大きい観測値の除去）、Huberロバスト回帰、および臨床的に意味のあるベンチマークに対する等価性検定（TOST）を実施した。
  • 損益分岐分析: 観察されたコスト増加を相殺するために必要な理論的な質の勾配を算出した。
  • 自然実験: 9州でのHome Health Value-Based Purchasing（HHVBP）の導入を外生的なショックとして利用することを試みたが、事前期間のデータ制限により、形式的な差の差（difference-in-differences）デザインの実施は困難であった。

主な結果
本研究は、利用可能なデータにおいてスタッフ配置と質の関係は安定して識別されないことを示しており、選択した推定量によって推定値の不安定性が顕著に現れることが判明した。

1. コスト関数 ($C(N)$): スタッフ配置の強度と労働コストの関係は、すべての推定量において強固に正の相関を示した（投与量単位あたり患者1人につき $\beta \approx +212$ から $+447$、$p < 0.001$）。これは、労働コストがFTEとともに上昇するという会計上の同一性と一致する。
2. 質関数 ($Q(N)$):
   • Within-CRE: 無効な結果（$\beta = +0.014, p=0.50$）を示し、これはレバレッジに対して非常に脆弱であった。上位0.1%の観測値を除去すると、符号が負に逆転した。
   • Pooled および Between-Agency: 両者とも統計的に有意な負の関連性（$\beta \approx -0.036$ から $-0.037, p \approx 0.02–0.03$）を示した。これは、これらの仕様においては、高いスタッフ配置が低い質と相関していることを示唆しており、未解決の交絡因子に起因するものと考えられる。
   • BNN検証: モデルからスタッフ配置の投与量を除去しても、検証損失（validation loss）の変化は無視できる程度であった（$-0.17\%$）。これは、スタッフ配置の強度が、他の共変量を超えて質の予測に関する限界的な情報を持っていないことを示している。
   • 等価性検定: TOSTは、質への影響が臨床的に意味のあるベンチマークに対して実質的にゼロであることを確認した（$p \approx 4 \times 10^{-140}$）。
3. 損益分岐分析: 最も楽観的な仮定（Within-CREの上限値を使用）の下でも、観察された質の反応は、追加のスタッフ配置に伴う限界コストを相殺するために必要な閾値よりも約365倍小さい。
4. データ・アーティファクト: 本研究は、2つの特定のデータ品質の失敗モードを特定した：
   • 2017年の報告慣行の変化により、約20%のエージェンシーが分数表記のFTEから最小単位1.00へと変更したことで、偽の（spurious）エージェンシー内変動が生じた。
   • 質とコストの指標が同じ患者数から派生していることによる「共通分母アーティファクト（shared-denominator artifact）」。これにより、スタッフ配置の投与量と機械的な相関が生じている。

主な貢献

• 識別診断: 本論文は、現在のCMS行政パネルデータでは最適なスタッフ配置レベルの識別をサポートできないことを示す診断マップを提供している。この失敗は、生産関数理論の誤謬ではなく、データの構造と内生性に起因することを明らかにしている。
• メソドロジー・ツールキット: 原数（numerator）の相関テスト、N-コントロール・アブレーション、および共通分母アーティファクトを検出するための代替分母によるクロスバリデーションを含む、CMSデータに対する具体的な診断手順を導入し、運用化した。
• 経済的翻訳: ブレークイーブン・フレームワークは、経済学的な無効の結果を政策に関連する定量的な主張へと翻訳し、最も楽観的な仮定の下でも、増分的なRNスタッフ配置に対する経済的リターンは検出不可能であることを示している。
• データ品質プロトコル: 本研究は、FTE報告の変更や不合理な患者あたりコスト比に関する、これまで報告されていなかった失敗モードを特定する多段階のスクリーニング・プロトコルを文書化している。

意義と主張
本論文は、その知見が**「看護師の配置が訪問看護の質にとって無意味である」ことや「最適なスタッフ配置レベルが存在しない」ことを意味するものではない**と明示している。むしろ、本研究は、将来の識別努力に必要とされる具体的なデータ条件を記述している。

著者らは、現在のデータ・インフラには、エージェンシーの特性（患者の症例構成、組織能力）からスタッフ配置の決定を分離するために必要な外生的な変動が欠けていると主張している。その結果、スタッフ配置と質の関係の符号と有意性は、推定量に依存することになり、いかなる「最適値」の点推定も信頼できないものとなる。

本研究の意義は、将来の研究アジェンダを再構築することにある。著者らは、信頼できる識別には以下の事項が必要であると主張している：

1. スタッフ配置のエピソードと個々のアウトカムとの患者レベルの結合。
2. HHVBPの導入を利用した差の差（difference-in-differences）デザインを可能にするための、事前期間（2016年以前）のデータ。
3. 信頼できる操作変数（例：地域の労働供給ショックや規制の不連続性）。
4. 回帰不連続デザインのための、州レベルの最低スタッフ配置基準。

要約すると、本論文は、最適なスタッフ配置という理論的枠組みは依然として有効であるが、訪問看護におけるこの最適値の実証的な検証は、現在の国の行政パネルデータの限界によって現在は妨げられていると結論付けている。