根据GHQ-12心理健康数据估算EQ-5D-5L质量调整生命年权重:对四种映射方法的大样本探索

《Value in Health》:Estimating EQ-5D-5L quality-adjusted life year weights from GHQ-12 mental health data: a large sample exploration of four mapping methods

【字体: 大 中 小 】 时间:2026年05月25日 来源:Value in Health 6

编辑推荐:

  作者:朱欣·毛(Zhuxin Mao)、乔克·比尔克(Joke Bilcke)、科恩·佩珀曼斯(Koen Pepermans)、菲利普·博特尔斯(Philippe Beutels)比利时安特卫普大学健康经济学研究中心与传染病建模中心(CHERMID),安特卫普摘要背景心理健康指标

  
作者:朱欣·毛(Zhuxin Mao)、乔克·比尔克(Joke Bilcke)、科恩·佩珀曼斯(Koen Pepermans)、菲利普·博特尔斯(Philippe Beutels)
比利时安特卫普大学健康经济学研究中心与传染病建模中心(CHERMID),安特卫普

摘要

背景

心理健康指标在人口调查中很常见,但无法直接用于基于效用的经济评估。本研究探讨了估算与心理健康相关的健康效用的方法。

方法

我们使用了127,010名参与比利时人口调查的受访者的数据。我们比较了可以直接生成效用值的直接方法(线性回归和膨胀贝塔回归)与间接方法:间接方法首先使用非参数或有序逻辑回归来估计EQ-5D-5L维度的响应,然后再生成效用值。回归模型以GHQ-12的响应作为自变量,并控制了社会人口统计因素。模型性能通过均方根误差(RMSE)和平均绝对误差(MAE)进行评估。我们还按效用分位数分层计算了误差统计量。

结果

就整体模型性能而言,线性回归和有序逻辑回归的RMSE值相同(0.142),贝塔回归的RMSE值较高(0.148),非参数方法的RMSE值最高(0.155)。在MAE方面,有序逻辑回归的表现最好,其次是线性回归、贝塔回归和非参数方法。分层分析显示,在不同效用分位数上预测准确性存在差异。模型在最低效用分位数上的表现较差。间接映射在概念上更为稳健,因为它与EQ-5D-5L的维度结构一致,并减少了使用不同价值集所带来的变异。

结论

本研究提供了将心理健康数据映射到健康效用的最新算法。这些映射模型可以利用GHQ-12的响应和基本的社会人口统计变量来生成效用值,以便在缺乏效用数据的经济评估中使用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号