การปรับความเสี่ยงและการวิเคราะห์กลุ่มผู้ป่วย

การปรับความเสี่ยงคือชุดของวิธีการทางสถิติที่ใช้ในการพิจารณาความแตกต่างในคุณลักษณะของผู้ป่วย เมื่อเปรียบเทียบผลลัพธ์หรือค่าใช้จ่ายของผู้ให้บริการ โปรแกรม หรือการรักษาที่แตกต่างกัน เนื่องจากโรงพยาบาลและแพทย์ดูแลผู้ป่วยที่มีความแตกต่างกันในด้านอายุ ความรุนแรงของโรค และโรคร่วม การเปรียบเทียบผลลัพธ์ที่วัดได้ที่เป็นธรรมจึงจำเป็นต้องมีการปรับสำหรับกลุ่มผู้ป่วยเหล่านี้ มิฉะนั้น ความแตกต่างที่ปรากฏในคุณภาพอาจเป็นเพียงการสะท้อนถึงความแตกต่างในผู้ป่วยที่ได้รับการรักษา

Definition

การปรับความเสี่ยงคือกระบวนการทางสถิติที่ใช้ในการพิจารณาความแตกต่างในกลุ่มผู้ป่วย เช่น ความรุนแรงของโรคและโรคร่วม เพื่อให้การเปรียบเทียบผลลัพธ์ด้านสุขภาพหรือค่าใช้จ่ายระหว่างผู้ให้บริการหรือกลุ่มต่างๆ สะท้อนถึงความแตกต่างในการดูแลรักษา มากกว่าความแตกต่างในผู้ป่วยที่ได้รับการรักษา

Scope

บทความนี้ครอบคลุมถึงเหตุผลที่จำเป็นต้องมีการปรับความเสี่ยง แนวทางหลัก (ดัชนีโรคร่วม, แบบจำลองหลายตัวแปร, และคะแนนความโน้มเอียง) รวมถึงข้อมูลและประเด็นด้านความถูกต้องที่จำกัดการใช้งาน เป็นข้อมูลอ้างอิงทางระเบียบวิธีในการวัดคุณภาพ และไม่ได้ให้การประมาณค่าความเสี่ยงทางคลินิกหรือคำแนะนำสำหรับผู้ป่วยแต่ละราย

Core questions

• เหตุใดการเปรียบเทียบผลลัพธ์ดิบระหว่างผู้ให้บริการจึงอาจทำให้เข้าใจผิดได้?
• ควรปรับปัจจัยผู้ป่วยใดบ้าง และไม่ควรปรับปัจจัยใดบ้าง?
• ดัชนีโรคร่วม แบบจำลองการถดถอย และคะแนนความโน้มเอียงแตกต่างกันอย่างไรในฐานะวิธีการปรับ?
• อะไรคือข้อจำกัดของความถูกต้องของการปรับความเสี่ยง และเมื่อใดที่ยังคงมีตัวแปรกวนที่เหลืออยู่?

Key concepts

• กลุ่มผู้ป่วยและความรุนแรงของโรค
• ดัชนีโรคร่วม
• แบบจำลองการปรับความเสี่ยงหลายตัวแปร
• คะแนนความโน้มเอียงและการปรับสมดุลตัวแปรควบคุม
• อัตราส่วนการเสียชีวิตมาตรฐาน
• ตัวแปรกวนที่เหลืออยู่
• ข้อมูลการบริหารจัดการเทียบกับข้อมูลทางคลินิก

Key theories

คะแนนความโน้มเอียงสำหรับการควบคุมตัวแปรกวน

Rosenbaum และ Rubin แสดงให้เห็นว่าคะแนนความโน้มเอียง ซึ่งคือความน่าจะเป็นของการได้รับการรักษาหรือการอยู่ในกลุ่มเมื่อพิจารณาจากตัวแปรควบคุมที่สังเกตได้ เป็นคะแนนที่ช่วยปรับสมดุล: การปรับตามคะแนนนี้จะช่วยปรับสมดุลตัวแปรควบคุมที่วัดได้ระหว่างกลุ่ม ทำให้สามารถเปรียบเทียบผลลัพธ์ในข้อมูลจากการสังเกตได้อย่างเป็นธรรมมากขึ้น แนวคิดนี้เป็นรากฐานของกลยุทธ์การปรับความเสี่ยงและการเปรียบเทียบกลุ่มผู้ป่วยสมัยใหม่หลายอย่าง

Mechanisms

การปรับความเสี่ยงเริ่มต้นด้วยการระบุปัจจัยของผู้ป่วยที่มีอยู่ก่อนการดูแลรักษา ซึ่งส่งผลต่อผลลัพธ์ที่สนใจ เช่น อายุ ความรุนแรงของโรค และโรคร่วม ปัจจัยเหล่านี้จะถูกสรุปด้วยดัชนีโรคร่วม เช่น ดัชนี Charlson ที่สร้างจากน้ำหนักการวินิจฉัยโรค หรือชุดโรคร่วม Elixhauser ที่ออกแบบมาสำหรับข้อมูลการบริหารจัดการ หรือถูกนำเข้าสู่แบบจำลองหลายตัวแปรที่ทำนายผลลัพธ์ที่คาดหวังสำหรับผู้ป่วยแต่ละราย จากนั้นจะนำผลลัพธ์ที่สังเกตได้มาเปรียบเทียบกับผลลัพธ์ที่คาดหวังจากแบบจำลอง ซึ่งมักจะอยู่ในรูปของอัตราส่วนมาตรฐาน วิธีการคะแนนความโน้มเอียง (propensity-score methods) ตามแนวคิดของ Rosenbaum และ Rubin จะปรับสมดุลการกระจายตัวของตัวแปรควบคุมที่วัดได้ในแต่ละกลุ่มก่อนการเปรียบเทียบ วิธีการเหล่านี้ทั้งหมดปรับเฉพาะปัจจัยที่วัดได้เท่านั้น ความแตกต่างที่ไม่ได้วัดจะยังคงมีตัวแปรกวนที่เหลืออยู่ (residual confounding) และคุณภาพของข้อมูลพื้นฐาน โดยเฉพาะการเข้ารหัสข้อมูลการบริหารจัดการ มีผลอย่างมากต่อความถูกต้อง

Clinical relevance

การปรับความเสี่ยงทำให้การจัดโปรไฟล์ผู้ให้บริการ การรายงานสาธารณะ และการเปรียบเทียบการจ่ายตามผลงานมีความเป็นธรรมมากขึ้น โดยแยกส่วนของการดูแลรักษาออกจากส่วนของกลุ่มผู้ป่วย ดัชนีโรคร่วมและวิธีการคะแนนความโน้มเอียงถูกนำมาใช้อย่างแพร่หลายในการวิจัยผลลัพธ์และการประเมินบริการสุขภาพ บทความนี้อธิบายวิธีการที่ใช้ในการเปรียบเทียบประชากร และไม่ใช่เครื่องมือสำหรับการประมาณความเสี่ยงในผู้ป่วยแต่ละราย

Evidence & guidelines

รากฐานทางระเบียบวิธีได้ถูกกำหนดไว้ในตำราอ้างอิงเกี่ยวกับการปรับความเสี่ยงของ Iezzoni มาตรการโรคร่วม Charlson และ Elixhauser ดั้งเดิม และวรรณกรรมเกี่ยวกับคะแนนความโน้มเอียงที่มีต้นกำเนิดจาก Rosenbaum และ Rubin แหล่งข้อมูลเหล่านี้ถูกอ้างอิงสำหรับเนื้อหาทางระเบียบวิธี และไม่ได้ทำหน้าที่เป็นคำสั่งทางคลินิกในบทความนี้

History

ความกังวลว่าการเปรียบเทียบผลลัพธ์แบบดิบๆ จะลงโทษผู้ให้บริการที่ดูแลผู้ป่วยที่ป่วยหนักกว่าอย่างไม่เป็นธรรม ได้ผลักดันให้เกิดการพัฒนาการปรับความเสี่ยงอย่างเป็นทางการตั้งแต่ทศวรรษ 1980 เป็นต้นมา ดัชนีโรคร่วม เช่น ของ Charlson (1987) และมาตรการข้อมูลการบริหารจัดการของ Elixhauser และคณะ (1998) ได้ให้บทสรุปที่เป็นประโยชน์เกี่ยวกับกลุ่มผู้ป่วย ในขณะที่กรอบแนวคิดคะแนนความโน้มเอียงของ Rosenbaum และ Rubin (1983) ได้นำเสนอแนวทางทั่วไปในการปรับสมดุลกลุ่มในการเปรียบเทียบจากการสังเกต

Debates

ข้อมูลการบริหารจัดการสามารถสนับสนุนการปรับความเสี่ยงที่ถูกต้องได้หรือไม่?

การปรับจากข้อมูลการเข้ารหัสการบริหารจัดการมีราคาไม่แพงและหาได้ง่าย แต่ก็อาจพลาดความรุนแรงและการเริ่มของโรค และมีความอ่อนไหวต่อแนวปฏิบัติในการเข้ารหัส; ข้อมูลทางคลินิกมีความสมบูรณ์กว่าแต่มีค่าใช้จ่ายในการจัดเก็บสูงกว่า ความเพียงพอของแหล่งข้อมูลสำหรับการเปรียบเทียบที่กำหนดนั้นยังคงเป็นที่ถกเถียงกันอยู่

การปรับความเสี่ยงมีการปรับแก้มากเกินไปหรือไม่?

การปรับสำหรับปัจจัยที่เป็นผลลัพธ์ของการดูแลที่ไม่ดี หรือสำหรับผลลัพธ์ที่คุณภาพควรจะจับได้ อาจบดบังความแตกต่างของคุณภาพที่แท้จริง การตัดสินใจว่าตัวแปรใดควรอยู่ในแบบจำลองจึงเป็นสิ่งสำคัญอย่างยิ่ง

Key figures

• Lisa Iezzoni
• Mary Charlson
• Anne Elixhauser
• Paul Rosenbaum
• Donald Rubin

Seminal works

• charlson-1987
• elixhauser-1998
• rosenbaum-rubin-1983
• iezzoni-2013

Frequently asked questions

กลุ่มผู้ป่วยคืออะไร?

กลุ่มผู้ป่วยคือส่วนผสมของประเภทและความรุนแรงของผู้ป่วยที่ได้รับการรักษาโดยผู้ให้บริการ ความแตกต่างในกลุ่มผู้ป่วยหมายความว่าผู้ให้บริการสองรายอาจมีผลลัพธ์ที่แตกต่างกัน แม้ว่าคุณภาพการดูแลของพวกเขาจะเหมือนกัน ซึ่งเป็นเหตุผลว่าทำไมผลลัพธ์จึงต้องได้รับการปรับความเสี่ยงก่อนการเปรียบเทียบ

เหตุใดการปรับความเสี่ยงจึงไม่สามารถขจัดอคติได้อย่างสมบูรณ์?

สามารถปรับได้เฉพาะปัจจัยที่วัดได้เท่านั้น ความแตกต่างที่ไม่ได้วัดระหว่างกลุ่มผู้ป่วย ซึ่งเรียกว่าตัวแปรกวนที่เหลืออยู่ จะยังคงอยู่หลังจากการปรับ ดังนั้นการเปรียบเทียบที่ปรับความเสี่ยงแล้วยังคงต้องตีความอย่างระมัดระวัง