EQ-5D VAS映射模型比较*

第四军医大学卫生统计教研室(710032) 孙斯睿 赵云松 张海悦 梁 英 谭志军 徐勇勇

【提 要】 目的 比较EQ-5D-3L量表与EQ-5D VAS映射模型及值域表，提出不同人群EQ-5D VAS映射模型的选择策略。方法 通过对某功能社区的现场调查，获取EQ-5D-3L量表和EQ-5D VAS的实测值，对比国内外12个映射模型和本研究建立的预测模型的相关性和绝对误差。所有模型均为一般线性模型，数据处理采用R语言。结果 (1)欧洲及英国、芬兰等7个国家及新西兰之间EQ-5D VAS映射模型的相关系数均大于0.9。以芬兰作为国外VAS映射模型的代表，芬兰模型与中国2次调查和本研究的相关系数分别为0.969、0.939和0.976；(2)本研究和芬兰模型的VAS预测值与实测值的拟合曲线相似，平均绝对误差分别为17.11和16.96；(3)VAS预测值比TTO预测值平均少20分，更接近实测值。结论 2008年和2013年在第四次和第五次国家卫生服务调查建立的EQ-5D VAS映射模型，对于相对健康人群，2008年建立的N3模型误差较小。国外模型中，芬兰模型误差较小。根据特定人群建立的映射模型不能外推到其他人群。

EQ-5D可视化模拟标尺评分(visual analogue scaling，VAS)是与欧洲生命质量五维健康量表(EuroQol five-dimensional questionnaire，EQ-5D)配套使用的健康状态评分工具，即在最小值为0、最大值为100的标尺上，对评价对象整体健康状况进行评价。100表示评价者认为最好的健康状态，0表示评价者认为最差的健康状态[1]。在不同的场景下，评价对象可以是居民、学生、职工和患者，评价者可以是评价对象本人、监护人、调查员和医护人员。我国目前使用最多的是3水平的EQ-5D量表(EQ-5D-3L)，并且先后在2008年和2013年在第四次和第五次国家卫生服务调查中，拟合了EQ-5D-3L与EQ-5D VAS的映射模型[2-4]。同时，一些对糖尿病、高血压、冠心病、慢性阻塞性肺炎等疾病人群的健康效用研究中，多采用日本、英国、美国、泰国的映射模型(积分体系)作为健康效用的估计值[5]。本文拟通过某功能社区的VAS实测数据，建立EQ-5D-3L与EQ-5D VAS的映射模型，并与国内外13种EQ-5D VAS映射模型比较，提出不同人群EQ-5D VAS映射模型的选择策略。

材料与方法

1.数据来源

欧洲、英国、新西兰等国家建模数据来自EQ-5D index calculator[6]，中国数据来自2008年和2013年2次国家卫生服务调查。企业建模EQ-5D-3L与EQ-5D VAS数据来自对西北地区某大型企业的在岗员工的现场调查，见表1。

表1 数据来源

2.方法

(1)映射模型

m模型：EQ-5D-3L量表5个维度：行动能力(MO)，自我照顾(SC)，平常活动(UA)，疼痛/不适(PD)和焦虑/抑郁(AD)的主效应模型，则映射模型可表达为：

(1)

上式中，a,b,c,d,e为一般线性模型的估计参数，MO2，MO3，……，AD3为亚变量，MO2表示MO维度为2水平，MO3表示MO维度为3水平，……，余类推。当5个维度均为1水平时，即MO1=SC1=UA1=PD1=AD1=1，常数项cons=1。

N3模型：在式1基础上，增加一个估计参数N3，见式2。

(2)

式2中，z为亚变量。z=1，表示EQ-5D-3L量表5个维度至少有一个维度为水平3。

(2)模型拟合

式1、式2的模型参数采用一般线性模型(generallinear model)估计。计算及绘图采用R语言-R 3.4.4 (2018-03-15)。

结果

1.EQ-5D VAS调查结果

EQ-5D VAS实测值分布(n=2193)见图2。实测值密度函数低于普通人群的95.9，P<0.01。EQ-5D-3L量表5个维度中，行动能力无任何问题(MO1)、自我照顾无任何问题(SC1)、平常活动无任何问题(UA1)、疼痛/不适(PD1)无任何问题和焦虑/抑郁无任何问题(AD1)分别占91.6%、95.9%、91.9%、64.8%和69.0%，其中疼痛/不适(PD1)和焦虑/抑郁2个维度，低于普通人群(2013年第五次国家卫生服务调查)的87.4%和94.7%，P<0.01。

图1 EQ-5D状态(无任何困难)百分率比较

2.EQ-5D 模型的估计参数与相关性

欧洲及英国、芬兰等7个国家及新西兰、中国的2次调查和本研究建立的EQ-5D-3L量表与EQ-5D VAS映射模型的估计参数见表2。本研究VAS实测相关系数为0.55，与国外模型比较，VAS实测值与芬兰的相关系数0.545。

表2 EQ-5D VAS映射模型的估计参数及与VAS实测值相关系数

*：与VAS实测值相关系数，**P<0.01

欧洲及英国、芬兰等7个国家及新西兰之间EQ-5D VAS映射模型的相关系数均大于0.9。以芬兰作为国外VAS映射模型的代表，芬兰模型与中国2次调查和本研究的相关系数分别为0.969、0.939和0.976，见图2。

图2 芬兰模型与中国2次调查和本研究的相关图

3.EQ-5D 模型的量效关系

依据EQ-5D-3L量表理论上能表示35=243种健康状态。为了评价EQ-5D-3L与EQ-5D VAS的量效关系可用图3表示。 图3中，“11111”表示无健康问题，“21111”、“12111”、“11211”、“11121”、“11112”表示有轻度健康问题，“32211”、“22323”、“22233”、“33321” 表示有较大健康问题，“33333”表示最差健康状态。本研究因调查的是在职人员，没有出现图3最后的5种情况。图3所有模型中，本研究和芬兰模型的VAS预测值与实测值(VAS/100)最为接近。

图3 VEQ-5D VAS映射模型比较

4.EQ-5D 模型预测值绝对误差

各模型预测值与实测值的绝对误差见表3。绝对误差较小的模型分别是芬兰(16,93)、丹麦(16.96)和本研究(17.11)。

讨论

EQ-5D VAS映射模型获得的预测值U(h)(U(·)为映射模型，h为健康状态)是采用效用方法(the utility approach)建立值域表(utility-based value set，UBVS)，EQ-5D-3L量表的健康状态h可表示35=243种健康状态，EQ-5D-5L量表的健康状态h可表示35=3125种健康状态[7-8]。UBVS是用介于0和1之间的基数尺度(cardinal scale)评价个体健康状况以及与健康相关的生活质量。完全健康状况(full health)用1表示，因慢性病或其他因素导致的生活不便、疼痛及健康损失(disabilities)导致的健康效用损失1-U(h)，理论上1-U(h)介于0,1之间，1-U(h)=0为完美健康状况(无损失)，1-U(h)=0为最差健康状况(死亡)。然而，表2中EQ-5D VAS映射模型建模或调查对象是普通人群，EQ-5D-3L量表或EQ-5D-5L量表的最差结果“33333”并不表示死亡，因此，表2中EQ-5D VAS映射模型会出现负数(图3芬兰和C2013)，EQ-5D VAS映射模型建立的预测值域表称为基于体验的值域表(experience-based value set ，EBVS)。由于EBVS基于调查对象的个人体验，不同群体建立的EBVS会有很大差异，例如2008年第四次国家卫生服务调查中，真实的EBVS有167种健康状态，“11111”占87%，其次是“11121”和“11112”。“11111”状态VAS=82.6， “33333”状态 VAS=33.0。本研究因调查对象是在职员工，真实的EBVS仅有60种健康状态，前4位健康状态是“11111”、“11122”、“11121”和“11112”，分别占50.6%、13.0%、11.3%和8.8%，4种健康状态占到总调查人数的83.7%。本研究的60种健康状态中，大于等于20例的有9种(第四次国家卫生服务调查51种)，占到总调查人数的89.3%，见表4。健康状态没有MO3(不能下床活动)、SC3(无法自己盥洗或穿衣服)和UA3(无法从事日常活动)，见表2。“11111”状态 VAS=78.1±12.3，比第四次国家卫生服务调查低4.5分。

表3 EQ-5D模型预测值与实测值绝对误差

EBVS的误差来自2个方面。一是调查对象对自己健康状况的描述，二是调查对象的EQ-5D VAS评分。欧洲等7国EQ-5D VAS建模的调查对象需要经过培训，调查对象的健康状态描述要覆盖无健康问题、有轻度健康问题、有较大健康问题和最差健康状态，见图3中4个区域。因此，虽然欧洲等7国建模的样本量不大，如西班牙仅300人(表1)，但代表性好。本研究发现VAS实测值存在较大个体差异(表4)，且“11111”、“11121”等个别组峰度、偏度检验均有统计学意义，但无明显“天花板效应”(图4)。

表4 EQ-5D健康状态及VAS峰度、偏度检验

*：*P<0.05

图4 本研究EQ-5D VAS分布

最后讨论时间权衡法(time trade-off，TTO)与VAS的区别。TTO是在特定的场景下生活10年，如在 “21111”状态下生活10年，让调查对象选择相当于在完全健康“11111”的状态下生活了多少年？如果答案是T年，TTO=T/10[9]。目前，丹麦、德国、日本、荷兰、西班牙、泰国、英国、美国津巴布韦、中国等10个国家建立了EQ-5D-3L与TTO的映射模型[1,10]。德国、加拿大、中国还建立了EQ-5D-5L与TTO的映射模型[11-13]。中国EQ-5D-3L与TTO的映射模型的建模样本1147人，主效应模型为

TTO=0.956-0.099*MO2-0.252*MO3-0.103*SC2-0.214*SC3-0.075*UA2-0.201*UA3-0.093*PD2-0.244*PD3-0.087*AD2-0.214*AD3

(3)

中国TTO和VAS研究的最大区别在于，TTO是在 96种假设场景下的概率选择(类似方法还有标准博弈法，standard gamble ，SG)[10]，VAS是基于真实场景和亲身体验的实测值[2-3]。TTO“33333”状态表示死亡，VAS“33333”状态表示存活者最差健康状态。对于有轻度健康问题的受试者，VAS小于TTO。本研究实例，VAS预测值要平均比TTO预测值少20分，更接近实测值。或者说，TTO会高估评价对象的健康状况。因此，外部数据比较时，只有在方法相同(TTO或VAS)才有可比性。对于本研究，目标人群有7万多员工，企业建模的EQ-5D VAS值域表误差最小，但不一定适用于其他人群。对于普通人群，VAS较TTO更容易解释。VAS映射模型选择，中国2008年模型和芬兰模型的误差最小。