《QALY的简要介绍》PPT课件.ppt
质量调整生命年（QALYs),-EQ-5D的简要介绍以及QALYs的计算方法,1简要介绍EQ-5D量表,欧洲五维健康量表(EQ-5D)中文版应用介绍.pdf,EQ5D的应用,描述健康状况 EQ-5D量表既可以用于健康人群以评价特定人群的健康状况，又可以用于患病人群以评价某种疾病导致的健康状况的下降。使用前者描述健康状况时主要进行的是分组频数或频率分析，使用后者描述健康状况时主要进行的是分组集中趋势和离中趋势的描述。描述生存质量 EQ-5D量表既可以用于健康人群以评价特定人群的健康状况，又可以用于患病人群以评价某种疾病导致的健康状况的下降。EQ-5D 是由欧洲生存质量学会（EuroQoLGroup）设计的。该学会是一个非赢利性的国际研究组织，其成员大多是大学和公共卫生研究机构的卫生服务研究人员。所有想使用EQ-5D 的人，必须先与欧洲生存质量学会取得联系，登记注册后，方可使用,2基于中国人群偏好的EQ-5D量表效用值积分体系的建立,2.1 建立基于中国人群偏好的效用值积分体系的背景(Liu,Wu et al.2014),1997 年，英国学者Dolan 等采用TTO 直接测量了EQ5D量表中42 个健康状态的效用值，并据此通过计量经济学方法建立了经典的N3 模型用于预测所有状态的效用值，这是EQ-5D 量表采用TTO 得到的首个效用值积分体系，该研究被称为MVH 研究，其结果被英国健康与临床优化研究所（NICE）推荐用于对新的治疗方案进行成本效用分析。目的：为了得到基于中国人群偏好的EQ-5D-3L量表的效用值积分换算表，使用TTO法（Time trade-off）,2.2样本设计,从五个大城市：北京，广州，沈阳，南京，成都，选取人群样本。每个城市目标样本量为240，性别与年龄的分配与国家人口调查比例相似。因为性别和年龄是两个影响健康偏好度的最重要的因素。,2.3估值调查,一对一，面对面的进行。使用EQ-5D-3L调查问卷描述他们的健康状态根据严重度分级13个健康状态将这13个健康状态标记在VAS上回答为这13个健康状态设计的TTO问题回答关于社会人口学和健康状态方面的问题,2.3选择健康状态,2.4 数据分析-TTO值模型,使用了三种应变量，分别是，1，负效用2，状态33333与特定状态之间的差异3，负效用的对数。在此次研究中四种模型设定，分别是1，主要影响模型2，N3模型3，D1模型4，差异模型。研究在整体和个体水平上进行。在整体水平上，使用OLS和WLS来分析97个健康状态的平均水平。在个体水平上，采用OLS和FE/RE分析，使用FE/RE主要是每位参与者做了13份TTO。,U=1-0.039-MO2(0.099)/MO3(0.246)-SC2(0.105)/SC3(0.208)-UA2(0.074）/UA3(0.193)-PD2(0.092)/PD3(0.236)-AO2(0.086)/AO3(0.205)-N3(0.022),3 基于EQ-5D量表的QALY值的计算方法,进行ICUR分析所需要注意的关键点,分析者最好在关于如何用效用分数来进行计算QALYs的方法上保持公开和透明。这里就包括：使用什么问卷进行调查，效用值转换公式 或者其他进行计算效用值的方法，适用于什么国家，如何处理缺失的数据，如何调整基线效用值不同的情况。,3.1QALYs的内涵,QALYs的内涵在图1中可以清晰体现：第一，在以横轴表示生命数量、以纵轴表示01的生命质量权重的坐标系中，QALYs 同时测量了生命数量和生命质量，在图形上表现为曲线下方的面积；第二，不同方案会同时影响受访者的生命数量和质量，由此可绘制出不同的曲线。两条曲线的中间区域就是由于干预方案所额外获得的QALYs。,健康效用值可以通过时间权衡法（time trade-off,TTO）、视觉模拟标尺法(Visual analogue scaling,VAS)、标准博弈法等直接测量，也可以通过生命质量量表(EQ-5D,SF-6D,HUI,QWB)进行间接测量。在间接测量中，关键是构建效用值积分体系，将测量到的健康结果转换成健康效用。,质量调整生命年的另一个关键变量是时间。受访者在每个时点的效用值均得到了完整收集，没有出现缺失值或截断值，即可以将受访者的健康效用值作为权重，对每个时间段进行加权求和。,有两种方式来计算QALYs：1，基于每位患者的数据求得，之后求均值2，基于每个时期的所有患者的均值，最后求得QALYs如果存在缺失值，两者有差异建议采用1,3.2QALYs的计算,用健康效用值表示生命质量，在各个随访时点绘制出对应的健康效用值，再通过直线将这些散点连接起来，曲线下面的面积就是该受访者在这段时间的QALYs，这也是计算QALYs最常用的曲线下面积（area-under-the-curve，AUC）方法。,3.3基线对于QALYs值计算的影响,第一种方法仍然是基于AUC方法，不同的是需要计算从基线效用值到随访效用值的改变值。另一种更合理的方法是多元回归模型。这种方法在控制基线效用值的前提下，不仅能够得到两组之间QALYs的差异，还能得到经过调整的QALYs的预测值。,3.4贴现对于QALYs计算的影响,对于成本和产出分别进行贴现（超过一年）,3.5如何处理缺失数据,1：Last Value Forward:Utility Score(使用前一期的数值）2：Last Value Forward:Questionnaire Response3：Multiple Imputation（多重插补）,
