復(fù)雜抽樣條件下應(yīng)用不同方法估計(jì)EQ-5D量表的代答效應(yīng)*

單得志 楊 柳 梁 英 張海悅 張玉海 尚 磊△ 譚志軍△

【提 要】 目的 比較復(fù)雜抽樣條件下不同傾向評(píng)分匹配法的EQ-5D代答效應(yīng)估計(jì)效果。方法 基于2013年度陜西省衛(wèi)生健康服務(wù)調(diào)查中EQ-5D量表的測(cè)量數(shù)據(jù)，構(gòu)建單因素、多因素、復(fù)雜抽樣分析及不同PSM法，對(duì)EQ-5D量表的5個(gè)維度、VAS及EQ-5D得分的代答效應(yīng)進(jìn)行估計(jì)，比較代答者相對(duì)于自答者在EQ-5D維度報(bào)告健康問題的優(yōu)勢(shì)比及VAS和EQ-5D得分的差異。結(jié)果 代答人群和自答人群在人口學(xué)特征、健康行為等方面存在較大差異。六種方法估計(jì)的維度代答效應(yīng)(OR值)分別為：MO(1.470、1.611、1.732、1.573、1.606、1.533)，SC(2.174、2.253、2.490、2.266、2.245、2.171)，UA(1.819、1.916、2.050、1.864、1.897、1.777)，PD(0.898、1.162、1.178、1.177、1.189、1.093)，AS(1.135、1.379、1.377、1.480、1.468、1.372)，EQ-5D VAS(0.666、-1.524、-1.298、-1.509、-1.550、-1.326)，EQ-5D得分(-0.014、-0.023、-0.016、-0.023、-0.023、-0.017)。結(jié)論 代答者有將被代答者健康問題嚴(yán)重化的傾向。大樣本調(diào)查中，只要混雜因素能夠均衡，PS估計(jì)階段是否考慮抽樣權(quán)重不影響效應(yīng)估計(jì)結(jié)果，但效應(yīng)估計(jì)階段需要考慮抽樣權(quán)重。復(fù)雜抽樣多因素分析需要考慮群效應(yīng)，否則將低估抽樣誤差。

傳統(tǒng)的傾向評(píng)分(propensity score，PS)法假設(shè)數(shù)據(jù)來源于完全隨機(jī)樣本[1]。復(fù)雜抽樣調(diào)查(complex survey，CS)通常采用分層、整群、不等概率和多階段等相結(jié)合的抽樣設(shè)計(jì)方法，為PS法在復(fù)雜抽樣調(diào)查數(shù)據(jù)中的應(yīng)用帶來了諸多挑戰(zhàn)[2-3]。文獻(xiàn)回顧顯示，CS-PS法研究主要關(guān)注抽樣權(quán)重和群效應(yīng)兩個(gè)因素的影響，即PS估計(jì)和效應(yīng)估計(jì)兩個(gè)階段是否需要考慮和如何考慮權(quán)重以及群效應(yīng)[4]。目前的研究并未在這兩個(gè)問題上形成一致結(jié)論。前期，我們基于陜西省國(guó)家衛(wèi)生服務(wù)調(diào)查數(shù)據(jù)，采用多因素回歸和傳統(tǒng)的傾向評(píng)分匹配法，發(fā)現(xiàn)代答(proxy response)會(huì)顯著影響EQ-5D量表的報(bào)告結(jié)果[5-7]。由于陜西省國(guó)家衛(wèi)生服務(wù)調(diào)查采用了復(fù)雜抽樣設(shè)計(jì)，前期結(jié)果需要通過CS-PSM法進(jìn)一步驗(yàn)證。為此，本文構(gòu)建了3種傾向評(píng)分法分析策略和3種傳統(tǒng)分析策略，通過比較不同傾向評(píng)分法和不同傳統(tǒng)分析法的結(jié)果，為傾向評(píng)分法在復(fù)雜抽樣調(diào)查數(shù)據(jù)中的應(yīng)用提供參考。

材料與方法

1.數(shù)據(jù)來源

數(shù)據(jù)來源于2013年陜西省國(guó)家衛(wèi)生服務(wù)調(diào)查(National Health Service Survey，NHSS)，該調(diào)查采用分層、多階段、整群、不等概率抽樣方法，共抽取了32個(gè)樣本縣區(qū)、160個(gè)鄉(xiāng)鎮(zhèn)/街道、320個(gè)村/居委會(huì)、20702戶，共57532名調(diào)查對(duì)象。經(jīng)過缺失數(shù)據(jù)、不合格數(shù)據(jù)整理剔除12196名參與者后，本研究納入45336例調(diào)查對(duì)象進(jìn)行分析。

2.EQ-5D量表及轉(zhuǎn)換

EQ-5D量表的內(nèi)容見表1。為了便于分析，將EQ-5D量表中的各維度三水平結(jié)果轉(zhuǎn)換為兩水平結(jié)果。EQ-5D得分采用日本標(biāo)準(zhǔn)權(quán)重計(jì)算[8]。

表1 EQ-5D量表內(nèi)容及重分類

3.混雜因素

調(diào)查表中包含13個(gè)混雜因素：是否為戶主、年齡、性別、婚姻狀況、文化程度、就業(yè)情況、吸煙情況、喝酒情況、體育鍛煉情況、是否患慢性病、前兩周患病情況、住院情況等。

4.統(tǒng)計(jì)分析方法

(1)抽樣權(quán)重計(jì)算方法

觀察個(gè)體的抽樣概率π的倒數(shù)應(yīng)該為該個(gè)體的抽樣權(quán)重w，即w=1/π。陜西省第五次國(guó)家衛(wèi)生服務(wù)調(diào)查個(gè)體的基礎(chǔ)抽樣權(quán)重可用公式計(jì)算：

wbase=w縣區(qū)×w鄉(xiāng)鎮(zhèn)/街道|縣區(qū)×w村/居委會(huì)|鄉(xiāng)鎮(zhèn)/街道×w戶|村/居委會(huì)

上式中，w縣區(qū)為縣區(qū)的抽樣權(quán)重，w鄉(xiāng)鎮(zhèn)/街道|縣區(qū)為樣本縣區(qū)中鄉(xiāng)鎮(zhèn)/街道的權(quán)重，w村/居委會(huì)|鄉(xiāng)鎮(zhèn)/街道為樣本鄉(xiāng)鎮(zhèn)/街道中村/居委會(huì)的抽樣權(quán)重，w戶|村/居委會(huì)為樣本村/居委會(huì)中戶的抽樣權(quán)重[9]。

(2)分析方法

方法1：?jiǎn)我蛩鼗貧w分析法(SL法)，以是否代答為自變量，以EQ-5D量表中的每個(gè)維度或EQ-5D VAS和EQ-5D Score為應(yīng)變量，構(gòu)建單因素效應(yīng)分析模型。

方法2：多因素回歸分析法(ML法)，以EQ-5D量表中的每個(gè)維度或EQ-5D VAS和EQ-5D Score為應(yīng)變量，以是否代答為自變量，是否為戶主、年齡、性別、婚姻狀況、文化程度、就業(yè)情況、吸煙情況、喝酒情況、體育鍛煉情況、是否患慢性病、前兩周患病情況、住院情況等13個(gè)混雜因素為協(xié)變量，構(gòu)建logistic回歸模型和一般線性模型。

方法3：復(fù)雜抽樣多因素回歸分析法(CS法)，回歸模型模型中的應(yīng)變量、自變量和協(xié)變量與方法2相同，用SAS軟件中的Surveylogistic過程和Surveyreg過程構(gòu)建模型，模型中考慮抽樣權(quán)重和群效應(yīng)。

方法4、5、6為傾向評(píng)分匹配方法。方法4(PSM法)為傳統(tǒng)傾向評(píng)分匹配法，PS計(jì)算采用多因素logistic回歸模型，效應(yīng)估計(jì)采用單因素logistic回歸模型和一般線性模型。方法5(CS-PSM1法)的PS計(jì)算采用抽樣權(quán)重加權(quán)的多因素logistic回歸模型，效應(yīng)估計(jì)方法與方法4相同。方法6(CS-PSM2)的PS計(jì)算采用抽樣權(quán)重加權(quán)的多因素logistic回歸模型，效應(yīng)估計(jì)采用抽樣權(quán)重加權(quán)的單因素logistic回歸模型和線性回歸模型。以上三種方法均采用應(yīng)用最廣泛的最鄰近匹配法，綜合考慮兩組和樣本量和匹配效率選擇1∶2進(jìn)行匹配，卡鉗范圍設(shè)置為0.2。

上述效應(yīng)分析的模型中，均以代答標(biāo)識(shí)變量為自變量且以“自答”為參照水平，logistic模型的OR值大于1、一般線性模型或回歸模型的系數(shù)估計(jì)值小于0，表示代答會(huì)降低EQ-5D的報(bào)告結(jié)果，反之表示代答會(huì)提高EQ-5D的報(bào)告結(jié)果。

(3)均衡性評(píng)價(jià)方法

由于研究樣本為大型觀察性研究樣本，運(yùn)用標(biāo)準(zhǔn)化差異(standardized mean difference，SMD)比較傾向評(píng)分匹配前和兩種傾向評(píng)分匹配后協(xié)變量在處理因素中的均衡性，按照文獻(xiàn)標(biāo)準(zhǔn)，以SMD=0.1為界限，當(dāng)SMD<0.1時(shí)，表明協(xié)變量在處理變量中均衡，否則表明不均衡[10]。

運(yùn)用SAS 9.4 m5統(tǒng)計(jì)分析軟件進(jìn)行統(tǒng)計(jì)分析，并運(yùn)用此軟件執(zhí)行Psmatch、logistic回歸、Surveylogistic回歸和Surveyreg回歸等過程。

結(jié) 果

1.代答與自答人群特征

代答與自答人群的特征見表2。與自答人群相比，代答人群中的非戶主、年輕、未婚、在校學(xué)生、較高文化程度的人群占比較高。此外，代答人群的健康行為明顯比自答人群要好，表現(xiàn)為吸煙、飲酒的比例更低，而體育鍛煉頻率更高。同時(shí)，代答人群在健康狀況方面表現(xiàn)較好，患慢性病、前兩周患病和住院比例相對(duì)較低。

表2 自答和代答人群特征[n(%)]

2.自答與代答人群EQ-5D自報(bào)健康情況比較

在EQ-5D量表的五個(gè)維度中，代答人群在MO、SC、UA、AS等四個(gè)維度自報(bào)有健康問題的占比高于自答人群，EQ-5D VAS維度自報(bào)健康評(píng)分較高；而在PD維度中自報(bào)有疼痛的相對(duì)占比較低，EQ-5D Score得分也略低。

表3 EQ-5D自報(bào)指標(biāo)在自答和代答人群中分布情況比較[n(%)]

3.兩種傾向評(píng)分匹配的組間均衡性評(píng)價(jià)結(jié)果

表4顯示，傾向評(píng)分匹配前，在是否為戶主、婚姻情況中已婚、年齡中45歲～64歲階段、就業(yè)情況中在校學(xué)生等方面SMD>0.1，表明在以上方面代答組與自答組不均衡，經(jīng)過傾向評(píng)分匹配后，僅有婚姻狀況中已婚情況的尚未得到均衡。在傾向評(píng)分過程中考慮抽樣權(quán)重后，同樣僅有婚姻狀況中已婚情況尚未得到均衡。同時(shí)，在SMD>0.05的協(xié)變量中，經(jīng)過傾向評(píng)分匹配后，均SMD<0.05。

表4 傾向評(píng)分匹配前、傾向評(píng)分匹配后、加權(quán)傾向評(píng)分匹配后均衡性比較

4.代答效應(yīng)估計(jì)結(jié)果

圖1和圖2分別為6種方法得到的EQ-5D維度和評(píng)分的代答效應(yīng)估計(jì)結(jié)果。單因素效應(yīng)分析結(jié)果顯示，EQ-5D各維度及評(píng)分的代答效應(yīng)的方向并不一致。其他五種方法效應(yīng)估計(jì)結(jié)果可以看出，代答效應(yīng)分析結(jié)果在分類的五個(gè)維度中OR值均大于1，在EQ-5D VAS和EQ-5D SCORE中方向一致，點(diǎn)估計(jì)結(jié)果相似，但在可信區(qū)間范圍中，CS方法的范圍明顯比其他方法更寬。而PSM法分析結(jié)果和CS-PSM1分析結(jié)果基本一致。

圖1 EQ-5D五個(gè)分類維度OR值估計(jì)結(jié)果

圖2 VAS、EQ-5D Score維度回歸系數(shù)估計(jì)結(jié)果

討 論

本研究結(jié)果顯示，多因素方法和傾向評(píng)分匹配法較好地校正了混雜因素，同時(shí)考慮了復(fù)雜抽樣特征，獲得了較為準(zhǔn)確的代答效應(yīng)估計(jì)結(jié)果，發(fā)現(xiàn)代答者有將被代答者健康問題嚴(yán)重化的傾向。

1.不同傾向評(píng)分匹配方法的均衡性比較

不同的傾向評(píng)分匹配方法均能較好地均衡混雜因素。匹配前有4個(gè)協(xié)變量的SMD>0.1，6個(gè)協(xié)變量SMD在0.05～0.1之間，匹配后，4個(gè)SMD>0.1的協(xié)變量均衡了3個(gè)，剩余1個(gè)也接近0.1，而6個(gè)SMD>0.05的協(xié)變量SMD也降到0.05以下，其他混雜因素的SMD均有不同程度的下降。通過比較PSM和CS-PSM1匹配后各協(xié)變量的SMD，發(fā)現(xiàn)在傾向評(píng)分匹配過程中，是否考慮抽樣權(quán)對(duì)均衡性的影響并不大。這與Lenis等研究者的研究結(jié)論一致[11]。

2.不同效應(yīng)估計(jì)方法的代答效應(yīng)比較

(1)單因素方法的代答效應(yīng)估計(jì)不夠準(zhǔn)確。EQ-5D 的五個(gè)維度估計(jì)結(jié)果顯示，PD與MO、SC、UA、AS的代答效應(yīng)方向相反，VAS與EQ-5D得分的代答效應(yīng)方向相反。這種內(nèi)部的不一致性，反映出單因素方法未校正混雜因素、未考慮復(fù)雜抽樣特征，估計(jì)結(jié)果存在較大偏倚，說明復(fù)雜抽樣調(diào)查數(shù)據(jù)分析中，一方面需要校正較多的混雜因素，另一方面需要考慮復(fù)雜抽樣特征，否則分析結(jié)果出現(xiàn)偏差的幾率將會(huì)上升。

(2)傾向評(píng)分估計(jì)階段是否納入抽樣權(quán)重，對(duì)效應(yīng)估計(jì)結(jié)果的影響不大，但效應(yīng)估計(jì)階段不納入抽樣權(quán)重可能會(huì)導(dǎo)致很大的效應(yīng)估計(jì)偏差[11]。PSM、CS-PSM1兩種效應(yīng)分析結(jié)果顯示，兩種效應(yīng)分析法的代答效應(yīng)點(diǎn)估計(jì)和回歸系數(shù)并無太大差別，而CS-PSM1、CS-PSM2兩種效應(yīng)分析結(jié)果顯示，兩種效應(yīng)的點(diǎn)估計(jì)和回歸系數(shù)有差別，表明混雜因素的均衡并不意味著權(quán)重的均衡，權(quán)重納入效應(yīng)估計(jì)模型后提升了代答效應(yīng)的估計(jì)精度。

(3)群效應(yīng)影響效應(yīng)估計(jì)的置信區(qū)間。CS法考慮了抽樣權(quán)重和群效應(yīng)，其效應(yīng)估計(jì)值的95%置信區(qū)間明顯要比其他方法寬，提示如采用復(fù)雜抽樣多因素分析方法，應(yīng)該考慮群效應(yīng)，否則將低估模型參數(shù)的變異程度。本研究的匹配方法允許跨群匹配，匹配后群聚集的特征將會(huì)被打破，因此效應(yīng)估計(jì)階段無需考慮群效應(yīng)。采用群內(nèi)匹配的方法，并在效應(yīng)估計(jì)階段考慮群效應(yīng)是否會(huì)增大模型參數(shù)的變異度，還有待進(jìn)一步研究。

3.代答效應(yīng)偏倚的意義及應(yīng)對(duì)措施建議

國(guó)家衛(wèi)生服務(wù)調(diào)查(NHSS)的代答率約為20%，如不考慮代答效應(yīng)，分析結(jié)果可能存在較大的偏倚。對(duì)于如何控制代答效應(yīng)產(chǎn)生偏倚，有以下兩點(diǎn)建議：(1)嚴(yán)格代答機(jī)制的觸發(fā)條件。在調(diào)查期間，如果受調(diào)查人員不滿足代答條件，可以運(yùn)用電子版調(diào)查表、調(diào)查app等手段完成調(diào)查任務(wù)。(2)統(tǒng)計(jì)分析方法控制偏倚。將是否代答作為混雜因素納入分析模型，從而做到控制偏倚的效果[12]。