[論文レビュー] Empirical Bayes methods for monitoring health care quality

Hans C. van Houwelingen, Ronald Brand+1 more|arXiv (Cornell University)|Sep 7, 2020

Statistical Methods and Bayesian Inference参考文献 17被引用数 6

ひとこと要約

本稿は、オランダのVOKS調査データを用いて、健康ケアの質をモニタリングするための経験的ベイズ手法を開発する。中心効果を推定するシンプルなロジスティック回帰ベースの推定器、期待順位順位に基づくランク可能度の測定、次年度のパフォーマンスを予測する時系列予測モデルを導入する。この手法は、複数の質的指標にわたる時間的経過における婦人科医療機関の順位付けと監視における信頼性を向上させる。

ABSTRACT

The paper discusses empirical Bayes methodology for repeated quality comparisons of health care institutions using data from the Dutch VOKS study that annually monitors the relative performance and quality of nearly all Dutch gynecological centres with respect to different aspects of the childbirths taking place in these centres. This paper can be seen as an extension of the pioneering work of Thomas, Longford and Rolph and Goldstein and Spiegelhalter. First of all, this paper introduces a new simple crude estimate of the centre effect in a logistic regression setting. Next, a simple estimate of the expected percentile of a centre given all data and a measure of rankability of the centres based on the expected percentiles are presented. Finally, the temporal dimension is explored and methods are discussed to predict next years performance.

研究の動機と目的

• 少数の標本におけるパフォーマンスのばらつきに対処することで、医療機関の順位付けの信頼性を向上させること。
• ロジスティック回帰設定下で、中心効果を推定する実用的でシンプルな経験的ベイズ推定器を開発すること。
• 期待順位順位に基づくランク可能度の測定を導入し、医療機関の順位の安定性を評価すること。
• 歴史的データに基づく時系列的ダイナミクスを組み込むことで、将来的なパフォーマンスを予測すること。
• トーマス、ロンフォード、ロルフ、ゴールドスタイン、スピーゲルハルターらの先行研究を、現実世界の健康ケア監視文脈に応用して拡張すること。

提案手法

• 完全な階層ベイズモデルを用いずに、観察データから導出された、中心効果のための新しい粗い経験的ベイズ推定器を提案する。
• 中心の期待順位順位を、機関間での相対的順位を反映する要約統計量として導入する。
• 期待順位順位の分散を用いてランク可能度を定量化する—分散が大きいほど、順位付けの信頼性が高いことを示す。
• 経験的ベイズの縮小推定を用いて、小規模または中規模の中心の推定値を安定化させ、ノイズを低減する。
• ランダム効果を用いた時系列トレンドモデルを適用し、歴史的パターンに基づいて来年度のパフォーマンスを予測する。
• 毎年、ほぼ全オランダの婦人科医療機関を複数の出産の質の指標で追跡するVOKSデータセットを用いる。

実験結果

リサーチクエスチョン

• RQ1 経験的ベイズ手法は、医療機関の質の順位付けの信頼性を向上させるために、どのように適合可能か？
• RQ2 データが希少な状況下で、ロジスティック回帰における中心効果を推定するシンプルで効果的な推定器は何か？
• RQ3 中心の期待順位順位は、パフォーマンス比較のための安定した要約統計量としてどのように利用可能か？
• RQ4 期待順位順位の分散を用いて、中心のランク可能度をどの程度まで定量化できるか？
• RQ5 時系列モデリングは、医療機関の将来的なパフォーマンス予測をどの程度改善できるか？

主な発見

• 提案された経験的ベイズ推定器は、完全な階層モデルに代わる計算が単純な代替手段を提供し、少数の標本設定下でも頑健性を維持する。
• 期待順位順位の測定は、中心の相対的パフォーマンスを効果的に要約し、機関間での明確な比較を可能にする。
• 期待順位順位の分散に基づくランク可能度は、順位付けが安定しており信頼できる中心を特定する。
• 時系列モデリングにより、来年度のパフォーマンスを信頼性を持って予測可能となり、能動的な質の向上を支援する。
• この手法は、複数の質的指標を伴う現実世界の健康ケア監視文脈において、古典的な経験的ベイズ手法を効果的に拡張した。
• このアプローチは、オランダのVOKS調査のようなシステムにおける質の監視の解釈可能性と信頼性を向上させる。