[논문 리뷰] Empirical Bayes methods for monitoring health care quality

Hans C. van Houwelingen, Ronald Brand외 1명|arXiv (Cornell University)|2020. 09. 07.

Statistical Methods and Bayesian Inference참고 문헌 17인용 수 6

한 줄 요약

이 논문은 네덜란드 VOKS 연구의 데이터를 활용하여 의료 서비스 품질 모니터링을 위한 경험베이즈 방법을 개발한다. 중심 효과를 추정하는 단순한 로지스틱 회귀 기반 추정기, 기대 백분위수를 통한 순위 가능성 측도, 그리고 향후 연도 성과를 예측하는 시간적 예측 모델을 도입한다. 이 방법은 시간에 따라 여러 품질 지표를 통해 산부인과 중심 기관 간 순위 매기기와 모니터링의 신뢰성을 향상시킨다.

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.

연구 동기 및 목표

• 작은 표본 성능의 변동성을 다루어 의료 기관 순위 매기기의 신뢰성을 향상시키기 위해.
• 로지스틱 회귀 설정에서 중심 효과를 추정하기 위한 실용적이고 단순한 경험베이즈 추정기 개발을 위해.
• 기대 백분위수를 기반으로 한 순위 가능성 측도를 도입하여 중심 기관 순위의 안정성을 평가하기 위해.
• 역사적 데이터를 기반으로 시간적 패턴을 반영하여 향후 성과를 예측함으로써 시간 역학을 통합하기 위해.
• Thomas, Longford, Rolph, Goldstein, Spiegelhalter의 이전 연구를 실제 의료 모니터링 환경에서 확장하기 위해.

제안 방법

• 완전한 계층 모델링 없이 관측된 데이터에서 유도된, 로지스틱 회귀 모델에서 중심 효과를 위한 새로운 원시 경험베이즈 추정기 제안.
• 기타 기관들과의 상대적 위치를 반영하는 요약 척도로서 중심 기관의 기대 백분위수 도입.
• 순위 가능성의 정량화를 위해 기대 백분위수의 분산을 사용—높은 분산은 더 신뢰할 수 있는 순위를 의미.
• 소규모 또는 중간 규모의 중심 기관에서 추정치의 안정성과 노이즈 감소를 위해 경험베이즈 수축 적용.
• 랜덤 효과를 사용하여 시간 추세를 모델링하고 이전 패턴을 기반으로 내년도 성과를 예측.
• 매년 다수의 출산 품질 지표를 통해 거의 모든 네덜란드 산부인과 중심 기관을 추적하는 VOKS 데이터셋 활용.

실험 결과

연구 질문

• RQ1 경험베이즈 방법은 어떻게 의료 기관의 품질 순위 매기기의 신뢰성을 향상시킬 수 있는가?
• RQ2 데이터가 희소할 경우 로지스틱 회귀에서 중심 효과를 추정하기 위한 단순하면서도 효과적인 추정기는 무엇인가?
• RQ3 기대 백분위수를 중심 기관의 성과 비교를 위한 안정적인 요약 척도로 사용할 수 있는가?
• RQ4 기대 백분위수의 변동성을 사용하여 중심 기관의 순위 가능성은 어느 정도 정량화할 수 있는가?
• RQ5 시간 모델링은 의료 기관의 향후 성과 예측을 얼마나 향상시킬 수 있는가?

주요 결과

• 제안된 경험베이즈 추정기는 전체 계층 모델링에 비해 계산이 단순하면서도 소표본 설정에서 강건성을 유지한다.
• 기대 백분위수 측도는 중심 기관의 상대적 성과를 효과적으로 요약하여 기관 간 명확한 비교를 가능하게 한다.
• 기대 백분위수의 분산을 기반으로 한 순위 가능성은 순위가 안정적이고 신뢰할 수 있는 중심 기관을 식별한다.
• 시간 모델링을 통해 내년도 성과에 대한 신뢰할 수 있는 예측이 가능해져 사전적 품질 향상 조치를 지원한다.
• 이 방법은 복잡한 실제 의료 모니터링 환경에서 다수의 품질 지표를 포함하여 고전적 경험베이즈 접근법을 성공적으로 확장한다.
• 이 방법은 네덜란드 VOKS 연구와 같은 시스템에서 품질 모니터링의 해석 가능성과 신뢰성을 향상시킨다.