兰德-Outcome-Performance-Measure-Development-for-Persons-with-Multiple-Chronic-Conditions_79页_1mb

报告摘要

总结：Outcome Performance Measure Development for Persons with Multiple Chronic Conditions

核心内容

本报告旨在开发基于患者报告结果（PRO）的绩效测量工具（PMs），用于评估具有多种慢性病（MCCs）的老年人群体在不同医疗系统和提供者之间的健康状况和功能状态。这些PMs基于Veterans RAND 12-Item Health Survey (VR-12) 的Physical Component Summary (PCS) 和Mental Component Summary (MCS) 评分，以支持更有效的健康绩效比较。

主要观点

目标
- 优化患者的功能状态和生活质量，而不仅仅是生存或疾病治愈。
- 开发可靠的、有效的PRO PMs，用于比较不同医疗系统和提供者群体的表现。
数据来源
- 使用了Medicare Health Outcomes Survey (HOS) 的当代队列9-15的数据。
- 数据覆盖时间跨度为2006年至2014年，每个队列包含基线调查和两年后的随访调查。
PMs的定义与构建
- 构建了五个组织层面的PMs，分别基于：
  - 两年内存活且PCS评分稳定或改善的个体百分比。
  - 两年内PCS评分稳定或改善的个体百分比。
  - 两年内MCS评分稳定或改善的个体百分比。
  - 两年内PCS评分的平均变化。
  - 两年内MCS评分的平均变化。
- 这些PMs通过风险调整模型进行计算，以减少混杂因素对结果的影响。
评估方法
- 使用信度（reliability） 和效度（validity） 指标对PMs进行评估。
- 信度通过组内相关系数（ICC） 和样本量 进行衡量。
- 效度评估包括与HEDIS指标 的相关性分析。
主要发现
- 基于MCS的PMs在区分不同MAOs的表现上优于基于PCS的PMs。
- 五个基本PMs在整体MAO样本中的信度较低，均低于0.7的常规阈值。
- 通过移除社会人口学变量 和使用分位数阈值，可以提高某些PMs的信度。
- 合并多个队列的数据有助于提升样本量，从而提高信度。
挑战与限制
- 数据的异质性 是项目目标实现的主要障碍，限制了PMs的信度。
- HOS数据库无法提供足够的信息来识别个体提供者或诊所，因此难以进行更细粒度的比较。
- 由于抑郁的评估方式不同（基于症状而非医生诊断），在排除抑郁作为MCC之一的情况下，PMs的适用人群有所减少。

关键信息

数据覆盖范围
- 15个队列的数据被用于分析，其中9-15队列为当代数据，包含VR-12健康调查。
- 每个队列的样本量从45,773到93,125不等，MAO数量从187到466不等。
MCC的定义
- 基于HOS数据中13种慢性病的自我报告，至少报告两种即视为具有MCC。
- 抑郁被单独评估，因其基于症状相关问题，而非医生诊断。
主要慢性病的流行趋势
- 高血压 是最常见的MCC，占比在76.2%至77.9%之间。
- 关节炎 也是高发，占比在66.4%至65.8%之间。
- 抑郁的比例在各队列中显著上升（31.5%至44.3%）。
- 肺部疾病（如肺气肿、哮喘、COPD）和糖尿病 的比例也在上升。
PMs的改进措施
- 移除社会人口学变量后，PMs的信度有所提高。
- 使用分位数阈值（如上四分位数与下四分位数的比较）有助于提高信度。
- 合并多个队列的数据可提升样本量，进而增强信度。
未来研究建议
- 需要进一步评估这些PMs在个体或小组层面 的心理测量学特性。
- 更详细的提供者信息（如地理位置、诊所类型）可能有助于提高PMs的区分能力。
- 增加样本量和优化风险调整模型是提高信度的关键。

结论与建议

结论
- 基于MCS的PMs在区分MAOs的表现方面优于基于PCS的PMs。
- 当前PMs的信度普遍较低，需进一步改进以满足0.7的常规阈值。
建议
- 在未来的PMs开发中，应考虑更细致的风险调整 和更具体的提供者特征。
- 需要更多纵向数据 和标准化的评估方法，以提高PMs的信度和效度。