2023 Fiscal Year Annual Research Report
医療経済評価における非選好型尺度からQOL値へのマッピング手法に関する基礎的研究
| Project/Area Number |
19K24193
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
萩原 康博 東京大学, 大学院医学系研究科(医学部), 助教 (60844040)
|
|---|
| Project Period (FY) |
2019-08-30 – 2024-03-31
|
| Keywords | QOL値 / 健康効用値 / マッピング / がん / サンプルサイズ |
|---|
| Outline of Annual Research Achievements |
本年度は最後に残った研究課題として、非選好にもとづくソース尺度から選好にもとづくターゲット尺度へのマッピングアルゴリズムを作成するために必要な最小サンプルサイズ計算法の開発を行った。これまでマッピングアルゴリズム開発のために必要なサンプルサイズについて、ガイドラインや推奨はなく、必要量に満たないサンプルサイズのデータを用いてマッピングアルゴリズムを作成することで、不正確な選好にもとづく尺度のスコアが算出されている懸念があった。
臨床予測モデルにおける最小サンプルサイズ計算法を修正する形で、線型回帰をマッピングに用いる場合の提案法を作成した。提案法は過適合を評価する2つの基準、誤差の標準偏差の推定精度の1基準、平均値の推定精度の1基準を満たすサンプルサイズを計算するものである。サンプルサイズは線形モデルのパラメータ数、調整済みR2乗値、選好にもとづく尺度スコアの標準偏差が分かれば計算できる。
提案法で計算した最小サンプルサイズとEORTC QLQ-C30からEQ-5D-3Lへのマッピングアルゴリズムを開発した既存研究のサンプルサイズをレビューしたところ、10研究中4研究でサンプルサイズが十分でなかった。
本研究は、非選好にもとづくソース尺度から選好にもとづくターゲット尺度へのマッピングアルゴリズムを作成するために必要な最小サンプルサイズ計算法を検討することの重要性を指摘し、実際に計算法を提供することで、マッピングアルゴリズム作成のプラクティスを改善に導くだろう。
この研究成果は、Medical Decision Making誌に掲載された。
|
Research Products
(2 results)
