| 研究課題/領域番号 |
19K24193
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0908:社会医学、看護学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
萩原 康博 東京大学, 大学院医学系研究科(医学部), 助教 (60844040)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | QOL値 / 健康効用値 / マッピング / がん / サンプルサイズ / 機械学習 / 医療経済評価 / 費用対効果 / 効用値 / EORTC QLQ-C30 / EQ-5D / 順序効果 / 欠測データ / バイアス / 欠測データ解析 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は、「欠測データ解析の枠組み」から医療経済評価でのマッピングを捉え直すことで、医療経済評価でのバイアスの観点からマッピング手法が満たすべき条件を記述し、今後のマッピング手法の開発や選択に対する実践的な指針を得ることである。そのために、マッピング手法が医療経済評価でのバイアスの観点から妥当であるための条件を導出し、それをシミュレーション実験で例示し、実データを用いた実証研究で既存のマッピング手法がその条件を満たすか評価する。
|
| 研究実績の概要 |
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。
|
