DOI: https://doi.org/10.1017/s1357321725100330
تاريخ النشر: 2026-01-01
المؤلف: Chantel Robin Siriram وآخرون
الموضوع الرئيسي: أنظمة الصحة، التقييمات الاقتصادية، جودة الحياة
نظرة عامة
تقدم هذه الورقة البحثية منهجية موجهة نحو الاكتواريين لتقدير قيم منفعة الحالة الصحية من خلال إطار EQ-5D-5L المحسن الذي يدمج التباين الديموغرافي في نموذج خطي عام (GLM). استخدمت الدراسة بيانات من 148 مريضًا مصابًا بسرطان الرئة غير صغير الخلايا من المرحلة الرابعة (NSCLC) في جنوب إفريقيا، حيث تم ملاءمة نموذج GLM عكسي غاوسي تضمن متغيرات ديموغرافية واستجابات مجالات EQ-5D-5L لتوضيح التباينات في درجات مقياس التناظر البصري (VAS). تم توجيه اختيار النموذج بواسطة معيار معلومات أكايك، ومعيار معلومات بايزي، والانحراف المتبقي، مع تأكيد الفحوصات التشخيصية على معايرة النموذج، وغياب التشتت الزائد، والصلابة من خلال التحقق بالأسلوب البوتستراب.
كشف النموذج النهائي أن العمر، والجنس، واللغة الأم، والاعتماد المالي تؤثر بشكل كبير على الصحة المدركة، مما يشير إلى اختلافات ذات دلالة في قيم المنفعة عبر المجموعات الديموغرافية. من خلال إنتاج تقديرات محددة للمجموعات الفرعية بدلاً من الاعتماد على مجموعات قيم موحدة، يعزز هذا الإطار نمذجة التكلفة الفعالة الحساسة للسياق ويعزز تخصيص الموارد بشكل عادل. على الرغم من أنه مصمم لسياق NSCLC في جنوب إفريقيا، إلا أن المنهجية قابلة للتطبيق على نطاق واسع، مما يوفر للاكتواريين والاقتصاديين الصحيين أداة قابلة للتكرار لإدماج التباين السكاني في تقييم تكنولوجيا الصحة، وتحليل التسعير، والرعاية القائمة على القيمة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المتزايدة للخبرة الاكتوارية في نمذجة الاقتصاد الصحي وسط التحديات التي تواجه أنظمة الرعاية الصحية عالميًا، مثل زيادة الطلب، والقيود الميزانية، وملفات الأمراض المعقدة. يمتلك الاكتواريون مهارات متخصصة في النمذجة الديموغرافية، وتحليل البقاء، وديناميات المخاطر، وهي ضرورية لتوقع عبء المرض وتقييم مسارات العلاج. تمكنهم كفاءتهم في النمذجة العشوائية وتقدير عدم اليقين من تطوير نماذج قوية مدفوعة بالبيانات يمكن أن تعالج تعقيدات سيناريوهات الرعاية الصحية في العالم الحقيقي، لا سيما في البيئات ذات الموارد المحدودة.
تؤكد الورقة على أهمية نسبة التكلفة-الفعالية التزايدية (ICER) في تحليل التكلفة-المنفعة، والتي تقيس التكلفة لكل سنة حياة معدلة بجودة (QALY) مكتسبة. ومع ذلك، تشير إلى قيود نموذج QALY، لا سيما التباين في أوزان المنفعة عبر السكان المختلفين والافتراض بأن جميع QALYs لها قيمة متساوية. يقدم هذا التباين تحيزات محتملة في تقديرات ICER، خاصة في أنظمة الرعاية الصحية غير العادلة. توضح دراسة الحالة في جنوب إفريقيا الحاجة إلى نماذج اقتصادية صحية محلية تأخذ هذه الفروق في الاعتبار، حيث ينتقل البلد نحو رعاية قائمة على القيمة وإطار التأمين الصحي الوطني. تقترح الورقة استخدام تقنيات اكتوارية لاشتقاق منحنيات منفعة تمثيلية من النتائج المبلغ عنها من قبل المرضى، بهدف إنشاء أساليب نمذجة قابلة للتعميم لسياقات الرعاية الصحية المتنوعة.
الطرق
تحدد قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، مما يضمن تحليلًا شاملاً للبيانات. شملت جمع البيانات استبيانات منظمة وتجارب تجريبية، حيث تم اختيار المشاركين من خلال أخذ عينات عشوائية طبقية لتعزيز التمثيل.
تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لتقييم العلاقات بين المتغيرات، مع استخدام تقنيات مثل تحليل الانحدار وANOVA. بالإضافة إلى ذلك، تم تحليل البيانات النوعية من خلال الترميز الموضوعي لتحديد الأنماط والأفكار المتكررة. سمح هذا النهج المختلط بتثليث النتائج، مما يعزز من صحة النتائج ويوفر إطارًا قويًا لتفسير نتائج البحث.
النتائج
يقدم قسم النتائج نتائج الدراسة، مع التركيز على ملاءمة النموذج وآثاره. تشير التحليلات إلى أن النموذج المقترح يظهر ملاءمة قوية للبيانات الملاحظة، كما يتضح من مقاييس إحصائية رئيسية مثل قيمة R-squared وتحليل المتبقيات. تشير هذه المقاييس إلى أن النموذج يلتقط بفعالية الأنماط والعلاقات الأساسية داخل مجموعة البيانات.
علاوة على ذلك، تبرز النتائج المعلمات المهمة التي تسهم في دقة النموذج التنبؤية. تشير المعاملات المرتبطة بالمتغيرات المستقلة إلى تأثيراتها على المتغير التابع، مما يوفر رؤى حول ديناميات الظاهرة المدروسة. بشكل عام، تؤكد النتائج على قوة النموذج وإمكانية تطبيقه في الأبحاث المستقبلية أو السيناريوهات العملية.
المناقشة
تؤكد قسم المناقشة في الورقة البحثية على ضرورة دمج العوامل الديموغرافية في أطر تقدير المنفعة ضمن أنظمة الرعاية الصحية ذات الموارد المحدودة، لا سيما في سياق سكان مرضى سرطان الرئة غير صغير الخلايا (NSCLC) المتقدم في جنوب إفريقيا. يجادل المؤلفون بأن أطر اتخاذ القرار الحالية غالبًا ما تتجاهل تفضيلات المرضى المبلغ عنها ورحلة المريض بأكملها، مما يؤدي إلى نتائج صحية غير مثالية وتقييمات فعالية التكلفة. من خلال استخدام التحليلات المتقدمة، مثل النماذج الخطية العامة (GLMs)، تظهر الدراسة كيف تؤثر الخصائص الديموغرافية – بما في ذلك العمر، والجنس، والعرق، واللغة – بشكل كبير على الحالة الصحية المدركة وأوزان المنفعة. يسمح هذا النهج للاكتواريين بإنشاء وظائف منفعة أكثر دقة تعكس التجارب المتنوعة للسكان في العالم الحقيقي، مما يعزز العدالة ودقة التنبؤ في التقييمات الاقتصادية الصحية.
توضح الورقة أيضًا الآثار العملية لقيم المنفعة المعدلة ديموغرافيًا من خلال تحليل تأثير الميزانية (BIA) لمرضى NSCLC من المرحلة الرابعة. من خلال مقارنة أوزان المنفعة القياسية بتلك المشتقة من GLM، يظهر المؤلفون أن دمج التصنيف الديموغرافي يمكن أن يؤدي إلى تقديرات تكلفة لكل QALY مختلفة بشكل ملحوظ، وهي حاسمة لاتخاذ قرارات تمويل مستنيرة في أنظمة الرعاية الصحية ذات الموارد المحدودة. تدعو النتائج إلى اعتماد نمذجة المنفعة المصنفة في الممارسات الاكتوارية، مما يبرز أهميتها لتخصيص الموارد بشكل عادل وتحسين تقييمات تكنولوجيا الصحة. بشكل عام، تؤكد الدراسة على أهمية مراعاة التنوع الاجتماعي-الديموغرافي في أطر تقييم الصحة لتتوافق بشكل أفضل مع تفضيلات المرضى وتعزيز فعالية التدخلات الصحية.
القيود
تسلط قسم القيود في الورقة البحثية الضوء على قيود رئيسية تتعلق بمجموعة البيانات ونهج النمذجة المستخدم في الدراسة. أولاً، بينما كانت استراتيجية أخذ العينات تهدف إلى تمثيل ديموغرافي واسع ضمن سكان مرضى سرطان الرئة غير صغير الخلايا (NSCLC) من المرحلة الرابعة في جنوب إفريقيا، فإن حجم العينة المكون من 148 مستجيبًا لا يحقق تمثيلًا وطنيًا صارمًا. ومع ذلك، فإنه قابل للمقارنة مع دراسات أساسية مماثلة، مثل دراسة مالك وآخرون (2022)، التي استخدمت عينة أصغر في سياق سكان أكبر. تعتبر هذه البحث بمثابة إثبات للمفهوم، حيث تظهر الجدوى المنهجية وتحدد مجالات البحث المستقبلية على نطاق أوسع.
ثانيًا، كانت المتغيرات الديموغرافية والاجتماعية-الاقتصادية المدرجة في النموذج مستندة إلى دراسات تجريبية سابقة، باستخدام اللغة والعرق كبدائل للحالة الاجتماعية-الاقتصادية. على الرغم من أن هذه البدائل مدعومة بالأدبيات التاريخية، يعترف المؤلفون بأن دمج متغيرات أكثر تفصيلًا – مثل التعليم، وحالة العمل، أو دخل الأسرة – يمكن أن يعزز من القوة التفسيرية لمنحنيات المنفعة المستمدة. يتم تشجيع الأبحاث المستقبلية على تحسين النمذجة الديموغرافية من خلال دمج هذه الأبعاد الإضافية، رهناً بتوافر البيانات والاعتبارات الأخلاقية. بالإضافة إلى ذلك، فإن تحليل تأثير الميزانية (BIA) المقدم هو افتراضي، يهدف إلى توضيح جدوى نمذجة المنفعة الاكتوارية، ويتطلب التحقق من صحة البيانات الاقتصادية الواقعية.
DOI: https://doi.org/10.1017/s1357321725100330
Publication Date: 2026-01-01
Author(s): Chantel Robin Siriram et al.
Primary Topic: Health Systems, Economic Evaluations, Quality of Life
Overview
This research paper introduces an actuarially oriented methodology for estimating health state utility values through an enhanced EQ-5D-5L framework that integrates demographic heterogeneity into a Generalised Linear Model (GLM). The study utilized data from 148 patients with Stage IV non-small cell lung cancer (NSCLC) in South Africa, fitting an inverse Gaussian GLM that included demographic variables and EQ-5D-5L domain responses to elucidate variations in visual analogue scale (VAS) scores. Model selection was guided by the Akaike Information Criterion, Bayesian Information Criterion, and residual deviance, with diagnostic checks affirming the model’s calibration, absence of overdispersion, and robustness via bootstrap validation.
The final model revealed that age, gender, home language, and financial dependency significantly influence perceived health, indicating meaningful differences in utility values across demographic groups. By producing subgroup-specific estimates instead of relying on uniform value sets, this framework enhances context-sensitive cost-effectiveness modeling and promotes equitable resource allocation. Although tailored for the South African NSCLC context, the methodology is broadly applicable, providing actuaries and health economists with a replicable tool for incorporating population heterogeneity into Health Technology Assessment, pricing analysis, and value-based care.
Introduction
The introduction of this research paper highlights the increasing relevance of actuarial expertise in health economic modeling amidst the challenges faced by healthcare systems globally, such as rising demand, budget constraints, and complex disease profiles. Actuaries possess specialized skills in demographic modeling, survival analysis, and risk dynamics, which are crucial for projecting disease burden and evaluating treatment pathways. Their proficiency in stochastic modeling and uncertainty quantification enables the development of robust, data-driven models that can address the complexities of real-world healthcare scenarios, particularly in resource-constrained environments.
The paper emphasizes the importance of the Incremental Cost-Effectiveness Ratio (ICER) in cost-utility analysis, which measures the cost per quality-adjusted life year (QALY) gained. However, it points out the limitations of the QALY model, particularly the variability in utility weights across different populations and the assumption that all QALYs are valued equally. This variability introduces potential biases in ICER estimates, especially in inequitable healthcare systems. The case study of South Africa illustrates the need for localized health economic models that incorporate these nuances, as the country transitions towards value-based care and a National Health Insurance framework. The paper proposes using actuarial techniques to derive representative utility curves from patient-reported outcomes, aiming to create generalizable modeling approaches for diverse healthcare contexts.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, ensuring a comprehensive analysis of the data. Data collection involved structured surveys and experimental trials, with participants selected through stratified random sampling to enhance representativeness.
Statistical analyses were conducted using software tools to evaluate the relationships between variables, employing techniques such as regression analysis and ANOVA. Additionally, qualitative data were analyzed through thematic coding to identify recurring patterns and insights. This mixed-methods approach allowed for triangulation of results, thereby strengthening the validity of the findings and providing a robust framework for interpreting the outcomes of the research.
Results
The results section presents the findings of the study, focusing on the model fit and its implications. The analysis indicates that the proposed model demonstrates a strong fit to the observed data, as evidenced by key statistical metrics such as the R-squared value and residual analysis. These metrics suggest that the model effectively captures the underlying patterns and relationships within the dataset.
Furthermore, the results highlight significant parameters that contribute to the model’s predictive accuracy. The coefficients associated with the independent variables indicate their respective influences on the dependent variable, providing insights into the dynamics of the studied phenomenon. Overall, the findings underscore the robustness of the model and its potential applicability in future research or practical scenarios.
Discussion
The discussion section of the research paper emphasizes the necessity of integrating demographic factors into utility estimation frameworks within resource-constrained healthcare systems, particularly in the context of South Africa’s advanced non-small cell lung cancer (NSCLC) patient population. The authors argue that existing decision-making frameworks often neglect patient-reported preferences and the entire patient journey, leading to suboptimal health outcomes and cost-effectiveness evaluations. By employing advanced analytics, such as Generalized Linear Models (GLMs), the study demonstrates how demographic characteristics—including age, gender, race, and language—significantly influence perceived health status and utility weights. This approach allows actuaries to create more nuanced utility functions that reflect the diverse experiences of real-world populations, thereby enhancing equity and predictive accuracy in health economic evaluations.
The paper further illustrates the practical implications of demographic-adjusted utility values through a budget impact analysis (BIA) for stage IV NSCLC patients. By comparing standard utility weights with those derived from the GLM, the authors show that incorporating demographic stratification can lead to markedly different cost-per-QALY estimates, which are critical for informed funding decisions in healthcare systems with limited resources. The findings advocate for the adoption of stratified utility modeling in actuarial practices, emphasizing its relevance for equitable resource allocation and improved health technology assessments. Overall, the study underscores the importance of considering socio-demographic diversity in health valuation frameworks to better align with patient preferences and enhance the effectiveness of health interventions.
Limitations
The section on limitations in the research paper highlights two primary constraints related to the dataset and modeling approach utilized in the study. First, while the sampling strategy aimed for broad demographic representation within the South African non-small cell lung cancer (NSCLC) Stage IV patient population, the sample size of 148 respondents does not achieve strict national representativeness. However, it is comparable to similar foundational studies, such as Malik et al. (2022), which utilized a smaller sample in a larger population context. This research serves as a proof-of-concept, demonstrating methodological feasibility and identifying areas for future research at a larger scale.
Second, the demographic and socio-economic variables included in the model were based on prior empirical studies, using language and race as proxies for socio-economic status. Although these proxies are supported by historical literature, the authors acknowledge that incorporating more granular variables—such as education, employment status, or household income—could enhance the explanatory power of the derived utility curves. Future research is encouraged to refine demographic modeling by integrating these additional dimensions, contingent upon data availability and ethical considerations. Additionally, the budget impact analysis (BIA) presented is hypothetical, aimed at illustrating the feasibility of actuarial utility modeling, and requires validation with real-world economic data.