DOI: https://doi.org/10.1007/s40273-025-01583-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41533281
تاريخ النشر: 2026-01-14
المؤلف: Richard Cookson وآخرون
الموضوع الرئيسي: أنظمة الصحة، التقييمات الاقتصادية، جودة الحياة
نظرة عامة
تقدم الورقة البحثية طريقة لتقييم ومقارنة آثار عدم المساواة الصحية لمختلف التدخلات عبر الأمراض المختلفة، مع التركيز على التغيير في إجمالي سنوات الحياة المعدلة حسب الجودة المتوقعة (QALYs) بين المجموعات الأكثر والأقل حرمانًا اجتماعيًا. يقترح المؤلفون إعادة قياس مؤشر انحدار عدم المساواة (SII) واستخدام الانحدار الخطي لأخذ المجموعات الوسيطة في الاعتبار، بينما يبلغون أيضًا عن تأثير عدم المساواة بالنسبة لتكلفة الفرصة الصحية الإجمالية. تكشف تحليلاتهم، التي تشمل علاجات افتراضية لـ 1,336 مرضًا في إنجلترا، أن آثار عدم المساواة الصحية يمكن أن تختلف بشكل كبير، تتراوح من -33.1% (تشير إلى زيادة في عدم المساواة) إلى +45.3% (تشير إلى انخفاض)، مع تحديد عتبات محددة لتصنيف حجم هذه الآثار.
تشير النتائج إلى أن تأثير عدم المساواة الصحية مرتبط إيجابيًا بنسبة الفائدة إلى التكلفة ويتناقص عندما يُفترض أن المجموعات الأكثر حرمانًا تتحمل تكاليف فرصة صحية إجمالية أعلى. يدعو المؤلفون إلى قياس موحد لتأثير عدم المساواة الصحية لكل QALY، والذي يتأثر بنسبة التكلفة الفعالة الإضافية (ICER). يقترحون نظام تصنيف لحجم آثار عدم المساواة بناءً على نسبة تكلفة الفرصة، مما يشير إلى أن جزءًا كبيرًا من فئات الأمراض سيحقق آثارًا كبيرة تحت عتبات معينة من ICER. يهدف هذا الإطار إلى تزويد صانعي القرار بفهم أوضح للعوائد المحتملة على الاستثمارات التي تهدف إلى تقليل عدم المساواة الصحية عبر مختلف التدخلات.
مقدمة
تناقش مقدمة الورقة أهمية تحليل التكلفة الفعالة التوزيعية (DCEA) في تقييم كل من آثار عدم المساواة الصحية والتكلفة الفعالة للتدخلات الصحية. يعد DCEA أمرًا حيويًا لإبلاغ التبادلات بين العدالة والكفاءة، خاصة في إعطاء الأولوية للمجموعات المحرومة اجتماعيًا التي تواجه نتائج صحية أسوأ. ومع ذلك، فإن مقارنة حجم آثار عدم المساواة الصحية عبر الأمراض المختلفة تطرح تحديات، خاصة بالنسبة لصانعي القرار الذين قد يكونون غير مألوفين بمؤشرات عدم المساواة وعادة ما يقيمون الفعالية باستخدام سنوات الحياة المعدلة حسب الجودة (QALYs). يؤكد المؤلفون على الحاجة إلى قياس شفاف وقابل للتفسير لتأثير عدم المساواة الصحية، كما أوصى به المعهد الوطني للصحة والرعاية في المملكة المتحدة، الذي يأخذ في الاعتبار عدم المساواة الصحية جنبًا إلى جنب مع التكلفة الفعالة دون الاعتماد على أوزان العدالة.
تهدف الورقة إلى تعزيز قابلية المقارنة والتواصل حول آثار عدم المساواة الصحية عبر مختلف التدخلات. تقدم ثلاث مساهمات رئيسية: أولاً، تقدم طريقة لإعادة قياس التغييرات الناتجة عن التدخل في مؤشر انحدار عدم المساواة لتقدير الفجوة المتوقعة في الصحة (QALYs) بين المجموعات الأقل والأكثر حرمانًا اجتماعيًا. ثانيًا، تسمح بأخذ الفروقات في المقياس وتكاليف الوحدة في الاعتبار من خلال الإبلاغ عن آثار عدم المساواة الصحية بالنسبة لتكاليف الفرصة الصحية. أخيرًا، يوضح المؤلفون تطبيق هذه الطريقة باستخدام بيانات من دخول المستشفيات في إنجلترا لتقدير الآثار المحتملة لعدم المساواة لعلاجات افتراضية جديدة لـ 1,336 مرضًا، مما يعرض نطاق الآثار الممكنة التي يمكن تحقيقها.
طرق البحث
في هذه الدراسة، استخدم المؤلفون نهجًا منهجيًا لتقدير التأثير المحتمل لعدم المساواة الصحية لعلاج افتراضي عبر فئات الأمراض المختلفة. استخدموا المعادلة (10) لحساب حصص فوائد سنوات الحياة المعدلة حسب الجودة (QALYs) ($s_j$) بناءً على انتشار الأمراض، والتي تم اشتقاقها من حصص دخول المستشفيات المحددة بالأمراض لمجموعات كوينتيل مؤشر الحرمان المتعدد (IMD). ومع ذلك، اعترفوا بأن بيانات دخول المستشفيات قد تبالغ في تقدير أعداد الانتشار للمجموعات المحرومة بسبب معدلات إعادة الدخول الأعلى. لتخفيف هذا التحيز، دمج المؤلفون بيانات الرعاية الأولية من 12 مليون مريض عبر 1,406 ممارسة عامة، مما يوفر تقديرات أكثر دقة لانتشار 155 حالة صحية.
شمل التحليل إجراء انحدار لآثار عدم المساواة الصحية المقدرة من بيانات الرعاية الأولية مقابل تلك المستمدة من بيانات دخول المستشفيات، مما يسمح بتوقع آثار عدم المساواة المعدلة لمجموعة أوسع من 1,336 مرضًا. ثم قام المؤلفون بحساب حصص الفوائد للعلاج الافتراضي وتقدير مؤشر عدم المساواة الاجتماعية (SII) باستخدام نهج الانحدار. أشارت النتائج إلى تباين الفوائد الصحية الإجمالية وصافي الفوائد الصحية عبر مجموعات الحرمان الاجتماعي المختلفة، حيث شهدت المجموعة الأكثر حرمانًا أعلى تقدير لتأثير عدم المساواة الصحية. تؤكد النتائج على أهمية تقدير انتشار الأمراض بدقة لإبلاغ التدخلات الصحية العادلة ومعالجة الفجوات الصحية بشكل فعال.
النتائج
تكشف نتائج الدراسة عن تفاوتات كبيرة في النتائج الصحية عبر مجموعات اجتماعية واقتصادية مختلفة، خاصة في سياق 1,336 مرضًا. يشير التحليل إلى أن الكوينتيل الأكثر حرمانًا يعاني من انتشار أعلى للأمراض مقارنة بالأقل حرمانًا. كانت الآثار المحتملة لعدم المساواة الصحية للعلاجات الافتراضية متنوعة على نطاق واسع، حيث قللت بعض العلاجات الفجوة في إجمالي سنوات الحياة المعدلة حسب الجودة المتوقعة (QALYs) بنسبة تصل إلى 45.3% من تكلفة الفرصة الصحية، بينما زادت أخرى الفجوة بنسبة 33.1%. ومن الجدير بالذكر أن 41.8% من الأمراض أظهرت تقليصًا في الفجوة بنسبة لا تقل عن 5%، بينما فقط 1.6% أظهرت زيادة في الفجوة بنسبة 5% أو أكثر.
تقدم الدراسة مقياسًا جديدًا لتقييم آثار عدم المساواة الصحية، يتم حسابه كتغيير في الفجوة الصحية المتوقعة بين المجموعات الأقل والأكثر حرمانًا، مع تطبيعها بتكلفة الفرصة الصحية للتدخل. تشير النتائج إلى أنه إذا كانت جميع العلاجات لها نسبة فائدة إلى تكلفة (BCR) تساوي 1 وكانت فعالة بالتساوي، فإن تأثير عدم المساواة الصحية سيتراوح بين تقليص بنسبة 45% وزيادة بنسبة 33% في فجوة QALY. علاوة على ذلك، يشير التحليل إلى أن الافتراضات الأقل تكلفة فعالية تؤدي إلى آثار إيجابية أصغر وآثار سلبية أكبر على عدم المساواة الصحية، مما يبرز أهمية أخذ العوامل الاجتماعية والاقتصادية في الاعتبار في التدخلات الصحية.
المناقشة
في هذا القسم، يناقش المؤلفون المنهجية لتقييم آثار عدم المساواة الصحية من خلال مؤشر انحدار عدم المساواة (SII) وتطبيقه في تقييم التدخلات التي تهدف إلى تقليل الفجوات الصحية بين المجموعات المحرومة اجتماعيًا. يتم اشتقاق SII من انحدار خطي يقدر الفجوة الصحية بين المجموعات الأكثر والأقل حرمانًا، مما يوفر مقياسًا أكثر شمولاً من الطرق التقليدية التي تركز فقط على المجموعات المتطرفة. يؤكد المؤلفون أن SII يعكس الفروقات في متوسط العمر المتوقع المعدل حسب الجودة (QALE) ويمكن قياسه لتحديد التأثير العام لعدم المساواة الصحية للتدخلات، والذي يُشار إليه بـ -ΔGAP. يلتقط هذا المقياس التغيير في إجمالي QALYs المتوقعة الناتجة عن تدخل، مما يسمح بفهم دقيق لكيفية توزيع الفوائد الصحية عبر طبقات اجتماعية مختلفة.
تسلط المناقشة الضوء أيضًا على أهمية أخذ تكلفة الفرصة الصحية في الاعتبار عند تقييم التدخلات. يقترح المؤلفون مقياسًا موحدًا لتأثير عدم المساواة الصحية يقيس تقليص عدم المساواة لكل وحدة من تكلفة الفرصة الصحية، مما يسهل المقارنات عبر مختلف التدخلات. توضح تطبيقاتهم التوضيحية لعلاجات افتراضية لـ 1,336 مرضًا في إنجلترا النطاق المحتمل لآثار عدم المساواة الصحية، مما يشير إلى أن صانعي القرار يمكنهم استخدام هذه الرؤى لإعطاء الأولوية للتدخلات التي تحقق فوائد كبيرة في تقليل الفجوات الصحية. يدعو المؤلفون إلى نهج منهجي لقياس آثار عدم المساواة الصحية، موصين بتقييم التدخلات بناءً على تأثيرها الموحد بالنسبة إلى عتبة التكلفة الفعالة، مما يوفر إطارًا أوضح لتقييم الآثار العدالة للسياسات الصحية.
القيود
يقدم المقياس المقترح لتأثير عدم المساواة الصحية عدة نقاط قوة، بما في ذلك أساسه في سنوات الحياة المعدلة حسب الجودة (QALYs)، وقابليته للتطبيق عبر المجموعات الاجتماعية، وتفسيره البديهي كتغيير في الفجوات الصحية. يمكن اشتقاقه من توزيع الفوائد الصحية الصافية دون الحاجة إلى محاكاة صحة أساسية، ويسمح بإجراء مقارنات عبر التدخلات من خلال الإبلاغ عن تأثير عدم المساواة الصحية كتقليص في فجوة QALY لكل وحدة تكلفة. ومع ذلك، فإن قيود المقياس تنبع أساسًا من اعتماده على مؤشر انحدار عدم المساواة (SII). بينما تدعو بعض الدراسات إلى نسخة غير خطية من SII، فإن هذا النهج يعرض لخطر الإفراط في التكيف ويعقد المقارنة عبر التدخلات. يركز المقياس على عدم المساواة المطلقة، مما قد لا يتماشى مع آثار عدم المساواة النسبية، مما يستلزم اعتبارًا دقيقًا من قبل صانعي القرار بشأن كفاية تقليل عدم المساواة النسبية مقابل المطلقة.
بالإضافة إلى ذلك، فإن التطبيق التوضيحي للمقياس له قيوده. يستخدم رموز تصنيف الأمراض ICD المكونة من ثلاثة أرقام، مما قد يتجاهل فئات الأمراض الأكثر دقة التي قد تكشف عن آثار عدم المساواة المتنوعة. قد تؤدي الافتراضات المتعلقة بتساوي استخدام العلاج والفوائد طويلة الأجل عبر المجموعات الاجتماعية إلى تقديرات ناقصة للآثار السلبية، خاصة بالنسبة للتدخلات ذات الاستخدام المنخفض بين السكان المحرومين. علاوة على ذلك، قد يؤدي استخدام دخول المستشفيات كبديل للانتشار إلى إدخال تحيزات، خاصة إذا كانت إعادة الدخول أكثر شيوعًا في هذه المجموعات. بشكل عام، بينما يهدف المقياس إلى توفير إطار متسق لتقييم آثار عدم المساواة الصحية، فإن نتائجه تستند إلى سيناريوهات افتراضية وقد لا تعكس بدقة آثار عدم المساواة للعلاجات الفعلية، والتي قد تختلف بشكل كبير في كل من الحجم والاتجاه.
DOI: https://doi.org/10.1007/s40273-025-01583-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41533281
Publication Date: 2026-01-14
Author(s): Richard Cookson et al.
Primary Topic: Health Systems, Economic Evaluations, Quality of Life
Overview
The research paper presents a method for assessing and comparing the health inequality impacts of various interventions across different diseases, focusing on the change in total predicted quality-adjusted life-years (QALYs) between the most and least socially disadvantaged groups. The authors propose rescaling the slope index of inequality (SII) and utilizing linear regression to account for intermediate groups, while also reporting the inequality impact relative to the total health opportunity cost. Their analysis, which includes hypothetical treatments for 1,336 diseases in England, reveals that health inequality impacts can vary significantly, ranging from -33.1% (indicating an increase in inequality) to +45.3% (indicating a decrease), with specific thresholds established for categorizing the magnitude of these impacts.
The findings suggest that the health inequality impact is positively correlated with the benefit-cost ratio and diminishes when more deprived groups are assumed to incur higher total health opportunity costs. The authors advocate for a normalized measure of health inequality impact per QALY, which is influenced by the incremental cost-effectiveness ratio (ICER). They propose a classification system for the magnitude of inequality impacts based on the proportion of the opportunity cost, indicating that a significant portion of disease categories would yield large impacts under certain ICER thresholds. This framework aims to provide decision-makers with a clearer understanding of the potential returns on investments aimed at reducing health inequalities across various interventions.
Introduction
The introduction of the paper discusses the significance of distributional cost-effectiveness analysis (DCEA) in evaluating both the health inequality impacts and cost-effectiveness of health interventions. DCEA is crucial for informing trade-offs between equity and efficiency, particularly in prioritizing socially disadvantaged groups that face worse health outcomes. However, comparing the magnitude of health inequality impacts across different diseases poses challenges, especially for decision-makers who may be unfamiliar with inequality indices and typically assess effectiveness using quality-adjusted life-years (QALYs). The authors emphasize the need for a transparent and interpretable measure of health inequality impact, as recommended by the UK’s National Institute for Health and Care Excellence, which considers health inequality alongside cost-effectiveness without relying on equity weights.
The paper aims to enhance the comparability and communication of health inequality impacts across various interventions. It presents three key contributions: first, it introduces a method to re-scale intervention-induced changes in the slope index of inequality to estimate the predicted total health (QALYs) gap between the least and most socially disadvantaged groups. Second, it allows for the consideration of differences in scale and unit costs by reporting health inequality impacts relative to health opportunity costs. Lastly, the authors illustrate the application of this method using data from hospital admissions in England to estimate potential inequality impacts of hypothetical new treatments for 1,336 diseases, thereby showcasing the range of possible impacts that could be achieved.
Methods
In this study, the authors employed a systematic approach to estimate the potential health inequality impact of a hypothetical treatment across different disease categories. They utilized Equation (10) to calculate the shares of Quality-Adjusted Life Years (QALYs) benefits ($s_j$) based on the prevalence of diseases, which was derived from the Index of Multiple Deprivation (IMD) quintile group shares of disease-specific hospital admissions. However, they acknowledged that hospital admission data might overestimate the prevalence counts for disadvantaged groups due to higher rates of repeat hospitalizations. To mitigate this bias, the authors incorporated primary care data from 12 million patients across 1,406 general practices, providing more accurate prevalence estimates for 155 health conditions.
The analysis involved regressing the health inequality impacts estimated from primary care data against those from hospital admissions data, allowing for the prediction of adjusted inequality impacts for a broader set of 1,336 diseases. The authors then calculated the benefit shares for the hypothetical treatment and estimated the scaled Social Inequality Index (SII) using a regression approach. The results indicated varying total health benefits and net health benefits across different social deprivation groups, with the most deprived group experiencing the highest estimated health inequality impact. The findings underscore the importance of accurately estimating disease prevalence to inform equitable health interventions and address health disparities effectively.
Results
The results of the study reveal significant disparities in health outcomes across different socioeconomic groups, particularly in the context of 1,336 diseases. The analysis indicates that the most deprived quintile experiences a higher prevalence of diseases compared to the least deprived. The potential health inequality impacts of hypothetical treatments varied widely, with some treatments reducing the gap in total predicted Quality-Adjusted Life Years (QALYs) by up to 45.3% of the health opportunity cost, while others increased the gap by 33.1%. Notably, 41.8% of diseases showed a gap reduction of at least 5%, whereas only 1.6% exhibited a gap increase of 5% or more.
The study introduces a novel metric for assessing health inequality impacts, calculated as the change in the gap of predicted health between the least and most disadvantaged groups, normalized by the health opportunity cost of the intervention. Findings suggest that if all treatments had a benefit-cost ratio (BCR) of 1 and were equally effective, the health inequality impact would range from a 45% reduction to a 33% increase in the QALY gap. Furthermore, the analysis indicates that lower cost-effectiveness assumptions lead to smaller positive impacts and larger negative impacts on health inequality, emphasizing the importance of considering socioeconomic factors in health interventions.
Discussion
In this section, the authors discuss the methodology for assessing health inequality impacts through the slope index of inequality (SII) and its application in evaluating interventions aimed at reducing health disparities among socially disadvantaged groups. The SII is derived from a linear regression that estimates the health gap between the most and least disadvantaged groups, providing a more comprehensive measure than traditional methods that focus solely on extreme groups. The authors emphasize that the SII reflects differences in quality-adjusted life expectancy (QALE) and can be scaled to measure the overall health inequality impact of interventions, denoted as -ΔGAP. This measure captures the change in total predicted QALYs resulting from an intervention, allowing for a nuanced understanding of how health benefits are distributed across different social strata.
The discussion also highlights the importance of considering the health opportunity cost when evaluating interventions. The authors propose a normalized health inequality impact metric that quantifies the reduction in inequality per unit of health opportunity cost, facilitating comparisons across various interventions. Their illustrative application to hypothetical treatments for 1,336 diseases in England demonstrates the potential range of health inequality impacts, suggesting that decision-makers can use these insights to prioritize interventions that yield significant benefits in reducing health disparities. The authors advocate for a systematic approach to measuring health inequality impacts, recommending that interventions be assessed based on their normalized impact relative to the cost-effectiveness threshold, thus providing a clearer framework for evaluating the equity implications of health policies.
Limitations
The proposed measure of health inequality impact presents several strengths, including its basis in Quality-Adjusted Life Years (QALYs), its applicability across social groups, and its intuitive interpretation as a change in health gaps. It can be derived from the distribution of net health benefits without requiring baseline health simulations, and it allows for comparisons across interventions by reporting health inequality impact as a reduction in the QALY gap per unit cost. However, the measure’s limitations stem primarily from its reliance on the Slope Index of Inequality (SII). While some studies advocate for a non-linear variant of the SII, this approach risks overfitting and complicates comparability across interventions. The measure focuses on absolute inequality, which may not align with relative inequality impacts, thus necessitating careful consideration by decision-makers regarding the sufficiency of reducing relative versus absolute inequality.
Additionally, the illustrative application of the measure has its constraints. It employs three-digit ICD disease classification codes, potentially overlooking more nuanced disease categories that could reveal varying inequality impacts. Assumptions regarding equal treatment uptake and long-term benefits across social groups may lead to underestimations of negative impacts, particularly for interventions with lower uptake among disadvantaged populations. Furthermore, using hospital admissions as a proxy for prevalence may introduce biases, especially if repeat admissions are more common in these groups. Overall, while the measure aims to provide a consistent framework for assessing health inequality impacts, its findings are based on hypothetical scenarios and may not accurately reflect the inequality impacts of actual treatments, which could vary significantly in both magnitude and direction.