对EQ-5D评估中交互效应的探索性分析，使用了来自荷兰、英国和中国的饱和EQ VAS数据集

《Health and Quality of Life Outcomes》：An exploratory analysis of interaction effects in EQ-5D valuation using saturated EQ VAS datasets from the Netherlands, the United Kingdom, and China

　　

摘要

目的

研究在完全饱和的数据集下，交互项是否能够提高EQ-5D评估模型的预测准确性，并确定能够在模型性能和可行性之间取得平衡的简约交互规格。

方法

对三个饱和的EQ-5D视觉模拟量表（VAS）数据集进行了二次分析：来自荷兰和英国的EQ-5D-3 L数据集，以及来自中国的EQ-5D-5 L数据集。分析分为三个步骤：首先，估计主效应模型作为参考，并将其与包含所有二阶交互项的模型进行比较；其次，通过观察模型性能指标（RMSE、R2、AIC和BIC）随交互项数量的变化情况来评估交互项的贡献，并根据交互项对RMSE的影响对它们进行排序；第三，评估使用摘要交互项的简约模型，以捕捉关键的非线性效应。

结果

在所有三个数据集中，包含交互项均一致地提高了预测性能，尽管绝对提升幅度较小。对于严重的健康问题组合，交互效应最为显著，且所有交互系数均为正值，这与边际效用递减的规律一致。涉及疼痛/不适和焦虑/抑郁的交互作用在各个数据集中都是最具影响力的因素。使用摘要交互项的简约规格——EQ-5D-3 L的N3D1和EQ-5D-5 L的N45D1——能够捕捉到完全交互模型所实现的大部分性能提升。

结论

当数据饱和时，交互效应在实证上是可以检测到的，并且能够系统性地提高EQ-5D评估模型的性能。摘要交互项提供了一种实用的方法，可以在保持模型简约性的同时捕捉关键的非线性效应。