编辑推荐：
为解决患者如何选择髋关节置换手术医院及计算相关综合指标的问题，德国拜罗伊特大学的研究人员开展患者偏好研究。结果发现患者看重 “治疗质量” 等，该研究能助力计算加权综合指标，值得科研读者一读。
在医疗领域，全髋关节置换术（Total Hip Replacement，THR）是全球范围内极为常见的手术之一。在德国，每年约有 25 万例 THR 手术，大约 16 万髋关节炎患者会在 1250 家左右的医院进行初次择期 THR 手术。可德国不同地区的 THR 手术频率差异很大，这在一定程度上是因为缺乏标准化的决策标准。
而且，不同医院的 THR 手术治疗效果也参差不齐。从德国医院质量报告来看，不同医院在各项质量指标上存在明显差异，比如在 “预防跌倒措施” 方面，有质量缺陷的医院占比 4.15%；在 “髋关节假体或组件置换的适应症” 方面，这一比例高达 24.46% 。其他研究也表明，低手术量的医院进行 THR 手术时，患者手术部位感染、90 天并发症、成本和死亡率的风险更高。
对于患者来说，能在众多医院中选择一家最合适的进行手术至关重要。于是，公共报告应运而生，许多高收入国家都推出了相关的互联网评级网站，像德国的 “Weisse Liste”（WL）。不过，公共报告网站想要发挥作用，就需要呈现消费者最看重的信息，同时降低信息的复杂性。计算基于消费者偏好的综合指标，就是实现这一目标的好方法。
为了深入了解消费者在选择 THR 手术医院时的偏好，来自德国拜罗伊特大学卫生保健管理与健康科学研究所的 Stefan Rohrbacher 和 Martin Emmert 在《BMC Health Services Research》期刊上发表了题为《The elicitation of patient preferences for hip replacement surgery: a discrete choice experiment》的论文。他们通过研究发现，患者在选择医院时，最看重 “治疗质量” 和 “治疗病例数”，而 “EndoCert 证书”“设备和资质” 以及 “其他患者的推荐” 相对没那么重要。并且，他们没有发现受访者在偏好上存在有意义的异质性。这一研究成果为计算加权综合指标提供了依据，有助于患者更明智地选择医院。
在这项研究中，研究人员主要采用了离散选择实验（Discrete Choice Experiment，DCE）技术。该技术基于 McFadden 和 Lancaster 的理论，通过设定一系列假设的选择场景（如医院选择），收集人们在这些场景下的偏好数据，以此系统地探究个人偏好结构。研究人员依据 WL 网站上公开的医院质量信息确定了研究属性，包括 “治疗质量”“其他患者的推荐”“年度治疗病例数”“设备和资质”“EndoCert 证书” 这 5 个属性，每个属性又分 3 个等级。他们利用 Sawtooth Software 软件设计调查，采用全轮廓设计和平衡重叠法生成选择集，让受访者在 10 个选择任务中，每次从两个假设医院中做出选择。最后，研究人员运用 R 统计软件及 “mlogit” 和 “gmnl” 等相关软件包，通过多种模型分析数据 。
下面我们来详细看看研究结果：
样本特征
研究开始后，共有 5042 名 WL 用户打开了调查链接，但其中 4678 人在简短介绍页面后就停止作答，最终 364 人返回了问卷，不过只有 177 人完整完成了 DCE 部分并提供了一致回答，完成率为 48.63%。从这些有效样本来看，受访者的年龄中位数是 58 岁，女性占比略超一半（54.80%），多数人（68.93%）最高教育水平是（技术）大学入学资格。大部分人（53.56%）认为自己健康状况良好或更好，也有 54.80% 的人表示患有慢性病。而且，超过一半（58.76%）的受访者在过去 12 个月使用过医院报告卡，绝大多数人（84.75%）认为不同医院的护理质量存在很大差异。
描述性评分和排名结果
研究人员让受访者对 5 个质量信息项的重要性进行评分（1 - 5 分，1 分表示一点都不重要，5 分表示极其重要）和排名。结果显示，“治疗质量” 得分最高（4.76 ± 0.56 ），接着是 “设备和资质”（4.73 ± 0.49 ）和 “治疗病例数”（4.62 ± 0.70 ）。相比之下，“EndoCert 证书”（4.15 ± 0.85 ）和 “其他患者的推荐”（3.96 ± 0.84 ）的得分较低。在排名结果中，“治疗质量”（47.46%）和 “治疗病例数”（35.03%）被认为是最相关的，“EndoCert 证书”（9.60%）、“设备和资质”（6.21%）和 “其他患者的推荐”（1.69%）则不太受重视。
模型选择
研究人员用了多种模型进行分析，包括标准多项 logit 模型（MNL）、随机参数模型（RPL）、一般 MNL 模型（G - MNL）等。通过比较贝叶斯信息准则（BIC）和条件赤池信息准则（CAIC），他们发现无论是单类模型还是多类模型，MNL 模型对数据的拟合效果最好。这意味着在这个样本中，未观察到的异质性可以忽略不计，额外的模型假设并不能提供有意义的信息，所以后续讨论主要基于 MNL 模型展开。
离散选择实验的结果
从 MNL 模型的估计结果来看，所有属性的估计系数都非常显著，这说明这些属性对受访者选择医院都很重要。总体而言，患者更倾向于选择那些治疗质量、设备和资质达到质量目标，治疗病例数和患者推荐数高于平均水平，并且获得 EndoProstheticsCentre of Maximum Care（EPCmax）认证的医院。从各属性的相对重要性来看，“治疗质量” 最为重要（26.96%，水平范围 1.734），“年度治疗病例数” 次之（24.78%，水平范围 1.594），“EndoCert 证书”（17.51%，水平范围 1.126）、“设备和资质”（15.83%，水平范围 1.018）以及 “其他患者的推荐”（14.93%，水平范围 0.960）相对没那么重要。
综合研究结果，研究人员得出结论：通过 DCE 实验得到的结果与评分和排名的结果基本一致，都表明 “治疗质量” 最重要，“其他患者的推荐” 最不重要。研究中选取的属性在其他相关研究中也有涉及，具有一定的普遍性和重要性。虽然不同研究的设置和属性组合不同，但对比来看，该研究结果与其他研究具有相似性。而且，研究没有发现不同的受访者群体存在明显相似的偏好，所有多类模型在 BIC 和 CAIC 准则下都不如 MNL 模型好。
这项研究有着重要意义。它为计算以患者为中心的加权综合指标提供了可能，有助于将医院质量信息整合为一个综合得分，降低信息复杂性，提高健康报告卡的实用性，帮助患者更轻松地选择合适的医院。不过，研究也存在一些局限性。比如，研究数据来自德国特定人群，可能不适用于其他国家；受访者在假设场景下的偏好可能与现实生活中的选择行为不同；属性选择基于 WL 网站现有信息，可能遗漏其他相关属性；部分属性的建模方式可能会高估其重要性；研究结果仅适用于择期髋关节置换术患者，不能直接推广到其他疾病；样本存在一定偏差，外部效度有限 。但即便如此，研究人员通过多种方法尽量降低了这些局限性的影响，其研究成果依然为医疗领域的医院选择研究和公共报告发展提供了有价值的参考。
