解析数字疗法（DTx）经济价值驱动因素：多利益相关者视角下的深度洞察

在医疗资源紧张、数字疗法（DTx）经济价值研究不足的背景下，研究人员开展 “利益相关者对数字疗法经济价值驱动因素的群体概念映射研究”。研究识别出 59 个影响因素并归为 8 个集群，明确了关键集群及未充分考虑因素，为 DTx 发展提供决策框架。

　　在当今社会，人口老龄化加剧，慢性疾病和心理健康问题日益增多，医疗资源的需求也随之激增。在这样的大环境下，数字疗法（Digital Therapeutics，DTx）作为一种新兴的医疗手段崭露头角，它是指通过软件生成并提供对患者健康有积极治疗作用的医疗干预，以此来治疗或缓解疾病的健康软件。然而，尽管 DTx 潜力巨大，但它在广泛应用的道路上却困难重重。

其中最大的阻碍之一，便是如何证明其经济价值。对于医疗服务提供者、公共和私人支付机构等利益相关者来说，他们需要大量的证据来证明 DTx 的临床益处和价值，包括对患者生活质量的改善、对疾病负担的影响以及伦理和公平性等方面的考虑。同时，健康经济数据、软件的互操作性、数据安全和隐私等因素也至关重要。但目前，关于 DTx 经济价值的研究却非常有限，研究方法和数据收集过程的差异使得难以得出明确的经济价值结论，这就导致在市场准入决策和 DTx 的推广方面缺乏有力的证据支持。

为了解决这些问题，来自新加坡国立大学（The N₁ Institute for Health 等多个机构的研究人员 Yoann Sapanel、L. Martin Cloutier 等开展了一项群体概念映射（Group Concept Mapping，GCM）研究。这项研究意义重大，它有助于理解不同利益相关者如何共同构建和看待影响 DTx 经济价值的因素，进而为 DTx 的发展提供全面的决策框架。该研究成果发表在《npj Digital Medicine》上。

研究人员采用的主要技术方法包括：首先是 GCM 方法，这是一种混合研究方法，它通过五个阶段，包括确定相关利益相关者、生成影响因素、对因素进行分类和评级、数据分析和结果解释，将复杂的概念和观念整合为一个连贯的分析框架。在数据收集阶段，研究人员通过有目的的抽样，从医疗专业人员、行业人员、公共部门代表和研究人员等四个关键利益相关者群体中招募了 62 名参与者，收集了他们对影响 DTx 经济价值因素的看法。在数据分析阶段，运用非度量多维尺度分析（NMDS）和凝聚层次聚类分析（AHCA）等方法对数据进行处理，以确定因素之间的关系和聚类。

研究结果如下：

1. 因素聚类分析：研究人员共识别出 59 个影响 DTx 经济价值的因素，并将它们分为 8 个集群。通过分析发现，沿着代表 DTx 从概念到部署的时间轴，这些因素可以归纳为三个主要主题：早期开发阶段，涵盖与 DTx 开发和临床验证初期相关的因素；实施前相关方面，包括在实际实施 DTx 干预之前的各种考虑和准备因素；DTx 部署，包含与 DTx 在现实环境中实施和持续管理相关的因素。
2. 重要性和考虑程度评估：研究人员让参与者对每个因素的重要性和在实际操作中的考虑程度进行评分。结果显示，“DTx 对患者结局的影响” 和 “DTx 实施” 被认为是最重要的两个集群，平均评分分别为 4.00/5.00 和 3.94/5.00 。然而，“DTx 相关成本” 和 “DTx 盈利模式” 虽然也被认为重要（均为 3.93/5.00 ），但在实际操作中却是最不被考虑的因素，尤其是研究人员对这两个因素的考虑程度较低。此外，公众利益相关者在各集群上的评分普遍较高。
3. 优先象限分析：通过将重要性和考虑程度的评分结合起来，绘制出 “去区域图”（go-zone graph），并划分出四个象限。结果发现，“DTx 实施”“DTx 盈利模式” 和 “DTx 相关成本” 这三个集群位于第二象限，意味着它们被认为对 DTx 产生经济价值非常重要，但在参与者的日常决策过程中却没有得到充分考虑。同时，在因素层面也发现了 8 个类似情况的关键因素。

研究结论和讨论部分指出，本研究通过 GCM 方法，为理解 DTx 经济价值提供了一个集体概念框架。研究不仅识别出影响 DTx 经济价值的多个因素，还揭示了不同利益相关者在这些因素认知上的异同。例如，虽然所有利益相关者都关注患者临床结局的改善，但公共利益相关者由于决策的复杂性，该因素在其心中的重要性排名相对较低。而研究人员对一些成本相关因素考虑不足，可能会影响 DTx 后期的支付、报销和推广。因此，各利益相关者之间需要加强合作，尤其是在 DTx 开发的早期阶段就应考虑市场可行性，促进学术研究与商业应用的结合，以推动 DTx 在医疗系统中的有效应用。这项研究为后续 DTx 的发展和研究提供了重要的参考，有助于优化 DTx 的开发、实施和推广策略，最终使患者和医疗系统受益。