编辑推荐：
在医疗决策中，患者分类系统（PCS）和资源可用性影响重大。研究人员针对二者联合作用开展研究，发现它们会导致资源分配不均和治疗效果误判。这有助于理解医疗决策偏差，为优化医疗资源分配提供依据。
在医疗领域，合理分配资源和准确判断治疗效果对患者的治疗和康复至关重要。然而，目前却存在不少问题。一方面，患者分类系统（Patient Classification Systems，PCS）虽用于辅助临床决策，但可能依赖错误、过时或不充分的数据。例如在乳腺癌筛查中，不同国家依据自身资源和其他因素制定不同的筛查方案，像欧洲委员会建议针对 45 - 75 岁女性进行筛查，而西班牙卫生部则将目标人群设定为 50 - 69 岁女性 ，这体现了分类标准的差异以及潜在的不合理性。另一方面，在资源稀缺时，如新冠疫情期间，医疗资源分配不公平现象凸显，特定人群被歧视，一些分类缺乏临床依据，对部分群体造成明显伤害 。而且，人们对治疗效果的判断也常受认知偏差影响，在使用假药物（pseudomedicines，即缺乏科学证据证明其有效性的治疗方法 ）时，可能产生因果错觉（causal illusion，即相信一个事件导致另一个事件，而实际上并非如此 ），误判治疗效果。
为了解决这些问题，来自西班牙德乌斯托大学（University of Deusto）、格拉纳达大学（University of Granada）等机构的研究人员开展了一项研究。研究旨在探究患者分类系统和资源稀缺性如何共同影响人们在医疗决策中的行为和判断，包括对不同类别患者使用（虚构）治疗的选择以及对治疗效果的判断。
研究人员采用了实验研究的方法。招募不同的参与者，让他们在实验中扮演医生的角色，对一系列（虚构的）患者决定是否给予治疗。在实验中设置了两个关键变量，一是资源条件，分为资源稀缺和资源充足两组；二是患者类别，通过 PCS 将患者错误分类为对治疗敏感程度不同的两类 。在实验过程中，参与者可以根据治疗反馈来了解治疗效果，但实际上所有患者对治疗的敏感性是相同的。在实验 1 中，使用的是真正有效的药物；实验 2 中，则使用无效的假药物。
在实验 1 的结果与讨论部分：
- 药物使用概率（P (C)）的影响因素：对 P (C) 进行 2×2 混合方差分析（ANOVA）发现，预算和患者类别都有显著主效应，且二者的交互作用也显著。具体而言，对于被分类为几乎不敏感的患者，资源稀缺组参与者给药频率显著低于资源充足组；对于高度敏感的患者，两组给药频率无显著差异。在资源稀缺组内，对不同敏感程度患者的给药频率差异显著，而资源充足组内差异不显著。这表明资源稀缺时，参与者会减少对几乎不敏感患者的药物使用；资源充足时，则相对更均匀地分配药物。
- 治疗效果判断的影响因素：同样进行 2×2 混合方差分析，结果显示预算、患者类别主效应及二者交互作用均显著。对于几乎不敏感的患者，资源稀缺组判断的治疗效果显著低于资源充足组；对于高度敏感的患者，两组判断相似且均高于实际效果。并且，参与者对高度敏感患者的治疗效果判断更高，这表明他们的判断不仅基于实验经验，还受 PCS 初始信息的影响。此外，中介分析表明，对于几乎不敏感的患者，P (C) 完全中介了预算对治疗效果判断的影响；对于高度敏感的患者，预算对治疗效果判断无显著影响 。
在实验 2 的结果与讨论部分：
- 假药物使用概率（P (C)）的影响因素：2×2 混合方差分析表明，预算、患者类别主效应及二者交互作用均显著。对于非敏感患者，资源稀缺组给药剂量显著少于资源充足组；对于敏感患者，两组给药剂量相似。在两组内，对敏感和非敏感患者的给药剂量差异均显著，且资源稀缺组减少给药的幅度更大。这说明面对假药物时，资源稀缺组更倾向于减少对非敏感患者的给药。
- 治疗效果判断的影响因素：类似的方差分析结果显示，预算、患者类别主效应及二者交互作用显著。对于非敏感患者，资源稀缺组的治疗效果判断显著低于资源充足组；对于敏感患者，两组判断相似且均高于实际效果（实际应为 0）。并且，两组中对敏感患者的治疗效果判断均高于非敏感患者。中介分析表明，对于非敏感患者，预算对治疗效果判断的总效应显著，P (C) 起到完全中介作用；对于敏感患者，预算对治疗效果判断无显著影响 。
综合两个实验，研究得出结论：患者分类和预算可用性会影响有效药物和假药物的给药剂量，进而影响对它们效果的判断。在资源充足时，不同类别患者可能获得相似剂量的药物，但对治疗效果的判断仍受 PCS 初始信息影响。面对假药物时，资源稀缺组会更有针对性地使用药物，导致对不同类别患者的治疗效果错觉差异更明显。
这项研究具有重要意义。在面对有效治疗时，错误的患者分类，尤其是在资源稀缺情况下，可能导致医疗资源分配不公平，还会使治疗效果判断产生偏差，影响未来预测。在面对假药物时，除了上述问题，还可能导致人们错误地认为无效治疗有效，产生因果错觉，这不仅造成经济和时间成本的浪费，更重要的是可能因错过有效治疗而带来健康风险 。不过，该研究也存在一定局限性，如基于实验室实验，可能缺乏现实场景的普适性；参与者并非医疗专业人员，研究结果对医疗实践的适用性有待进一步验证；实验设计未涵盖所有因素的交叉情况等 。但总体而言，该研究为理解医疗决策中的偏差提供了重要依据，有助于后续研究改进医疗资源分配和提高治疗效果判断的准确性。
研究中主要使用的关键技术方法包括：
- 实验设计：构建模拟医疗决策场景的实验，设置资源稀缺和充足两种条件，以及不同敏感程度的患者类别，让参与者在其中进行治疗决策。
- 数据收集：通过在线平台（如 Prolific Academic）和招募心理学学生获取参与者数据，记录参与者对不同患者的治疗决策及对治疗效果的判断。
- 统计分析：运用 2×2 混合方差分析（ANOVA）探究预算和患者类别对药物使用概率（P (C)）和治疗效果判断的影响，使用中介分析检验 P (C) 在预算对治疗效果判断影响中的中介作用。
