基于EORTC QLQ-C30与QLQ-STO22的中国胃癌患者EQ-5D-5L健康效用值映射模型构建与验证

本研究针对中国胃癌患者健康效用值评估中EQ-5D-5L数据缺失的问题，开发了从EORTC QLQ-C30和QLQ-STO22到EQ-5D-5L的映射模型。通过四种回归方法（OLS、Tobit、Oprobit、Betamix）对比，发现Oprobit3模型预测性能最优（RMSE=0.197，ICC=0.703），可为成本-效用分析提供可靠工具，填补了中文语境下胃癌特异性映射模型的空白。

　　

胃癌作为全球第五大常见恶性肿瘤，在中国其死亡率高居所有恶性肿瘤的第三位，尽管总体发病率有所下降，但仍构成显著的医疗负担。早期胃癌患者接受根治性手术后5年生存率可超过90%，而晚期患者中位总生存期通常不足15个月，这种生存差异不仅影响患者的生活质量和生存预期，还对医疗资源分配和卫生经济评估提出挑战。在医疗资源有限的背景下，成本-效用分析（Cost-utility analysis, CUA）已成为医疗评估中不可或缺的工具，其核心是质量调整生命年（Quality-adjusted life years, QALYs），该指标结合了生存时间和健康相关生命质量（Health-related quality of life, HRQoL）。健康效用值（Health state utility value, HSUVs）作为QALYs计算的基础，通常通过标准博弈（Standard gamble, SG）或时间权衡（Time trade-off, TTO）等直接方法获取，但这些方法复杂且资源密集，因此国际药物经济学指南推荐使用经过验证的多属性效用工具（Multi-attribute utility instruments, MAUIs）来间接估计偏好权重。最常用的MAUIs包括EQ-5D、HUI和SF-6D，然而通用MAUIs的局限性在于无法捕捉疾病特异性对患者生活质量的影响。相比之下，疾病特异性量表因其多维项目能为特定疾病的临床研究和治疗提供更有针对性的数据，在临床调查中应用更广泛。映射（或交叉行走）方法使研究人员能够将这些非偏好基础数据转换为健康状态效用值，从而促进其在经济评估中的应用。

胃癌的疾病特异性评估工具包括EORTC QLQ-STO22、FACT-Ga和QLICP-ST (v2.0)，其中EORTC QLQ-STO22和FACT-Ga分别与癌症通用量表EORTC QLQ-C30和FACT-G结合使用。在MAUIs中，最流行的工具是EQ-5D，其次是HUI 2/HUI 3和SF-6D。已有研究将疾病特异性量表映射到EQ-5D，涵盖强直性脊柱炎、甲状腺癌、炎症性肠病、抑郁和精神分裂症等疾病。然而，截至目前，仅有一项研究针对希腊胃癌患者开发了从EORTC QLQ-C30到偏好基础工具（EQ-5D、SF-6D和15D）的映射模型，尚无研究专门为中国胃癌患者开发映射函数。由于映射方法具有语境特异性且往往缺乏足够的 extrapolation 能力，直接借用其他语境的结果需谨慎。因此，本研究旨在为中国胃癌患者开发从EORTC QLQ-C30和QLQ-STO22到EQ-5D-5L健康效用值的映射模型，并创建用于卫生经济评估的效用值计算器。

研究团队采用了横断面调查设计，从中国西南地区五家医院收集了1059例胃癌患者的数据，覆盖四川、云南、西藏、甘肃、陕西、广西、贵州、青海、重庆和广东等多个地区。纳入标准包括意识清醒、语言表达和理解能力正常、能自我报告健康结果、年龄≥18岁、自愿参与研究且经病理诊断为胃癌。排除标准包括理解或阅读障碍、合并其他癌症及非原发性胃癌。所有问卷以纸质形式发放，参与者按固定顺序独立完成：QLQ-C30→STO22→EQ-5D-5L，以防止STO22中的症状特异性问题对EQ-5D-5L的通用评估产生 priming 效应。研究经医院医学伦理委员会批准（批号：SCCHEC-02-2023-127），所有参与者均签署书面知情同意。

主要技术方法包括：使用EORTC QLQ-C30（版本3.0）和QLQ-STO22评估胃癌特异性生命质量，EQ-5D-5L用于测量健康效用值（应用中国值集，范围-0.391至1）；通过 Pearson 相关系数评估工具间概念重叠；采用四种回归模型（普通最小二乘法OLS、Tobit回归、有序概率回归Oprobit、Beta混合回归Betamix）建立映射算法，自变量包括量表维度得分、年龄和性别；通过五折交叉验证和70%随机样本验证进行模型内部验证；使用均方根误差（RMSE）、平均绝对误差（MAE）、组内相关系数（ICC）和绝对误差（AE）等指标评估模型性能。

研究结果显示，样本中女性占28.71%，60岁以上患者占46.84%，农村地区患者占64.78%。EQ-5D-5L健康效用值均值为0.853（标准差=0.240），存在38.34%的天花板效应和0.47%的地板效应，分布呈左偏（偏度=-2.654）和多峰特征。EORTC QLQ-C30的身体功能、疲劳和疼痛维度与EQ-5D-5L效用值呈中等相关（r≥0.4），QLQ-STO22的吞咽困难、疼痛和进食维度同样显示中等相关。模型比较表明，Oprobit3模型性能最优（RMSE=0.197，MAE=0.111，ICC=0.703，AE>0.05%=56.84，AE>0.1%=28.61），预测因子包括所有EORTC量表维度及年龄、性别。Oprobit回归系数分析显示，身体功能（PF）与移动性（MO）、自我照顾（SC）、日常活动（UA）显著负相关，情绪功能（EF）与焦虑抑郁（AD）显著负相关，总体健康状态（QL）与所有EQ-5D-5L维度显著负相关，年龄与移动性、自我照顾、日常活动显著正相关。

讨论部分指出，本研究首次结合EORTC QLQ-C30和胃癌特异性QLQ-STO22开发映射模型，弥补了既往仅使用通用量表的不足。中国胃癌患者具有独特的疾病特征和治疗模式，定制化模型能更准确捕捉其健康状态。Oprobit模型在处理有序分类数据时表现出色，优于直接映射方法（如Beta混合回归），且包含年龄和性别变量增强了预测能力。尽管存在预测值范围未能完全覆盖观测值（尤其低端）的局限性，但大样本量（n=1059）确保了模型稳健性。未来研究可考虑针对健康状态较差患者开发两阶段模型，或探索机器学习等新方法。

结论强调，基于Oprobit的映射算法为中国胃癌患者提供了从EORTC量表到EQ-5D-5L效用值的可靠转换工具，解决了EQ-5D-5L数据缺失时的经济评估需求。该模型支持成本-效用分析，优化医疗资源配置，研究成果发表于《Quality of Life Research》，为胃癌卫生经济学研究提供了重要方法论支持。