健康状态效用值（HSUVs）跨偏好性量表变异与行为风险因素比较：系统综述与Meta分析

《Applied Health Economics and Health Policy》：Variation in Health State Utility Values Across Preference-Based Instruments: A Systematic Review and Meta-analysis of Behavioural Risk Factors

　　

背景：健康经济评价需要健康状态效用值（HSUVs）以估算质量调整生命年（QALYs）。然而，由不同偏好性量表（preference-based instruments）、估值方法和值集推导的HSUVs可能不具直接可比性，并可能影响经济评价的解释。尽管国家卫生与临床优化研究所（NICE）等参考案例指定了偏好量表（如EQ-5D），实践中仍常使用替代测量工具。该研究以行为风险因素为应用案例，考察HSUVs跨量表的变异，并合成身体质量指数（BMI）与吸烟类别的效用估计。方法：研究人员检索PubMed、Embase、Web of Science和EconLit中2009—2024年发表的人群观察性研究。采用随机效应Meta分析（random-effects meta-analyses）按量表类型和风险因素类别估计合并HSUVs；采用混合效应Meta回归（mixed-effects meta-regression）探讨行为风险因素、健康相关生活质量（HRQoL）量表类型与HSUVs变异之间的关联，并考虑同一研究内多个估计的聚类。偏好性量表包括EQ-5D、健康效用指数（HUI）、六维健康调查简表（SF-6D）和健康良好状态量表（QWB）。鉴于预期异质性，合并估计用于描述报告HSUVs的变异。结果：共纳入44篇文章，提供5类量表的186个效用估计。不同量表间HSUVs存在显著变异，且BMI与吸烟类别呈现一致模式。相对于EQ-5D-3L，HUI、SF-6D和QWB产生系统性更低的效用值；EQ-5D-5L在BMI模型中产生更高值，但吸烟模型中的相应估计无统计学显著性。量表类别相关变异（亦可能反映相关估值和推导差异）与BMI及吸烟类别差异相当，部分情况下更大，但研究间异质性仍显著（I² > 90%）。与正常体重者相比，体重不足、超重或肥胖者HSUVs更低；与从不吸烟者相比，既往吸烟者和当前吸烟者HSUVs更低。既往吸烟者报告值低于当前吸烟者，符合选择效应。饮酒研究过少，无法支持可靠的按量表分层合并，且各饮酒类别报告值明显重叠。结论：报告HSUVs跨偏好性量表呈系统性变异，其差异与行为风险因素相关差异相当，部分情况下更大。由于量表版本、值集、估值方法、映射程序和人群特征无法完全区分，这些差异应解释为更广泛的效用测量和估值方法差异，而非独立量表效应。效用来源选择应透明论证，与相关参考案例建议一致，并在存在替代可信输入时通过敏感性分析探索。

1 引言
慢性病是全球疾病负担、死亡和卫生支出的重要来源，许多慢性病具有可改变的行为风险因素，包括体重、烟草使用和饮酒。针对这些风险因素的预防性干预日益受到卫生系统重视，其评价常需决策分析模型以外推长期成本和健康结局。成本-效用分析通常以质量调整生命年（QALYs）量化健康结局，需使用健康状态效用值（HSUVs），其多来源于偏好性多属性效用工具（MAUIs），如EQ-5D系列、健康效用指数（HUI）、六维健康调查简表（SF-6D）、健康良好状态量表（QWB）和15维度（15D）工具。该研究将健康相关生活质量（HRQoL）界定为更广泛的健康与功能构念，将偏好性量表生成的偏好加权评分称为HSUVs。由于MAUIs在描述系统、反应水平、标度属性和估值方法上不同，HSUVs跨量表不具直接可比性；但应用环境中这种变异相对行为风险因素亚组差异的大小仍不明确。该研究以身体质量指数（BMI）、吸烟和饮酒为应用背景，旨在量化并比较报告HSUVs跨效用测量方法和行为风险类别的变异，并讨论其对经济评价中效用输入解释与选择的意义。行为风险因素HSUVs反映多种通路关联，并非因果效应。

2 方法
2.1 研究设计
该研究为系统综述和Meta分析，遵循PRISMA、MOOSE及NICE关于HSUVs识别、评价和合成的指南，方案注册于PROSPERO。研究期间方案修订包括将检索期延长至2024年12月31日，并增加基于Meta回归的事后亚组分析。

2.2 检索策略
检索策略由研究人员与研究馆员协商制定，涵盖慢性病行为风险因素和HSUVs相关关键词。两名作者独立检索PubMed、Embase、Web of Science和EconLit，初始检索2009年1月1日至2023年10月11日，后更新至2024年12月31日。起始日期用于反映当代HRQoL测量与估值方法，包括EQ-5D-5L等较新工具的应用。研究还通过前后向引文检索补充文献，结果导入EndNote和Systematic Review Accelerator去重，并在Rayyan中筛选。两名作者独立完成题录和全文资格评估，记录排除原因；数据提取由一名作者完成，另一名作者随机核查10%。偏倚风险由两名作者独立评估，分歧通过共识解决。

2.3 纳入与排除标准
纳入报告经验证MAUIs所得行为风险因素HSUVs的研究，工具包括EQ-5D-3L、EQ-5D-5L、HUI（HUI2和HUI3）、SF-6D（SF-12或SF-36来源的SF-6D和SF-6Dv2）、QWB、AQoL（AQoL-4D、AQoL-6D和AQoL-8D）及15D。研究聚焦BMI、吸烟和饮酒三类常用暴露；饮食和体力活动因测量与定义异质性未纳入。纳入人群为基础观察性成人研究，排除行为风险因素干预临床试验及直接 elicitation 方法研究。18岁以下参与者研究仅当至少80%样本为成人时纳入。数据提取包括未调整组均值、标准误和样本量；仅报告协变量调整效用且无法推导组均值的研究不进入定量合成。

2.4 数据提取
提取内容包括量表及版本、国家特异性值集、值集估值方法、效用推导方式（直接计算抑或映射/交叉映射）、作者、年份、国家、地理范围、平均年龄、女性比例、施测方式、数据收集模式和抽样策略等。BMI按体重不足（< 18.5 kg/m²）、正常体重（18.5–24.9 kg/m²）、超重（25–29.9 kg/m²）和肥胖（≥ 30 kg/m²）分类；吸烟和饮酒类别按各研究报告定义提取，酒精分析要求类别大致可比。同一研究多个估计按研究标识聚类；同一研究内同一量表家族多版本估计保留优先常用版本，以避免重复计数。

2.5 偏倚风险评估
由于缺乏HSUVs研究专用验证工具，采用适用于患病率研究的偏倚风险评估工具，涵盖抽样方法、代表性和结局测量等领域，并以HSUVs情境解释结局测量条目。工具包括外部效度、内部效度和总体偏倚风险评分；总体分为低（≥ 8项低风险）、中（6–7项）和高（≤ 5项）。HSUVs特定方法学特征，如量表选择、值集、估值方法和映射程序，主要作定性考虑。

2.6 数据合成
采用随机效应Meta分析按量表和风险因素类别估计合并HSUVs，报告点估计、95%置信区间（CI）和95%预测区间（PI），以I²评估研究间异质性。EQ-5D-3L和EQ-5D-5L分别分析；其他量表按家族合并，如HUI2/HUI3归为HUI、SF-6D/SF-6Dv2归为SF-6D。按所施测的偏好性描述系统分类，EQ-5D-5L描述系统但经交叉映射至EQ-5D-3L值集者归为EQ-5D-5L并标识为交叉映射推导。采用混合效应Meta回归分别拟合BMI和吸烟模型，纳入风险因素类别和HRQoL量表类型，研究层面随机截距处理聚类，使用限制最大似然估计。敏感性分析包括排除交叉映射EQ-5D-5L估计、以EQ-5D-5L为参照重新拟合、以及额外调整数据收集模式。Meta回归限于至少10项研究可用的风险因素；未评估发表偏倚。

3 结果
3.1 研究选择
初始检索获得9452篇文章，去重及筛选后，初始检索37篇符合标准；更新检索去重后1057条记录，经筛选和引文补充后新增7项合格研究。最终共筛选6568条记录，纳入44篇文章。

3.2 纳入研究特征
44篇文章提供186个HSUV估计，涵盖5类量表；因一项研究报告两个独立调查波次，形成45个研究样本，其中两项研究共用同一调查并合并为一个研究标识，最终为44项研究，43项进入定量合成。每项研究贡献1–20个估计，中位数3.5个。EQ-5D-3L用于23项研究，EQ-5D-5L用于16项，SF-6D用于9项，HUI用于3项，QWB用于1项；部分研究使用多于一种量表。EQ-5D-5L类别中3项研究采用交叉映射至EQ-5D-3L值集。未发现使用AQoL或15D的合格研究。BMI（27项）和吸烟（26项）研究多于饮酒（8项）。多数研究通过面对面访谈收集（27项，61%）且为访员施测（29项，66%）。量表版本在44项研究中均可识别；值集报告34项（77%），估值方法报告17项（39%）；41项（93%）由施测偏好性量表直接计算效用，3项（7%）为EQ-5D-5L交叉映射。平均年龄51岁，女性平均比例53%；研究多来自东亚和太平洋（23项，52%）及欧洲和中亚（13项，30%）；概率抽样34项（77%），非概率抽样8项（18%），未报告2项（5%）。

3.3 偏倚风险评估
多数研究为低偏倚风险（30项，68%），13项（30%）为中等风险，1项（2%）为高风险。最常见偏倚来源为参与率和条目应答率信息缺失，难以评估无应答偏倚；偏倚最低的条目包括研究工具类型、病例定义和患病期长度。

3.4 按行为风险因素分层并按量表类型分层的合并HSUVs
不同量表间HSUVs存在显著变异，BMI和吸烟类别模式一致。各BMI类别中，EQ-5D量表所得HSUVs通常高于HUI、SF-6D和QWB。例如正常体重者中，EQ-5D-5L均值0.908（95% CI 0.879–0.937），QWB为0.690（95% CI 0.674–0.706），EQ-5D-3L为0.883（95% CI 0.857–0.909），HUI为0.857（95% CI 0.826–0.887），SF-6D为0.782（95% CI 0.746–0.817）；超重和肥胖类别呈类似梯度。从不吸烟者中，EQ-5D-3L为0.906（95% CI 0.854–0.958），EQ-5D-5L为0.903（95% CI 0.874–0.932），HUI为0.870（95% CI 0.863–0.877），SF-6D为0.735（95% CI 0.620–0.850）；既往和当前吸烟者呈类似模式。饮酒仅8项研究、17个估计，涉及EQ-5D-3L、EQ-5D-5L和SF-6D，多数量表-类别层仅1–2项研究，无法可靠分层合并；报告值在从不饮酒者0.759–0.961、既往饮酒者0.700–0.918、当前饮酒者0.755–0.991之间，范围明显重叠。量表内亦见风险因素梯度：正常体重者效用通常最高，肥胖者最低；吸烟类别梯度非单调，EQ-5D-3L、EQ-5D-5L和HUI中既往吸烟者合并值低于当前吸烟者，SF-6D则相反。所有分析研究间异质性显著（I²多>90%，多数>95%），预测区间较宽，合并均值宜解释为文献报告值范围总结，而非特定分析可直接使用的效用估计。

3.5 研究内多量表比较证据
同一人群中报告多量表的研究提供了较少受研究间异质性影响的证据。Bentley等报告各BMI类别中EQ-5D-3L效用高于HUI、SF-6D和QWB，差异可达0.20–0.21；Gan等发现吸烟类别中EQ-5D-3L高于HUI3约0.05–0.06；Nikl等报告EQ-5D-5L高于SF-6D，BMI差异0.14–0.19、吸烟差异0.13–0.20；Xie等报告体重不足者EQ-5D-5L高于SF-6Dv2，差异0.067。这些研究内比较为量表间系统差异提供了最直接证据。

3.6 按行为风险因素和量表类型的HSUV变异Meta回归
多变量Meta回归显示HRQoL量表类型与HSUVs变异相关，但不同量表和模型间幅度与证据强度不同。BMI模型中，相对于EQ-5D-3L，EQ-5D-5L与更高效用相关（β = 0.055，95% CI 0.043–0.066），HUI（β = ?0.057，95% CI ?0.071至?0.043）、SF-6D（β = ?0.077，95% CI ?0.087至?0.067）和QWB（β = ?0.207，95% CI ?0.218至?0.196）与更低效用相关；量表相关差异与BMI类别差异相当或更大。与正常体重相比，体重不足（β = ?0.036，95% CI ?0.040至?0.032）、超重（β = ?0.014，95% CI ?0.015至?0.013）和肥胖（β = ?0.063，95% CI ?0.064至?0.061）效用更低，呈非线性梯度。吸烟模型中，既往吸烟（β = ?0.017，95% CI ?0.019至?0.015）和当前吸烟（β = ?0.005，95% CI ?0.007至?0.004）均低于从不吸烟，既往吸烟降幅更大；HUI（β = ?0.051，95% CI ?0.059至?0.043）和SF-6D（β = ?0.166，95% CI ?0.218至?0.113）低于EQ-5D-3L，EQ-5D-5L系数无统计学显著性（β = ?0.018，95% CI ?0.070至0.034）。调整行为风险因素类别后，效用测量方法相关差异仍存在。

3.7 敏感性分析
排除3项交叉映射EQ-5D-5L研究后，Meta回归系数变化可忽略，关联方向、幅度和统计解释不变。以EQ-5D-5L为参照重新拟合模型后，风险因素系数、方差成分和模型拟合相同，仅参数化改变。额外调整数据收集模式未实质性改变主要发现；电话施测与面对面无显著差异，在线或邮寄施测仅在BMI模型中与略低效用相关。总体提示主要结果未受调查模式调整的实质影响，但调查模式仅代表异质性来源之一。

4 讨论
该研究是较早同时考察HSUVs跨效用测量与估值方法变异及行为风险类别变异的合成研究之一。合并分析和Meta回归显示，BMI模型中EQ-5D-5L估计一般高于EQ-5D-3L，吸烟模型中版本差异较不一致；HUI、SF-6D和QWB估计一般较低。预期行为梯度亦存在，肥胖者及既往和当前吸烟者效用较低。效用测量与估值方法相关差异常与行为风险类别差异相当或更大；例如BMI模型中SF-6D与EQ-5D-3L差异（?0.077）超过正常体重与肥胖差异（?0.063），QWB与EQ-5D-3L差异（?0.207）超过其三倍；吸烟模型中HUI与EQ-5D-3L差异（?0.051）超过从不吸烟与既往吸烟差异（?0.017）。但这些比较涉及概念不同的变异来源，应作为描述性基准而非等效效应。研究间异质性显著，I²多超过95%，预测区间常宽于置信区间，合并估计主要用于说明文献报告HSUVs变异范围。量表相关差异不能完全归因于量表本身，因为量表版本、国家值集、估值方法、映射或交叉映射程序及人群特征存在差异且报告不完整，地理变异亦可能贡献异质性；量表系数应解释为更广泛效用测量与估值方法差异。研究内多量表比较模式与合并分析大体一致，提示部分变异不太可能仅由人群或环境差异解释。系统差异与既往证据一致，量表在健康域、反应水平粒度、标度属性和估值方法上不同，国家值集及版本更新亦可导致同一健康状态获得不同效用。行为风险因素梯度在测量变异下仍存在；既往吸烟者低于当前吸烟者可能反映反向因果和选择效应，而非吸烟保护作用。饮酒证据稀疏，且存在“病态戒酒者”选择效应，无法可靠考察量表相关变异。NICE等参考案例推荐EQ-5D，但数据中偏好性量表并非一致收集，替代工具或映射估计常用；效用输入差异的实际意义取决于模型结构、疾病领域、基线效用和增量健康获益，该研究未开展决策分析模型，故对QALYs和成本-效果结果的影响仍属推断。实践中应透明论证效用来源选择，参考案例优先量表应用于主分析，并在敏感性分析中检验替代可信输入；映射效用可能继承目标量表的系统差异并增加模型设定和预测误差不确定性。文献尚缺乏按多种风险因素联合分层报告的HSUVs，联合风险效用组合方法可能产生显著不同估计。局限包括值集和估值方法报告不一致、量表版本合并可能掩盖版本差异、偏倚工具非HSUVs专用、异质性大、未调整年龄和共病、部分量表及饮酒证据少、观察性研究限制因果解释，且未实证评价成本-效果影响。

5 结论
该综述显示报告HSUVs跨效用测量与估值方法存在显著变异，量表类型、值集及相关方法学特征相关差异常与行为风险因素类别差异相当。高异质性限制将差异单独归因于量表选择，且未评估对成本-效果结果的下游影响；结果支持现有指南建议，即经济评价中应审慎考虑效用来源选择，透明报告估值方法，并在敏感性分析中探索替代效用输入。