2024年全国药师人力调查（NPWS）加权方法的开发与评价[idx_note_5_hidden_begin]（注：根据搜索结果，American Community Survey标准中文译名为“美国社区调查”，post-stratification weighting专业译法为“事后分层加权”，raking在抽样调查加权中译为“迭代比例配适”或“rim加权”，workforce study在药学领域译为“人力调查”或“从业人员调查”）[idx_note_5_hidden_end]

《Research in Social and Administrative Pharmacy》：Development and Evaluation of Weighting Methods for the 2024 National Pharmacist Workforce Survey

　　

背景：事后分层(post-stratification)加权可调整样本应答者特征使其与总体水平特征相一致。开发并评价加权方法以减少样本与总体特征间的偏倚，能够改进工作及工作生活特征的估计。目的：（1）考察2024年全国药师人力研究（National Pharmacist Workforce Study，NPWS）应答者与总体水平数据源在人口学变量分布上的差异，并计算各变量的比例权重(proportional weights)；（2）利用比例权重开发并应用五种加权方法，检验加权后样本与总体比例间的拟合优度；（3）量化加权与未加权样本在工作及工作生活特征估计上的差异。方法：研究人员利用美国社区调查（American Community Survey，ACS）总体特征（地区、性别、5岁年龄组、种族、双向年龄组×性别），评估了两类加权途径：仅使用比例权重的两种途径，以及结合比例权重与raking（迭代比例配适）的三种途径。借助拟合指数(fit index)评价加权样本与总体比例间的拟合优度。研究人员比较了六种工作特征与两种工作生活特征的未加权与加权估计。结果：未加权的NPWS应答样本低估了年轻、男性及非白人药师的代表度。采用双向性别×年龄组、地区、性别及种族的raking所产生的权重拟合最优。加权使工作及工作生活特征的估计发生偏移，方向与年龄及性别效应假设一致。结论：通过raking计算的事后分层权重提升了2024年NPWS应答样本的代表性，并精炼了药师工作特征的估计。NPWS数据分析可采用加权以提高估计准确性。

该研究发表在《Research in Social and Administrative Pharmacy》。研究背景方面，全国药师人力研究（National Pharmacist Workforce Study，NPWS）自2000年起定期开展，自2019年起采用电子邮件发送链接的网络调查方式面向大规模持证药师抽样收集数据。由于网络调查送达大样本后的低应答率及非应答偏倚（non-response bias），样本特征相对总体水平常出现过度代表或代表不足的情形。既往针对2019年后NPWS轮次的非应答偏倚评估显示，应答样本持续低估年轻药师、男性药师以及美国南部与东北部地区持证药师的代表度。年龄与性别很可能关联于工作特征（如工作场所、工作量、薪酬）及工作生活结局（如压力感知、工作负荷、工作满意度、职业满意度），因此应答偏倚会导致工作特征与点估计产生偏倚，进而引发错误结论与不当政策。目前尚无研究针对NPWS应答样本开发并评价事后分层（post-stratification）加权方法来消减样本相对于总体特征的过度代表与代表不足；而护士与医师抽样调查已有类似加权方法开发先例。既往药师领域比对多依赖全国药师执照数据，其包含特征有限且无法区分是否实际从事药学实践（actively practicing pharmacy），不利于针对核心从业群体的加权校正。因此研究人员开展本研究，旨在开发、应用并评价不同事后分层加权途径来调整2024年NPWS样本，使其与总体水平特征更好匹配，从而减小点估计偏倚。

研究人员为开展研究用到几个主要关键技术方法：样本来源于2024年NPWS中自述为actively practicing pharmacist（实际从事药学实践的药师）的美国应答者；总体水平数据来源于2023年美国社区调查（American Community Survey，ACS），因2024年ACS数据在分析时尚未发布；ACS中约15.9%标记为“药师”的个案因不符合教育及年龄要求被剔除（可能为普查局编码员将药学技术员等误分类为药师）；研究人员选取的人口学辅助变量包括地区（region）、性别（gender）、5岁年龄组（five-year age categories）、种族（race）、双向年龄组×性别（two-way age category × gender）；加权方法开发了五类：两类仅基于比例权重（proportional weights）（分别基于单变量边际比例、基于双向交叉分类边际比例），三类结合比例权重与raking（迭代比例配适）（变量组合分别为：地区+性别+种族；地区+性别+种族+双向年龄×性别；双向年龄×性别+地区+性别+种族）；拟合优度采用拟合指数（fit index）比较加权后样本边际比例与ACS总体边际比例；加权效果进一步通过对比六种工作特征与两种工作生活特征的未加权与加权点估计来评判。

结果部分保留小标题并简述如下：Data Sources（数据来源）：研究人员明确NPWS 2024应答样本限定为美国actively practicing pharmacists，ACS 2023作为总体基准，并对ACS中药师误分类个案进行剔除，形成可比的总体分布。Results（结果）：未加权NPWS样本在年轻药师、男性药师、非白人药师及中西部以外部分地区代表度偏低，女性、年长、白人、中西部药师过度代表；五种加权方法中，采用raking且变量组合为双向性别×年龄组、地区、性别、种族者所得权重使加权后样本边际比例与ACS总体拟合最优（拟合指数最小）；将权重应用于NPWS数据后，六种工作特征与两种工作生活特征的点估计发生偏移，方向与年龄（年轻药师倾向于不同工作模式与待遇）、性别（男性与女性药师工作特征差异）效应假设一致，表明加权校正了原偏倚方向。Discussion（讨论）：本研究首次将全国药师人力调查应答样本特征与美国社区调查提供的从业药师总体特征系统进行比对；结果显示未加权NPWS过度代表女性、年长、白人及中西部药师，与既往非应答偏倚评估趋势一致；raking方法在同时纳入双向交互分类（年龄×性别）及主变量（地区、性别、种族）时优于仅用比例权重或较少变量的raking；加权改变了工作及工作生活特征的点估计，说明原未加权估计确有偏倚；研究人员指出ACS本身为样本调查且依赖美国普查局计算的总体权重而非“已知”真值，且药师职业编码可能存在残留误分类，此为局限；此外NPWS自我报告可能引入测量误差，ACS与NPWS对变量定义（如地区划分、种族分类）需对齐后方可加权。Conclusion（结论）：2024年NPWS中实际从事药学实践的药师应答样本过度代表女性药师、年长药师、白人药师及中西部药师；采用raking并纳入地区、年龄、性别及性别×5岁年龄组的加权流程使样本数据与总体水平数据拟合最优；将调查权重应用于样本会改变工作特征及工作生活特征的点估计，提升NPWS数据分析的准确性，后续NPWS数据分析可采用此类加权以改进估计精度。