《Healthcare》：Analysis of Health-Related Quality of Life in Multiple Sclerosis: A Bayesian Quantile LASSO Approach
编辑推荐：
背景/目的：多发性硬化症（MS）是一种复杂的慢性自身免疫性神经炎症性疾病，显著影响患者的健康相关生活质量（HRQoL）并增加医疗成本负担。然而，由于异常值的存在，量化MS与非MS人群之间协变量调整差异的证据有限，频率学派方法可能无法充分处理这些问题。因此，本研
背景/目的：多发性硬化症（MS）是一种复杂的慢性自身免疫性神经炎症性疾病，显著影响患者的健康相关生活质量（HRQoL）并增加医疗成本负担。然而，由于异常值的存在，量化MS与非MS人群之间协变量调整差异的证据有限，频率学派方法可能无法充分处理这些问题。因此，本研究旨在使用稳健的贝叶斯方法，比较MS患者与非MS人群的医疗支出和HRQoL。方法：这项回顾性横断面研究纳入了2017–2022年医疗支出小组调查（MEPS）数据中年龄≥18岁的MS患者和非MS成人。研究人员应用贝叶斯分位数LASSO（BQL）在三个分位数水平下检验MS与不同响应变量之间的关联。使用带有吉布斯采样的马尔可夫链蒙特卡洛（MCMC）从模型参数的后验分布中估计系数。还评估了MCMC链的收敛性，以确保后验估计的可靠性和稳定性。作为比较，也采用了贝叶斯LASSO和多元广义线性模型（GLMs）进行预测和估计。结果：BQL结果显示，在医疗支出方面，分位数水平0.5下，诊断为MS的患者的估计总医疗支出比非MS人群高出29,860.11美元（95%可信区间：27,826.96至31,825.63）。在中位数分位数下，MS与VR-12心理成分的系数为-3.16（95%可信区间：-4.31至-2.07），呈负相关。与无MS个体相比，MS患者在0.5分位数下VR-12身体成分得分低13.40分（95%可信区间：-14.56至-12.19）。在中位数分位数下，BQL对医疗支出、VR-12心理成分和身体成分的预测误差分别为6723.86、6.57和6.41。结论：在检验MS的医疗成本和HRQoL时，分位数水平为0.5的BQL显示出最低的样本内预测误差。
多发性硬化症（MS）是一种慢性自身免疫性神经炎症性疾病，严重影响患者的健康相关生活质量（HRQoL）并增加医疗成本负担。尽管已有研究探索了MS患者的临床轨迹和治疗相关支出，但量化与非MS人群相比的医疗成本和HRQoL差异的证据仍有限，且现有研究多依赖传统统计方法，未能充分处理医疗支出和HRQoL数据中常见的重尾分布和异常值。传统最小二乘回归对异常值敏感，且仅关注条件均值，无法揭示不同分位数水平下的异质性效应。因此，本研究旨在应用贝叶斯分位数LASSO（BQL）方法，稳健地估计MS对医疗支出、VR-12心理成分（MCS）和身体成分（PCS）的协变量调整差异，并在三个分位数水平（0.25、0.5、0.75）下进行比较。研究人员利用2017–2022年医疗支出小组调查（MEPS）数据，纳入310名MS患者和97,853名非MS成人，采用BQL进行估计和预测，并与贝叶斯LASSO（BL）和多元广义线性模型（GLM）对比。研究发现，BQL在0.5分位数下具有最低的样本内预测误差，且MS患者医疗支出显著更高（中位数增加约29,860美元），MCS和PCS得分显著更低（分别降低3.16和13.40分），突显了MS的显著经济和临床负担。该论文发表在《Healthcare》。
本文主要采用以下关键技术方法：基于2017–2022年医疗支出小组调查（MEPS）数据，构建了贝叶斯分位数LASSO（BQL）模型，该模型采用偏斜拉普拉斯分布（SLD）似然函数和拉普拉斯先验，通过马尔可夫链蒙特卡洛（MCMC）与吉布斯采样进行后验推断，并在三个分位数水平（0.25、0.5、0.75）下分析。同时，采用贝叶斯LASSO（BL）和多元广义线性模型（GLM）作为对比方法。通过潜在尺度缩减因子（PSRF）、迹图和有效样本量（ESS）评估收敛性，并通过改变超参数进行敏感性分析。
**3.1 描述性数据**
通过比较MS组与非MS组的基线特征，发现MS患者平均年龄更大（56.9岁 vs. 51.6岁），女性比例更高（76.1% vs. 54.5%），非西班牙裔白人占比更高（76.1% vs. 57.1%），教育水平较高，已婚比例较高，私人保险覆盖率较低，公共保险覆盖率较高，且合并症负担更重（平均Elixhauser合并症指数（ECI）为2.04 vs. 1.45）。这些差异提示需在后续分析中调整协变量。
**3.2 识别结果**
BQL在0.5分位数下对医疗支出的估计显示，MS患者比非MS人群的医疗支出高29,860.11美元（95%可信区间：27,826.96至31,825.63）。对于VR-12心理成分（MCS），BQL在0.5分位数下估计MS导致得分降低3.16（95%可信区间：-4.31至-2.07）。对于VR-12身体成分（PCS），MS导致得分降低13.40（95%可信区间：-14.56至-12.19）。这些结果均在调整协变量后得出，表明MS与更高的医疗支出和更差的HRQoL显著相关。
**3.3 预测**
BQL在0.5分位数下对医疗支出、MCS和PCS的样本内最小绝对偏差（LAD）预测误差分别为6,723.86、6.57和6.41，均低于BL和GLM的相应误差（如医疗支出误差为8,178.72和8,173.11）。这表明BQL对偏斜和异质性数据的预测性能更优。
**3.4 收敛性**
通过潜在尺度缩减因子（PSRF）和迹图评估，所有BQL模型的PSRF值均低于1.1，迹图显示平稳波动，有效样本量（ESS）充足（多数超过400），表明马尔可夫链已充分收敛，后验估计可靠。
**3.5 敏感性分析**
通过改变全局收缩参数λ的Gamma先验超参数（a=0.5, b=0.5；a=1, b=0.5；a=0.5, b=1），BQL的系数估计和预测误差与原始设定高度一致，表明模型对先验假设稳健，结论不受超参数选择影响。
讨论部分指出，BQL在处理偏斜和包含异常值的医疗结果数据方面优于传统方法，中位数分位数提供了稳定的中心趋势估计。MS患者医疗支出显著升高，MCS和PCS得分显著降低，其中PCS的13分下降超过了0.5个标准差（约5分）的临床意义阈值，而MCS的3分下降未达到该阈值，提示身体HRQoL的差异更具临床意义。研究局限性包括横断面设计无法推断因果关系、潜在残余混杂、MS诊断依赖行政编码可能存在误分类、样本量相对较小、未纳入MEPS权重导致非全国代表性、以及未处理重复测量的人内相关性。未来研究可扩展到纵向或高维数据，并整合结构化先验和分层建模。
结论：由于医疗数据中常见的偏斜结果，BQL被用于分析MEPS数据，以提供跨结果分布不同分位数水平的可靠估计。通过在稳健似然框架中纳入收缩先验，BQL有效捕捉了异质性和偏斜性，产生了准确的估计和有效的推断。研究结果表明，与非MS成人相比，MS患者的医疗支出显著更高，HRQoL（包括身体和心理）显著更低，突显了MS相关的巨大经济和临床负担。本研究展示了BQL在分析观察性医疗数据中偏斜和异质性结果方面的适用性。未来研究可将此贝叶斯框架扩展到纵向或高维医疗数据，整合结构化先验和分层建模，以改善对复杂慢性疾病的预测。
