数据来源获取不平等对法国结直肠癌筛查项目参与率估计的影响

《BMC Health Services Research》：Impact of medical exclusion data sources on population-based colorectal cancer screening round participation in France: a counterfactual analysis

　　

摘要

背景

法国人群结直肠癌筛查项目的常规参与率（参与率）仍低于欧洲目标。一个尚未充分探索的因素是用于排除医学不合格人群的数据来源在获取方面的异质性，这可能会影响参与率估计的准确性。

方法

我们利用法国公共卫生局（Santé publique France）的汇总筛查轮次数据和2021年全国调查中的省级排除实践信息，对法国60个省份开展了一项回顾性生态学研究。我们评估了三种外部数据来源——初级医疗保险数据、医院患病数据和癌症登记数据——的获取时长与粗略医学排除率（排除率）之间的关联。由于参与率会受到排除判定的机械影响，我们将参与率和目标人口中的筛查比例（筛查比例）作为互补结果进行分析。采用混合效应模型和基于模型的假设性推算，估计在两种更持续获取提供方数据的假设情景下筛查指标可能如何演变：情景一：2010至2023年间曾使用过提供方数据的省份持续不间断使用该数据至2023年；情景二：所有省份自2010年起持续使用提供方数据。

结果

在60个省份中，21个省份使用提供方数据，平均使用时长为6.8年。更长时间使用初级医疗保险数据（β = 0.35[0.24; 0.47]）和医院患病数据（β = 0.14[0.04; 0.24]）与更高的排除率相关，而癌症登记数据未显示独立关联。拥有提供方数据获取渠道的省份报告了更高的参与率，但这一差异部分反映了合格人群的更完整界定。筛查比例的补充分析表明，实际筛查参与的变化更为有限。总体而言，基于模型的推算表明，在情景二下，更持续地获取提供方数据将使报告的排除率提高6个百分点，报告的参与率提高2个百分点。

结论

对排除数据来源获取的不平等可能导致医学排除的低检出不，并降低了各省份参与率指标之间的可比性。公平获取提供方数据并利用国家卫生数据系统（SNDS，"Système national des données de santé"）数据进行标准化排除算法，将有助于改善项目评估和政策规划。

背景

法国人群结直肠癌筛查项目的常规参与率（参与率）仍低于欧洲目标。一个尚未充分探索的因素是用于排除医学不合格人群的数据来源在获取方面的异质性，这可能会影响参与率估计的准确性。

方法

我们利用法国公共卫生局（Santé publique France）的汇总筛查轮次数据和2021年全国调查中的省级排除实践信息，对法国60个省份开展了一项回顾性生态学研究。我们评估了三种外部数据来源——初级医疗保险数据、医院患病数据和癌症登记数据——的获取时长与粗略医学排除率（排除率）之间的关联。由于参与率会受到排除判定的机械影响，我们将参与率和目标人口中的筛查比例（筛查比例）作为互补结果进行分析。采用混合效应模型和基于模型的假设性推算，估计在两种更持续获取提供方数据的假设情景下筛查指标可能如何演变：情景一：2010至2023年间曾使用过提供方数据的省份持续不间断使用该数据至2023年；情景二：所有省份自2010年起持续使用提供方数据。

结果

在60个省份中，21个省份使用提供方数据，平均使用时长为6.8年。更长时间使用初级医疗保险数据（β = 0.35[0.24; 0.47]）和医院患病数据（β = 0.14[0.04; 0.24]）与更高的排除率相关，而癌症登记数据未显示独立关联。拥有提供方数据获取渠道的省份报告了更高的参与率，但这一差异部分反映了合格人群的更完整界定。筛查比例的补充分析表明，实际筛查参与的变化更为有限。总体而言，基于模型的推算表明，在情景二下，更持续地获取提供方数据将使报告的排除率提高6个百分点，报告的参与率提高2个百分点。

结论

对排除数据来源获取的不平等可能导致医学排除的低检出，并降低了各省份参与率指标之间的可比性。公平获取提供方数据并利用国家卫生数据系统（SNDS，"Système national des données de santé"）数据进行标准化排除算法，将有助于改善项目评估和政策规划。