स्वास्थ्य अर्थमिति

स्वास्थ्य अर्थशास्त्र में यह क्यों महत्वपूर्ण है

एक स्वास्थ्य नेता का लगभग हर निर्णय एक कारण दावे पर टिका है: यह दवा मृत्यु दर घटाती है, उस क्लिनिक ने भर्तियाँ कम कीं, इस भुगतान सुधार ने प्रतीक्षा समय घटाया। दावा बताना आसान है और अर्जित करना कठिन। मरीज़ों के दो समूह एक परिणाम में भिन्न होते हैं, पर वे किसी के हस्तक्षेप करने से पहले भी भिन्न थे — बीमार लोग अधिक देखभाल चाहते हैं, धनी क्षेत्र पहले नए कार्यक्रम अपनाते हैं, प्रेरित क्लीनिक पायलटों के लिए स्वेच्छा से आगे आते हैं। मूल समस्या यह है कि हम कभी नहीं देखते कि उपचारित समूह का क्या होता यदि यह अनुपचारित रहता। इस विषय में सब कुछ उस अनुपस्थित तुलना का ईमानदारी से अनुमान लगाने के बारे में है।

दांव सार्वजनिक धन और जीवन हैं। एक आत्मविश्वासपूर्ण पर ग़लत कारण दावा एक बजट को एक ऐसे हस्तक्षेप की ओर भेजता है जो कुछ नहीं करता, या एक ऐसे को वापस लेता है जो चुपचाप जीवन बचा रहा था; दोनों ग़लतियों का भुगतान परिणामों में होता है, केवल मुद्रा में नहीं। जब एक राष्ट्रीय भुगतानकर्ता एक क्षेत्रीय मूल्यांकन की ताक़त पर एक कार्यक्रम को राष्ट्रव्यापी शुरू करने का निर्णय लेता है, तो उस मूल्यांकन के कारण तर्क की गुणवत्ता एक सफलता को बढ़ाने और एक भ्रम को बढ़ाने के बीच का अंतर है। नेता शायद ही कभी विश्लेषण स्वयं चलाते हैं, पर वे इसे कमीशन करते हैं, वित्तपोषित करते हैं, और इस पर कार्य करते हैं — जिसका अर्थ है कि आकलन कौशल उनका अपना है।

यह विषय जान-बूझकर कोई सांख्यिकी पाठ्यपुस्तक नहीं है (पुस्तक की दायरा सीमाएँ देखें)। यह कोई अनुमानक व्युत्पन्न नहीं करेगा या सॉफ़्टवेयर की सिफ़ारिश नहीं करेगा। इसका काम आपको बताना है कि हर विधि किसके लिए है, एक कारण दावा कब आपके भरोसे का हक़दार है, और अर्थमितीय कार्य को कैसे कमीशन और आकलन करें ताकि आप न तो एक परिष्कृत मॉडल से मूर्ख बनें और न ही अच्छे साक्ष्य को ख़ारिज करें। जहाँ विश्लेषण एक निर्णय-विश्लेषणात्मक मॉडल को खिलाता है जो डेटा से परे विस्तार करता है, वह मशीनरी विषय 2.2 — मॉडलिंग से संबंधित है; यहाँ हम अनुमान के साथ ही रहते हैं और क्या यह कारणात्मक है।

मूल अवधारणाएँ

स्वास्थ्य अर्थमिति संबंधों को मापने और, सबसे बढ़कर, कारण अनुमान का समर्थन करने के लिए स्वास्थ्य और स्वास्थ्य-देखभाल डेटा पर सांख्यिकीय विधियों का अनुप्रयोग है — यह स्थापित करने का प्रयास कि एक चीज़ में परिवर्तन दूसरे में परिवर्तन का कारण बनता है, केवल इसके साथ चलने के बजाय। यह अनुशासन इसलिए मौजूद है क्योंकि स्वास्थ्य डेटा में सहसंबंध प्रचुर और भ्रामक है, और क्योंकि वह साफ़ प्रयोग जो प्रश्न को सुलझा देगा अक्सर असंभव, अनैतिक, या वहन न करने-योग्य है।

केंद्रीय बाधा भ्रम है: एक तीसरा कारक जो प्रभावित करता है कि किसे एक हस्तक्षेप मिलता है और वे किस परिणाम का अनुभव करते हैं, एक ऐसा संबंध बनाते हुए जो कारणात्मक नहीं है। एक नए थक्का-रोधी पर मरीज़ पुराने वाले की तुलना में कम रक्तस्राव कर सकते हैं इसलिए नहीं कि दवा सुरक्षित है बल्कि इसलिए कि सतर्क निर्धारकों ने इसे कम-जोखिम वाले मरीज़ों को दिया। आयु, अभाव, बीमारी की गंभीरता, और चिकित्सक निर्णय स्वास्थ्य डेटा में निरंतर भ्रामक कारक हैं, और जिन्हें आप माप सकते हैं वे शायद ही कभी वे होते हैं जो सबसे अधिक मायने रखते हैं।

निकटता से संबंधित है चयन पूर्वाग्रह: आपके उपचारित और तुलना समूहों में लोगों को एक प्रक्रिया द्वारा उनमें छाँटा गया था — स्व-चयन, नैदानिक ट्राइएज, भूगोल, प्रशासनिक पात्रता — जो स्वयं परिणाम से संबंधित है। डिजिटल रूप से आश्वस्त लोगों द्वारा उपयोग की जाने वाली एक टेलीहेल्थ सेवा अच्छे परिणाम दिखाएगी आंशिक रूप से इसलिए क्योंकि इसके उपयोगकर्ता शुरुआत से अधिक स्वस्थ और अधिक संगठित थे। चयन डेटा से साफ़ किया जाने वाला कोई उपद्रव नहीं है; यह अक्सर पूरी कहानी है, और विधि का काम इसे निष्क्रिय करना है।

ऐसा करने के लिए स्वर्ण मानक यादृच्छिक नियंत्रित परीक्षण (RCT) है, जिसमें प्रतिभागियों को संयोग से उपचार या नियंत्रण में आबंटित किया जाता है। यादृच्छिकरण काम करता है क्योंकि, औसतन, यह उन भ्रामक कारकों को भी संतुलित करता है जिन्हें आपने सोचा और जिन्हें नहीं भी, इसलिए परिणाम में कोई भी अंतर हस्तक्षेप को श्रेय दिया जा सकता है। वे अनुशासन जो एक परीक्षण की रक्षा करते हैं — मरीज़ों का विश्लेषण उसी समूह में करना जिसमें उन्हें यादृच्छिक किया गया था, जिसे उपचार-करने-का-इरादा विश्लेषण कहा जाता है, और परिणाम को पूर्व-पंजीकृत करना — इसलिए मौजूद हैं ताकि चयन समस्या को पिछले दरवाज़े से वापस रेंगने से रोका जा सके।

परीक्षण हमेशा व्यवहार्य नहीं होते, इसलिए अधिकांश स्वास्थ्य अर्थमिति अवलोकनात्मक डेटा के साथ काम करती है और एक प्राकृतिक प्रयोग से विश्वसनीयता उधार लेती है — एक ऐसी स्थिति जहाँ प्रतिभागियों के नियंत्रण से बाहर कुछ (एक नीति रोल-आउट, एक पात्रता नियम, एक लॉटरी, एक अचानक क़ीमत परिवर्तन) यादृच्छिक आबंटन की नक़ल करता है। चार अर्ध-प्रायोगिक डिज़ाइन बार-बार आती हैं:

• अंतर-में-अंतर एक हस्तक्षेप के संपर्क में आए एक समूह के परिणामों में परिवर्तन की तुलना उसी अवधि में एक अ-उजागर तुलना समूह के लिए परिवर्तन से करता है। इसकी विश्वसनीयता "समानांतर प्रवृत्ति" धारणा पर टिकी है: कि, हस्तक्षेप की अनुपस्थिति में, दोनों समूहों के परिणाम कदम-दर-कदम साथ चलते।
• उपकरणी चर अनुमान एक ऐसे चर का उपयोग करता है जो प्रभावित करता है कि किसे उपचार मिलता है पर परिणाम पर कोई प्रत्यक्ष प्रभाव नहीं रखता सिवाय उपचार के माध्यम से — एक क्लिनिक की दूरी, एक लॉटरी संख्या, एक यादृच्छिक रूप से नियुक्त समीक्षक — उपचार में उस भिन्नता को अलग करने के लिए जो भ्रम से मुक्त है। एक वैध उपकरण खोजना वास्तव में कठिन है और पूरी तरह परखना असंभव है।
• प्रतिगमन असंततता एक तीक्ष्ण सीमा-मूल्य का शोषण करता है — एक जोखिम स्कोर, एक आयु, एक आय कटऑफ़ — जो पात्रता तय करता है। रेखा से ठीक ऊपर और ठीक नीचे के लोग हस्तक्षेप तक पहुँच को छोड़कर व्यावहारिक रूप से समान हैं, इसलिए उनकी तुलना करना एक स्थानीय प्रयोग का अनुमान लगाता है।
• पैनल डेटा विधियाँ समय के साथ उन्हीं इकाइयों (मरीज़ों, अस्पतालों, क्षेत्रों) का अनुसरण करती हैं, विश्लेषक को एक इकाई के बारे में हर उस स्थिर चीज़ के लिए नियंत्रण करने देती हैं जो कभी नहीं बदलती, और इस तरह भ्रामक कारकों की एक बड़ी श्रेणी को हटाती हैं जिसे एक भी क्रॉस-सेक्शन नहीं हटा सकता।

अंत में, अनुपलब्ध डेटा इन सबके नीचे बैठा है। मरीज़ बाहर हो जाते हैं, रिकॉर्ड अधूरे हैं, और — महत्वपूर्ण रूप से — डेटा गायब होने का कारण अक्सर परिणाम से संबंधित होता है, इसलिए अधूरे रिकॉर्ड को छोड़ना चुपचाप चयन पूर्वाग्रह को फिर से लाता है। गायबता को कैसे संभाला गया यह किसी भी अध्ययन से पूछे जाने वाले पहले प्रश्नों में से एक है।

सर्वोत्तम प्रथाएँ

1. प्रति-तथ्यात्मक से शुरू करें, विधि से नहीं। किसी के भी एक अनुमानक चुनने से पहले, प्रश्न को मजबूर करें: तुलना क्या है, और हमें क्यों विश्वास करना चाहिए कि यह हमें बताती है कि हस्तक्षेप के बिना क्या होता? हर परिणाम की विश्वसनीयता उस तुलना से बहती है, इसके ऊपर के सांख्यिकी के परिष्कार से नहीं। यदि उत्तर अस्पष्ट है, तो कोई तकनीक इसे नहीं बचाएगी।

2. डेटा एकत्र किए जाने से पहले डिज़ाइन कमीशन करें, बाद में नहीं। सबसे मज़बूत कारण दावे पहले से नियोजित डिज़ाइनों से आते हैं — एक यादृच्छिक रोल-आउट, एक पूर्व-पंजीकृत विश्लेषण, एक सहमत तुलना समूह — क्योंकि मौजूदा डेटा में एक विधि को फिर से फ़िट करना विश्लेषक को तब तक खोजते रहने के लिए आमंत्रित करता है जब तक एक चापलूसी परिणाम सामने न आए। जब आप एक मूल्यांकन वित्तपोषित करते हैं, डिज़ाइन चरण को वित्तपोषित करें और परिणाम मौजूद होने से पहले एक लिखित विश्लेषण योजना पर ज़ोर दें।

3. यादृच्छिकरण को प्राथमिकता दें जहाँ यह नैतिक और व्यवहार्य हो, चरणबद्ध रोल-आउट सहित। यदि एक कार्यक्रम सभी तक एक साथ नहीं पहुँच सकता, तो पहुँच के क्रम को लॉटरी से आबंटित करें या यादृच्छिक करें कि कौन-से स्थल पहले जाते हैं। यह एक संचालन बाधा को थोड़ी अतिरिक्त लागत पर एक विश्वसनीय प्रयोग में बदल देता है, और यह अक्सर किसी को भी उपचार से वंचित करने से अधिक बचाव-योग्य है। सबसे भरोसेमंद नीति मूल्यांकनों में से कई केवल रोल-आउट हैं जिन्हें चुनने के बजाय यादृच्छिक किया गया था।

4. हर अर्ध-प्रायोगिक डिज़ाइन को धारणाओं के एक बंडल के रूप में मानें, और उन्हें अपनी बताने के लिए कहें। अंतर-में-अंतर समानांतर प्रवृत्तियों पर जीता या मरता है; उपकरणी चर एक ऐसे उपकरण पर जो प्रासंगिक और बाह्य दोनों है; प्रतिगमन असंततता लोगों द्वारा यह छेड़छाड़ न करने पर कि वे सीमा-मूल्य के किस तरफ़ उतरते हैं। एक अच्छा विश्लेषक उस धारणा को नाम देता है जिस पर उनका परिणाम निर्भर करता है और इसके लिए साक्ष्य दिखाता है; एक कमज़ोर इसे छिपाता है। स्पष्ट रूप से पूछें, "इसके कारणात्मक होने के लिए क्या सच होना चाहिए, और आप कैसे जानते हैं कि यह है?"

5. केवल मुख्य अनुमान नहीं, मिथ्याकरण परीक्षणों की माँग करें। विश्वसनीय कारण कार्य अपने ही दावे को तोड़ने की कोशिश करता है: पूर्व-हस्तक्षेप प्रवृत्तियों को यह जाँचने के लिए प्लॉट करना कि वे समानांतर थीं, नक़ली सीमा-मूल्यों पर उछाल के लिए परीक्षण करना जहाँ कोई नहीं होना चाहिए, यह दिखाना कि उपकरण उन परिणामों की भविष्यवाणी नहीं करता जिन्हें इसे नहीं छूना चाहिए। इन जाँचों की उपस्थिति ईमानदार कार्य का संकेत देती है; इनकी अनुपस्थिति एक चेतावनी है चाहे प्रभाव कितना भी बड़ा या स्वागत-योग्य हो।

6. यह जानने पर ज़ोर दें कि अनुपलब्ध डेटा और बाहर होने को कैसे संभाला गया। पूछें कि कितने अंश विषय खो गए, क्या अनुपलब्ध देखे गए से भिन्न हैं, और विश्लेषण ने उनके बारे में क्या धारणा बनाई। "पूर्ण-मामला विश्लेषण" — चुपचाप किसी भी अंतराल वाले को हटाना — यह सबसे सामान्य तरीक़ा है जिससे चयन पूर्वाग्रह एक ऐसे अध्ययन में फिर से प्रवेश करता है जो साफ़ दिखता था। जिस दिशा में अनुपलब्ध डेटा परिणाम को धकेलेगा वह अक्सर जाना जा सकता है भले ही मूल्य स्वयं पुनःप्राप्त-योग्य न हों।

7. मॉडल को स्वास्थ्य डेटा के आकार से मिलाएँ। लागतें कुछ बहुत महँगे मरीज़ों से तिरछी हैं, उपयोग एक गिनती है जो नकारात्मक नहीं हो सकती, और उत्तरजीविता डेटा तब सेंसर होता है जब अनुवर्तन समाप्त होता है। मानक रैखिक विधियाँ इन्हें ग़लत फिट करती हैं और भ्रमित कर सकती हैं; हर एक के लिए विशेष मॉडल मौजूद हैं। आपको गणित जानने की आवश्यकता नहीं है, पर आपको इतना जानना चाहिए कि पूछ सकें "क्या यह विधि लागत डेटा के लिए उपयुक्त है?" और एक वास्तविक उत्तर की अपेक्षा करें।

8. उपचारित लोगों पर प्रभाव को उस प्रभाव से अलग करें जिसे आप बढ़ा सकते हैं। कई अर्ध-प्रायोगिक विधियाँ एक स्थानीय प्रभाव अनुमानित करती हैं — एक सीमा-मूल्य के निकट लोगों पर प्रभाव, या उन पर जिन्हें एक उपकरण ने हिलाया — जो सभी को हस्तक्षेप देने के प्रभाव के बराबर नहीं हो सकता। आयु 65 के आस-पास एक प्रतिगमन असंततता आपको 65-वर्षीयों के बारे में बताती है, 40-वर्षीयों के बारे में नहीं। एक संख्या को सामान्यीकृत करने से पहले, पूछें कि यह वास्तव में किसका प्रभाव है।

9. सांख्यिकीय महत्व को निर्णय प्रासंगिकता से अलग करें। एक सटीक रूप से अनुमानित छोटा प्रभाव सांख्यिकीय रूप से महत्वपूर्ण और आर्थिक रूप से तुच्छ हो सकता है; एक बड़ा प्रभाव अनिश्चित हो सकता है फिर भी दांव को देखते हुए कार्य करने लायक। प्रभाव आकार, इसका विश्वास अंतराल, और आपके बजट और जनसंख्या के पैमाने पर इसका अर्थ माँगें — केवल यह नहीं कि क्या एक p-मूल्य ने एक सीमा पार की। निर्णय परिमाण और अनिश्चितता दोनों पर टिका है।

10. बाह्य वैधता को आंतरिक वैधता जितनी सावधानी से आँकें। एक अध्ययन अपनी ही सेटिंग में कारण के बारे में निर्दोष हो सकता है फिर भी आपके लिए अप्रासंगिक यदि जनसंख्या, स्वास्थ्य प्रणाली, या आधार-रेखा जोखिम भिन्न हैं। एक उपकरण जिसने अमेरिकी बीमा बाज़ार में काम किया या एक स्कैंडिनेवियाई रजिस्ट्री में मान्य किया गया एक डिज़ाइन अलग डेटा और प्रोत्साहनों वाली एक कम-आय सेटिंग में स्थानांतरित नहीं हो सकता। "क्या यह प्रभाव मेरी प्रणाली में बना रहेगा?" को "क्या यह प्रभाव वास्तविक है?" से एक अलग प्रश्न के रूप में पूछें।

11. एक भी अध्ययन पर भरोसा करने के बजाय त्रिकोणासन करें। जब अलग-अलग धारणाओं वाली कई विधियाँ — एक परीक्षण, एक अंतर-में-अंतर, एक उपकरणी-चर अनुमान — एक ही दिशा दिखाती हैं, विश्वास अर्जित होता है; जब वे भिन्न होती हैं, असहमति इस बारे में जानकारी है कि कौन-सी धारणाएँ विफल हो रही हैं। किसी भी निर्णय के लिए जो मायने रखने के लिए पर्याप्त बड़ा है, साक्ष्य की एक से अधिक पंक्ति कमीशन करें या खोजें, और एक अकेले प्रभावशाली परिणाम को एक परिकल्पना मानें, निष्कर्ष नहीं।

12. आकलन लिखें और इसे निर्णय के साथ रखें। रिकॉर्ड करें कि आपने किस कारण दावे पर भरोसा किया, कौन-से डिज़ाइन ने इसे उत्पन्न किया, यह किस धारणा पर टिका था, और क्या आपका मन बदलेगा। यह संगठन की रक्षा करता है जब परिणामों को बाद में चुनौती दी जाती है, और यह परिणाम ज्ञात होने से पहले, बाद में नहीं, अनिश्चितता बताने के अनुशासन को मजबूर करता है। एक मूल्यांकन जिसका तर्क अदस्तावेज़ी है वह एक चार्ट के साथ एक राय है।

अपनी टीम के साथ चर्चा के लिए प्रश्न

1. जिस आख़िरी बड़े निर्णय को हमने साक्ष्य से उचित ठहराया, तुलना समूह क्या था — और क्या यह वास्तव में हस्तक्षेप के बिना वही करता? यह प्रश्न सीधे प्रति-तथ्यात्मक की ओर जाता है, जहाँ अधिकांश कमज़ोर साक्ष्य छिपते हैं। मुख्य संख्या से आगे संरचना तक धकेलें: किसकी किससे तुलना की गई, उन्हें उन समूहों में कैसे छाँटा गया, और यदि कुछ न बदलता तो उपचारित समूह का क्या होता। ईमानदार तनाव यह हैं कि सबसे सुविधाजनक तुलना — उसी समूह में पहले-और-बाद, या स्वयंसेवक बनाम गैर-स्वयंसेवक — आमतौर पर सबसे अधिक भ्रामक है, और जिन लोगों को एक हस्तक्षेप के लिए चुना गया या जिन्होंने चुना वे लगभग हमेशा उनसे भिन्न होते हैं जिन्होंने नहीं चुना। एक अच्छी चर्चा खेल में विशिष्ट भ्रामक कारकों को नाम देती है (गंभीरता, अभाव, प्रेरणा, चिकित्सक चयन) और पूछती है कि क्या डिज़ाइन ने उन्हें निष्क्रिय किया या केवल अनदेखा किया। आप जिस उत्तर की तलाश कर रहे हैं वह "अध्ययन सहकर्मी-समीक्षित था" नहीं बल्कि इस बात का एक स्पष्ट विवरण है कि तुलना विश्वसनीय क्यों है — या यह स्वीकृति कि यह नहीं है, और निर्णय साक्ष्य के रूप में पहने गए निर्णय पर टिका था।

2. जब हम एक मूल्यांकन कमीशन करते हैं, क्या हम एक डिज़ाइन ख़रीद रहे हैं या केवल एक रिपोर्ट? अधिकांश संगठन मूल्यांकन को एक ऐसी प्रसुपुर्दगी के रूप में प्राप्त करते हैं जो कार्यक्रम चलने के बाद आती है, जो ठीक वह समय है जब सबसे मज़बूत कारण डिज़ाइन पहले से असंभव हो चुके होते हैं। तनाव संचालन तात्कालिकता — अभी लॉन्च करें, बाद में मापें — और साक्ष्य गुणवत्ता के बीच है, जो उन निर्णयों पर निर्भर करती है जो पहले मरीज़ के नामांकित होने से पहले लिए जाते हैं: एक यादृच्छिक रोल-आउट क्रम, एक सहमत तुलना क्षेत्र, एक पूर्व-पंजीकृत परिणाम और विश्लेषण योजना। चर्चा करें कि क्या आपकी कमीशनिंग प्रक्रिया विश्लेषकों को डिज़ाइन को आकार देने के लिए पर्याप्त जल्दी आमंत्रित करती है, या केवल परिणाम को तर्कसंगत बनाने के लिए पर्याप्त देर से। एक ईमानदार उत्तर इस तथ्य का सामना करता है कि एक सस्ता पूर्वव्यापी मूल्यांकन कुछ भी न होने से बदतर हो सकता है यदि यह झूठा आत्मविश्वास देता है, और यह देखता है कि क्या अनुबंध और समय-सीमाएँ आपके संगठन में अच्छे डिज़ाइन को संरचनात्मक रूप से संभव या संरचनात्मक रूप से असंभव बनाते हैं।

3. हम किस दावे पर कार्य करने से इनकार करेंगे, और कौन-सा साक्ष्य हमारा मन बदल देगा? यह प्रश्न परखता है कि क्या टीम साक्ष्य को एक वास्तविक आगत के रूप में मानती है या पहले से लिए गए निर्णय के लिए सजावट के रूप में। पहले से नाम देना कि एक दावे को किस प्रमाण मानक को पूरा करना चाहिए — और वह खोज जो आपको दिशा उलटने पर मजबूर करेगी — पुष्टिकरण पूर्वाग्रह और उन चयनात्मक उत्साह के विरुद्ध सबसे मज़बूत रक्षा है जो उन परिणामों का स्वागत करता है जिन्हें हम पसंद करते हैं। असली तनाव यह है कि हितधारक शायद ही कभी पसंदीदा और नापसंद कार्यक्रमों को एक ही साक्ष्य पट्टी पर रखते हैं; एक प्रिय पहल को संदेह का लाभ मिलता है, एक ख़तरनाक को अलग-अलग किया जाता है। एक ईमानदार चर्चा यह सामने लाती है कि वे दोहरे मानक आपके संगठन में कहाँ रहते हैं, इस पर सहमत होती है कि विभिन्न आकारों के निर्णयों के लिए "कार्य करने के लिए पर्याप्त अच्छा" का क्या अर्थ है, और स्वीकार करती है कि पहले से यह प्रतिबद्ध होना कि क्या आपका मन बदलेगा असहज है ठीक इसलिए क्योंकि यह हो सकता है।

4. जब हम किसी अन्य प्रणाली से एक प्रभावशाली परिणाम उधार लेते हैं, हम क्या मान रहे हैं कि इसके साथ स्थानांतरित होता है? एक अध्ययन अपनी ही सेटिंग में कारण के बारे में निर्दोष हो सकता है फिर भी आपको गुमराह कर सकता है, क्योंकि जनसंख्या, स्वास्थ्य प्रणाली, आधार-रेखा जोखिम, और प्रोत्साहन जिन्होंने इसका प्रभाव उत्पन्न किया वे आपके जैसे कुछ भी नहीं हो सकते। तनाव यह है कि सबसे प्रभावशाली साक्ष्य आमतौर पर कहीं और से आता है — एक अमेरिकी बीमा बाज़ार, एक स्कैंडिनेवियाई रजिस्ट्री, एक अच्छी तरह संसाधित परीक्षण स्थल — और इसकी कठोरता ही आपको इसकी उपयुक्तता की जाँच करने के बजाय संख्या आयात करने के लिए लुभाती है। चर्चा करें कि प्रभाव को पुनरुत्पादित करने के लिए आपकी जनसंख्या और प्रणाली के बारे में क्या सच होना चाहिए: क्या आधार-रेखा जोखिम तुलनीय है, क्या आपके कार्यबल के पास वह क्षमता है जो हस्तक्षेप ने मान ली, क्या आपके मरीज़ समान बाधाओं का सामना करते हैं? एक ईमानदार उत्तर बाह्य वैधता को आंतरिक वैधता से एक अलग प्रश्न मानता है, केवल दूर होने के कारण एक दूर के अध्ययन को छूट देने की सहज प्रतिक्रिया का विरोध करता है, और नाम देता है कि मूल सेटिंग की कौन-सी विशेषताएँ काम कर रही हैं। सबसे बुरा परिणाम एक ऐसे प्रभाव को बढ़ाना है जो वहाँ वास्तविक था और यहाँ अनुपस्थित है, फिर स्थानांतरण के बजाय हस्तक्षेप को दोष देना।

5. हमारा कितना डेटा गायब है, और क्या हम सुनिश्चित हैं कि अंतराल निर्दोष हैं? हर वास्तविक स्वास्थ्य डेटासेट में छेद हैं — मरीज़ बाहर हो जाते हैं, रिकॉर्ड अधूरे हैं, अनुवर्तन समाप्त होता है — और ख़तरनाक मामला तब है जब डेटा गायब होने का कारण स्वयं परिणाम से संबंधित है, ताकि अधूरे रिकॉर्ड छोड़ना चुपचाप एक ऐसे अध्ययन में चयन पूर्वाग्रह की तस्करी करे जो साफ़ दिखता था। तनाव "पूर्ण-मामला" विश्लेषण की सुविधा के बीच है, जो अधिकांश उपकरणों में डिफ़ॉल्ट है और परिणाम तक का सबसे तेज़ मार्ग, और यह पूछने की ईमानदारी के बीच कि क्या ग़ायब हुए लोग व्यवस्थित रूप से बने रहने वालों से भिन्न हैं। चर्चा करें कि कितना अंश विषय खो गए, क्या ग़ायब लोग देखे गए लोगों की तुलना में अधिक बीमार, गरीब, या कम जुड़े दिखते हैं, और विश्लेषण ने उनके बारे में क्या माना। एक अच्छा उत्तर अक्सर बता सकता है कि ग़ायब डेटा किस दिशा में अनुमान को धकेलेगा भले ही मूल्य स्वयं अपुनःप्राप्य हों, और यह एक उच्च या अस्पष्टीकृत बाहर होने की दर को पूरे दावे के लिए एक ख़तरे के रूप में मानता है न कि एक फ़ुटनोट के रूप में। नाम न देने की विफलता एक टीम है जो बचे हुए लोगों को ऐसे रिपोर्ट करती है मानो वे पूरी जनसंख्या हों।

6. क्या हम कभी एक भी अध्ययन पर कार्य करते हैं, और क्या हमें साक्ष्य की दूसरी पंक्ति के लिए इंतज़ार करवाएगा? एक कारण दावे में विश्वास अलग-अलग तरीक़ों से विफल होने वाली विधियों में सहमति से आना चाहिए — एक परीक्षण, एक अंतर-में-अंतर, एक उपकरणी-चर अनुमान जो एक ही दिशा दिखाते हैं — एक भी प्रभावशाली परिणाम से नहीं चाहे यह कितनी भी अच्छी तरह क्रियान्वित हो। तनाव यह है कि त्रिकोणासन उस समय और धन की क़ीमत चुकाता है जिसे संगठन शायद ही कभी ख़र्च करना चाहता है, और एक अकेला प्रभावशाली खोज दूसरी पंक्ति कमीशन किए जाने से पहले कार्य करने का दबाव बनाती है। चर्चा करें कि कौन-से निर्णय साक्ष्य की एक से अधिक पंक्ति की माँग करने के लिए पर्याप्त बड़े हैं, और जब विधियाँ असहमत हों तो आप क्या करते हैं — क्योंकि विचलन शोर नहीं है जिसे औसत निकालकर हटाया जाए बल्कि इस बारे में जानकारी है कि कौन-सी धारणाएँ विफल हो रही हैं। एक ईमानदार उत्तर एक परिकल्पना को जो परखने लायक है एक निष्कर्ष से अलग करता है जो कार्य करने लायक है, और उस गति का विरोध करता है जो एक भी मूल्यांकन को केवल इसलिए तय तथ्य में बदल देती है क्योंकि यह पहले आया और वह कहा जो लोगों को उम्मीद थी।

व्यवहार में: एक स्वास्थ्य अर्थशास्त्र उदाहरण

मध्य यूरोप में एक काल्पनिक ऊपरी-मध्यम-आय देश सोल्वेनिया, जिसकी एक सामाजिक-बीमा प्रणाली है, का स्वास्थ्य मंत्रालय जानना चाहता है कि क्या एक नया सामुदायिक हृदय-विफलता कार्यक्रम — नर्स-नेतृत्व वाले क्लीनिक जो छुट्टी के बाद मरीज़ों की निगरानी करते हैं — महँगी आपातकालीन पुनःभर्तियाँ कम करता है। बारह क्षेत्रों ने पहले से इसे अपनाया है; आठ ने नहीं। एक शुरुआती आंतरिक रिपोर्ट ने अपनाने वाले बनाम न-अपनाने वाले क्षेत्रों में पुनःभर्ती दरों की तुलना की, उन्हें अपनाने वालों में 18 प्रतिशत कम पाया, और राष्ट्रीय रोल-आउट की सिफ़ारिश की। मंत्रालय के स्वास्थ्य अर्थशास्त्री से सैकड़ों करोड़ कोरुना प्रतिबद्ध होने से पहले दावे की जाँच करने के लिए कहा जाता है।

उसका पहला प्रश्न प्रति-तथ्यात्मक है। अपनाने वाले क्षेत्र यादृच्छिक रूप से नहीं चुने गए थे: वे अधिक धनी थे, उनकी प्राथमिक देखभाल बेहतर संगठित थी, और कार्यक्रम शुरू होने से पहले उनकी पुनःभर्ती दरें कम थीं। सरल तुलना इसलिए कार्यक्रम के प्रभाव को उन क्षेत्रों के पूर्व-मौजूद लाभ के साथ भ्रमित करती है जो इसे अपना सकते थे — एक पाठ्यपुस्तक चयन समस्या। एक सरल अपनाने वालों-बनाम-न-अपनाने वालों का अंतर दोनों को अलग नहीं कर सकता, और 18 प्रतिशत आँकड़ा एक कारण प्रभाव के रूप में अव्याख्येय है।

वह इसके बजाय हर क्षेत्र की अपनाने की तारीख़ से पहले और बाद के कई वर्षों के क्षेत्रीय पुनःभर्ती डेटा का उपयोग करते हुए एक अंतर-में-अंतर डिज़ाइन प्रस्तावित करती है। यह अपनाने वाले क्षेत्रों में पुनःभर्तियों में परिवर्तन की तुलना न-अपनाने वाले क्षेत्रों में परिवर्तन से करता है, किसी भी निश्चित क्षेत्रीय लाभ को अलग करते हुए। महत्वपूर्ण रूप से, वह पहले पूर्व-अपनाने की प्रवृत्तियों को प्लॉट करती है: यदि अपनाने वाले कार्यक्रम से पहले पहले से न-अपनाने वालों की तुलना में तेज़ी से सुधार कर रहे थे, तो समानांतर-प्रवृत्ति धारणा विफल हो जाती है और डिज़ाइन अमान्य है। प्रवृत्तियाँ करीब हैं पर समान नहीं, इसलिए वह उस चेतावनी को दफ़न करने के बजाय दृश्यमान रखते हुए अनुमान रिपोर्ट करती है।

क्योंकि अपनाने की तारीख़ें क्षेत्रों में चरणबद्ध थीं, वह पैनल संरचना का भी शोषण करती है, हर क्षेत्र के बारे में हर स्थिर चीज़ के लिए और एक बुरी इन्फ़्लुएंज़ा सर्दी जैसे राष्ट्रव्यापी झटकों के लिए जो हर क्षेत्र को एक साथ मारते हैं, नियंत्रण करते हुए। अंतर-में-अंतर अनुमान पुनःभर्तियों में 7 प्रतिशत की कमी पर आता है — वास्तविक और रखने लायक, पर मुख्य आँकड़े के आधे से भी काफ़ी कम, क्योंकि मूल 18 प्रतिशत का अधिकांश हिस्सा क्षेत्रों का पूर्व-मौजूद लाभ था, कार्यक्रम नहीं। वह फिर अनुपलब्ध डेटा जाँचती है: दो क्षेत्रों में संक्रमण वर्ष में अधूरी कोडिंग थी, और वह दिखाती है कि परिणाम बना रहता है चाहे उन क्षेत्र-वर्षों को शामिल किया जाए या बाहर रखा जाए।

वह इस बारे में स्पष्टवादी है कि अनुमान क्या है और क्या नहीं। यह उन क्षेत्रों में औसत प्रभाव है जिनके पास नर्स-नेतृत्व वाले क्लीनिक चलाने की प्राथमिक-देखभाल क्षमता है; आठ न-अपनाने वाले क्षेत्र गरीब और कम-स्टाफ़ वाले हैं, इसलिए वहाँ प्रभाव छोटा हो सकता है या ऐसे निवेश की आवश्यकता हो सकती है जिसकी क़ीमत मॉडल नहीं लगाता। यह बाह्य वैधता का एक प्रश्न है, और वह इसे स्पष्ट रूप से चिह्नित करती है बजाय यह मानने के कि 7 प्रतिशत स्थानांतरित होगा। मंत्रालय को उसकी सिफ़ारिश न तो "राष्ट्रीय रूप से रोल आउट करें" है न ही "इसे छोड़ दें", बल्कि "जहाँ प्राथमिक-देखभाल क्षमता मौजूद है वहाँ इसे वित्तपोषित करें, और शेष क्षेत्रों में रोल-आउट क्रम को यादृच्छिक करें ताकि अगला मूल्यांकन स्थानांतरण प्रश्न को सुलझा सके जिसे यह नहीं कर सकता।" 7 प्रतिशत कमी की लागत-प्रभावशीलता फिर एक निर्णय मॉडल (विषय 2.2 — मॉडलिंग) को सौंपी जाती है जो कारण अनुमान को एक प्रति-परिणाम लागत में बदल देता है जिस पर भुगतानकर्ता कार्य कर सकता है।

चार क्षेत्र-दृष्टिकोण

स्टार्टअप

एक डिजिटल-स्वास्थ्य स्टार्टअप आमतौर पर एक ख़रीदार या नियामक से एक साक्ष्य माँग के रूप में स्वास्थ्य अर्थमिति से मिलता है: साबित करें कि आपका ऐप वास्तव में परिणाम बदलता है, केवल यह नहीं कि जुड़े उपयोगकर्ता अच्छा करते हैं। प्रलोभन उत्साही शुरुआती अपनाने वालों का एक पहले-और-बाद चार्ट है, जो लगभग शुद्ध चयन पूर्वाग्रह है — वे उपयोगकर्ता वैसे भी सुधरते। विश्वसनीय, वहन करने-योग्य क़दम एक छोटा यादृच्छिक पायलट या स्थलों में एक चरणबद्ध रोल-आउट है, जो लॉन्च से पहले डिज़ाइन किया गया है, जो उत्पाद के प्रभाव को इसे चुनने वाले लोगों की प्रेरणा से अलग करता है। जो संस्थापक पहली तैनाती में एक साफ़ तुलना बनाते हैं वे बाद में एक चापलूसी विश्लेषण फिर से फ़िट करने वालों की तुलना में भुगतानकर्ताओं के साथ कहीं अधिक भार रखते हैं।

छोटा व्यवसाय

एक स्थापित छोटा प्रदाता — एक समूह प्रैक्टिस, एक एकल क्लिनिक, एक सामुदायिक फ़ार्मेसी, एक छोटा उपकरण आपूर्तिकर्ता — के पास वास्तविक संचालन डेटा है पर न तो मात्रा है न ही अपने स्वयं के अर्ध-प्रायोगिक अध्ययन चलाने के लिए विश्लेषण टीम, और यादृच्छिक करने के लिए कोई लॉन्च क्षण नहीं। इसका अर्थमितीय कार्य अधिकांशतः आकलन है: एक निर्माता, कमीशनर, या पेशेवर निकाय द्वारा इसके सामने रखे गए साक्ष्य को पढ़ना और यह आँकना कि क्या एक दावा किया गया प्रभाव इसके अपने जैसे मामलों के भार में बना रहेगा। सबसे स्थिर क़दम बाह्य-वैधता प्रश्न को कठोरता से पूछना है — क्या यह मेरे जैसी जनसंख्या, स्टाफ़िंग स्तर, और प्रणाली में दिखाया गया था? — बजाय कारण विश्लेषण का प्रयास करने के जिसे यह संसाधन नहीं दे सकता। जहाँ यह साक्ष्य उत्पन्न करता है, इसके अपने स्थलों या चिकित्सकों में एक चरणबद्ध परिवर्तन, या एक तुलनीय पड़ोसी प्रैक्टिस के मुक़ाबले ईमानदारी से पढ़ा गया एक सरल पहले-और-बाद, एक चापलूसी आंतरिक चार्ट से अधिक विश्वसनीय है। एक भुगतानकर्ता की साक्ष्य पट्टी का पीछा करने वाले स्टार्टअप के विपरीत, इसका प्रोत्साहन कुछ ऐसा अपनाने से बचना है जो चुपचाप एक ऐसे मामलों के भार पर दुर्लभ समय और धन बर्बाद करता है जो अध्ययन से कभी मेल नहीं खाया।

उद्यम (एंटरप्राइज़)

एक बड़ा प्रदाता या बीमाकर्ता समृद्ध अनुदैर्ध्य डेटा पर बैठता है — दावे, रिकॉर्ड, रजिस्ट्रियाँ — और इसका लाभ पैमाने पर पैनल और अर्ध-प्रायोगिक विश्लेषण चलाने की क्षमता है। जोखिम डेटा मात्रा को कारण स्पष्टता के लिए ग़लत समझना है: दस लाख भ्रामक रिकॉर्ड फिर भी आपको यह नहीं बता सकते कि क्या एक देखभाल-प्रबंधन कार्यक्रम काम करता है, और एक अच्छी तरह संसाधित विश्लेषण टीम परिष्कृत मॉडल उत्पन्न कर सकती है जो चयन पूर्वाग्रह को स्पष्ट प्रभाव में धो देते हैं। परिपक्व उद्यम आंतरिक प्रदर्शन रिपोर्टिंग को कारण मूल्यांकन से अलग करता है, दोनों को अलग-अलग मानकों पर रखता है, और अपने ही संचालन रोल-आउट में यादृच्छिक या चरणबद्ध डिज़ाइन बनाता है ताकि नियमित परिवर्तन केवल डैशबोर्ड नहीं बल्कि विश्वसनीय साक्ष्य उत्पन्न करे।

सरकार

एक मंत्रालय या राष्ट्रीय भुगतानकर्ता सबसे ऊँचे-दांव वाले कारण निर्णय लेता है — एक कार्यक्रम को राष्ट्रव्यापी बढ़ाना, एक लाभ वित्तपोषित करना या वापस लेना — और अक्सर नीति उत्तोलक रखता है जो प्राकृतिक प्रयोग बनाते हैं: पात्रता सीमा-मूल्य, चरणबद्ध रोल-आउट, क्षेत्रीय पायलट। इसका अनुशासन शुरू से उन रोल-आउट को मूल्यांकनों के रूप में डिज़ाइन करना होना चाहिए, ताकि अपरिहार्य चरणबद्धता एक अव्याख्येय तुलना के बजाय एक अंतर-में-अंतर या एक प्रतिगमन असंततता दे। सरकार एक ऐसा कर्तव्य भी वहन करती है जो अन्य क्षेत्र नहीं करते: उस राजनीतिक असमानता के विरुद्ध रक्षा करना जिसमें पसंदीदा कार्यक्रम जाँच से बच जाते हैं और ख़तरनाक निष्कर्षों को विवादित किया जाता है, मूल्यांकन मानकों के लिए पहले से प्रतिबद्ध होकर और परिणाम प्रकाशित करके चाहे वे नीति की चापलूसी करें या नहीं।

सामान्य विफलता के तरीके

• सहसंबंध को कारण के साथ भ्रमित करना। यह रिपोर्ट करना कि उपचारित मरीज़ों ने बेहतर किया बिना यह संबोधित किए कि उनका उपचार क्यों किया गया। समाधान: प्रति-तथ्यात्मक से शुरू करें और किसी भी अंतर की व्याख्या करने से पहले भ्रामक कारकों को नाम दें।

• परिणाम पर चयन करना। स्वयंसेवकों की गैर-स्वयंसेवकों से, पूर्ण करने वालों की बाहर होने वालों से, या अपनाने वालों की न-अपनाने वालों से इस तरह तुलना करना मानो समूह विनिमेय हों। समाधान: एक डिज़ाइन (यादृच्छिकरण, अंतर-में-अंतर, उपकरणी चर, प्रतिगमन असंततता) का उपयोग करें जो यह संबोधित करता है कि लोगों को समूहों में कैसे छाँटा गया।

• चुपचाप पूर्ण-मामला विश्लेषण। अनुपलब्ध डेटा वाले हर व्यक्ति को हटाना और शेष को ऐसे रिपोर्ट करना मानो यह पूरा हो। समाधान: गायबता की सीमा और पैटर्न रिपोर्ट करें और परखें कि क्या निष्कर्ष इसके बारे में विभिन्न धारणाओं से बचते हैं।

• बिना परखे मान लेना। समानांतर प्रवृत्तियों की जाँच किए बिना एक अंतर-में-अंतर प्रस्तुत करना, या इसकी बाह्यता पर तर्क किए बिना एक उपकरण। समाधान: मिथ्याकरण परीक्षणों की माँग करें और उनकी अनुपस्थिति को एक दोष मानें।

• एक स्थानीय प्रभाव को सामान्यीकृत करना। एक सीमा-मूल्य-आधारित या उपकरण-आधारित अनुमान को एक ऐसी जनसंख्या पर लागू करना जिसका इसने कभी वर्णन नहीं किया। समाधान: बताएँ कि संख्या किसका प्रभाव है और बाह्य वैधता को आंतरिक वैधता से अलग आँकें।

• सांख्यिकीय-महत्व रंगमंच। एक p-मूल्य को निर्णय मानना, प्रभाव आकार और अनिश्चितता की अनदेखी करना। समाधान: वास्तविक बजट और जनसंख्या के मुक़ाबले तैयार परिमाण और विश्वास अंतराल माँगें।

• विश्लेषण को फिर से फ़िट करना। एक मौजूदा डेटासेट की तलाश करना जब तक एक मनभावन परिणाम सामने न आए, फिर इसे ऐसे प्रस्तुत करना मानो यह पूर्व-नियोजित था। समाधान: डेटा देखे जाने से पहले डिज़ाइन और विश्लेषण योजना को पूर्व-पंजीकृत करें।

परिपक्वता मॉडल

जाँच-सूची

• प्रति-तथ्यात्मक बताएँ: तुलना समूह क्या है, और यह क्यों दिखाएगा कि उपचारित समूह हस्तक्षेप के बिना क्या करता?
• संभावित भ्रामक कारकों और चयन तंत्रों की पहचान करें, और उस डिज़ाइन को नाम दें जो उन्हें संबोधित करता है।
• पुष्टि करें कि डेटा एकत्र किए जाने से पहले डिज़ाइन नियोजित किया गया था, एक लिखित विश्लेषण योजना के साथ।
• चुनी गई विधि के लिए, मुख्य धारणा (समानांतर प्रवृत्तियाँ, उपकरण बाह्यता, कोई सीमा-मूल्य छेड़छाड़ नहीं) नाम दें और इसके लिए साक्ष्य जाँचें।
• केवल मुख्य अनुमान नहीं, मिथ्याकरण परीक्षणों की माँग करें।
• पूछें कि कितना डेटा गायब था, क्या गायब देखे गए से भिन्न है, और गायबता को कैसे संभाला गया।
• जाँचें कि मॉडल डेटा के आकार (तिरछी लागतें, गिनतियाँ, सेंसर की गई उत्तरजीविता) से मेल खाता है।
• इसे सामान्यीकृत करने से पहले स्थापित करें कि अनुमान किसका प्रभाव है (स्थानीय या सामान्य)।
• केवल p-मूल्य नहीं, अपने बजट और जनसंख्या के मुक़ाबले प्रभाव आकार और विश्वास अंतराल पढ़ें।
• बाह्य वैधता आँकें — क्या यह मेरी प्रणाली में बना रहेगा? — आंतरिक वैधता से अलग।
• किसी भी निर्णय के लिए जो मायने रखने के लिए पर्याप्त बड़ा है साक्ष्य की एक दूसरी पंक्ति खोजें।
• कारण दावा, डिज़ाइन, इसकी मुख्य धारणा, और क्या आपका मन बदलेगा रिकॉर्ड करें।

Key sources

• Andrew Jones, "Health Econometrics" — in Culyer & Newhouse (eds.), Handbook of Health Economics — the standard survey of methods for health data and their pitfalls.
• Jeffrey Wooldridge, Econometric Analysis of Cross Section and Panel Data — the reference text for panel and quasi-experimental methods.
• Joshua Angrist & Jörn-Steffen Pischke, Mostly Harmless Econometrics — an accessible treatment of causal inference, natural experiments, and the four quasi-experimental designs.
• CONSORT Statement — reporting standards for randomised controlled trials, useful as an appraisal checklist.
• Economics Network, Health Economics for Teachers — econometrics module — https://economicsnetwork.ac.uk/health/teachers
• OECD, Health at a Glance, and WHO health-systems publications — sources of the routine health data on which much health econometrics is practised.

References

1. Econometrics — Wikipedia — https://en.wikipedia.org/wiki/Econometrics
2. Causal inference — Wikipedia — https://en.wikipedia.org/wiki/Causal_inference
3. Confounding — Wikipedia — https://en.wikipedia.org/wiki/Confounding
4. Selection bias — Wikipedia — https://en.wikipedia.org/wiki/Selection_bias
5. Randomized controlled trial — Wikipedia — https://en.wikipedia.org/wiki/Randomized_controlled_trial
6. Intention-to-treat analysis — Wikipedia — https://en.wikipedia.org/wiki/Intention-to-treat_analysis
7. Natural experiment — Wikipedia — https://en.wikipedia.org/wiki/Natural_experiment
8. Difference in differences — Wikipedia — https://en.wikipedia.org/wiki/Difference_in_differences
9. Instrumental variables estimation — Wikipedia — https://en.wikipedia.org/wiki/Instrumental_variables_estimation
10. Regression discontinuity design — Wikipedia — https://en.wikipedia.org/wiki/Regression_discontinuity_design
11. Panel data — Wikipedia — https://en.wikipedia.org/wiki/Panel_data
12. Missing data — Wikipedia — https://en.wikipedia.org/wiki/Missing_data
13. Economics Network — Health Economics for Teachers — https://economicsnetwork.ac.uk/health/teachers
14. Health economics — Wikipedia — https://en.wikipedia.org/wiki/Health_economics