Uchumimetria ya Afya

Kwa nini hili ni muhimu katika uchumi wa afya

Karibu kila uamuzi ambao kiongozi wa afya anafanya unategemea dai la sababu: dawa hii inapunguza vifo, zahanati ile ilipunguza kulazwa, mageuzi haya ya malipo yalipunguza muda wa kusubiri. Dai ni rahisi kulitamka na gumu kulipata. Makundi mawili ya wagonjwa yanatofautiana katika matokeo, lakini pia yalitofautiana kabla mtu yeyote hajaingilia — watu walio wagonjwa zaidi hutafuta huduma zaidi, kanda tajiri hupitisha programu mapema, zahanati zenye hamasa hujitolea kwa majaribio. Tatizo kuu ni kwamba hatuoni kamwe kile ambacho kingetokea kwa kundi lililotibiwa lau lisingetibiwa. Kila kitu katika mada hii ni kuhusu kukadiria ulinganisho huo uliokosekana kwa uaminifu.

Hatari ni fedha za umma na maisha. Dai la sababu la kujiamini lakini lisilo sahihi linaelekeza bajeti kwa uingiliaji usiofanya chochote, au kuondoa ule uliookoa maisha kimya kimya; makosa yote mawili yanalipwa kwa matokeo, si sarafu tu. Mlipaji wa kitaifa anapoamua kutoa programu nchini kote kwa nguvu ya tathmini ya kikanda, ubora wa hoja ya sababu ya tathmini hiyo ndio tofauti kati ya kupanua mafanikio na kupanua udanganyifu. Viongozi mara chache huendesha uchambuzi wenyewe, lakini wanaagiza, wanafadhili, na kutenda juu yake — ambayo inamaanisha ustadi wa kutathmini ni wao kumiliki.

Mada hii kwa makusudi si kitabu cha takwimu (tazama mipaka ya wigo wa kitabu). Haitaelekeza makadirio wala kupendekeza programu. Kazi yake ni kukuambia kila mbinu ni ya nini, lini dai la sababu linastahili imani yako, na jinsi ya kuagiza na kutathmini kazi ya uchumimetria ili usidanganywe na mfano wa kisasa wala usikatae ushahidi mzuri. Pale uchambuzi unalisha mfano wa uchambuzi wa maamuzi unaopanua zaidi ya data, mitambo hiyo ni ya Mada 2.2 — Uundaji wa Mifano; hapa tunabaki na makadirio yenyewe na kama ni ya sababu.

Dhana kuu

Uchumimetria ya afya ni matumizi ya mbinu za kitakwimu kwa data za afya na huduma ya afya ili kupima mahusiano na, zaidi ya yote, kuunga mkono mkondo wa sababu — jaribio la kuanzisha kwamba badiliko katika kitu kimoja linasababisha badiliko katika kingine, badala ya kusogea nacho tu. Taaluma ipo kwa sababu uhusiano katika data za afya ni mwingi na wa kupotosha, na kwa sababu jaribio safi ambalo lingetatua swali mara nyingi haliwezekani, si la kimaadili, au haliwezi kumudiwa.

Kikwazo kikuu ni kuchanganya: kipengele cha tatu kinachoathiri nani anapokea uingiliaji na matokeo gani wanayopata, kikiunda uhusiano usio wa sababu. Wagonjwa kwenye dawa mpya ya kuzuia kuganda kwa damu wanaweza kutoka damu kidogo kuliko wale wa ya zamani si kwa sababu dawa ni salama zaidi bali kwa sababu waandikaji wa dawa makini waliwapa wagonjwa wa hatari ndogo. Umri, umaskini, ukali wa ugonjwa, na hukumu ya daktari ni wachanganyaji wasiokoma katika data za afya, na wale unaoweza kupima mara chache ni wale wanaojalisha zaidi.

Linalohusiana kwa karibu ni upendeleo wa uteuzi: watu katika makundi yako yaliyotibiwa na ya kulinganisha walipangwa ndani yake na mchakato — kujichagua, kupanga kitabibu, jiografia, ustahiki wa kiutawala — ambao wenyewe unahusiana na matokeo. Huduma ya telehealth inayotumiwa na wenye kujiamini kidijitali itaonyesha matokeo mazuri kwa sehemu kwa sababu watumiaji wake walikuwa na afya zaidi na wamepangwa zaidi tangu mwanzo. Uteuzi si usumbufu wa kuondoa vumbi kwenye data; mara nyingi ni hadithi nzima, na kazi ya mbinu ni kuupunguza.

Kiwango cha dhahabu cha kufanya hivyo ni jaribio la nasibu lililodhibitiwa (RCT), ambamo washiriki wanagawiwa matibabu au udhibiti kwa bahati. Ugawaji wa nasibu unafanya kazi kwa sababu, kwa wastani, unasawazisha wachanganyaji ulivyovifikiria na ambavyo hukufikiria, kwa hivyo tofauti yoyote ya matokeo inaweza kuhusishwa na uingiliaji. Nidhamu zinazolinda jaribio — kuchambua wagonjwa katika kundi walilogawiwa kwa nasibu, linalojulikana kama uchambuzi wa nia-ya-kutibu, na kusajili matokeo mapema — zipo kuzuia tatizo la uteuzi kuingia tena kupitia mlango wa pembeni.

Majaribio hayawezekani kila wakati, kwa hivyo sehemu kubwa ya uchumimetria ya afya inafanya kazi na data za uchunguzi na kukopa uaminifu kutoka jaribio la asili — hali ambapo kitu nje ya udhibiti wa washiriki (utolewaji wa sera, kanuni ya ustahiki, bahati nasibu, badiliko la ghafla la bei) kinaiga ugawaji wa nasibu. Miundo minne ya nusu-majaribio inajirudia:

• Tofauti-ndani-ya-tofauti inalinganisha badiliko la matokeo kwa kundi lililowekwa wazi kwa uingiliaji dhidi ya badiliko kwa kundi la kulinganisha lisilowekwa wazi katika kipindi kilekile. Uaminifu wake unategemea dhana ya "mielekeo sambamba": kwamba, bila uingiliaji, matokeo ya makundi hayo mawili yangesogea kwa mfuatano.
• Ukadiriaji wa vigeugeu vya chombo unatumia kigeugeu kinachoathiri nani anapata matibabu lakini hakina athari ya moja kwa moja kwa matokeo isipokuwa kupitia matibabu — umbali hadi zahanati, namba ya bahati nasibu, mhakiki aliyegawiwa kwa nasibu — kutenga tofauti katika matibabu isiyo na kuchanganya. Chombo halali ni kigumu sana kupata na hakiwezi kujaribiwa kikamilifu.
• Kutoendelea kwa kurudi nyuma kunatumia kizingiti kikali — alama ya hatari, umri, kikomo cha kipato — kinachoamua ustahiki. Watu waliopo juu tu na chini tu ya mstari wanakaribia kufanana isipokuwa kwa ufikiaji wa uingiliaji, kwa hivyo kuwalinganisha kunakadiria jaribio la mahali.
• Mbinu za data za paneli zinafuata vitengo vilevile (wagonjwa, hospitali, kanda) kadiri muda unavyopita, zikimruhusu mchambuzi kudhibiti kila kitu thabiti kuhusu kitengo ambacho hakibadiliki kamwe, na hivyo kuondoa darasa kubwa la wachanganyaji ambalo sehemu moja ya msalaba haiwezi.

Hatimaye, data zinazokosekana inakaa chini ya yote haya. Wagonjwa huacha, rekodi hazijakamilika, na — muhimu — sababu data zinakosekana mara nyingi inahusiana na matokeo, kwa hivyo kutupa rekodi zisizokamilika kunaingiza tena kimya kimya upendeleo wa uteuzi. Jinsi ukosefu ulivyoshughulikiwa ni mojawapo ya maswali ya kwanza ya kuuliza kwa utafiti wowote.

Mazoea bora

1. Anza kutoka kinyume cha ukweli, si mbinu. Kabla mtu yeyote hajachagua kikadiriaji, lazimisha swali: ulinganisho ni nini, na kwa nini tuamini unatuambia kingetokea nini bila uingiliaji? Uaminifu wa kila matokeo unatiririka kutoka ulinganisho huo, si ustadi wa takwimu zilizo juu yake. Jibu likiwa lisilo wazi, hakuna mbinu itakayoliokoa.

2. Agiza usanifu kabla data hazijakusanywa, si baada. Madai thabiti zaidi ya sababu yanatoka usanifu uliopangwa mapema — utolewaji wa nasibu, uchambuzi uliosajiliwa mapema, kundi la kulinganisha lililokubaliwa — kwa sababu kurekebisha mbinu kwa data zilizopo kunamwalika mchambuzi kuendelea kutafuta hadi matokeo ya kupendeza yaonekane. Unapofadhili tathmini, fadhili awamu ya usanifu na usisitize mpango ulioandikwa wa uchambuzi kabla matokeo hayajakuwepo.

3. Pendelea ugawaji wa nasibu pale ni wa kimaadili na unawezekana, ikijumuisha utolewaji wa kupishana. Ikiwa programu haiwezi kuwafikia wote mara moja, gawa mpangilio wa ufikiaji kwa bahati nasibu au gawa kwa nasibu ni maeneo gani yaende kwanza. Hii inageuza kikwazo cha kiutendaji kuwa jaribio la kuaminika kwa gharama ndogo ya ziada, na mara nyingi inaweza kutetewa zaidi kuliko kumnyima mtu yeyote matibabu. Tathmini nyingi za sera zinazoaminiwa zaidi ni utolewaji tu ambao uligawiwa kwa nasibu badala ya kuchaguliwa.

4. Chukulia kila usanifu wa nusu-majaribio kama kifurushi cha dhana, na ufanye utaje zake. Tofauti-ndani-ya-tofauti inaishi au kufa kwa mielekeo sambamba; vigeugeu vya chombo kwa chombo ambacho ni husika na cha nje; kutoendelea kwa kurudi nyuma kwa watu kutodanganya upande gani wa kizingiti wanatua. Mchambuzi mzuri anataja dhana ambayo matokeo yake yanategemea na kuonyesha ushahidi kwa ajili yake; dhaifu anaificha. Uliza, waziwazi, "ni nini kinapaswa kuwa kweli ili hili liwe la sababu, na unajuaje ni kweli?"

5. Dai majaribio ya kukanusha, si makadirio ya kichwa cha habari tu. Kazi ya sababu ya kuaminika inajaribu kuvunja dai lake yenyewe: kuchora mielekeo ya kabla ya uingiliaji kukagua ilikuwa sambamba, kujaribu mirukaji katika vizingiti bandia ambapo hakuna panapaswa kuwa, kuonyesha chombo hakitabiri matokeo ambayo hakipaswi kugusa. Uwepo wa ukaguzi huu ni ishara ya kazi ya uaminifu; kutokuwepo kwake ni onyo bila kujali athari ni kubwa au ya kukaribishwa kiasi gani.

6. Sisitiza kujua jinsi data zinazokosekana na kuacha zilivyoshughulikiwa. Uliza sehemu gani ya masomo ilipotea, kama wanaokosekana wanatofautiana na walioonekana, na dhana gani uchambuzi uliweka kuhusu wao. "Uchambuzi wa kesi kamili" — kuwatupa kimya kimya yeyote mwenye pengo — ni njia ya kawaida zaidi ya upendeleo wa uteuzi kuingia tena katika utafiti uliokuwa unaonekana safi. Mwelekeo ambao data zinazokosekana zingesukuma matokeo mara nyingi unajulikana hata data zenyewe zinapokuwa hazijulikani.

7. Linganisha mfano na umbo la data za afya. Gharama zimepinda na wagonjwa wachache ghali sana, matumizi ni hesabu isiyoweza kuwa hasi, na data za kuishi zinakatwa ufuatiliaji unapoisha. Mbinu za kawaida za mstari zinafaa vibaya hizi na zinaweza kupotosha; mifano maalum ipo kwa kila moja. Huhitaji kujua hisabati, lakini unapaswa kujua vya kutosha kuuliza "je, mbinu hii inafaa kwa data za gharama?" na kutarajia jibu halisi.

8. Tenganisha athari kwa waliotibiwa na athari unayoweza kupanua. Mbinu nyingi za nusu-majaribio zinakadiria athari ya mahali — athari kwa watu karibu na kizingiti, au kwa wale chombo kilitokea kuwasogeza — ambayo huenda isilingane na athari ya kutoa uingiliaji kwa wote. Kutoendelea kwa kurudi nyuma karibu na umri wa miaka 65 kunakuambia kuhusu watu wa miaka 65, si wa miaka 40. Kabla ya kujumlisha namba, uliza ni athari ya nani hasa.

9. Tofautisha umuhimu wa kitakwimu na umuhimu wa uamuzi. Athari ndogo iliyokadiriwa kwa usahihi inaweza kuwa muhimu kitakwimu na isiyo na maana kiuchumi; athari kubwa inaweza kuwa isiyo na uhakika na bado kustahili kutendewa kazi kutokana na hatari. Omba ukubwa wa athari, muda wake wa kujiamini, na maana yake kwa kiwango cha bajeti na idadi yako ya watu — si tu kama p-value ilivuka kizingiti. Uamuzi unategemea ukubwa na kutokuwa na uhakika pamoja.

10. Hukumu uhalali wa nje kwa uangalifu kama uhalali wa ndani. Utafiti unaweza kuwa bila dosari kuhusu sababu katika mazingira yake na bado usiwe na maana kwa yako ikiwa idadi ya watu, mfumo wa afya, au hatari ya msingi hutofautiana. Chombo kilichofanya kazi katika soko la bima la Marekani au usanifu uliothibitishwa katika rejista ya Skandinavia huenda usihamie mazingira ya kipato cha chini yenye data na motisha tofauti. Uliza "je, athari hii ingedumu katika mfumo wangu?" kama swali tofauti na "je, athari hii ni ya kweli?"

11. Unganisha ushahidi badala ya kuamini utafiti mmoja. Pale mbinu kadhaa zenye dhana tofauti — jaribio, tofauti-ndani-ya-tofauti, makadirio ya vigeugeu vya chombo — zinaelekeza upande mmoja, kujiamini kunapatikana; zinapotofautiana, mgogoro ni taarifa kuhusu dhana zipi zinashindwa. Agiza au tafuta zaidi ya mstari mmoja wa ushahidi kwa uamuzi wowote mkubwa wa kutosha kujalisha, na uchukulie matokeo moja ya kuvutia kama dhana ya kujaribiwa, si hitimisho.

12. Andika tathmini na uihifadhi na uamuzi. Rekodi dai gani la sababu ulitegemea, usanifu gani ulilizalisha, dhana gani ilitegemea, na nini kingebadilisha mawazo yako. Hii inalinda shirika matokeo yanapopingwa baadaye, na inalazimisha nidhamu ya kutaja kutokuwa na uhakika kabla, si baada, ya matokeo kujulikana. Tathmini ambayo hoja yake haijaandikwa ni maoni yenye chati.

Maswali ya kujadili na timu yako

1. Kwa uamuzi mkubwa wa mwisho tuliouhalalisha kwa ushahidi, kundi la kulinganisha lilikuwa lipi — na je, lingefanya kitu kilekile bila uingiliaji? Swali hili linaenda moja kwa moja kwenye kinyume cha ukweli, ambapo ushahidi dhaifu mwingi hujificha. Sukuma zaidi ya namba ya kichwa cha habari hadi muundo: nani alilinganishwa na nani, walipangwaje katika makundi hayo, na nini kingetokea kwa kundi lililotibiwa lau hakuna kingebadilika. Mivutano ya uaminifu ni kwamba ulinganisho rahisi zaidi — kabla-na-baada katika kundi lilelile, au wa hiari dhidi ya wasio wa hiari — kwa kawaida ndio uliochanganyika zaidi, na kwamba watu waliochagua au waliochaguliwa kwa uingiliaji karibu daima wanatofautiana na wale ambao hawakuchaguliwa. Mjadala mzuri unataja wachanganyaji mahususi wanaohusika (ukali, umaskini, hamasa, uteuzi wa daktari) na kuuliza kama usanifu uliwapunguza au uliwapuuza tu. Jibu unalotafuta si "utafiti ulipitiwa na wenzao" bali maelezo wazi kwa nini ulinganisho unaaminika — au kukiri kuwa haufai, na kwamba uamuzi ulitegemea hukumu iliyovaa kama ushahidi.

2. Tunapoagiza tathmini, je, tunanunua usanifu au ripoti tu? Mashirika mengi hununua tathmini kama kitu cha kupokelewa baada ya programu kuendeshwa, ambayo ndiyo hasa wakati usanifu thabiti zaidi wa sababu tayari umeshakuwa hauwezekani. Mvutano ni kati ya uharaka wa uendeshaji — zindua sasa, pima baadaye — na ubora wa ushahidi, ambao unategemea maamuzi yaliyofanywa kabla ya mgonjwa wa kwanza kusajiliwa: mpangilio wa utolewaji wa nasibu, kanda ya kulinganisha iliyokubaliwa, matokeo yaliyosajiliwa mapema na mpango wa uchambuzi. Jadilini kama mchakato wenu wa kuagiza unawaalika wachambuzi mapema vya kutosha kuunda usanifu, au kuchelewa tu vya kutosha kuhalalisha matokeo. Jibu la uaminifu linakabili ukweli kwamba tathmini ya nyuma ya bei nafuu inaweza kuwa mbaya kuliko hakuna kama inatoa kujiamini kwa uongo, na kuangalia kama mikataba na ratiba vinafanya usanifu mzuri uweze kimuundo au usiwezekane kimuundo katika shirika lenu.

3. Ni dai gani tungekataa kulitendea kazi, na ni ushahidi gani ungebadilisha mawazo yetu? Swali hili linajaribu kama timu inachukulia ushahidi kama pembejeo ya kweli au kama pambo kwa uamuzi uliokwisha chukuliwa. Kutaja, mapema, kiwango cha uthibitisho ambacho dai lazima likifikie — na matokeo yatakayokufanya ubadilishe mwelekeo — ndiyo kinga thabiti zaidi dhidi ya upendeleo wa uthibitisho na shauku ya kuchagua inayokaribisha matokeo tunayoyapenda. Mvutano wa kweli ni kwamba wadau mara chache wanashikilia programu zinazopendelewa na zisizopendelewa kwa kiwango kimoja cha ushahidi; mpango pendwa unapata faida ya shaka, unaotishia unachanganuliwa. Mjadala wa uaminifu unafichua mahali ambapo viwango hivyo viwili vya mara mbili vinaishi katika shirika lenu, unakubaliana "nzuri vya kutosha kutenda" inamaanisha nini kwa maamuzi ya ukubwa tofauti, na kukubali kwamba kujitolea mapema kwa kile kitakachobadilisha mawazo yako hakustarehesha hasa kwa sababu kinaweza.

4. Tunapoazima matokeo ya kuvutia kutoka mfumo mwingine, ni nini tunadhania kinahamia nacho? Utafiti unaweza kuwa bila dosari kuhusu sababu katika mazingira yake na bado ukakupotosha, kwa sababu idadi ya watu, mfumo wa afya, hatari ya msingi, na motisha zilizozalisha athari yake zinaweza kuwa kama chochote cha chako. Mvutano ni kwamba ushahidi wa kuvutia zaidi kwa kawaida unatoka mahali pengine — soko la bima la Marekani, rejista ya Skandinavia, tovuti ya jaribio yenye rasilimali nzuri — na ukali wake wenyewe unakushawishi kuagiza namba badala ya kuhoji ulinganifu wake. Jadilini nini kingehitaji kuwa kweli kuhusu idadi na mfumo wenu ili athari izalishwe tena: je, hatari ya msingi inalingana, je, nguvu kazi yenu ina uwezo ambao uingiliaji ulidhani, je, wagonjwa wenu wanakabili vikwazo vilevile? Jibu la uaminifu linachukulia uhalali wa nje kama swali tofauti na uhalali wa ndani, linapinga reflex ya kupunguza thamani ya utafiti wa mbali kwa sababu tu ni wa mbali, na kutaja ni sifa gani za mazingira ya awali zinazofanya kazi. Matokeo mabaya zaidi ni kupanua athari iliyokuwa ya kweli huko na haipo hapa, kisha kulaumu uingiliaji badala ya uhamisho.

5. Data zetu kiasi gani zinakosekana, na tuna uhakika mapengo hayana hatia? Kila seti halisi ya data ya afya ina mashimo — wagonjwa huacha, rekodi hazijakamilika, ufuatiliaji unaisha — na kesi hatari ni pale sababu data zinakosekana yenyewe inahusiana na matokeo, ili kutupa rekodi zisizokamilika kuingiza kimya kimya upendeleo wa uteuzi katika utafiti uliokuwa unaonekana safi. Mvutano ni kati ya urahisi wa uchambuzi wa "kesi kamili", ambao ndio chaguo-msingi katika zana nyingi na njia ya haraka zaidi ya matokeo, na uaminifu wa kuuliza kama watu waliotoweka wanatofautiana kimfumo na waliobaki. Jadilini sehemu gani ya masomo ilipotea, kama wanaokosekana wanaonekana wagonjwa zaidi, maskini zaidi, au wasioshiriki sana kuliko walioonekana, na dhana gani uchambuzi uliweka kuhusu wao. Jibu zuri mara nyingi linaweza kusema mwelekeo gani data zinazokosekana zingesukuma makadirio hata thamani zenyewe zisiporejesheka, na kuchukulia kiwango cha juu au kisichoelezwa cha kuacha kama kitisho kwa dai zima badala ya maelezo ya chini. Kushindwa kwa kutaja ni timu inayoripoti walionusurika kana kwamba ni idadi nzima ya watu.

6. Je, tunatenda juu ya utafiti mmoja, na ni nini kingetufanya tusubiri mstari wa pili wa ushahidi? Kujiamini katika dai la sababu kunapaswa kutoka makubaliano kuvuka mbinu zinazoshindwa kwa njia tofauti — jaribio, tofauti-ndani-ya-tofauti, makadirio ya vigeugeu vya chombo yakielekeza upande mmoja — si kutoka matokeo moja ya kuvutia hata yatekelezwe vizuri kiasi gani. Mvutano ni kwamba kuunganisha kunagharimu muda na fedha ambazo shirika mara chache linataka kutumia, na matokeo moja ya kuvutia yanaunda shinikizo la kutenda kabla mstari wa pili haujaweza kuagizwa. Jadilini ni maamuzi gani ni makubwa ya kutosha kudai zaidi ya mstari mmoja wa ushahidi, na mnafanya nini mbinu zinapotofautiana — kwa sababu tofauti si kelele ya kuwekwa wastani bali taarifa kuhusu dhana zipi zinashindwa. Jibu la uaminifu linatofautisha dhana inayostahili kujaribiwa na hitimisho linalostahili kutendewa kazi, na kupinga kasi inayogeuza tathmini moja kuwa ukweli uliotulia kwa sababu tu ilifika kwanza na kusema kile watu walichotumaini.

Kwa vitendo: mfano wa uchumi wa afya

Wizara ya Afya ya Solvenia, nchi ya kubuni ya kipato cha juu-cha-kati katika Ulaya ya Kati yenye mfumo wa bima ya kijamii, inataka kujua kama programu mpya ya jamii ya kushindwa kwa moyo — zahanati zinazoongozwa na wauguzi zinazofuatilia wagonjwa baada ya kutoka — inapunguza kulazwa tena kwa dharura kwa gharama kubwa. Kanda kumi na mbili tayari zimeipitisha; nane hazijaipitisha. Ripoti ya mapema ya ndani ililinganisha viwango vya kulazwa tena katika kanda zinazopitisha dhidi ya zisizopitisha, ikapata asilimia 18 chini kwa wanaopitisha, na kupendekeza utolewaji wa kitaifa. Mwanauchumi wa afya wa Wizara anaombwa kukagua dai kabla mamia ya mamilioni ya koruna hayajajitolewa.

Swali lake la kwanza ni kinyume cha ukweli. Kanda zinazopitisha hazikuchaguliwa kwa nasibu: zilikuwa tajiri zaidi, zilikuwa na huduma ya msingi iliyopangwa vizuri zaidi, na zilikuwa na viwango vya chini vya kulazwa tena kabla programu haijaanza. Ulinganisho rahisi kwa hivyo unachanganya athari ya programu na faida iliyokuwepo ya kanda zinazoweza kuipitisha — tatizo la kitabuni la uteuzi. Tofauti rahisi ya wanaopitisha-dhidi-ya-wasiopitisha haiwezi kutenganisha viwili, na kielelezo cha asilimia 18 hakifasiriki kama athari ya sababu.

Anapendekeza usanifu wa tofauti-ndani-ya-tofauti badala yake, akitumia miaka kadhaa ya data za kulazwa tena za kikanda kabla na baada ya tarehe ya kupitisha ya kila kanda. Hii inalinganisha badiliko la kulazwa tena katika kanda zinazopitisha dhidi ya badiliko katika kanda zisizopitisha, ikiondoa faida yoyote isiyobadilika ya kikanda. Muhimu, kwanza anachora mielekeo ya kabla ya kupitisha: kama wanaopitisha walikuwa tayari wanaboreka kwa kasi zaidi kuliko wasiopitisha kabla ya programu, dhana ya mielekeo sambamba inashindwa na usanifu si halali. Mielekeo iko karibu lakini si sawa, kwa hivyo anaripoti makadirio na tahadhari hiyo ikionekana badala ya kuzikwa.

Kwa sababu tarehe za kupitisha zilipishana kuvuka kanda, pia anatumia muundo wa paneli, akidhibiti kila kitu thabiti kuhusu kila kanda na mishtuko ya nchi nzima kama msimu mbaya wa homa ya mafua ulioathiri kila kanda kwa wakati mmoja. Makadirio ya tofauti-ndani-ya-tofauti yanakuja kwa upungufu wa asilimia 7 wa kulazwa tena — wa kweli na wa kustahili kuwa nao, lakini chini sana ya nusu ya kielelezo cha kichwa cha habari, kwa sababu wingi wa asilimia 18 ya awali ulikuwa faida iliyokuwepo ya kanda, si programu. Kisha anakagua data zinazokosekana: kanda mbili zilikuwa na uandishi wa msimbo usiokamilika katika mwaka wa mpito, na anaonyesha matokeo yanashikilia iwe vipindi vya kanda hizo vinajumuishwa au kutengwa.

Yuko mkweli kuhusu makadirio ni nini na si nini. Ni athari ya wastani katika kanda zenye uwezo wa huduma ya msingi wa kuendesha zahanati zinazoongozwa na wauguzi; kanda nane zisizopitisha ni maskini zaidi na zenye wafanyakazi wachache, kwa hivyo athari huko inaweza kuwa ndogo zaidi au inaweza kuhitaji uwekezaji ambao mfano hauuwekei bei. Hilo ni swali la uhalali wa nje, na analiashiria waziwazi badala ya kudhani asilimia 7 itahamia. Pendekezo lake kwa Wizara si "toa kitaifa" wala "iache", bali "ifadhili pale uwezo wa huduma ya msingi upo, na ugawe kwa nasibu mpangilio wa utolewaji katika kanda zilizobaki ili tathmini inayofuata iweze kutatua swali la uhamisho ambalo hii haiwezi." Ufanisi wa gharama wa upungufu wa asilimia 7 kisha unakabidhiwa kwa mfano wa maamuzi (Mada 2.2 — Uundaji wa Mifano) unaogeuza makadirio ya sababu kuwa gharama kwa kila matokeo ambayo mlipaji anaweza kutendea kazi.

Mitazamo minne ya sekta

Kampuni changa

Kampuni changa ya afya ya kidijitali kwa kawaida hukutana na uchumimetria ya afya kama dai la ushahidi kutoka kwa mnunuzi au mdhibiti: thibitisha programu yako inabadilisha matokeo kweli, si kwamba watumiaji wanaoshiriki wanafanya vizuri tu. Kishawishi ni chati ya kabla-na-baada ya wapitishaji wa mapema wenye shauku, ambayo karibu ni upendeleo wa uteuzi safi — watumiaji hao wangeboreka hata hivyo. Hatua ya kuaminika, ya bei nafuu ni jaribio dogo la nasibu au utolewaji wa kupishana kuvuka tovuti, uliobuniwa kabla ya uzinduzi, unaotenga athari ya bidhaa na hamasa ya watu waliochagua. Waanzilishi wanaojenga ulinganisho safi katika utumiaji wa kwanza wanabeba uzito zaidi kwa walipaji kuliko wale wanaorekebisha uchambuzi wa kupendeza baadaye.

Biashara ndogo

Mtoa huduma mdogo aliyeimarika — mazoezi ya kikundi, zahanati moja, duka la dawa la jamii, msambazaji mdogo wa vifaa — ana data halisi za uendeshaji lakini si kiasi wala timu ya uchambuzi kuendesha tafiti zake za nusu-majaribio, na hakuna wakati wa uzinduzi wa kugawa kwa nasibu kuzunguka. Kazi yake ya uchumimetria kwa kiasi kikubwa ni tathmini: kusoma ushahidi ambao mtengenezaji, mwagizaji wa huduma, au chombo cha kitaaluma kinaweka mbele yake na kuhukumu kama athari inayodaiwa ingeshikilia katika mzigo wa kesi kama wake. Hatua thabiti zaidi ni kuuliza swali la uhalali wa nje kwa nguvu — je, hii ilionyeshwa katika idadi ya watu, kiwango cha wafanyakazi, na mfumo unaofanana na wangu? — badala ya kujaribu uchambuzi wa sababu isiyoweza kuupatia rasilimali. Pale inazalisha ushahidi, badiliko la kupishana kuvuka tovuti au madaktari wake wenyewe, au usomaji rahisi wa kabla-na-baada ulioifanywa kwa uaminifu dhidi ya mazoezi jirani yanayolingana, ni wa kuaminika zaidi kuliko chati ya ndani inayopendeza. Tofauti na kampuni changa inayofuata kiwango cha ushahidi cha mlipaji, kichocheo chake ni kuepuka kupitisha kitu kinachopoteza kimya kimya muda na fedha adimu kwa mzigo wa kesi ambao haukuwahi kulingana na utafiti.

Biashara kubwa

Mtoa huduma mkubwa au bima ameketi juu ya data tajiri za muda mrefu — madai, rekodi, rejista — na faida yake ni uwezo wa kuendesha uchambuzi wa paneli na wa nusu-majaribio kwa kiwango. Hatari ni kuchanganya wingi wa data na uwazi wa sababu: rekodi milioni zilizochanganyika bado haziwezi kukuambia kama programu ya usimamizi wa huduma ilifanya kazi, na timu ya uchambuzi yenye rasilimali nzuri inaweza kuzalisha mifano ya kisasa inayosafisha upendeleo wa uteuzi kuwa athari inayoonekana. Biashara kubwa iliyokomaa inatenganisha uripoti wa utendaji wa ndani na tathmini ya sababu, ikizishikilia kwa viwango tofauti, na kujenga usanifu wa nasibu au wa kupishana katika utolewaji wake wa uendeshaji ili mabadiliko ya kawaida yazalishe ushahidi wa kuaminika badala ya dashibodi tu.

Serikali

Wizara au mlipaji wa kitaifa anafanya maamuzi ya sababu yenye hatari za juu zaidi — kupanua programu kitaifa, kufadhili au kuondoa faida — na mara nyingi ana viwiko vya sera vinavyounda majaribio ya asili: vizingiti vya ustahiki, utolewaji wa awamu, majaribio ya kikanda. Nidhamu yake inapaswa kuwa kubuni utolewaji huo kama tathmini tangu mwanzo, ili awamu isiyoepukika izalishe tofauti-ndani-ya-tofauti au kutoendelea kwa kurudi nyuma badala ya ulinganisho usiofasirika. Serikali pia hubeba wajibu ambao sekta nyingine hazina: kulinda dhidi ya ukosefu wa usawa wa kisiasa ambapo programu zinazopendelewa zinaepuka uchunguzi na matokeo yanayotishia yanapingwa, kwa kujitolea mapema kwa viwango vya tathmini na kuchapisha matokeo yaipendelee sera au la.

Njia za kawaida za kushindwa

• Kuchanganya uhusiano na sababu. Kuripoti kwamba wagonjwa waliotibiwa walifanya vizuri bila kushughulikia kwa nini walitibiwa. Marekebisho: anza kutoka kinyume cha ukweli na utaje wachanganyaji kabla ya kufasiri tofauti yoyote.

• Kuchagua kwa matokeo. Kulinganisha wa hiari na wasio wa hiari, waliokamilisha na walioacha, au wapitishaji na wasiopitisha kana kwamba makundi yanaweza kubadilishana. Marekebisho: tumia usanifu (ugawaji wa nasibu, tofauti-ndani-ya-tofauti, vigeugeu vya chombo, kutoendelea kwa kurudi nyuma) unaoshughulikia jinsi watu walivyopangwa katika makundi.

• Uchambuzi wa kesi kamili kimya. Kutupa kila mtu mwenye data zinazokosekana na kuripoti masalio kana kwamba ni yote. Marekebisho: ripoti kiwango na mfumo wa ukosefu na ujaribu kama hitimisho linanusurika dhana tofauti kuuhusu.

• Kudhani bila kujaribu. Kuwasilisha tofauti-ndani-ya-tofauti bila kukagua mielekeo sambamba, au chombo bila kubishana uhalali wake wa nje. Marekebisho: dai majaribio ya kukanusha na uchukulie kutokuwepo kwake kama kasoro.

• Kujumlisha athari ya mahali. Kutumia makadirio yanayotegemea kizingiti au chombo kwa idadi ya watu ambayo hayakuwahi kuielezea. Marekebisho: taja namba ni athari ya nani na utathmini uhalali wa nje tofauti na uhalali wa ndani.

• Maigizo ya umuhimu wa kitakwimu. Kuchukulia p-value kama uamuzi, kupuuza ukubwa wa athari na kutokuwa na uhakika. Marekebisho: dai ukubwa na muda wa kujiamini ulioandaliwa dhidi ya bajeti halisi na idadi ya watu.

• Kurekebisha uchambuzi nyuma. Kutafuta seti iliyopo ya data hadi matokeo ya kupendeza yaonekane, kisha kuyawasilisha kana kwamba yalipangwa. Marekebisho: sajili usanifu na mpango wa uchambuzi mapema kabla data hazijaonekana.

Kielelezo cha ukomavu

Orodha ya ukaguzi

• Taja kinyume cha ukweli: kundi la kulinganisha ni lipi, na kwa nini lingeonyesha kile kundi lililotibiwa lingefanya bila uingiliaji?
• Tambua wachanganyaji na mitambo ya uteuzi inayowezekana, na utaje usanifu unaoshughulikia.
• Thibitisha usanifu ulipangwa kabla data hazijakusanywa, na mpango ulioandikwa wa uchambuzi.
• Kwa mbinu iliyochaguliwa, taja dhana kuu (mielekeo sambamba, uhalali wa nje wa chombo, hakuna udanganyifu wa kizingiti) na ukague ushahidi wake.
• Dai majaribio ya kukanusha, si makadirio ya kichwa cha habari tu.
• Uliza data kiasi gani zilikosekana, kama wanaokosekana wanatofautiana na walioonekana, na jinsi ukosefu ulivyoshughulikiwa.
• Kagua mfano unafaa umbo la data (gharama zilizopinda, hesabu, kuishi kulikokatwa).
• Anzisha athari ni ya nani (ya mahali au ya jumla) kabla ya kujumlisha.
• Soma ukubwa wa athari na muda wa kujiamini dhidi ya bajeti na idadi yako ya watu, si p-value tu.
• Tathmini uhalali wa nje — je, hii ingeshikilia katika mfumo wangu? — tofauti na uhalali wa ndani.
• Tafuta mstari wa pili wa ushahidi kwa uamuzi wowote mkubwa wa kutosha kujalisha.
• Rekodi dai la sababu, usanifu, dhana yake kuu, na kile kingebadilisha mawazo yako.

Vyanzo muhimu

• Andrew Jones, "Health Econometrics" — katika Culyer & Newhouse (wahariri), Handbook of Health Economics — utafiti wa kawaida wa mbinu za data za afya na mitego yake.
• Jeffrey Wooldridge, Econometric Analysis of Cross Section and Panel Data — kitabu cha rejeo cha mbinu za paneli na za nusu-majaribio.
• Joshua Angrist & Jörn-Steffen Pischke, Mostly Harmless Econometrics — matibabu yanayoeleweka ya mkondo wa sababu, majaribio ya asili, na miundo minne ya nusu-majaribio.
• CONSORT Statement — viwango vya uripoti vya majaribio ya nasibu yaliyodhibitiwa, yenye manufaa kama orodha ya ukaguzi wa tathmini.
• Economics Network, Health Economics for Teachers — moduli ya uchumimetria — https://economicsnetwork.ac.uk/health/teachers
• OECD, Health at a Glance, na machapisho ya mifumo ya afya ya WHO — vyanzo vya data za kawaida za afya ambazo sehemu kubwa ya uchumimetria ya afya inafanyika juu yake.

Marejeo

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