EQ-5D är ett standardiserat instrument för att mäta hälsa som tagits fram av EuroQol Group, en internationell forskargrupp etablerad redan 1987. Instrumentet mäter livskvalitet med ett specifikt värde baserat på en sammanvägning av svaren på fem frågor. EQ-5D är därför snabbt att använda och lätt att administrera. Det kan användas vid olika sjukdomar och en lång rad hälsotillstånd och behandlingar. Instrumentet används ofta för att beräkna kvalitetsjusterade levnadsår i analyser av kostnad–effekt och kostnad–nytta [1].
EQ-5D-värden används emellertid också ofta vid direkt utvärdering av behandlingsresultat [1-3]. De öppna jämförelser av hälso- och sjukvårdens kvalitet som görs med hjälp av information från nationella kvalitetsregister inkluderar i vissa fall också EQ-5D-jämförelser mellan län och kliniker [4]. I Stockholms läns landsting används EQ-5D-värden systematiskt som ett hälsomått i uppföljningen av hälso- och sjukvården [1]. I förslaget till gemensam satsning på kvalitetsregister rekommenderas en omfattande registrering av EQ-5D [5].
EQ-5D mäter fem olika faktorer: rörlighet, egenvård, vardagliga aktiviter, smärta, oro. Varje faktor har, något förenklat, tre olika nivåer: 1) inga problem, 2) måttliga problem, 3) svåra problem. Högst livskvalitet har alltså den patient som anger 1 på alla faktorerna, och lägst har den som anger 3. Det finns således en möjlig variation för svarssumman mellan 5 och 15 och för det aritmetiska medelsvaret mellan 1 och 3.
Det aritmetiska medelvärdet används dock inte. I stället konstrueras en form av ett vägt medelvärde med en viktning (tariff) som kan variera mellan olika geografiska områden. Viktningen för USA är t ex inte densamma som för Storbritannien. Det har inte utarbetats någon tariff för Sverige utan här används den brittiska tariffen.
Det vägda medelvärdet för EQ-5D motsvarar 1,0 för en helt frisk person och 0 för en död. Vissa negativa värden, motsvarande tillstånd värre än döden, kan förekomma.
Att med EQ-5D-värden undersöka vård- eller behandlingseffekter på livskvalitet, eller förändringar i livskvalitet, är förenat med vissa problem som hittills inte diskuterats. Här följer en beskrivning av dessa problem i form av en enkel simuleringsstudie.
Simuleringen, som utförts med statistiksystemet R [6], utgår från antagandet att det i patientpopulationen finns en fördelning för varje faktor som ingår i EQ-5D (alltså rörlighet, egenvård, vardagliga aktiviter, smärta och oro) och att man på ett felfritt sätt kan hämta information om varje patients plats i dessa fördelningar.
Som utgångsvärde för simuleringarna används här empiriska data som insamlats i en studie av indikationer för proteskirurgi utförd av Registercentrum Syd [7]. Elva ortopedenheter deltog i studien och materialet samlades in under perioden 2006 – 2008. Patienter med primär knäledsartros inplanerade för artroplastik inkluderades, och totalt registrerades information om 1 299 patienter. Andelen kvinnor var 60 procent. Medelåldern för kvinnor var 69,5 år och för män 69,0 år.
Med hjälp av likformigt fördelade slumptal simulerades sedan svaren från 1 000 hypotetiska patienter med varierande livskvalitet. Den fördelning som då uppkommer avspeglar, i förhållande till utgångsvärdena, en bild av variabiliteten i patienternas livskvalitet. (Mer information om programmen som använts för simuleringen kan erhållas av författarna.)
Av resultatet framgår att spridningen i patienternas aritmetiska medelvärden av svaren på EQ-5D-frågorna är tämligen normalfördelad. Att fördelningen är unimodal (entoppig) bör poängteras.
De viktade (tariff-)medelvärdena avspeglar däremot en helt annan fördelning som är bimodal (tvåtoppig) och som snarast påminner om en blandning av två olika normalfördelningar. Att EQ-5D är ett problematiskt index ­beror alltså på dess viktning av de ingående svaren. Vikterna har konstruerats på ett sätt som ger indexet en systematisk tendens att tudela patientgrupper i två olika sub­populationer, en med lättare ­hälsoproblem och en med svårare. Den senare subpopulationen kännetecknas av att patienterna angett svarsalternativ 3 (svåra besvär) på åtminstone någon fråga. Flera publicerade artiklar uppvisar därför också, liksom Registercentrum Syds material [7] bimodala fördelningar av EQ-5D-värden [8-12].
Det är välkänt att bimodala fördelningar ställer till problem vid gruppjämförelser. Alternativa statistiska metoder för jämförelser av EQ-5D-värden har därför föreslagits [9]. Det är dock oklart i vilken mån dessa alternativ löser problemen. Såvitt vi vet har alternativen i praktiken inte heller använts i någon större omfattning, om ens i någon.
För att beskriva vilket värde som bäst representerar en populations tyngdpunkt finns tre alternativ: medel-, median- och typvärde. Måtten är enkla att tolka när det gäller normalfördelning men är inte tolkningsbara vid bimodala fördelningar.
Det finns ju två olika typvärden; medianen representerar inte nödvändigtvis någon enda av patienterna; medelvärdet och standard­avvikelsen räcker inte för att definiera populationen. Till skillnad från normalfördelningar, som entydigt definieras av medelvärde och standardavvikelse, kan nämligen bimodala fördelningar med samma medelvärde och standardavvikelse ha olika egenskaper.
Ur förbättringssynvinkel har fördelningen av patienternas livskvalitet stor betydelse. Utöver att fördelningen avspeglar graden av rättvisa och jämlikhet är reducerad variabilitet i sig självt ett förbättringsmål.
Ett exempel på två patientgruppers olika fördelning av livskvalitet framgår av Figur 1 och Figur 2. Här har två grupper om vardera 10 000 fiktiva patienters EQ-5D-värden simulerats. Båda grupperna har medelvärdet 0,51 och standardavikelsen 0,21, men de skiljer sig markant åt beträffande fördelningen av livskvalitet.
I Figur 1 är livskvaliteten relativt sämre än i Figur 2, ­eftersom en mindre andel av patienterna finns i subpopulationen med hög livskvalitet: 30 procent mot 87 procent. Å andra sidan finns det i Figur 2 patienter med lägre livskvalitet än i Figur 1. Jämförelsen av grupperna är inte lättolkad.
Att EQ-5Ds medelvärde och standardavvikelse är desamma i båda patientgrupperna ger emellertid det felaktiga intrycket att tolkningen är mycket enkel, att grupperna är lika. Det torde därför stå klart att medelvärde och standardavvikelse inte nödvändigtvis förmedlar den information som krävs för ett meningsfullt förbättringsarbete.
För ekonomiska studier som använder EQ-5D-värden för bestämning av total kostnad och nytta, och som bortser från deras relativa fördelning, är bimodaliteten kanske mindre problematisk. Fördelningsformen har dock även här betydelse för osäkerheten i skattningarna, dvs för konfidensintervall och P-värden, åtminstone när det gäller små patientgrupper.
EQ-5D-medelvärden fyller en plats vid skattningar av kostnad och nytta, men för kliniskt förbättringsarbete är traditionella jämförelser av olika patientgrupper med EQ-5D-medelvärden otolkbara och potentiellt vilseledande.

*Potentiella bindningar eller jävsförhållanden: Inga uppgivna.


Figur 1. 10?000 patienter som med hjälp av slumptal tilldelats en fördelning baserad på en blandning av två normalfördelningar. Den första med 70 procent av populationen, ett medelvärde på 0,40 och en standardavvikelse på 0,11. Den andra med 30 procent av populationen, ett medelvärde på 0,80 och en standardavvikelse på 0,11. Den blandade fördelningen har medelvärde 0,51 och standardavvikelse 0,21.



Figur 2. 10?000 patienter som med hjälp av slumptal tilldelats en fördelning baserad på en blandning av två normalfördelningar. Den första med 13 procent av populationen, ett medelvärde på 0,05 och en standardavvikelse på 0,15. Den andra med 87 procent av populationen, ett medelvärde på 0,58 och en standardavvikelse på 0,11. Den blandade fördelningen har medelvärde 0,51 och standardavvikelse 0,21.