Utvärdering med EQ-5D-index kan påvisa ojämlikhet i vården

Philippe Wagner och Jonas Ranstam framför i en debattartikel att användande av EQ-5D-index som utvärderingsinstrument innebär risk för ojämlikhet i vården [1]. Författarna illustrerar detta med två exempel. I det första jämförs fiktiva EQ-5D-indexdata från tre populationer. I räkneexemplet, som baseras på det icke-parametriska Mann–Whitney-testet, får man motsägelsefulla resultat.

Räkneexemplet är visserligen intressant från en matematisk synvinkel men de fiktiva värdena speglar inte alls typiska fördelningar av EQ-5D-index. Som författarna riktigt påpekar lämpar sig inte icke-parametriska test för att analysera EQ-5D-indexvärden, men risken att feltolka analyser som baseras på sådana test är försvinnande liten. Att en bristfällig analysmetod i extrema fall kan ge missvisande eller motsägelsefulla resultat diskvalificerar ju inte EQ-5D-index som utvärderingsinstrument. Det motsägelsefulla resultatet kan emellertid förklaras betydligt bättre med enkel beskrivande statistik, såsom medelvärde och median (Tabell I; Figur 1). Problemets omfattning är ju dessutom begränsat eftersom, precis som Wagner och Ranstam påpekar, »stickprovsstorlek på 25–30 observationer räcker för att beräkningarna ska vara tillförlitliga, under förutsättning att icke-parametriska test undviks«. Analys med testet ANOVA bekräftar den intuitiva slutsatsen som kan dras från enkel beskrivande statistik, det vill säga att grupperna i exemplet är oskiljbara (P = 0,8).

I det andra exemplet framgår hur medelvärdet förbättras mellan två mätningar, men en närmare analys visar att 20 procent av populationen har försämrats medan 80 procent har förbättrats. Det här fenomenet är inte exklusivt för icke-normalfördelade värden av EQ-5D-index. Det kan förekomma även vid normalfördelade data utan att variansen skiljer sig åt mellan mättillfällena. Det är alltså fel att påstå att ett förbättrat normalfördelningsmedelvärde representerar en förbättring för hela populationen. För att en medelvärdesförbättring ska representera en förbättring för hela populationen förutsätts att varje individ förbättrar sitt tillstånd. Om 20 procent av individerna försämras men medelvärdet förbättras, såsom i debattartikelns exempel, representerar det förbättrade medelvärdet inte en förbättring för hela populationen, oavsett om data är normalfördelade eller inte. Förbättringen är representativ för populationen, men inte för den enstaka individen. 

Således utgör inte något av de två exempel som debattörerna framhåller hållbara argument för att EQ-5D som utvärderingsinstrument riskerar att skapa ojämlikhet i vården.

Tvärtom bidrar utvärdering utifrån patientrapporterade mått, däribland EQ-5D-instrumentet, till att upptäcka ojämlikhet och därigenom indirekt till att minska förekomsten av ojämlika förhållanden i vården. Som exempel kan nämnas studier och rapporter från Svenska höftprotesregistret som visar demografiska, socioekonomiska och geografiska skillnader i patientrapporterat utfall mätt med bland annat EQ-5D-index [2].

Dessutom kan man utnyttja hela potentialen i sina EQ-5D-data genom att också använda metoder som utforskar förbättringar och försämringar för varje enskild fråga i EQ-5D-formuläret. Patienterna kan grupperas enligt Paretoprincipen (en sann förbättring föreligger om det finns minst en förbättring och ingen försämring) i dem som bara rapporterar förbättringar, bara försämringar, är oförändrade eller har både förbättringar och försämringar, varefter subgruppsanalyser kan användas för att till exempel identifiera patientgrupper som kan behöva extra eller annat stöd än det gängse i samband med behandlingen [3].

Det är bra att Wagner och Ranstam framhåller de statistiska utmaningar som analys av EQ-5D-indexdata innebär, och vikten av att presentera och tolka förändringar mer ingående än att bara redovisa medelvärdesförändring. Det är dock inte synonymt med att utvärderingsinstrumentet i sig har brister som riskerar ojämlikhet i vården.