ヘルスケアモデリング研究のための専門家抽出の使用 – <>

経済モデルをパラメータ化する場合には堅牢なデータが好ましいですが、この情報が常に入手できるとは限りません。 たとえば、臨床試験の結果がどの程度現実の世界に反映されるかが不明確な場合があります。 あるいは、臨床試験の結果を試験期間を超えて推定する必要がある場合もあります。 あるいは、対象となる特定のパラメータに利用できるデータが単に存在しない可能性もあります。

多くの場合、モデラーはモデルのパラメータ化を支援するために専門家の意見を聞き出します。 場合によっては、これは非公式に行われます (例: 面接)。 他の場合には、構造化された専門家の引き出しが使用されます (例: Delphi パネル、 シェルフ方式)

による論文 キャダムら。 (2022年) 専門家による引き出し手法を用いて、ヘルスケアモデルの体系的な文献レビューを実施しました。 これが彼らが見つけたものです

• 構造化された専門家による抽出の頻度。 特定された 152 件の研究のうち、40 件では構造化された専門家による引き出しアプローチが使用され、112 件では非公式または不確定な方法が使用されました。 臨床専門家の使用 (n=36) が最も一般的だったのは、専門家の引き出しが構造化されていない/不確定な専門家の引き出しとともに使用された場合です。
• 専門家はどのように選ばれたのでしょうか？ 専門家がどのように選ばれたかは、40件の研究のうち20件で報告されていなかった。 8件の研究では、コンビニエンスサンプリングを使用した選択方法が報告されており、4件の研究では専門家を特定するために出版記録を使用していました。 他の方法には、雪だるま式サンプリングや製品の臨床試験への関与、または特定の国での専門知識が含まれます。 使用した専門家の数は 1 ～ 30 人の範囲でした。
• 誘導方法。 最も頻繁に使用された方法は、Delphi または修正された Delphi プロセス (n = 10) および棚 (n=2)。 ほとんどの引き出し (n=13) は仮想または電話で行われ、n=5 は直接行われました。 9 件の研究では、Web ベースまたはスプレッドシート ベースのツールがデータ収集に使用されました。 11 件の研究で専門家から点推定値が導き出されました。 それらのうち、最も頻繁に推定されたのは中央値 (n = 5)、平均(n = 3)、おそらく (n = 3) 値。 7件の研究では、専門家に範囲または異なる分位値の提供を求めることによって専門家の不確実性が引き出されましたが、他の7件の研究では、専門家の不確実性を引き出すためにヒストグラム法または修正ヒストグラム法（専門家が頻度グラフにマークを付ける）が使用されました。」
• 集計。 一部の研究 (n=4) では、専門家が一緒に合意に達すること (つまり、行動的集計) が必要でしたが、他の研究では線形プーリングなどの数学的集計が使用されました (n = 18)。 「パフォーマンス測定では、シード変数（キャリブレーション質問とも呼ばれる）に対する専門家の回答に基づいて重み付けが行われ、その回答はファシリテーターにはわかっているが、専門家には未知またはすぐに入手できないもので、2件の研究でのみ使用されました。」
• 不確実性。 最も一般的には、これは一元配置または確率的感度分析 (n=26) で行われましたが、一部 (n=3) の研究では、各専門家からの応答が個別にシミュレートされ、その後集計されました。

研究全体の詳細は次のとおりです。 ここ。