引用本文： 陶穎, 劉世蒙, 陳英耀. 優化陳述性偏好研究的屬性確定過程：基于優劣尺度法. 中國循證醫學雜志, 2024, 24(9): 1079-1084. doi: 10.7507/1672-2531.202312099 復制
版權信息： ?四川大學華西醫院華西期刊社《中國循證醫學雜志》版權所有，未經授權不得轉載、改編
理論和實踐經驗表明，患者參與是科學制定醫療衛生決策的重要基礎[1,2]。由于患者偏好的復雜性和不確定性，如何有效測量患者偏好，是當前困擾研究者和決策者的重要科學問題。患者偏好信息通常利用陳述性偏好（stated preference，SP）和揭示性偏好（revealed preference，RP）兩種方法獲取，由于衛生保健領域的特殊性，SP的應用更為普遍[3]。在SP測量工具的選擇上，英國國家衛生與臨床優化研究所（National Institute for Health and Care Excellence，NICE）認為離散選擇實驗（discrete choice experiment，DCE）和優劣尺度法（best-worst scaling，BWS）能夠為衛生技術評估（health technology assessment，HTA）生成較為可靠和有效的患者偏好證據[4,5]。
確定屬性范圍是SP研究至關重要的第一步。其原則是篩選出若干個對該研究人群最為重要且與研究“技術”緊密相關的屬性[6,7]。在已發表的研究中，“文獻回顧+定性研究（專家咨詢、患者訪談等）”是應用較為普遍的方法[8]。但不論是患者深度訪談還是專家咨詢，均無法提供不同屬性間重要性差異的定量比較，因此對于重要性差異不大的某些屬性，通常難以進行有效地區分與選擇。部分學者嘗試通過排序或分級等定量式方法（如Likert量表）來獲取不同屬性的重要性程度，但發現被調查者通常避免選擇“極端”選項。此外，也較難對Likert量表中的各維度進行科學賦分，例如，不同受訪者對“很好”和“很差”的理解及心理預期可能并不相同。
BWS的理論基礎起源于McFadden[9]和Thurstone[10]提出的隨機效用理論假設，盡管在過去的30年里，圍繞BWS發表了一系列的論文[11,12]，但其正式的數理統計和測量性質直到2005年才被證實[13]。隨著對BWS理論和實踐的深入，目前已有3種BWS形式可供選擇，分別為對象型BWS（BWS-object case，BWS-1）、組合型BWS（BWS-profile case，BWS-2）及多重組合型BWS（BWS-multi-profile case，BWS-3）。當研究者對所研究對象之間的相對價值感興趣時，BWS-1是較為合適的方法。在BWS-1中，當研究者確定了要進行測量的各個對象，則必須將其設計成相應的選項集供受訪者分別選擇最優和最差選項。雖然BWS-1已被證實是有效的優先級測量工具，但目前鮮有研究將其應用到SP研究的屬性確定領域。基于此，本研究以2型糖尿病（diabetes mellitus type 2，T2DM）患者為例，旨在探究如何利用BWS-1更加科學、有效地確定SP研究的屬性范圍。
1 資料與方法
1.1 資料來源
本研究的資料來源于國家自然科學基金面上項目“患者治療偏好測量及工具適用性研究”在2021年的現場調查數據。關于本研究的具體實驗設計及數據分析，可參見Liu等[14]已發表的相關研究。
1.2 研究對象
本研究以臨床診斷為2型糖尿病（type 2 diabetes mellitus，T2DM）的成年患者為調查對象，根據方便抽樣在海南省儋州市和江蘇省淮安市共計8家醫療衛生機構利用BWS-1對T2DM患者開展問卷調查。當前，尚缺乏關于開展BWS研究所需樣本量的統一標準，根據Pearmain等[15]的經驗法則建議，100人以上的樣本量能為偏好數據的分析建模提供基礎，因此本研究調查的最小樣本量為100名患者。為保證數據收集的質量，本研究采用面對面的問卷調查方式收集數據。
1.3 調研工具
在確定納入BWS-1研究的屬性時，原則之一是盡可能全地篩選出T2DM患者二聯藥物治療過程中不同藥物的特性。因此本研究首先查閱文獻資料及臨床指南，歸納大部分降糖藥物共有的特點或并非大部分降糖藥物共有但特點突出、對患者具有重要意義的屬性。通過整理，初步確定相關的備選屬性包括血糖控制效果、低血糖風險、心腦血管健康、惡心、嘔吐、腹脹、腹瀉、骨折、水腫、泌尿系統感染、體重變化、服藥頻率以及自付費用。
為確保納入BWS-1研究的屬性全面且準確，本研究開展現場臨床專家咨詢對初步納入的屬性進行論證和咨詢，包括納入屬性的全面性、表述方式是否合理、是否遺漏其他具有重要意義的屬性。之后，進一步咨詢偏好研究相關專家，對屬性進行修正和補充。在此過程中，增加服藥方式這一屬性，將惡心、嘔吐、腹脹、腹瀉整合為胃腸道不良反應從而可以綜合反映藥物不良事件，將泌尿系統感染調整為生殖泌尿道感染。最終，本研究共納入11個屬性：血糖控制效果、體重變化、低血糖風險、胃腸道不良反應、心腦血管健康、生殖泌尿道感染、水腫、服藥方式、服藥頻率、骨折和自付費用。
確定屬性后，本研究利用R Studio軟件采用平衡不完全區組設計生成11組BWS-1選項集，每一選項集包含5個屬性，每個屬性在所有選項集中重復出現5次。讓被調查者從一系列由不同屬性組合而成的選項集中分別選出他們認為“最重要”和“最不重要”的屬性，通過多次選擇最終得出一系列屬性的優先級排序。除了BWS-1選項集，用于數據收集的調查問卷還包括患者基本人口學信息和疾病治療信息。
在本研究中，后續進行SP研究（DCE和BWS-2）的屬性確定主要通過文獻回顧-專家咨詢-BWS-1-專家咨詢的流程。遵循以下原則：① 與研究目的的相關性；② 屬性的相對重要性程度；③ 是否存在偏好的異質性；④ 是否體現降糖藥物的實際特性；⑤ 受訪者認知負擔及樣本量。
1.4 數據分析
本研究使用R Studio軟件，通過計數法和建模法對BWS-1數據進行分析。采用均值、標準差和范圍描述連續變量，采用頻率和百分比描述分類變量。計數法統計各屬性被選擇為“最重要”和“最不重要”的次數來計算兩種類型的得分：分類（個體層面）得分和匯總（總體層面）得分[16]。建模法是利用條件logit模型（conditional logit model，CLM），回歸系數可用來表示各屬性的相對重要性，同時可檢驗回歸系數是否具有統計學意義。在此基礎上，本研究比較了計數法和建模法的結果，以檢驗兩種方法之間的相關性。對BWS-1中的偏好異質性分析，本研究利用K-Means聚類分析對患者進行不同群體的分類。該算法能夠根據患者的相似度將患者劃分為不同的類簇，各類簇的內部元素之間具有較大的相似性。
2 結果
2.1 研究對象的基本人口學信息
本研究共招募受訪者423位，其中406位患者同意并參與了本項調查。最終來自8家醫療衛生機構（4家醫院、4家社區衛生服務中心或鄉鎮衛生院）的362位患者完成了調查問卷并納入最終的結果分析。患者的平均年齡為63.6±11.8歲，大部分受訪者為已婚（85.6%）、女性（56.4%）、來自農村地區（54.4%），將近1/2的患者受教育程度在小學或以下水平（45.6%），其家庭年收入主要集中在2萬元以下（43.9%）。其中約56.3%的患者被診斷為T2DM的時間超過5年，69.9%的患者目前正在服用兩種或以上的降糖藥。研究對象的基本人口學信息見表1。
表1
納入對象的基本人口學信息（n=362）
2.2 計數法分析結果
計數方法下的分析結果見表2。由結果可以看出，在總體水平得分方面，血糖控制效果的最優得分最高，最劣得分最少，兩者分別為1 356分、14分；服藥頻率的最優得分最少，最劣得分最高，兩者分別為85分、796分。由標準化BW分值可以看出，11個屬性中，重要性程度排在前三位的分別是血糖控制效果、心腦血管健康以及低血糖風險；排在后三位的分別為：服藥頻率、服藥方式以及骨折。在計分方法下，我們將11個納入的屬性進行了相對重要性對比，由圖1可以看出，正數分值最高的為血糖控制效果，負數分值最高的為服藥頻率。總體而言，在11個屬性中，血糖控制效果、心腦血管健康、低血糖風險、生殖泌尿道感染、胃腸道不良反應5個屬性對患者的治療偏好具有正向的作用，即該類屬性更傾向于被選為“最重要”。自付費用、服藥方式、服藥頻率等6個屬性對患者的治療偏好具有負向作用，即該類屬性被選為“最不重要”的頻率更高。
表2
BWS-1偏好結果：計數法
圖1
各屬性標準優劣得分
2.3 模型法分析結果
本研究CLM下的偏好結果見表3，除體重變化和水腫的回歸系數值沒有統計學意義之外，其他屬性均具有統計學意義。本研究將自付費用設置為參照水平，由表3可以看出，與計數方法下的結果一致，在11個屬性中，影響T2DM患者二聯藥物選擇偏好的前三位和后三位因素分別為血糖控制效果、心腦血管健康、低血糖風險，以及骨折、服藥方式、服藥頻率。通過計算偏好分配，可以對包括自付費用在內的11個屬性進行優先級排序，由表中可以看出，自付費用的相對重要性程度排在第七位。
表3
BWS-1偏好結果：CLM
2.4 偏好異質性結果
本研究在計數分析結果的基礎上進一步分析了患者的偏好異質性情況。通過K-Means cluster分層，將樣本人群分為兩個亞群，其結果見圖2。若BW分值為負值，表明該屬性被選為最不重要的次數多于最重要的次數。由圖中可以看出，兩組人群對自付費用和體重變化的偏好存在較大差異，其中尤以自付費用最為明顯，除此之外，其他屬性在患者間的偏好異質性不強。
圖2
偏好異質性分析：基于K-Means cluster分層
3 討論
目前國際上圍繞BWS-1開展了部分研究，近十年國內在食品衛生和醫療衛生服務利用領域開展了少量研究[17-19]，來探究患者對醫療服務的選擇偏好、醫學生對提供基于互聯網的醫療服務偏好以及消費者對食品的選擇偏好，結果發現，BWS-1是較為有效的優先級測量工具。但將BWS-1用于確定SP研究屬性的研究還尤為匱乏，在已檢索到的文獻中，僅Webb等[20]針對聽障兒童選擇替代通訊系統開展了類似研究。本研究發現，BWS-1是較為有效的優先級測量工具，但在確定SP研究的屬性時，不宜僅參照BWS-1的優先級排序結果，還需結合研究的目的及政策意義。例如，在Webb等[20]的研究中，納入DCE中的屬性在BWS-1結果中的優先級排序為1、3、4、5、6、7、12。
基于文獻回顧、專家咨詢、BWS-1、專家咨詢以及預實驗多階段循環遞進的思路和步驟，本研究最終納入到BWS-2和DCE的屬性為血糖控制效果、心腦血管健康、低血糖風險、胃腸道不良反應風險、自付費用、體重變化以及服藥方式，各屬性在BWS-1結果中的優先級排序依次為：1、2、3、4、7、8、10。本研究顯示后兩個納入的屬性并非排在BWS-1的優先級前七位，而最終納入后兩個屬性主要基于專家咨詢、政策意義和二聯降糖藥物的實際特性。
以體重變化為例，在胰島素、口服藥以及胰高血糖素樣肽-1受體激動劑（glucagon?like peptide?1 receptor agonist，GLP-1 RA）3大類的9種降糖藥物中，不同的藥物對體重的影響差別較大，比如磺脲類、格列奈類、噻唑烷二酮類（thiazolidinediones，TZD）藥物會帶來輕微的體重增加，胰島素可能會導致較大的體重增加；二肽基肽酶Ⅳ抑制劑（dipeptidyl peptidase Ⅳ inhibitor，DPP-4i）、α-糖苷酶抑制劑類藥物對體重的影響為中性；而鈉-葡萄糖協同轉運蛋白2抑制劑（sodium?glucose cotransporter 2 inhibitor，SGLT-2i）、GLP-1 RA會使體重降低。另一方面，不同的患者對于體重變化的偏好可能存在較大的差異，例如BMI不同的患者、男女之間等。因此了解不同患者對體重變化的偏好差異，可以制定更有針對性的藥物選擇方案，為改善患者的治療依從性和滿意度提供更加科學可靠的患者偏好證據。雖然服藥方式在BWS-1中的得分僅位列第十位，但由于該屬性是區別口服和注射類藥物的首要特征，且已有研究證實，服藥史、受教育程度不同的患者對服藥方式的偏好存在非常大的差異，因此該屬性的納入可以幫助更好地分析不同患者之間的藥物選擇偏好是否存在差異。
本研究未納入生殖泌尿道感染，主要基于以下考慮：不論是口服藥還是注射類藥物，僅SGLT-2i可能存在泌尿及生殖系統感染的風險，其他藥物基本不會導致該風險。此外，雖然FDA于2015年向所有SGLT-2i標簽添加了嚴重生殖泌尿道感染的警告，但SGLT-2i的使用與嚴重生殖泌尿道感染風險之間的關系尚不清楚。最新一項納入超過十萬例T2DM患者的大規模隊列研究結果顯示，SGLT-2i治療T2DM或不會增加尿路感染風險[21]。本研究亦未納入水腫這一屬性，因為在若干降糖藥物中，只有TZD可能會帶來水腫的風險。此外，雖然水腫的BWS-1分值排在第六位，但其權重僅有0.092，距離排在第四位的胃腸道不良反應有較大差距（0.729），這表明水腫可能并非影響患者治療意愿的主要因素。
結合BWS-1確定SP研究的屬性范圍，有以下幾點優勢。首先，患者在BWS-1中的屬性偏好結果可一定程度上預測后續SP研究，如DCE中對各屬性的偏好情況，有證據顯示從BWS-1和DCE中獲得的屬性相對偏好結果具有一定的一致性[22]。第二，BWS-1是當前確定屬性的方法優化，受訪者只需要在一系列選項集中選擇最偏好和最不偏好的，克服了傳統的排序或分級方法的缺點，減輕了患者的認知負擔[23]。第三，隨著偏好證據的快速增加，基于文獻回顧確定的屬性可能遠多于最終納入DCE或BWS-2中的屬性，僅通過專家咨詢、患者訪談等小規模的定性研究，可能難以將屬性數量縮減到合理范圍（有綜述顯示DCE中的屬性數量平均為4～6個[24]）且具有代表性，BWS-1能包含較多屬性（有綜述顯示平均17個[25]），并對屬性的重要性差異進行統計檢驗[26]。第四，定量BWS-1調查和定性研究的并行反饋是相互檢驗的過程，兩者共同作用，能夠提高最終納入屬性的科學性、合理性和有效性[27]。
本研究存在一定的局限性，如采取非隨機抽樣僅在江蘇省和海南省的部分醫療機構對T2DM患者開展偏好調查，患者的代表性可能不足，研究結果的外推性也有限。但本文為確定SP研究中納入屬性的方法和調查設計提供了思路和借鑒，未來期望能夠開展更大規模的深入研究。
BWS-1可以作為確定屬性的有效的定量偏好測量工具，但不宜僅依據偏好結果的優先級排序來確定DCE和BWS-2的屬性范圍，還需結合研究的政策目的及現實情況進行具體分析。目前國內開展DCE研究越來越多，但屬性的確定主要依靠文獻回顧和定性研究進行，本研究發現借助BWS-1可以通過定量的方式幫助確定一系列屬性的優先級順序，從而提高屬性確定過程的科學性和合理性。建議未來在開展SP研究時，對BWS-1用于屬性確定過程進行更多的應用和探索。
理論和實踐經驗表明，患者參與是科學制定醫療衛生決策的重要基礎[1,2]。由于患者偏好的復雜性和不確定性，如何有效測量患者偏好，是當前困擾研究者和決策者的重要科學問題。患者偏好信息通常利用陳述性偏好（stated preference，SP）和揭示性偏好（revealed preference，RP）兩種方法獲取，由于衛生保健領域的特殊性，SP的應用更為普遍[3]。在SP測量工具的選擇上，英國國家衛生與臨床優化研究所（National Institute for Health and Care Excellence，NICE）認為離散選擇實驗（discrete choice experiment，DCE）和優劣尺度法（best-worst scaling，BWS）能夠為衛生技術評估（health technology assessment，HTA）生成較為可靠和有效的患者偏好證據[4,5]。
確定屬性范圍是SP研究至關重要的第一步。其原則是篩選出若干個對該研究人群最為重要且與研究“技術”緊密相關的屬性[6,7]。在已發表的研究中，“文獻回顧+定性研究（專家咨詢、患者訪談等）”是應用較為普遍的方法[8]。但不論是患者深度訪談還是專家咨詢，均無法提供不同屬性間重要性差異的定量比較，因此對于重要性差異不大的某些屬性，通常難以進行有效地區分與選擇。部分學者嘗試通過排序或分級等定量式方法（如Likert量表）來獲取不同屬性的重要性程度，但發現被調查者通常避免選擇“極端”選項。此外，也較難對Likert量表中的各維度進行科學賦分，例如，不同受訪者對“很好”和“很差”的理解及心理預期可能并不相同。
BWS的理論基礎起源于McFadden[9]和Thurstone[10]提出的隨機效用理論假設，盡管在過去的30年里，圍繞BWS發表了一系列的論文[11,12]，但其正式的數理統計和測量性質直到2005年才被證實[13]。隨著對BWS理論和實踐的深入，目前已有3種BWS形式可供選擇，分別為對象型BWS（BWS-object case，BWS-1）、組合型BWS（BWS-profile case，BWS-2）及多重組合型BWS（BWS-multi-profile case，BWS-3）。當研究者對所研究對象之間的相對價值感興趣時，BWS-1是較為合適的方法。在BWS-1中，當研究者確定了要進行測量的各個對象，則必須將其設計成相應的選項集供受訪者分別選擇最優和最差選項。雖然BWS-1已被證實是有效的優先級測量工具，但目前鮮有研究將其應用到SP研究的屬性確定領域。基于此，本研究以2型糖尿病（diabetes mellitus type 2，T2DM）患者為例，旨在探究如何利用BWS-1更加科學、有效地確定SP研究的屬性范圍。
1 資料與方法
1.1 資料來源
本研究的資料來源于國家自然科學基金面上項目“患者治療偏好測量及工具適用性研究”在2021年的現場調查數據。關于本研究的具體實驗設計及數據分析，可參見Liu等[14]已發表的相關研究。
1.2 研究對象
本研究以臨床診斷為2型糖尿病（type 2 diabetes mellitus，T2DM）的成年患者為調查對象，根據方便抽樣在海南省儋州市和江蘇省淮安市共計8家醫療衛生機構利用BWS-1對T2DM患者開展問卷調查。當前，尚缺乏關于開展BWS研究所需樣本量的統一標準，根據Pearmain等[15]的經驗法則建議，100人以上的樣本量能為偏好數據的分析建模提供基礎，因此本研究調查的最小樣本量為100名患者。為保證數據收集的質量，本研究采用面對面的問卷調查方式收集數據。
1.3 調研工具
在確定納入BWS-1研究的屬性時，原則之一是盡可能全地篩選出T2DM患者二聯藥物治療過程中不同藥物的特性。因此本研究首先查閱文獻資料及臨床指南，歸納大部分降糖藥物共有的特點或并非大部分降糖藥物共有但特點突出、對患者具有重要意義的屬性。通過整理，初步確定相關的備選屬性包括血糖控制效果、低血糖風險、心腦血管健康、惡心、嘔吐、腹脹、腹瀉、骨折、水腫、泌尿系統感染、體重變化、服藥頻率以及自付費用。
為確保納入BWS-1研究的屬性全面且準確，本研究開展現場臨床專家咨詢對初步納入的屬性進行論證和咨詢，包括納入屬性的全面性、表述方式是否合理、是否遺漏其他具有重要意義的屬性。之后，進一步咨詢偏好研究相關專家，對屬性進行修正和補充。在此過程中，增加服藥方式這一屬性，將惡心、嘔吐、腹脹、腹瀉整合為胃腸道不良反應從而可以綜合反映藥物不良事件，將泌尿系統感染調整為生殖泌尿道感染。最終，本研究共納入11個屬性：血糖控制效果、體重變化、低血糖風險、胃腸道不良反應、心腦血管健康、生殖泌尿道感染、水腫、服藥方式、服藥頻率、骨折和自付費用。
確定屬性后，本研究利用R Studio軟件采用平衡不完全區組設計生成11組BWS-1選項集，每一選項集包含5個屬性，每個屬性在所有選項集中重復出現5次。讓被調查者從一系列由不同屬性組合而成的選項集中分別選出他們認為“最重要”和“最不重要”的屬性，通過多次選擇最終得出一系列屬性的優先級排序。除了BWS-1選項集，用于數據收集的調查問卷還包括患者基本人口學信息和疾病治療信息。
在本研究中，后續進行SP研究（DCE和BWS-2）的屬性確定主要通過文獻回顧-專家咨詢-BWS-1-專家咨詢的流程。遵循以下原則：① 與研究目的的相關性；② 屬性的相對重要性程度；③ 是否存在偏好的異質性；④ 是否體現降糖藥物的實際特性；⑤ 受訪者認知負擔及樣本量。
1.4 數據分析
本研究使用R Studio軟件，通過計數法和建模法對BWS-1數據進行分析。采用均值、標準差和范圍描述連續變量，采用頻率和百分比描述分類變量。計數法統計各屬性被選擇為“最重要”和“最不重要”的次數來計算兩種類型的得分：分類（個體層面）得分和匯總（總體層面）得分[16]。建模法是利用條件logit模型（conditional logit model，CLM），回歸系數可用來表示各屬性的相對重要性，同時可檢驗回歸系數是否具有統計學意義。在此基礎上，本研究比較了計數法和建模法的結果，以檢驗兩種方法之間的相關性。對BWS-1中的偏好異質性分析，本研究利用K-Means聚類分析對患者進行不同群體的分類。該算法能夠根據患者的相似度將患者劃分為不同的類簇，各類簇的內部元素之間具有較大的相似性。
2 結果
2.1 研究對象的基本人口學信息
本研究共招募受訪者423位，其中406位患者同意并參與了本項調查。最終來自8家醫療衛生機構（4家醫院、4家社區衛生服務中心或鄉鎮衛生院）的362位患者完成了調查問卷并納入最終的結果分析。患者的平均年齡為63.6±11.8歲，大部分受訪者為已婚（85.6%）、女性（56.4%）、來自農村地區（54.4%），將近1/2的患者受教育程度在小學或以下水平（45.6%），其家庭年收入主要集中在2萬元以下（43.9%）。其中約56.3%的患者被診斷為T2DM的時間超過5年，69.9%的患者目前正在服用兩種或以上的降糖藥。研究對象的基本人口學信息見表1。
表1
納入對象的基本人口學信息（n=362）
2.2 計數法分析結果
計數方法下的分析結果見表2。由結果可以看出，在總體水平得分方面，血糖控制效果的最優得分最高，最劣得分最少，兩者分別為1 356分、14分；服藥頻率的最優得分最少，最劣得分最高，兩者分別為85分、796分。由標準化BW分值可以看出，11個屬性中，重要性程度排在前三位的分別是血糖控制效果、心腦血管健康以及低血糖風險；排在后三位的分別為：服藥頻率、服藥方式以及骨折。在計分方法下，我們將11個納入的屬性進行了相對重要性對比，由圖1可以看出，正數分值最高的為血糖控制效果，負數分值最高的為服藥頻率。總體而言，在11個屬性中，血糖控制效果、心腦血管健康、低血糖風險、生殖泌尿道感染、胃腸道不良反應5個屬性對患者的治療偏好具有正向的作用，即該類屬性更傾向于被選為“最重要”。自付費用、服藥方式、服藥頻率等6個屬性對患者的治療偏好具有負向作用，即該類屬性被選為“最不重要”的頻率更高。
表2
BWS-1偏好結果：計數法
圖1
各屬性標準優劣得分
2.3 模型法分析結果
本研究CLM下的偏好結果見表3，除體重變化和水腫的回歸系數值沒有統計學意義之外，其他屬性均具有統計學意義。本研究將自付費用設置為參照水平，由表3可以看出，與計數方法下的結果一致，在11個屬性中，影響T2DM患者二聯藥物選擇偏好的前三位和后三位因素分別為血糖控制效果、心腦血管健康、低血糖風險，以及骨折、服藥方式、服藥頻率。通過計算偏好分配，可以對包括自付費用在內的11個屬性進行優先級排序，由表中可以看出，自付費用的相對重要性程度排在第七位。
表3
BWS-1偏好結果：CLM
2.4 偏好異質性結果
本研究在計數分析結果的基礎上進一步分析了患者的偏好異質性情況。通過K-Means cluster分層，將樣本人群分為兩個亞群，其結果見圖2。若BW分值為負值，表明該屬性被選為最不重要的次數多于最重要的次數。由圖中可以看出，兩組人群對自付費用和體重變化的偏好存在較大差異，其中尤以自付費用最為明顯，除此之外，其他屬性在患者間的偏好異質性不強。
圖2
偏好異質性分析：基于K-Means cluster分層
3 討論
目前國際上圍繞BWS-1開展了部分研究，近十年國內在食品衛生和醫療衛生服務利用領域開展了少量研究[17-19]，來探究患者對醫療服務的選擇偏好、醫學生對提供基于互聯網的醫療服務偏好以及消費者對食品的選擇偏好，結果發現，BWS-1是較為有效的優先級測量工具。但將BWS-1用于確定SP研究屬性的研究還尤為匱乏，在已檢索到的文獻中，僅Webb等[20]針對聽障兒童選擇替代通訊系統開展了類似研究。本研究發現，BWS-1是較為有效的優先級測量工具，但在確定SP研究的屬性時，不宜僅參照BWS-1的優先級排序結果，還需結合研究的目的及政策意義。例如，在Webb等[20]的研究中，納入DCE中的屬性在BWS-1結果中的優先級排序為1、3、4、5、6、7、12。
基于文獻回顧、專家咨詢、BWS-1、專家咨詢以及預實驗多階段循環遞進的思路和步驟，本研究最終納入到BWS-2和DCE的屬性為血糖控制效果、心腦血管健康、低血糖風險、胃腸道不良反應風險、自付費用、體重變化以及服藥方式，各屬性在BWS-1結果中的優先級排序依次為：1、2、3、4、7、8、10。本研究顯示后兩個納入的屬性并非排在BWS-1的優先級前七位，而最終納入后兩個屬性主要基于專家咨詢、政策意義和二聯降糖藥物的實際特性。
以體重變化為例，在胰島素、口服藥以及胰高血糖素樣肽-1受體激動劑（glucagon?like peptide?1 receptor agonist，GLP-1 RA）3大類的9種降糖藥物中，不同的藥物對體重的影響差別較大，比如磺脲類、格列奈類、噻唑烷二酮類（thiazolidinediones，TZD）藥物會帶來輕微的體重增加，胰島素可能會導致較大的體重增加；二肽基肽酶Ⅳ抑制劑（dipeptidyl peptidase Ⅳ inhibitor，DPP-4i）、α-糖苷酶抑制劑類藥物對體重的影響為中性；而鈉-葡萄糖協同轉運蛋白2抑制劑（sodium?glucose cotransporter 2 inhibitor，SGLT-2i）、GLP-1 RA會使體重降低。另一方面，不同的患者對于體重變化的偏好可能存在較大的差異，例如BMI不同的患者、男女之間等。因此了解不同患者對體重變化的偏好差異，可以制定更有針對性的藥物選擇方案，為改善患者的治療依從性和滿意度提供更加科學可靠的患者偏好證據。雖然服藥方式在BWS-1中的得分僅位列第十位，但由于該屬性是區別口服和注射類藥物的首要特征，且已有研究證實，服藥史、受教育程度不同的患者對服藥方式的偏好存在非常大的差異，因此該屬性的納入可以幫助更好地分析不同患者之間的藥物選擇偏好是否存在差異。
本研究未納入生殖泌尿道感染，主要基于以下考慮：不論是口服藥還是注射類藥物，僅SGLT-2i可能存在泌尿及生殖系統感染的風險，其他藥物基本不會導致該風險。此外，雖然FDA于2015年向所有SGLT-2i標簽添加了嚴重生殖泌尿道感染的警告，但SGLT-2i的使用與嚴重生殖泌尿道感染風險之間的關系尚不清楚。最新一項納入超過十萬例T2DM患者的大規模隊列研究結果顯示，SGLT-2i治療T2DM或不會增加尿路感染風險[21]。本研究亦未納入水腫這一屬性，因為在若干降糖藥物中，只有TZD可能會帶來水腫的風險。此外，雖然水腫的BWS-1分值排在第六位，但其權重僅有0.092，距離排在第四位的胃腸道不良反應有較大差距（0.729），這表明水腫可能并非影響患者治療意愿的主要因素。
結合BWS-1確定SP研究的屬性范圍，有以下幾點優勢。首先，患者在BWS-1中的屬性偏好結果可一定程度上預測后續SP研究，如DCE中對各屬性的偏好情況，有證據顯示從BWS-1和DCE中獲得的屬性相對偏好結果具有一定的一致性[22]。第二，BWS-1是當前確定屬性的方法優化，受訪者只需要在一系列選項集中選擇最偏好和最不偏好的，克服了傳統的排序或分級方法的缺點，減輕了患者的認知負擔[23]。第三，隨著偏好證據的快速增加，基于文獻回顧確定的屬性可能遠多于最終納入DCE或BWS-2中的屬性，僅通過專家咨詢、患者訪談等小規模的定性研究，可能難以將屬性數量縮減到合理范圍（有綜述顯示DCE中的屬性數量平均為4～6個[24]）且具有代表性，BWS-1能包含較多屬性（有綜述顯示平均17個[25]），并對屬性的重要性差異進行統計檢驗[26]。第四，定量BWS-1調查和定性研究的并行反饋是相互檢驗的過程，兩者共同作用，能夠提高最終納入屬性的科學性、合理性和有效性[27]。
本研究存在一定的局限性，如采取非隨機抽樣僅在江蘇省和海南省的部分醫療機構對T2DM患者開展偏好調查，患者的代表性可能不足，研究結果的外推性也有限。但本文為確定SP研究中納入屬性的方法和調查設計提供了思路和借鑒，未來期望能夠開展更大規模的深入研究。
BWS-1可以作為確定屬性的有效的定量偏好測量工具，但不宜僅依據偏好結果的優先級排序來確定DCE和BWS-2的屬性范圍，還需結合研究的政策目的及現實情況進行具體分析。目前國內開展DCE研究越來越多，但屬性的確定主要依靠文獻回顧和定性研究進行，本研究發現借助BWS-1可以通過定量的方式幫助確定一系列屬性的優先級順序，從而提高屬性確定過程的科學性和合理性。建議未來在開展SP研究時，對BWS-1用于屬性確定過程進行更多的應用和探索。
