中央値の病院料金を分析するための最小二乗と分位の回帰アプローチの比較

背景：管理データセットから得られた救急部門（ED）と病院の料金は、EDSおよびヘルスケアシステムへの負傷の重症度と負担の有用な記述子です。ただし、費用のかかる処置、長い病院の滞在、および少数の患者の治療が複雑または長期にわたるため、通常、料金は肯定的に歪んでいます。中央値は極端な観察の影響を受けず、病院の料金の分布の説明と比較に役立ちます。対数変換を使用する最小二乗分析は、病院の中央値、対応する信頼区間（CI）、およびグループ間の違いを推定するための1つのアプローチです。ただし、この方法には特定の分布特性が必要です。別の方法は、分布の仮定を行わずに中央値に関連する推定と推論を可能にする分位回帰です。 目的：目的は、ログ変換の最小二乗法を、病院の中央値、グループ間の中央値の電荷の違い、および関連するCIを推定するための分位回帰アプローチと比較することでした。 方法：著者は、観察された州全体のEDおよび病院の電荷の繰り返しサンプリングを使用してシミュレーションを実行し、仮想的な対数正規分布からランダムに生成された料金を実行しました。中央値と95％CIおよび2つのグループの中央値電荷間の乗法上の違いは、最小二乗と分位の回帰法の両方を使用して推定されました。2つの方法のパフォーマンスが評価されました。 結果：最小二乗とは対照的に、分位回帰は、公平であり、観察されたEDおよび病院の充電のシミュレーションに平均平方根誤差が小さかった推定値を生成しました。どちらの方法も、最小二乗法の仮定を満たした仮想電荷のシミュレーションでうまく機能しました。データが想定された分布に従わなかった場合、最小二乗推定値はしばしば偏りがあり、関連するCIはサンプルサイズが増加するにつれて予想よりも低いカバレッジが低かった。 結論：病院の料金の分位回帰分析は、対数正規および等しい分散仮定が違反している場合でも、公平な推定値を提供します。これらの方法は、管理データセットからの病院の料金の説明と分析に特に役立つ場合があります。

BACKGROUND: Emergency department (ED) and hospital charges obtained from administrative data sets are useful descriptors of injury severity and the burden to EDs and the health care system. However, charges are typically positively skewed due to costly procedures, long hospital stays, and complicated or prolonged treatment for few patients. The median is not affected by extreme observations and is useful in describing and comparing distributions of hospital charges. A least-squares analysis employing a log transformation is one approach for estimating median hospital charges, corresponding confidence intervals (CIs), and differences between groups; however, this method requires certain distributional properties. An alternate method is quantile regression, which allows estimation and inference related to the median without making distributional assumptions. OBJECTIVES: The objective was to compare the log-transformation least-squares method to the quantile regression approach for estimating median hospital charges, differences in median charges between groups, and associated CIs. METHODS: The authors performed simulations using repeated sampling of observed statewide ED and hospital charges and charges randomly generated from a hypothetical lognormal distribution. The median and 95% CI and the multiplicative difference between the median charges of two groups were estimated using both least-squares and quantile regression methods. Performance of the two methods was evaluated. RESULTS: In contrast to least squares, quantile regression produced estimates that were unbiased and had smaller mean square errors in simulations of observed ED and hospital charges. Both methods performed well in simulations of hypothetical charges that met least-squares method assumptions. When the data did not follow the assumed distribution, least-squares estimates were often biased, and the associated CIs had lower than expected coverage as sample size increased. CONCLUSIONS: Quantile regression analyses of hospital charges provide unbiased estimates even when lognormal and equal variance assumptions are violated. These methods may be particularly useful in describing and analyzing hospital charges from administrative data sets.