स्वास्थ्य अर्थशास्त्र मीट्रिक्स

विषय 84 / 91· उपभोक्ता स्वास्थ्य ऐप्स और उपकरण

अनुपालन और निरंतरता (Adherence and Persistence)

अनुपालन (Adherence) यह मापता है कि वास्तविक उपयोग निर्धारित उपयोग से कितना मेल खाता है (तीव्रता); निरंतरता (Persistence) यह मापती है कि उपयोग बंद होने से पहले कितने समय तक जारी रहता है (अवधि)। फार्मेसी क्षेत्र में मानकीकृत माप उपलब्ध हैं — MPR और PDC, जहाँ ≥80% को पारंपरिक रूप से "अनुपालक" की सीमा माना जाता है — और डिजिटल चिकित्सा-पद्धतियाँ इन अवधारणाओं और समस्या दोनों को विरासत में पाती हैं: अनुपालन वह गुणक है जो प्रभावकारिता को वास्तविक मूल्य में बदलता है।

यह क्यों महत्वपूर्ण है

भुगतानकर्ता पहले से ही इन्हीं आँकड़ों पर काम करते हैं: PDC ≥80% अमेरिकी Medicare Star Ratings को प्रभावित करता है, जो वास्तविक भुगतानकर्ता राजस्व को हिलाता है — अनुपालन एक वित्तीय रूप से भार-वहन करने वाला बुनियादी ढाँचा है, कोई नरम मापदंड नहीं। डिजिटल चिकित्सा-पद्धतियों में यही प्रतिरूप दोहराया जाता है: DiGA आँकड़े मज़बूत नुस्खा-मात्रा किंतु कमज़ोर निरंतर अनुपालन दर्शाते हैं, और परिणाम-आधारित DTx मूल्य-निर्धारण (जर्मनी में 2026 से लागू) अनुपालन-सीमित परिणामों पर भुगतान करेगा। डिजिटल स्वास्थ्य अनुसंधान से आया वैचारिक उन्नयन है: प्रभावी संलग्नता — अर्थात इच्छित परिणाम प्राप्त करने के लिए पर्याप्त संलग्नता — और इसका उपसिद्धांत, न्यूनतम प्रभावी मात्रा, जिसे प्रत्येक हस्तक्षेप के लिए अनुभवजन्य रूप से स्थापित किया जाता है, न कि "अधिक ही बेहतर है" मान लिया जाता है।

गणना विधि

MPR = Σ वितरित आपूर्ति के दिन / अवधि के कुल दिन × 100   (100% से अधिक हो सकता है;
      शीघ्र पुनःपूर्ति के कारण अधिक आँका जाता है)
PDC = आपूर्ति से आच्छादित दिन / अवधि के कुल दिन × 100    (अधिकतम 100% तक सीमित;
      रूढ़िवादी, CMS-पसंदीदा आकलनकर्ता)
डिजिटल अनुपालन = वास्तविक उपयोग घटनाएँ / निर्धारित उपयोग घटनाएँ × 100
निरंतरता       = आरंभ से समाप्ति तक के दिन
                 (N माह पर % निरंतर के रूप में रिपोर्ट करें; उत्तरजीविता विधियाँ)

मूल्य-द्वार: प्राप्त परिणाम ≈ प्रभावकारिता × g(अनुपालन)
  जहाँ g मात्रा-प्रतिक्रिया फलन है; न्यूनतम प्रभावी मात्रा से नीचे,
  g ≈ 0 — लागत लगी, लाभ खोया

व्यावहारिक उदाहरण

एक डिजिटल अनिद्रा-CBT उत्पाद, जिसे 6 सप्ताह में 6 मॉड्यूल के रूप में निर्धारित किया गया है; ≥4 मॉड्यूल पूर्ण करने वालों में परीक्षण प्रभावकारिता 0.025 QALY (अनुभवजन्य रूप से स्थापित न्यूनतम प्रभावी मात्रा):

1,000 नुस्खे, प्रत्येक £250 → £250,000 भुगतानकर्ता व्यय
मॉड्यूल पूर्णता: ≥4 मॉड्यूल 38%; 1–3 मॉड्यूल 34%; शून्य मॉड्यूल 28%

प्राप्त QALY = 1,000 × 0.38 × 0.025 = 9.5
प्रति QALY लागत = 250,000 / 9.5 ≈ £26,300 — NICE की सीमाओं के निकट-सीमांत

अनुपालन इंजीनियरिंग (अनुस्मारक पुनर्डिज़ाइन, सत्र छोटा करना)
≥4-मॉड्यूल पूर्णता को 50% तक बढ़ाती है: 12.5 QALY → £20,000/QALY।
उत्पाद ने चिकित्सा सामग्री को छुए बिना ही वित्तपोषण सीमा पार कर ली।

2026-शैली के प्रदर्शन-आधारित मूल्य-निर्धारण के तहत, यही परिवर्तन सीधे राजस्व को प्रभावित करता है — अनुपालन इंजीनियरिंग व्यावसायिक रोडमैप बन जाती है।

सॉफ़्टवेयर इंजीनियरिंग से संबंध

दो शब्दावलियाँ एक ही अवधारणा पर मिलती हैं: सॉफ़्टवेयर विश्लेषिकी (सक्रियण, चिपचिपाहट, प्रतिधारण) और नैदानिक फार्मेसी (MPR, PDC, निरंतरता) दोनों एक हस्तक्षेप के संपर्क को मापते हैं — अपने उत्पाद की घटनाओं को नैदानिक शब्दावली पर मानचित्रित करें और भुगतानकर्ता आपके डैशबोर्ड पढ़ सकेंगे। अनुपालन के नियंत्रण-सूत्र इंजीनियरिंग के हाथ में हैं: अनुस्मारक तर्क (मूर्खतापूर्ण दैनिक संकेत उपेक्षा सिखाते हैं; अनुकूली समय नहीं सिखाता), सत्र लागत (एक 20-मिनट मॉड्यूल तीन 7-मिनट मॉड्यूल से कम पूर्ण होता है), और घर्षण टेलीमेट्री जो यह पता लगाती है कि उपयोगकर्ता प्रोटोकॉल में कहाँ छोड़ते हैं। पहले दिन से ही मात्रा-प्रतिक्रिया को इंस्ट्रूमेंट करें — न्यूनतम-प्रभावी-मात्रा विश्लेषण, जो पूरे आर्थिक मॉडल का द्वार है, को केवल उत्पाद ही एकत्र कर सकने वाले उपयोग-से-परिणाम-जुड़े आँकड़ों की आवश्यकता है।

जोखिम बिंदु

  • MPR/PDC का मिश्रण: MPR बढ़ा-चढ़ाकर दिखाता है; बताएँ कि कौन-सा आकलनकर्ता उपयोग किया गया है और भुगतानकर्ता-सम्मुख किसी भी चीज़ के लिए PDC का उपयोग करें।
  • चिकित्सा के बजाय मापदंड के प्रति अनुपालन: ऐप खोलना ही खुराक के रूप में गिना जाना (देखें संलग्नता मापदंड)।
  • "अधिक बेहतर है" संलग्नता लक्ष्य जहाँ हस्तक्षेप की मात्रा सीमित हो — स्नातक होना सफलता है, अनवरत उपयोग नहीं।
  • उत्तरजीवी-आधारित प्रभावकारिता दावे: अनुपालक लोगों में परिणामों में चयन प्रभाव शामिल होते हैं (अनुपालक लोग भिन्न होते हैं); ईमानदार कारणात्मक आकलन के लिए यादृच्छिकीकरण या सावधानीपूर्वक समायोजन आवश्यक है।

स्रोत