Sağlık Ekonomisi Metrikleri

Konu 87 / 91· Tüketici sağlık uygulamaları ve cihazları

Giyilebilir Cihaz Doğrulaması

Doğrulama metrikleri, bir giyilebilir cihazın ölçümlerinin klinik altın standartla (kalp atış hızı için EKG, uyku için polisomnografi) ne kadar uyuştuğunu nicelleştirir: MAPE, uyum korelasyonu, Bland–Altman uyumu — artı gerçek dünya veri kalitesini geçitleyen operasyonel metrikler: takma süresi uyumu ve veri bütünlüğü.

Neden önemli

Doğrulama, aşağı akıştaki her şeyin ön koşuludur: referans ölçümle uyum kanıtlayamayan bir cihaz dijital sonlanım noktalarını sabitleyemez, RPM faturalamasını destekleyemez veya klinik iddialar taşıyamaz. Alanın kalp atış hızı için kabul gören eşikleri: EKG'ye karşı MAPE ≤%5 (katı) veya ≤%10 (esnek). Literatürden referans noktaları: Oura Gen 3 dinlenme KAH MAPE %1,67 (CCC 0,97); Fitbit Charge 6 MAPE ~%5,5 — tüketici cihazları artık klinik sınıf sınırını kapsıyor ve ölçümün cihaz başına ve durum başına önemli olmasının nedeni tam da budur.

Matematik

MAPE = (1/n) Σ |ölçülen_i − referans_i| / referans_i × 100

CCC (uyum korelasyonu) = hem korelasyonu hem sistematik yanlılığı
      içeren uyum (Pearson r konum/ölçek kaymasıyla cezalandırılır)

Bland–Altman: ortalama yanlılık ± 1,96 SD uyum sınırları — hatanın
      değerin büyüklüğüne bağlı olup olmadığını gösterir

Operasyonel geçitler:
Takma süresi uyumu = takılan süre / protokol süresi × 100
Veri bütünlüğü     = gözlenen veri noktaları / beklenen × 100

Doğrulama her aktivite koşulu için (dinlenme, hareket, uyku) ve her nüfus için raporlanmalıdır — PPG optik algılama hareket artefaktı, kötü temas ve koyu cilt tonlarıyla bozulur; eşitlikle ilgili belgelenmiş bir başarısızlık modudur.

Çözümlü örnek

Bir sanal servis programı bir izleme giyilebilirini seçiyor. Aday A: dinlenme MAPE %2,1, egzersiz MAPE %11,4. Aday B: dinlenme %3,8, egzersiz %6,9.

Kullanım durumu: evde kötüleşen hasta tespiti — uyarılar sürekli yüksek KAH'ta,
sıklıkla aktivite sırasında tetiklenir.
Aday A'nın başlığı (%2,1) broşürü kazanır; aday B kullanım durumunu kazanır:
uyarıyla ilgili koşulda (hareket), A'nın %11,4 hatası KAH 100'de
= ±11 atım/dk — tüm uyarı eşiği bandını kapsar, yanlış yükseltmeler
(her biri bir hemşire çağrısı, ~40 £) veya kaçırmalar üretir.

Yanlış uyarı ekonomisi: 500 hasta × haftada 2 ek yanlış uyarı × 40 £
= yanlış doğrulama sayısını seçmekten yılda 2,08 milyon £ hata maliyeti.

Yazılım mühendisliği bağlantısı

Mühendisler sensör seçerken doğrulama verisini tüketir ve ölçüm özellikleri inşa ederken üretir — her iki rol de aynı disiplini gerektirir: demo koşulunda değil dağıtım koşulunda test edin (yazılım benzeri: satıcının değil kendi üretim iş yükünüzde kıyaslama yapmak). Takma süresi ve bütünlük ürün mühendisliği sonuçlarıdır — konfor, pil ömrü, şarj alışkanlığı tasarımı ve senkronizasyon güvenilirliği, 30 günde 16 gün RPM faturalama geçidinin karşılanıp karşılanmadığını (uzaktan hasta izleme ekonomisi) ve deneme veri kümelerinin analiz edilebilir olup olmadığını belirler. Eksikliği tasarlanmış bir sinyal olarak ele alın: şemada ilk günden "takılmadı", "takıldı ama sinyal yok" ve "senkronizasyon başarısız"ı ayırt edin — null'a çökertildiğinde her aşağı akış analizini zehirler.

Tuzaklar

  • Koşula özgü başarısızlığı gizleyen toplu MAPE — çözümlü örneğin tuzağı.
  • Doğrulama nüfusu ≠ dağıtım nüfusu: yaş, cilt tonu, tremor, obezite optik sensör hatasını kaydırır; çalışma demografisini kontrol edin.
  • Uyumun gerektiği yerde korelasyon raporlamak: sistematik yanlılıkla yüksek Pearson r mutlak eşiklere karşı yine yanlış sınıflandırır — CCC/Bland–Altman'da ısrar edin.
  • İmputasyonla şişirilmiş bütünlük: doldurulan boşlukların gözlenen veri olarak raporlanması.

Kaynaklar