Метод моделирования – поиск быстрых управленческих решений в условиях ограниченного финансирования

Причины использования моделей
Строго определенное количество клинических исследований
Клинические
исследования
9 – 12 недель
Модель
Временной период определяется создателем
Возможность прямого сравнения любых ЛС

Моделирование используется:
В случаях, когда в клинических исследованиях не изучались отдаленные или опосредованные результаты лечения
При необходимости сделать заключение о целесообразности применения медицинских вмешательств у пациентов, не включавшихся ранее в исследование
При переносе результатов экономического анализа из страны в страну

В случаях, когда отсутствует сравнительные исследования тех методов лечения, которые предполагается сравнивать в экономическом анализе
В случаях, когда клинические исследования отсутствуют или нет необходимости в их проведении.
Моделирование используется:

Виды ФЭ моделей
Дерево решений
Модель Маркова

Дерево решений
Есть, как минимум, два альтернативных варианта с различной вероятностью исходов
Известна вероятность каждого из исходов при обоих вариантах
Известна или рассчитана стоимость при каждом из вариантов

Метод, структурирующий последовательность действий и исходов
Использует данные о вероятности исходов, затрат и полезности
Время неявно определено в модели
Данные могут использоваться из разных источников, в т.ч. клинических исследований
Дерево решений

Исходы рассчитываются, исходя из вероятности их наступления
Метод позволяет выбрать альтернативу с наилучшим возможным исходом
Имеются две альтернативы с неизвестными исходами
Вероятности исходов не меняются с течением времени
Дерево решений

Построение дерева решений
Представляет ситуацию с необходимостью принятия решения
Ветви - альтернативы
- Знак «решение»

Представляет ситуацию неопределенности
Ветви – возможные исходы
Исходам присваиваются вероятности
Построение дерева решений
- Знак «вероятность»

Представляет конечный исход
Состоянию присваиваются некоторые эффективность и размер затрат
Построение дерева решений
- Знак «конечное состояние»
Затраты
1000 руб
500 руб
QALY
0.3
0.7

Пример «Дерево решений»

Дерево решений. Эффективность.
Эффективность
70 чел
0
25 чел
0 чел
_______
95 чел
63%

Дерево решений. Затраты.
Затраты
20 000 руб
5 000 руб
________
25 000 руб

Дерево решений. Результат.
Итого:
Пролечено 150 чел
Затраты 25 000 руб
Эффективность 63%
CER = 25 000/63% = 397 руб. на 1 % вылеченных больных.

Пример Дерево решений

используется для моделирования повторяющихся событий
лучше подходит для моделирования хронических заболеваний
Модель Маркова

Модель Маркова
Строится вместо чрезмерно разветвленных деревьев
Основана на предположении, что болезнь представляет из себя цепь определенных состояний
На протяжении болезни человек последовательно переходит из одного состояния в другое, т.е. учитывается временной фактор

Модель Маркова
Р- вероятность перехода из одного состояния в другое

Марковское состояние (состояние здоровья)
Марковский цикл (временной период)
Вероятность перехода (вероятность эффекта при медицинском вмешательстве)
Временной горизонт
Каждому состоянию соответствуют определенные затраты и эффект
Простое представление: диаграмма перехода состояний
Основные характеристики
модели Маркова

Марковское состояние
?????
?????
Смерть
Состояние

Марковский цикл
Здоровье
Болезнь
Смерть

Вероятность перехода
Р - вероятность перехода
В модели с количеством состояния N возможно N*N переходов (в реальности не все переходы возможны)

Пример: Модель Маркова

Вероятность перехода
Два типа модели Маркова
«Марковская цепь» - вероятность переходов не меняется со временем
Зависимые от времени Марковские процессы - вероятность переходов может меняется со временем.
Решение:
Таблица
Функция ( f(х))
Вероятность перехода не зависит от предыдущих переходов

Учет временной зависимости вероятности перехода с использованием таблицы
А. Фиксированная вероятность
Б. Вероятность зависящая от времени

Учет временной зависимости вероятности перехода с использованием функции
При наличии клинических данных в некотором временном промежутке, возможно рассчитать вероятность перехода как функцию времени
Необходимо использовать принципы анализа выживаемости

Отсутствие эффекта «памяти»
Здоровье
Болезнь
состояние
А
Смерть
Болезнь
состояние
С
Болезнь
состояние
В

Корректировка затрат и эффектов
Использование дисконтирования затрат и эффектов
«Полуцикловая коррекция» - пациенты находятся между состояниями в середине цикла

Анализ чувствительности
Какой параметр необходимо выбрать ?
На сколько изменить ?
Как изменить ?
Экстремальный сценарий
Простой анализ чувствительности, одновариантный, мультивариантный

Расчет затрат и эффективности в модели Маркова
Матричный подход
Невозможно учесть дисконтирование
Монте-Карло симуляция первого порядка
Когортная симуляция

Когортная симуляция

Год
Когортная симуляция
Здоровье
Болезнь
Смерть

Когортная симуляция
Здоровье
Болезнь
Смерть
1-й год
2-й год
n-й год

Когортная симуляция
Определение стоимости пребывания пациента в каждом состоянии и расчет суммарной стоимости когорты пациентов за все годы
Здоровье – 0 руб.
Болезнь – 100 руб.
Смерть – 0 руб.

Когортная симуляция
Расчет сохраненных лет жизни:
Средняя стоимость сохраненного года жизни 312р/4,61года

Возможные ошибки в моделировании
Неправильное использование клинических данных
Выбор показателя эффективности
Экстраполяция данных из другой страны
Ошибки в допущениях
Некоторые модели иногда «черный ящик»

Рекомендации по моделированию
(www.ispor.org)
Простота модели
«Прозрачность» модели
Использование достоверных данных
Проведение анализа «чувствительности»

Недостатки моделирования
Данные для моделирования берутся из разных источников
Приходится делать много допущений
Недостаточная достоверность

Дешево
Помогает восполнить пробелы, связанные с недостатком достоверных данных
Преимущества моделирования