S P O R C ol o m bi a

Incertidumbre en anlisis de costo-efectividad

ISPOR-CO

Dr. Manuel Espinoza Centre for Health Economics The University of York

ESQUEMA DE LA CLASE
Conceptos Por

claves

qu reparar en incertidumbre

Irrelevancia de la inferencia
Anlisis Anlisis Curvas Valor Valor

de sensibilidad determinstico de sensibilidad probabilstico

de Aceptabilidad de Costo Efectividad

de la Informacin del muestreo

CONCEPTOS CLAVES

Variabilidad (incertidumbre de primer orden)

Dispersin alrededor de la media Se representa a travs de la desviacin estndar

Incertidumbre de los parmetros (incertidumbre de segundo orden)

Dispersin alrededor del estimador de parmetro Representa falta de precisin y se estima mediante el error estndar

Heterogeneidad
Proporcin de la variabilidad que puede ser explicable por variables observables

Incertidumbre Estructural o del modelo

Incertidumbre relativa a los supuestos estructurales del modelo de decisin

Por qu preocuparnos de la incertidumbre?

Costo

Beneficio

Algo de intuicin..
Costo

Beneficio

Reglas de Decisin LA IRRELEVANCIA DE LA INFERENCIA

La inferencia clsica nos sugerira docimar lo siguiente:

H0: Beneficio neto incremental = 0 H1: Beneficio neto incremental 0

Las reglas impuestas por la inferencia clsica son:

Arbitrarias Inconsistentes con los objetivos de cualquier sistema de salud coherente Imponen costos innecesarios

Una de las alternativas debe ser elegida El costo oportunidad de elegir la opcin incorrecta es simtrico para ambas opciones El accidente histrico que posiciona una de las intervenciones como la prctica actual es irrelevante
Claxton K. The irrelevance of inference: a decision making approach to the Stochastic evaluation of health technologies. Journal of Health Economics 1999;18: 341-364

Reglas de Decisin LA IRRELEVANCIA DE LA INFERENCIA

Lo relevante para la toma de decisiones es la probabilidad de que la intervencin sea costo efectiva ponderada por sus consecuencias, es decir, el valor esperado.

En otras palabras, lo unico importante para la decisin de cul estrategia adoptar es la media del beneficio neto.

Claxton K. The irrelevance of inference: a decision making approach to the Stochastic evaluation of health technologies. Journal of Health Economics 1999;18: 341-364

Reglas de Decisin LA IRRELEVANCIA DE LA INFERENCIA

La hiptesis nula es aceptada, es decir, cualquier alternativa puede ser elegida Asumamos 2000 pacientes anuales por 10 aos Aplicando una tasa de descuento del 6% anual y seleccionando los tratamientos aleatoriamente con igual probabilidad, los beneficios netos seran 67.874.723 mientras que si la decision se hubiese basado en la media (a posteriori), la poblacin obtendra 70.215.230.

Claxton K. The irrelevance of inference: a decision making approach to the stochastic evaluation of health technologies. Journal of Health Economics 1999;18: 341-364

Dos preguntas para la toma de decisiones

Es la nueva intervencin costo efectiva basada en la evidencia disponible? Es costo efectivo desarrollar nueva investigacin para resolver la incertidumbre impuesta por la falta de evidencia?

Adoptar y demandar mayor informacin Adoptar y no demandar mayor informacin

Rechazar y demandar mayor investigacin Rechazar y no demandar mayor informacin

ANALISIS DE SENSIBILIDAD
Definicin

Conjunto de mtodos que permiten explorar desde distintos escenarios la incertidumbre alrededor del problema de decisin
Dos

tipos

Determinstico Probabilstico

ANALISIS DE SENSIBILIDAD

DETERMINISTICO
Permite

evaluar cmo vara el resultado del estimador de costo efectividad si es que el o los parmetros tomaran distintos valores especficos. ejemplo, la evaluacin de los distintos valores que toma el beneficio neto para distintos valores del umbral de costo efectividad es un anlisis de sensibilidad determstico distinguen One way Multi way

Por

Se

Anlisis de Sensibilidad Determinstico

One Way

Cada parmetro es variado individualmente con el objeto de identificar sus consecuencias en la decisin final.

Anlisis de Sensibilidad Determinstico

One Way

Se sugiere siempre incluir un anlisis de sensibilidad determinstico para:

Umbral de costo efectividad Tasas de descuento

En aquellos parmetros donde se hayan hecho supuestos tambin es recomendable observar eventuales cambios en el estimador de costo efectividad

ANALISIS DE SENSIBILIDAD PROBABILSTICO Guas

NICE

Probabilistic sensitivity analysis is preferred. This enables the uncertainty associated with parameters to be simultaneously reflected in the results of the model. In non-linear decision models, probabilistic methods provide the best estimates of mean costs and outcomes

NICE Guidelines 2008

EN DOS ETAPAS Simulacin de Montecarlo

INTEGRADO Tcnica de Montecarlo con Cadenas de Markov (MCMC)

Conocimiento subjetivo Evidencia disponible

Datos y juicio subjetivo

Parmetros Desconocidos

A Priori

Parmetros Desconocidos

A Posteriori

Modelos de Costo efectividad

Modelos de Costo efectividad

Prediccin del efecto de la intervencin

Prediccin del efecto de la intervencin

Incorporacin de la Incertidumbre al modelo

P(xito/T1)

C (e/T1)

QALY (e/T1)

T1
1-P(xito/T1) P(xito/T0) C (1-e/T1) C (e/T0) QALY (1-e/T1) QALY (e/T0)

RICE Beneficio Neto (BN)

T0

1-P(xito/T0)

C (1-e/T0)

QALY (1-e/T0)

Costos

P(e/T1)

Costo (e/T1)

QALY (e/T1)

Costo (1-e/T1)

QALY (1e/T1)

P ()
Utilidades

Iteracin 1 Iteracin 2 Iteracin n

Probabilidades

Propagando Incerteza
P(e/T1) Costo (e/T1) 10000 QALY (e/T1) 20 Costo (1-e/T1) 20000 QALY (1e/T1) 10 P(e/T0) Costo (e/T0) 6000 QALY (e/T0) 10 Costo (1-e/T0) 8000 QALY (1-e/T0) 5

Iteracin 1 Iteracin 2 Iteracin n

0.9

0.5

Costo (T1) Iteracin 1 Iteracin 2 Iteracin n 11000

QALY (T1) 19

Costo (T0) 7000

QALY (T0) 7.5

INMB
226.000

INHB
11.3

NHB T1
18.45

NHB T0
7.15

E(iNMB)

E(iNHB)

E(NHB) T1

E(NHB) T0

Otros orgenes de Incertidumbre

Si se tienen datos a nivel paciente, los parmetros son estimados como valores esperados a partir de los datos usualmente utilizando modelos de regresin Por ejemplo, el costo esperado para un sujeto que recibe T1 es obtenido mediante:

E(cos to) = + 1 (T) + 2 (xito) + 3 (edad) + 4 (sexo) + 5 (comorbilidad) + ...+ n x n

Ms incertidumbre

Incorporacin de la incertidumbre al modelo

Para la primera iteracin, tomar aleatoriamente un set de valores (uno para cada parmetro)

Correr el modelo con ese set de valores Determinar los costos y efectos esperados Repetir un gran nmero de veces (>1000) Obtener la distribucin de los beneficios netos Obtener el promedio de los beneficios netos, es decir, el valor esperado a posteriori

Representacin de la Incertidumbre Curvas de Aceptabilidad de Costo Efectividad

Probabilidad que la intervencin sea costo efectiva, con la probabilidad cuantificada para todos los posibles valores de umbral de costo efectividad Proporcin de las simulaciones en que la estrategia es la ms costo efectiva Permite la representacin de ms de dos estrategias en comparacin Representan incerteza pero no estn construidas para tomar decisiones

Curvas de Aceptabilidad de Costo Efectividad

1,2

Curvas de Aceptabilidad de Costo Efectividad

Tratamiento 1 Tratamiento 2

Probabilidad de ser costo-efectivo

Tratamiento 3 Tratamiento 4

0,8

0,6

0,4

0,2

0 -50 -0,2 50 150 250 350 450 550

Umbral de costo-efectividad (US$)

Frontera de Aceptabilidad de Costo Efectividad

Incertidumbre y Decisiones
Por

qu tanto inters en representar incertidumbre si las decisiones se basan en los valores esperados? Porque la incertidumbre permite abordar una segunda pregunta que es simultnea a la pregunta de si adoptar una nueva tecnologa Es costo efectivo conducir nueva investigacin para resolver la incertidumbre?

Valor de la Informacin
Valor Esperado de la Informacin Perfecta (VEIP)

Beneficios Netos esperados con informacin Actual

Beneficios Netos Esperados con Informacin Perfecta

Valor Esperado de la Informacin Perfecta

Clculo del VEIP

BN porTratamiento (A,B, J) 1 2 3 4 5 Expectativa E Mxj ENB(J,) A 9 12 14 11 14 12 B 12 10 20 10 13 13 13 Alternativa ptima (AO) B A B A A B Mx BN (j, ) 12 12 20 11 14 13.8 Prdida de Oportunidad Diferencia en BN 0 2 0 1 1 0.8

AO- AO (E) B-B A-B B-B A-B A-B

Informacin existente Informacin perfecta

= 13 = 13.8

Valor de la informacin = 0.8

VEIP = [ E max j NB( j , ) max j E NB( j , )]

Valor de la Informacin

El Valor Esperado de la Informacin Perfecta (en ingls, EVPI) puede ser interpretado como el costo de la incertidumbre El EVPI ofrece una estimacin del mximo que la sociedad debiera estar dispuesto a pagar por adquirir nueva informacin El EVPI constituye una condicin necesaria para conducir nueva investigacin destinada a resolver la incertidumbre

Valor de la informacin Parcial

El

EVPI se puede estimar para parmetros especficos (EVPPI) una oportunidad de priorizacin de la investigacin que se debe desarrollar teniendo en cuenta el costo oportunidad para el sistema de salud

Ofrece

Valor de la Muestra
Estima

el valor que tiene desarrollar un estudio con tamao muestral n (Expected Value of Sampling Information: EVSIn) el beneficio neto de dicho estudio (EVSIn) con el costo del estudio (Cn) estimando el beneficio neto esperado de la muestra (Expected Net Benefit of Sampling)
EVSIn Cn = ENBSn

Compara

Permite

estimar el mejor tamao muestral

maxn ENBSn

Puntos Finales

La consideracin de la incertidumbre alrededor de la estimaciones es relevante para la toma de decisiones Las decisiones de adopcin o rechazo de intervenciones en salud basadas en costo efectividad deben hacerse a partir de los valores esperados (a posteriori) de los beneficios netos. La incertidumbre es relevante para enfrentar la pregunta si nueva investigacin destinada a resolver esa incertidumbre es apropiado