30
1 Análisis de sensibilidad: Métodos en la evaluación económica de tecnologías sanitarias Parte 1 David Epstein [email protected]

David Epstein [email protected] de...3 Los objetivos del análisis de sensibilidad (AS) • Evaluar la precisión de las predicciones de un modelo de decisión, para... –Validar el modelo

Embed Size (px)

Citation preview

1

Análisis de sensibilidad:Métodos en la evaluación económica de tecnologías

sanitarias

Parte 1

David Epstein

[email protected]

2

Índice

• El Análisis de Sensibilidad (AS) - Parte 1

• Objetivos de un AS

• Revisión rápida de conceptos estadísticos fundamentales

• Modelos de decisión y parámetros inciertos

• Métodos de AS

– AS deterministico: Univariante; Multivariante

– Presentación de los resultados

• El AS probabilístico (ASP) y el valor de la información (Parte 2)

3

Los objetivos del análisis de

sensibilidad (AS)

• Evaluar la precisión de las predicciones de

un modelo de decisión, para...

– Validar el modelo – si las predicciones son

razonables y se corresponden con datos

observados

– Identificar los parámetros que afectan mas los

resultados

– Calcular el valor de hacer más investigación

Conceptos estadísticos

• Variabilidad e incertidumbre

• Parámetros: estadísticos descriptivos

– El centro de la distribución (media, mediana)

– La dispersión (ancha, estrecha)

– La forma (simétrica, torcida)

• Incertidumbre: la medición de la media

– Intervalo de confianza

4

5

Ejemplo ¿Cuál es el coste de una

estancia en hospital?

• Variabilidad en función de características

– Perfil de los pacientes (edad, enfermedad…)

– Tratamiento

– Tipo del hospital (especialista)

– Sistema de salud (privado, publico)

• Variación aleatoria = incertidumbre

– Depende del tamaño de la muestra

Ejercicio 1: Dibuja la

distribución del coste de una

estancia con los siguientes datos

Concepto Libras

Media 11.042

Mediana 9.561

Alcance intercuartil 8.200 a 11.100

Desviación estándar 8.700

Rango 3.671 a 121.000

Skew (torcido) +8

6

7

Skew

8

Histograma de la distribución de los

costes por paciente con un prótesis F

raction

Cost, Libras0 25000 50000

0

0

El coste medio

• Es importante estimar el coste medio por

paciente en la población

– Presupuesto total = coste medio por paciente x

número de pacientes

– La mediana es menos útil para una evaluación

económica

• Su valor (en la población) es incierto

9

10

Ejercicio 2¿Cuál es el coste medio

de una estancia en hospital?• El coste medio en el ensayo clínico = 10.819

• El 95% intervalo de confianza es 10.300 a 11.800

• Tipo test multi-respuesta (Más de 1 puede ser correcta)a. El coste de 95% de los pacientes es entre 10.300 y 11.800.

b. El coste medio en 95% de los ensayos clínicos está entre 10.300 a 11.800

c. El coste por paciente tiene una distribución normal

d. Los costes medios tienen una distribución normal

e. El coste medio en la población es exactamente 10.819

f. El coste medio en la muestra es exactamente 10.819

g. Hay incertidumbre en el coste medio porque el tamaño del ensayo es 1.000 pacientes y no es toda la población

h. Hay incertidumbre en el coste medio porque no es posible medir el uso de recursos con exactitud

¿Qué es un intervalo de

confianza?• Hay 2 metodologías: Fisher y Bayes

• Método de “Fisher”: la estadística convencional

• El coste medio en la población μ es un valor constantepero desconocido– El 95% intervalo de confianza para μ =(10.300 a 11.800)

– Si se repitiese miles de veces el ensayo, el 95% de los intervalos de confianza incluirían μ

• Método de “Bayes”

• El coste medio μ es una variable aleatoria– La probabilidad de que μ esté entre 10.300 a 11.800 es 0.95, dados

los datos y supuestos

11

12

¿Cómo se calcula el intervalo de

confianza?F

raction

Cost, Libras-5000 0 25000 50000

0

0

La distribución del

valor medio de la

variable tiende a la

normal cuando ‘N’

es grande.

(Según el teorema

del límite central)

El intervalo de confianza

• El 95% intervalo de confianza

≈ Media 2 * Error Estándar

• Se puede calcular el ES

= √ (Varianza / N )

• También se puede calcular la media y el ES

de los parámetros con un análisis de

regresión (SPSS , STATA etc.)

13

14

También se puede estimar la

diferencia en el coste medio entre los

tratamientosEVAR

N=543

OPEN

N=539

Dif ES de dif

Hospital 10.819 9.204

Seguimiento 2.439 741

Total a 4

años

13.258 9.945 3.313 690

15

Ejemplo: Prótesis endovascular

EVAR

> 1.000 pacientes, seguimiento 1 - 4 años

16

Estructura

Un modelo de decisión sencillo

EVAR

Vivir

Morir *

Open

Vivir

Morir *

*Morir de causa aneurisma dentro de 4 años

Parámetros Resultados

Probabilidades

de muerte

Recursos en

hospital

Coste

Sobrevivencia

17

Un análisis de coste-efectividad

sencilloInputs (Parámetros) Valores

EVAR

Valores

Open

Probabilidad de morir dentro 4 años 4% 7%

Coste medio por paciente a 4 años 13258 9945

Resultados a 4 años

Diferencia en sobrevivencia 3%

Diferencia en coste medio por paciente 3313

RCEI (3313 / 0.03)

“Coste adicional por muerte evitada a 4

años”

110.000

18

Limitaciones del análisis

• No tiene en cuenta la variabilidad:

– La efectividad y los costes en otros tipos de pacientes (según su

edad, salud inicial… etc)

• No tiene en cuenta que no tenemos conocimiento de todos

los aspectos relacionados con el tratamiento o la

enfermedad

– Muertes de otras causas

– Los años de vida después de 4 años

– La calidad de vida… etc

• No tiene en cuenta la incertidumbre aleatoria en las

variables del modelo

19

Algunas razones para la

incertidumbre

Descripción Análisis

Variabilidad Diferencias en las

características de la

población

Un análisis para cada

sub-grupo

(estratificación)

Conocimiento

incompleto

Otros ensayos y fuentes

de datos

Conocimiento

incompleto del proceso

de la enfermedad

Revisión de la

literatura y meta-

análisis

Construcción de

modelos alternativos

“Model Averaging”

Incertidumbre

aleatoria

Errores en la medición de

los parámetros

Análisis de sensibilidad

20

Análisis de sensibilidad univariante

#1:la diferencia media en los costes

Escenario Dif en

costes

Dif en

efectividad

RCEI

El caso base 3.313 0.03 110.000

Coste alto 4.693 0.03 156.000

Coste bajo 1.933 0.03 64.000

¿Interpretación?

21

Análisis de sensibilidad univariante

#2:la diferencia en la efectividad

Fallecidos

dentro de 4

años

EVAR

N=543

OPEN

N=539

Hazard

Ratio

(95% IC)

Causa

aneurisma

19

Pr= 0.04

34

Pr = 0.07

0.55

(0.31 a 0.96)

Lancet 2005. “Pr” refiere a la probabilidad de morir

22

Análisis de sensibilidad univariante

#2:la diferencia en la efectividad

• El efecto clínico representa la hipótesis contraria (“counterfactual”)

• En este análisis, hay un modelo multiplicativo del efecto relativo del tratamiento

• Efecto relativo ≈ „hazard ratio‟ = 0,55

• Prob(morir por aneurisma en los 4 años después EVAR) ≈ Prob(morir 4 años después OPEN) x 0,55

23

Análisis de sensibilidad univariante

#2:la diferencia en la efectividad

Pr

(open)

HR Pr

(evar)

Dif

E

Dif C RCEI

Caso

base

0.07 0.55 0.04 0.03 3313 110.000

HR

alto

0.07 0.96 0.07 0.00 3313 1.183.000

HR

bajo

0.07 0.31 0.02 0.05 3313 68.000

24

Análisis de sensibilidad #3:

multivariante

Dif E Dif C RCEI

Caso base 0.03 3313 110.000

HR alto, coste alto 0.00 4693 1.676.000

HR bajo, coste alto 0.05 4693 97.000

HR alto, coste bajo 0.00 1933 690.000

HR bajo, coste bajo 0.05 1933 40.000

¿Interpretación?

Presentación de los resultados de

un análisis de sensibilidad

univariante• Tablas

• Análisis de umbral (threshold)

– Encontrar el valor de un parámetro lo que se

cambia la decisión

– Suele ser hipotético

• Grafico

25

¿Interpretación del grafico?

26

Dif en coste por paciente EVAR - OPEN

RCEI

-150000

-100000

-50000

0

50000

100000

150000

200000

250000

-4000 -2000 0 2000 4000 6000 8000

¿Interpretación del grafico?

27

„Hazard ratio‟ EVAR v OPEN

RCEI

-3000000

-2500000

-2000000

-1500000

-1000000

-500000

0

500000

1000000

1500000

2000000

0 0.2 0.4 0.6 0.8 1 1.2 1.4

28

La probabilidad de que EVAR es

coste-efectivo

• ¿Son suficientes los escenarios en el análisis de

sensibilidad?

– El efecto de otras variables

• ¿Son igualmente probables los escenarios en el

análisis de sensibilidad?

– El AS deterministico no establece si los valores

extremos son improbables o probables

– Los valores extremos pueden cambiar las conclusiones

de un análisis pero pueden ser muy improbables

Bibliografía

• Model averaging

– Jackson, C. H., Thompson, S. G. and Sharples, L. D.

Accounting for uncertainty in health economic decision

models by using model averaging. Journal of the Royal

Statistical Society, Series A (2009) 172(2): 383-404.

• Variabilidad e incertidumbre

– Briggs, A. 2001, Handling uncertainty in economic

evaluations, en Drummond et al. Economic evaluation

in health care. OUP

– Briggs 2006. Decision modelling in health economic

evaluation. OUP 29

Bibliografía

• Distribuciones

– Bland M, 2000, British Medical Journal 320: 1468

• Análisis de sensibilidad probabilístico

– Darba 2006, Gaceta Sanitaria, 20(1) 74-77

– Fenwick 2004, Health economics, 13(5) 405-415

– Fenwick 2001, Health Economics, 10: 799-787

• El Valor de información

– Philips Z, 2006, International Journal of Technology

Assessment in Health Care 22: 379-387

– Claxton, 2006. Pharmacoeconomics 24: 1055-1068 30