CC BY
26
о ^
о ч о н ш
2
Концептуализация модели для оценки медицинских технологий
С.Ч. Джалалов, Д.Х. Джалалова, Д.С. Хоч
Онкологический комитет провинции Онтарио, г. Торонто, Канада
Разработка модели для оценки медицинских технологий начинается с понимания клинической проблемы и основной концепции исследуемого вопроса. Целью данной статьи является знакомство с передовыми технологиями концептуализации модели. Процесс концептуализации имеет два компонента: 1) концептуализация клинической проблемы и 2) концептуализация модели. В статье представлены рекомендации по определению проблемы, аналитической перспективы модели и целевой популяции, выбору альтернативной технологии, а также по горизонту времени, оценке исходов, моделируемой единице, взаимодействию между индивидуумами и другими частями модели.
КЛЮЧЕВЫЕ СЛОВА: моделирование, концептуализация модели, модель переходных состояний, модель симулирования дискретных событий.
16
о. О ш _0 ш
X
ш
о ^
О X
X
ш
о
X
ш
Моделирование в оценке медицинских технологий (ОМТ) имеет важное значение по двум основным причинам. Во-первых, из-за ограниченности ресурсов для оценки всех имеющихся медицинских вмешательств не могут быть проведены клинические исследования, в то время как экономическое моделирование является относительно дешевым и эффективным методом синтезирования данных по затратам и исходам альтернативных технологий. Во-вторых, при внедрении медицинских технологий клинические исследования охватывают относительно короткий промежуток времени, поэтому для прогнозирования возможных результатов на долгосрочную перспективу необходима экстраполяция данных клинических исследований, которая невозможна без моделирования [1].
Модель представляет собой упрощенное выражение действительности, представленное серией математических уравнений. Целью построения модели в здравоохранении является прогнозирование последствий принятых клинических решений. Для того чтобы построить модель, позволяющую помочь в решении клинической задачи, необходимо понять проблему, с которой сталкиваются лица, принимающие решение (ЛИР), включая администрацию медицинского учреждения, органы управления здравоохранением и лечащих врачей. Для этого процесс моделирования можно разделить на две части:
1) концептуализация проблемы, позволяющая преобразовать сведения о путях решения клинической задачи в детальное описание проблемы;
2) концептуализация модели, в которой компоненты проблемы представлены с использованием определенного аналитического метода [2] (рис. 1).
Концептуализация модели определяет метод моделирования для проведения экономической оценки. В данной статье представлены рекомендации по концептуализации модели с использованием отдельных
положений отчета совместной группы ШРОЯ-ЗЫБЫ1 с добавлениями авторов.
КОНЦЕПТУАЛИЗАЦИЯ ПРОБЛЕМЫ
Определение проблемы и задач, требующих решения
Прежде чем строить модель, нужно выяснить природу рассматриваемой проблемы и клинических задач, требующих решения. Можно выделить следующие категории задач [2]:
• разработка стандартов диагностики и лечения;
• информирование ЛПРов перед принятием решения о финансировании новой медицинской технологии;
• оптимизация использования ограниченных ресурсов;
• определение стратегии здравоохранения (например, внедрение вакцинации, диспансеризации, скрининга и т.д.).
На практике для определения проблемы и концептуализации модели создается рабочая группа, куда входят клиницисты, эпидемиологи, специалисты по моделированию и ЛПРы. Группа определяет спецификацию модели, включающую цели и задачи экономической оценки, объемы работ, перспективу исследования, целевую популяцию больных, альтернативные технологии, исходы и горизонт времени. Детальная спецификация модели в письменной форме согласовывается со всеми заинтересованными лицами, вовлеченными в данный проект.
1 Ведущие организации в области экономики здравоохранения и оценки медицинских технологий - КРОЯ и ЗМБМ - создали 7 совместных групп по внедрению передовой практики. В задачи этих групп входят распространение передового опыта моделирования, унификация понятий и методов. В данной статье представлены рекомендации рабочей группы по концептуализации моделей [2].
Рис. 1.
^нцептуализация проблемы и создание модели [1].
Аналитическая перспектива модели
Перспектива модели определяется тем, с позиции какого лица - пациента, страхового агентства, министерства или общества - проводится данное исследование. В моделях, где затраты не рассчитываются, а оцениваются только клинические исходы применения медицинской технологии, перспективу исследования обычно не указывают. Однако когда затраты включены в модель, перспективы исследования должны быть обязательно указаны. Исходы применения технологии в модели также должны согласовываться с перспективой анализа. Влияние выбора перспективы анализа на результаты модели проверяются при помощи анализа чувствительности (АЧ). В случае, если указывается более узкая перспектива, чем перспектива общества, в исследовании должен быть представлен перечень включенных и исключенных исходов.
Целевая популяция пациентов
Целевая популяция обычно состоит из больных или же тех, кто может заболеть или собирается получить лечение или другие виды медицинского вмешательства. Популяция больных может быть ограничена географической территорией (населенным пунктом или страной), стадией и продолжительностью заболевания. В некоторых моделях, например, в моделях вакцинации населения, целевая популяция может также включать лиц, не подвергнутых вмешательству (не получивших вакцину), но получающих выгоду от предотвращения возможного заболевания (к примеру, гриппа).
Целевая популяция больных может быть разделена на несколько подгрупп на основании характеристики заболевания, возрастной категории больных, образа жизни (курение, злоупотребление алкоголем), сопутствующих заболеваний, генетической предрасположенности и кровного родства. В зависимости от характеристики исследуемой популяции выбирается тип модели [2]:
• если популяция больных является однородной группой и в модели можно использовать усредненные данные, то обычно используется анализ когорты;
• если популяция больных неоднородна и включает больных с различными характеристиками (различный возраст, разные сопутствующие заболевания), рекомендуется использовать несколько моделей когорты для разных подгрупп больных;
• если число учитываемых в модели характеристик пациентов увеличивается и может меняться со временем, рекомендуется использовать модели микросимуляции.
Клинические исходы
Существуют различные виды клинических исходов, выраженных в состояниях здоровья или наступивших событиях (инфаркт миокарда, инсульт), изменениях физиологических параметров (артериальное давление (АД), уровень сахара в крови) или в индексах здоровья, выраженных в числе лет качественной жизни. Клинические исходы событий обычно называют промежуточными исходами (intermediate outcomes), к промежуточным также относят те физиологические и биологические показатели (размеры опухоли, АД), которые позволяют прогнозировать конечный исход от медицинского вмешательства [2]. Например, при лечении онкологических больных в качестве конечного исхода в последнее время часто используют такой по существу промежуточный исход, как «время до прогрессиро-вания болезни»2 (progression-free survival). Объясняется это незначительными различиями в общей
2 Промежуток времени, в котором онкологический больной, получивший лечение, находится в стабильном состоянии (без ухудшения). В клинических исследованиях "время до прогрессирова-ния болезни" используется как показатель эффективности новых лекарств и технологий.
о ц,
о
4 о н ш
5
18
Р
о
LQ _0 Ш
X
ш
о ^
о
X
X
ш
о
X
ш
выживаемости3 (overall survival) онкологических больных при лечении различными технологиями, а также большим вниманием, уделяемым в настоящее время качеству жизни пациентов.
Для построения реалистичной модели необходимо, чтобы пациент или когорта больных «испытала» все аспекты болезни, выраженные различными состояниями здоровья. Только при этом условии можно получить искомые данные об исходах, связанных с применением альтернативных медицинских технологий. Иными словами, для того чтобы смоделировать конечный исход, требуется определить серию промежуточных состояний здоровья, которые отражают прогрессирование болезни и эффект применяемых медицинских технологий. Полную картину преимущества новой медицинской технологии невозможно представить без учета побочных эффектов. Последние измеряются, например, по степени угрозы жизни пациента по шкале от 1 до 4, где 1 означает незначительные побочные эффекты, а 4 - побочные эффекты, угрожающие жизни пациента. В случае если при летальных исходах побочные эффекты не учитываются в анализе, то они моделируются отдельно, путем создания дополнительных состояний здоровья. Обычно побочные эффекты моделируются, если более 5% пациентов испытали серьезные последствия (по шкале 3-4), вынудив временно или окончательно остановить прием лекарства.
Выбор альтернативной технологии
Важным моментом моделирования считается выбор альтернативной технологии, с которой будет сравниваться новая технология медицинского вмешательства. В качестве альтернативной технологии (компаратора) выбирается стандартный вариант, который планируется зaменить, либо сравниваются другие альтернативныe технологии, различающиеся по клинической эффективности и стоимости. Вариации в эффективности альтернативных технологий следует учитывать в модели посредством проведения анализа подгрупп.
Особое внимание нужно уделять сопоставимости данных из различных регионов и стран. Система здравоохранения, методы лечения и стоимость медицинских услуг и препаратов имеют значительные страновые различия. Результаты исследований клинической эффективности обычно сопоставимы, в то время как затраты зависят от местных условий и их оценка требует более тщательного подхода, включающего детальную спецификацию затрат и используемых ресурсов. Прямое определение затрат путем конвертации валюты для моде-
3 Промежуток времени, начиная с диагностики или начала лечения онкологического больного до его смерти.
лирования медицинских технологий неприемлемо. Следует иметь в виду, что хотя исходные данные являются важнейшей частью модели, концептуальная структура модели должна строиться исходя из решаемой проблемы и задач исследования, а не определяться наличием данных. Это же относится и к выбору альтернативной технологии. Сравниваемые варианты технологий должны полностью отражать существующую клиническую практику, а также новые технологии, используемые для решения проблемы. В некоторых случаях в качестве альтернативы может использоваться вариант естественного течения болезни без медицинского вмешательства. В любом случае все включенные и исключенные варианты альтернативных технологий должны быть обоснованы и указаны в методической части анализа.
Временной горизонт исследования
Временной горизонт в моделях (период, охваченный моделированием) должен быть достаточным, чтобы уловить различия в исходах при сравниваемых альтернативных технологиях. При моделировании когорты хронических больных обычно используют временной горизонт, равный продолжительности жизни пациентов. Подобные модели требуют экстраполяции клинических показателей, в частности лечебного эффекта, поскольку клинические исследования редко охватывают такой продолжительный отрезок времени. Поэтому в моделях часто представлены два вида результатов: 1) краткосрочные, базирующиеся на затратах и эффектах клинических исследований, и 2) долгосрочные, основанные на экстраполяции данных клинических исследований. Лечебный эффект определяется на основании кривых выживаемости Каплана-Майера как разница между эффективностью нового вмешательства и старой технологии. Известно, что в какой-то точке времени, за пределами оси координат, ограниченной продолжительностью клинических исследований, обе эти кривые сойдутся, но остается вопрос: когда это произойдет? Для определения продолжительности лечебного эффекта рекомендуются следующие сценарии моделирования [3]:
• Сокращать лечебный эффект после окончания клинического исследования до точки схождения кривых. Этот сценарий рекомендуют для базового варианта экономического анализа.
• Устранить лечебный эффект или схождение кривых выживаемости сразу же после окончания клинических исследований. Такой сценарий представляет собой наиболее консервативный вариант экономической оценки, однако не является клинически обоснованным, так как кли-
нический эффект не может немедленно прекратиться после окончания лечения. • Поддерживать лечебный эффект вмешательства на протяжении всей жизни пациента или как можно дольше, пока кривые не сойдутся. Это наименее консервативный и самый оптимистичный сценарий из перечисленных, который может быть использован для экономической оценки. Однако подобный сценарий не обоснован клинически, так как промежуточный исход может не совпасть с конечным при моделировании до летального исхода у пациентов.
Выбор одного из указанных вариантов моделирования лечебного эффекта после окончания клинических исследований зависит от достоверности доказательств, при этом важно, чтобы вариант, выбранный в качестве базового, был клинически обоснован.
Оценка исходов
При оценке исходов медицинского вмешательства рекомендуются единицы измерения качества жизни, основанные на предпочтениях пациентов. Для измерения качества жизни используется полезность, а для измерения исходов - число лет качественной жизни (ЧЛКЖ). В таблице результатов экономического анализа рекомендуется отдельно показывать изменения продолжительности жизни и качества жизни, обусловленные медицинским вмешательством. При определении полезности предпочтение должно отдаваться тем исследованиям, целевая популяция которых по своим характеристикам наиболее близка к популяции пациентов, описываемых в модели. Затраты и ресурсы, включенные в экономическую оценку, должны быть хорошо обоснованы для того, чтобы ЛПРы убедились, насколько близко модель отражает действительность. Используемые ресурсы обычно выражаются в денежных единицах. Правила оценки клинической эффективности и затрат подробно изложены в наших ранних публикациях [4, 5].
2. КОНЦЕПТУАЛИЗАЦИЯ МОДЕЛИ
Выбор типа модели
Тип модели при экономической оценке обычно определяется целью моделирования, уровнем детализации и сложностью поставленной задачи. Существует несколько типов моделей, применимость которых зависит от поставленной проблемы. Возможно моделирование индивидуального пациента или когорты больных и могут использоваться разные виды анализа - детерминистский4
или стохастический5. К наиболее распространенным моделям относятся: древо принятия решений (decision tree), модели переходных состояний (state-transition models), симулирование дискретных событий (discrete event simulation) и переходная динамическая модель (dynamic transition model).
Ниже приводятся краткие характеристики этих моделей и их применения для оценки медицинских технологий:
Древо принятия решений обычно используется для моделирования несложных клинических проблем с коротким временным горизонтом и единичными исходами. Хотя этот метод используется реже, чем другие, он обладает рядом преимуществ, включая простоту в концептуализации, создании и модификации модели, что позволяет быстро разобраться с поставленной задачей (подробно об этом методе см. [4]).
Модели переходных состояний, или модели Маркова удобно использовать для долгосрочных прогнозов, в условиях, когда вероятность событий меняется со временем. Они получили широкое распространение за простоту их создания, обширность проводимого анализа и удобство в нахождении ошибок в модели. Модели переходных состояний наиболее востребованы в тех случаях, когда проблема может быть концептуализирована посредством серии гомогенных состояний, т.е. когда болезнь можно разделить на отдельные стадии (например, в онкологии). Переход между состояниями происходит за счет прогрессирования болезни в определенный промежуток времени. После выбора этого типа модели решение о моделировании индивидуума или когорты больных определяется количеством состояний здоровья. В случае большого количества состояний выбирается симуляция индивидуумов, позволяющая учитывать разнообразные характеристики пациентов.
Симулирование дискретных событий (СДС). Этот подход основан на моделировании возможных событий для индивидуума и применяется в случаях, когда имеют место ограниченность ресурсов, взаимодействие между индивидуумами и окружающими субъектами, многочисленные влияния на поведение объекта, а также когда время до изучаемого события представлено стохастически, а не фиксировано. Например, СДС с успехом применяется для оптимизации использования ресурсов на уровне госпиталя. На рис. 2 схематически изображена типичная модель госпиталя, включающая прием пациентов, сортировку больных и распределение койко-мест.
4 Детерминистский анализ используется для оценки влияния измене-
ний одного параметра на результаты модели при условии, что остальные параметры остаются без изменения. В подобных моделях каждое изменение параметра (input) определяет фиксируемый результат (output).
5 Стохастический (вероятностный) анализ в противоположность детерминистскому основан на вероятностном характере изменений параметра. В моделях Маркова все параметры, включенные в вероятностный анализ, могут изменяться (в определенных пределах) одновременно.
о ^
о ч о н ш
2
20
Рис. 2. Модель симулирования дискретных событий [6].
Р
О ш _0 ш
X
ш
о ^
О X
X
ш
о
X
ш
Модель динамической передачи используется в ситуациях, когда взаимодействия между группами влияют на результат. Такого рода модели применяют для оценки медицинского вмешательства по предотвращению распространения инфекционных болезней среди населения. Такие модели могут быть детерминистскими или стохастическими и могут строиться как на индивидуальном уровне, так и на уровне населения. На рис 3. показана модель по совершенствованию наблюдения и ранней диагностики инфекционных болезней среди населения. Математическая модель позволяет «проигрывать» различные сценарии распространения заболеваний, а также корректировать существующие методы наблюдения и предотвращения инфекционных болезней.
Выбор типа модели зависит от характеристики проблемы и включает следующие составляющие [2]:
• моделируемая единица: индивидуум или группа;
• взаимодействия между индивидуумами и другими частями модели;
• временной горизонт времени и единица измерения времени в модели.
Рис. 3. Модель динамической передачи [7].
Моделируемая единица: индивидуум или группа
Пациенты в модели могут быть представлены как индивидуумы или в виде гомогенной когорты больных. В моделях Маркова, древе принятия решений и модели динамической передачи конечный исход определяют путем агрегирования данных по всей популяции пациентов. Существует распространенное мнение, что моделирование индивидуумов (микросимуляция) гарантирует более точное воспроизведение реальности. Однако следует иметь в виду, что и при моделировании когорты больных тоже можно достичь достаточной детализации за счет деления больных на подгруппы. Неоспоримым преимуществом моделирования индивидуумов считается возможность воспроизведения биологического процесса болезни.
Взаимодействия между индивидуумами и другими частями модели
Взаимодействия между индивидуумами следует рассматривать в следующих случаях: 1) при моделировании инфекционных болезней, когда риск от заражения зависит от количества инфицированных больных; 2) при ограниченности ресурсов, когда лечение одного пациента может сказаться на возможности лечения другого. Для моделирования взаимодействия между индивидуумами лучше всего использовать метод СДС и модели динамических систем (МДС). Выбор приемлемого типа модели схематически представлен на рис. 4. Как было отмечено ранее, ключевым элементом считается независимость индивидуума в модели. В случае если взаимодействие между индивидуумами не рассматривается, выбор остается за древом принятия решений и моделью Маркова. Если
Рис. 4. Выбор типа модели [8].
21
же существует большая вероятность взаимодействия, то выбор делается в пользу модели СДС [8]
Кроме взаимодействия между индивидуумами некоторые проблемы концептуализации требуют взаимодействия индивидуумов с другими частями модели. В основном это касается распределения ресурсов, например: распределения донорских органов, распределения лекарств при их ограниченности, определение графика операционной в целях сокращения времени ожидания хирурга или простоя и т.д. Для решения подобных задач используется СДС.
Горизонт времени и единица измерения времени в модели
Горизонт времени определяют как моделируемый промежуток времени, зависящий от решаемой клинической задачи. Древо принятия решений удобно
использовать при краткосрочном горизонте времени. При долгосрочном горизонте времени предпочтительны динамические модели переходных состояний и СДС. Следует определиться с выбором моделирования времени - путем коротких циклов или в течение более продолжительного периода. Поскольку в моделях переходных состояний переход из одного состояния в другое может осуществляться только внутри временного цикла, то при высокой вероятности событий рекомендуется использовать короткий цикл [2].
ЗАКЛЮЧЕНИЕ
При выборе и построении модели необходимо постоянное балансирование между сложным и простым. С одной стороны, модель должна быть прозрачной, легко поддающейся анализу и обоснованной. С другой стороны, модель должна быть достаточно слож-
22
ной, чтобы отразить различия между сравниваемыми технологиями. Слишком простые модели могут потерять обоснованность и значимость у клиницистов, слишком сложные модели очень трудно строить, анализировать, понять и объяснить. Все ранее изложенные элементы моделирования, такие как перспектива исследования, целевая популяция, исходы и стратегии лечения при ОМТ, вносят свой вклад в уровень детализации при моделировании клинической задачи и приближения модели к реальности.
ЛИТЕРАТУРА
1. Briggs A., Sculpher M. An introduction to Markov modelling for economic evaluation. Pharmacoeconomics.1998. №4. Р. 397-409.
2. Roberts M., Russell L.B., Paltiel A.D., Chambers M., McEwan P., Krahn M; ISPOR-SMDM modeling good research practices, Task Force conceptualizing a model: a report of the ISPOR-SMDM Modeling Good Research Practices Task Force-2. Med Decis Making. 2012. № 5. Р. 678-689.
3. Mittmann N., Evans W.K., Rocchi A., Longo C.J., et al. Addendum to CADTH's guidelines for the economic evaluation of health technologies: Specific guidance for oncology products. Ottawa. Canadian Agency for Drugs and Technologies in Health. 2009.
4. Джалалов С.Ч., Джалалова Д.Х., Хоч Д.С. Анализ решений в медицине: Принципы построения древа принятия решений. Медицинские технологии: Оценка и выбор. 2012. № 4. С.25-34.
5. Джалалов С.Ч., Джалалова Д.Х., Хоч Д.С. Расчет затрат при экономической оценке медицинских технологий. Медицинские технологии: Оценка и выбор. 2013. №3. С. 20-27.
6. Морган Лим. Симулирования дискретных событий. Часть 1. Презентация на круглом столе ARCC. Март 15, 2013.
7. TUFTS University. Improved surveillance: outbreak and disease signature. [Электронный ресурс]. http://informid.tuffts.edu/research/
8. Barton et al. Modeling in the economic evaluation of health care: selecting the appropriate approach. Journal of Health Services Research and Policy. 2001. № 2. Р.110-118.
Сведения об авторах:
Джалалов Санджар Чингизович
старший аналитик, Фармакоэкономическая группа Онкологического комитета провинции Онтарио, д-р экон. наук
Джалалова Дильфуза Хамидовна
научный ассистент, Фармакоэкономическая группа Онкологического комитета провинции Онтарио, канд. пед. наук
Хоч Джефри Стюарт
директор Фармакоэкономической группы Онкологического комитета провинции Онтарио, профессор Университета Торонто, Ph. D
Адрес для переписки:
30 Bond Street, St. Michael Hospital, Health Economics Department M5B 1W8 Toronto Canada 416-864-6060 ext. 2194
E-mail: HochJ@smh.ca; sandjar.djalalov@cancercare.on.ca
Authors' information:
Djalalov, Sandjar Chingizovich
senior Analyst, Pharmacoeconomics Research Unit, Cancer Care Ontario, Doctor of Economics
Djalalova, Dilfuza Khamodovna
research Assistant, Pharmacoeconomics Research Unit, Cancer Care Ontario, Candidate of Pedagogy
Hoch, Jeffrey Stewart
director of Pharmacoeconomics Research Unit, Cancer Care Ontario, Associate Professor, University of Toronto, Ph. D
Contact information:
30 Bond Street, St. Michael Hospital, Health Economics Department M5B 1W8 Toronto Canada 416-864-6060 ext. 2194
Email: HochJ@smh.ca; sandjar.djalalov@cancercare.on.ca
о S.Ch. Djalalov, D.K. Djalalova, J.S. Hoch
METHODOLOGY
Model Conceptualization in Health Technology Assessment
LO -0
m Cancer Care Ontario, Canadian Cancer Agency, Toronto, Canada
x
Ш
о ^
о
X
X
ш
о
X
m ш
The development of model for use in health technology assessment begins with an understanding of the clinical problem and basic concept of the research question. The goal of this paper is to introduce best practices for model conceptualization. The conceptualization process has two separate components: 1) the conceptualization of the problem and 2) the conceptualization of the model. Recommendations are made regarding the statement of the clinical problem, perspective and target population of the model, selection of comparators, time horizon, valuing outcomes, unit of representation, interaction between individuals and other model components.
KEYWORDS: modeling, conceptualization, methods, state-transition model, discrete event simulations dynamic transition model.
