4a. Ανάλυση αποφάσεωνκαιμελέτες κόστους-αποτελεσματικότητας Βιβλίο Ιωαννίδη, Κεφ. 16Βιβλίο Guyatt, Κεφ. 9.6

ΑΝΑΛΥΣΗ ΑΠΟΦΑΣΕΩΝ ΚΑΙ ΜΕΛΕΤΕΣ ΚΟΣΤΟΥΣ-ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑΣ

• Θέμα προέρχεται από τα συγγράμματα Ιωαννίδη, Κεφ. 16 (Ιωαννίδης) και Κεφ. 9.6 (Guyatt)· βιβλία που συχνά χρησιμοποιούνται στην εκπαίδευση στην Εvidence‑Based Medicine.

• Κύριος συνδυασμός μελετών απόφασης, δένδρων αποφάσεων, μοντέλων κόστους-αποτελεσματικότητας και ανάλυσης ποιότητας ζωής (QoL).

• Διακριτές λειτουργικές ενότητες: (i) Ανάλυση αποφάσεων, (ii) Μελέτες κόστους-αποτελεσματικότητας, (iii) Ανάλυση ποιότητας ζωής, (iv) Φορτίο νοσηρότητας και προβλέψεις για την υγεία.

ΙΑΤΡΙΚΗ ΠΡΑΚΤΙΚΗ ΚΑΙ ΘΕΩΡΙΑ

• Η Ιατρική ορίζεται ως το σύστημα θεωριών (ιατρική επιστήμη) και το σύνολο των πράξεων (ιατρική πρακτική) που αφορούν την υγεία.

• Ιατρική πρακτική αναφέρεται σε ενεργητικές παρεμβάσεις (προληπτικές, θεραπευτικές ή αποκατάστασης) σε άτομα (κλινική ιατρική) ή στην κοινότητα (κοινοτική ή κοινωνική ιατρική).

• Με μια άλλη διατύπωση: αναφέρεται σε πρακτικά προβλήματα.

ΣΤΑΔΙΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ

• Διατύπωση προβλήματος με τη μεγαλύτερη δυνατή σαφήνεια.

• Αποτίμηση αντικειμενικών πιθανοτήτων διαβάζοντας υπάρχουσα βιβλιογραφία.

• Επιλογή ενέργειας βασιζόμενη σε κανόνα: είτε μικρότερη πιθανότητα ανεπιθύμητων ενεργειών, είτε μέγιστη χρησιμότητα (ποιότητα ζωής), ή βελτιστοποίηση ισοζυγίου κόστους-οφέλους, κ.λπ.

ΔΕΝΔΡΟ ΑΠΟΦΑΣΕΩΝ

• Αποτελείται από κόμβους, κλάδους και εκβάσεις.

• Κόμβοι αποφάσεων αντιστοιχούν στα σημεία όπου πρέπει να παρθεί μια απόφαση.

• Κόμβοι πιθανότητας περιγράφουν τις πιθανότητες κάθε εκβάσεως.

• Οι κλάδοι συνδέουν κόμβους και καταλήγουν σε εκβάσεις.

ΚΛΑΔΟΙ ΑΞΙΑΣ ΓΙΑ ΤΜΗΜΑΤΙΚΕΣ ΕΠΙΛΟΓΕΣ (ΚΟΜΒΟΣ ΚΑΙ ΚΛΑΔΟΣ)

• ΚΟΜΒΟΣ ΑΠΟΦΑΣΕΩΝ, ΚΟΜΒΟΣ ΠΙΘΑΝΟΤΗΤΑΣ, ΚΛΑΔΟΙ ΕΚΒΑΣΕΙΣ.

• Οι εκβάσεις συνδέονται με πιθανότητες που από έναν κόμβο πρέπει να αθροίζουν σε 1.

• Παραδείγματα χρησιμοποιούνται συχνά σε μελέτες εμβολιασμών ή θεραπειών.

ΚΑΤΑ ΤΟ ΚΑΤΑΝΟΗΣΕΙΣ: Ο ΕΜΒΟΛΙΑΣΜΟΣ ΚΑΙ ΜΙΑ ΔΙΑΡΡΟΪΚΗ ΝΟΣΟΣ

• Στην παράθεση υπάρχει ερώτημα: Κατά πόσο ο εμβολιασμός για μια διαρροϊκή νόσο είναι θεμιτός; (Κομβικός προβληματισμός στο κεφάλαιο)

• Παράδειγμα κόμβων, πιθανοτήτων και κλάδων ως βάση για την ανάλυση απόφασης.

ΔΕΝΔΡΟ ΑΠΟΦΑΣΕΩΝ: ΒΑΣΙΚΕΣ ΑΝΑΛΥΣΕΙΣ ΚΑΙ ΤΡΟΠΟΙ ΠΑΡΑΓΩΓΗΣ

• Κάτω από την ψευδο-πρότυπη μορφή δένδρου, οι βασικοί κανόνες προέλευσης πιθανότητας: Π1=0.20, Π2=0.80, κ.λπ.

• Το άθροισμα των πιθανοτήτων από ένα κόμβο πρέπει να είναι 1:
  $ext{Περιγραφή: } \, \, \sum<em>{ ext{κλάδων}} p</em>{ ext{branch}} = 1.$

• Δένδρο αποφάσεων με εξαρτήσεις και μετάβαση πιθανότατων εκβάσεων.

ΜΟΝΤΈΛΑ Markov

• Προσδιορίζουν διάφορες καταστάσεις υγείας πέρα από την απόλυτη υγεία και τον θάνατο (π.χ. ζωντανός με επιπλοκές, ζωντανός με παρενέργειες, αμφίδρομες μεταβάσεις μεταξύ υγειών καταστάσεων).

• Η μονάδα του χρόνου αποτελεί τον κύκλο του μοντέλου Markov.

• Εναποστάσεις σε ελλειπτικά/ελλειπ-D health state diagrams: Stable CVD, Acute CVD, HBP, Death, κ.ά.

• Παρουσιάζονται κοινές ορολογίες όπως ”HBV” για ηπατίτιδα B, ή οι μεταβάσεις μεταξύ καταστάσεων υγείας.

ΔΕΥΤΕΡΕΥΟΝΤΕΣ ΠΑΡΑΜΕΤΡΟΙ ΚΑΙ ΑΝΑΛΥΣΕΙΣ Markov

• Προϋποθέσεις μοντέλων Markov (Page 22): 1) Όλα τα γεγονότα σε κάθε κόμβο είναι αλληλοσυμπληρούμενα και ανεξάρτητα. 2) Οι ασθενείς που μεταβαίνουν από μια κατάσταση σε άλλη δεν έχουν πιθανότητα να επανέλθουν στην αρχική κατάσταση.

  • Αναφέρεται η χρήση Η/Υ και μοντέλα Markov για αναλύσεις υγείας.

• Διαφορετικές καταστάσεις υγείας και διαγραμματικά ελλειψοειδή, όπου τα βέλη αντιπροσωπεύουν μεταβάσεις.

Ανάλυση Ευαισθησίας

• Αξιολόγηση με πόρους: διερεύνηση αν τα αποτελέσματα αλλάζουν όταν κάποιες πιθανότητες παίρνουν διαφορετικές τιμές.

• Σημαντικό εργαλείο για τον εντοπισμό thresholds (οριακές τιμές) όπου μια επιλογή υπερισχύει μίας άλλης.

• Threshold (Οριακή τιμή): η σταδιακή αλλαγή ενός παραμέτρου αλλάζει τη βέλτιστη επιλογή.

• Παροχή ενός παραδείγματος ευαισθησίας στο κεφάλαιο των δέντρων αποφάσεων.

Αξιολόγηση Αποτελεσμάτων: QALYs, LIFE YEARS, ΚΟΣΤΗ, ΧΡΗΣΙΜΟΤΗΤΕΣ

• Αξιολόγηση μέσω των εξόδων και της αποτελεσματικότητας (Cost-Effectiveness Analysis, CEA) και της ανάλυσης κόστους-χρησιμότητας (Cost-Utility Analysis, CUA).

• Οι “outcome values” μπορούν να εκφραστούν ως LIFE YEARS, QALYs, COSTS, UTILITIES, PROBABILITIES (RCT, systematic reviews).

• Η χρησιμότητα (utility) μετριέται σε κλίμακα [0,1], όπου 0 = θάνατος και 1 = τέλεια υγεία.

• Οι QALYs (Quality-Adjusted Life Years) συνυπολογίζουν την ποσότητα και την ποιότητα της προστιθέμενης επιβίωσης λόγω μιας φροντίδας υγείας.

• Οι μελέτες κόστους-αποτελεσματικότητας συχνά αξιολογούν τόσο το κόστος όσο και τα οφέλη σε μονάδες χρόνου ζωής ή χρησιμοτήτων.

• Οι μεταβλητές εξόδων και οφέλους μπορούν να μορφοποιηθούν σε LIFE YEARS, QALYs, COSTS, UTILITIES ανά αγώγιμο outcome.

Μελέτες Κόστους-Αποτελεσματικότητας (CEA/CUA)

• Στόχος: μικρό κόστος με ταυτόχρονη μεγιστοποίηση της αποτελεσματικότητας.

• Προοπτικές μελέτης: συνήθως η προοπτική του κοινωνικού συνόλου.

• Διαφορές προοπτικών για το ίδιο πρόβλημα μπορεί να οδηγούν σε αντίθετα συμπεράσματα.

• Οι συνιστώσες του κόστους: συχνά δύσκολος υπολογισμός, με κατηγορίες όπως:
  1) Κόστος παραγωγής: άμεσα κόστη (εργαλεία, υλικά, χρόνος).
  2) Υπερκόστος: ενοίκια, συντήρηση, διοίκηση.
  3) Επαγόμενο (εμμετο) κόστος: μελλοντικές εξετάσεις και θεραπεία.
  4) Έμμεσο κόστος: φόβος, επιπλοκές, επίδραση στην απόδοση εργασίας.

• Ορισμός χρονικού ορίζοντα (time horizon) πέραν του οποίου δεν υπολογίζονται δαπάνες και κέρδη.

• Φαινόμενο της έκπτωσης (discounting): συνιστάται όπως τα μελλοντικά κόστη/οφέλη προσαρμόζονται στην τρέχουσα αξία.
  $PV = rac{Value}{(1 + r)^t}$
  όπου r είναι ο συντελεστής απόσβεν door.

Παράδειγμα Δένδρων Αποφάσεων και Αποδεικτικής Ιατρικής

• Παράδειγμα με δυο ή περισσότερες επιλογές σε ένα ιατρικό σενάριο που περιλαμβάνει βαθμό αβεβαιότητας (uncertainty).

• Παραδείγματα δέντρων: 1) Fractured ankle: επιλογές όπως Foot saved, Full recovery, Recovery with limp, Antibiotics, Death, Infection not controlled, AKA, BKA, κ.ά.

• Για τον υπολογισμό δίνεται μια διαδικασία βήμα-βήμα με τις εκβάσεις και τους συντελεστές τους.

• Οι Αξίες Εκβάσεων (Outcome Values) και οι Χρησιμότητες (Utilities) παρουσιάζονται σε Tables:

  • Table 1: Represent probabilities assigned to all outcomes represented in the tree (π.χ. Probability of foot saved using antibiotics = 0.50).

  • Table 2: Patient valuation of different possible outcomes represented as Utilities on a 0–1 scale (π.χ. Probability of recovery with limp after foot saved = 0.20).

• Οι πιθανότητες όλων των τελικών κλάδων που έχουν την ίδια έκβαση αθροίζονται ώστε να προκύψει η ολική πιθανότητα κάθε έκβασης για κάθε επιλογή αρχικού αντίστοιχου κόμβου.

• Παράδειγμα με συγκεκριμένες τιμές: π.χ.

  • Πίνακας με Π1=0.20, Π1=0.20, Π1=0.80, Π2=0.90, Π2=0.10, Π3=1, κ.λπ. (βασικές υπολογιστικές παραμέτρους για το αρχικό θέμα).

• Υπόδειγμα εξισώσεων για EV:

  • Για μία επιλογή με πιθανότητα X για το αποτέλεσμα “foot saved” και (1 − X) για την εναλλακτική, ο EV μπορεί να γραφεί ως:
    $EV = (p<em>{ ext{foot saved}} imes U</em>{ ext{foot saved}}) + (p<em>{ ext{death}} imes U</em>{ ext{death}}) + ext{…}$

• Για το παράδειγμα με antibiotics vs no antibiotics, ένα συγκεκριμένο τύπος EV δίνεται ως:
  $EV = (0.996 imes X) + (0.55 imes (1 - X))$
  όπου το X είναι η πιθανότητα για την άμφεια (foot saved).

• Τα παραπάνω αποτελούν τον «απλό πολλαπλασιαστικό κανόνα» για διαδοχικά ανεξάρτητα γεγονότα.

Παραδείγματα Δέντρων: Παραδείγματα από ΒKA/AKA και άλλων επεμβάσεων

• Παράδειγμα με παραδοσιακό δέντρο από τον τομέα των αποφάσεων για ατυχήματα/χειρουργικές παρεμβάσεις (Fractured ankle).

• Σε κάποιες σελίδες υπάρχουν τιμές όπως:

  • Full recovery = 1.0, Foot saved = 0.8, Recovery with limp = 0.5, Antibiotics = 0.2, Death = 0, Infection not controlled = 0.1, κ.ά.

• Στις σελίδες 37-41 παρουσιάζονται βήματα υπολογισμού όπως:

  • EV με την εξίσωση EV = (EV υπολογισμένο από το Foot saved) × (πιθανότητα foot saved) + (EV για άλλα outcomes) × (πιθανότητες αυτών).

  • Παράδειγμα από το κείμενο: EV πάνω από τη διαδρομή Foot saved και τον συνδυασμό άλλων outcomes.

• Στις σελίδες 41-42 συνοψίζονται τα Tables και οι περιγραφές:

  • Table 1: Πιθανότητες για τα Outcomes (π.χ. Foot saved = 0.50, Full recovery = 0.80).

  • Table 2: Utilities για Outcomes (π.χ. Recovery with limp = 0.20, Death = 0.0).

• Οι πιθανότητες όλων των τελικών κλάδων που έχουν την ίδια έκβαση συγκεντρώνονται για την ολική πιθανότητα κάθε έκβασης.

Παρουσίαση Παραδειγμάτων QoL, QALYs και Κόστους

• No prevention vs Prevention παράδειγμα:

  • No prevention: No MI, 10 QALY, Κόστος €0; Με καταστάσεις όπως No MI, 6 QALY, Κόστος €3.000.

  • With prevention: 0.800 πιθανότητα για No MI, 10 QALY; 0.200 πιθανότητα για MI, 9.2 QALYs, Κόστος €14.000.

  • Το κόστος ανά QALY του προληπτικού μέτρου σε αυτό το παράδειγμα σημειώνεται ως KEPAIΣMENA € /QALY = €7.500/QALY.

• Ορισμοί και μορφή: οι QALYs συνυπολογίζουν τον χρόνο ζωής και την ποιότητα ζωής· οι εξόδοι μπορούν να εκφραστούν ως LIFE YEARS, QALYs, COSTS, UTILITIES.

• Οι ανάλυσεις κόστους-αποτελεσματικότητας ασπάζονται την αρχή της σύγκρισης κόστους ανά μονάδα οφέλους.

Υπολογισμοί χρησιμότητας και κόστος στις αποφάσεις

• Υπολογισμός χρησιμότητας στα δένδρα αποφάσεων:

  • Πρόσδωση χρησιμοτήτων στις διάφορες εκβάσεις.

  • Η τελική επιλογή βασίζεται στη μεγιστοποίηση της προσδοκόμενης χρησιμότητας:
    $EU = ext{Πιθανότητα}<em>{i} imes ext{Utility}</em>{i} ext{ summed over all i}.$

• Για τους τύπους EV και EU, χρησιμοποιούνται οι αντίστοιχες πιθανότητες και οι αντίστοιχες χρησιμότητες από τα Tables.

Παράδειγμα - Δένδρο αποφάσεων: BKA/AKA (Below Knee Amputation / Above Knee Amputation)

• Σενάριο: Δέντρο αποφάσεων με 4–5 εκβάσεις (Foot saved, Full recovery, Recovery with limp, Death, Infection not controlled, κ.ά.).

• Χρησιμότητες ορίζονται στην κλίμακα 0–1 (0 = Death, 1 = Full recovery χωρίς ακρωτηριασμό ή με ελάχιστο περιορισμό).

• Παράδειγμα: “Foot saved” έναντι “Foot amputation” έχει διαφορετικά utilities όπως 0.98, 0.70, 0.60, κ.ά. και διαφορετικές πιθανότητες όπως 0.50, 0.80, 0.20 κλπ., τα οποία χρησιμοποιούνται για τον υπολογισμό EV.

• Οι εξισώσεις EV περιλαμβάνουν αναλυτικά αλγεβρικά βήματα με πολλαπλασιασμό πιθανοτήτων και utilities ανά outcome.

Παραδείγματα ευαισθησίας σε αποφάσεις

• Ανάλυση ευαισθησίας (Sensitivity Analysis):

  • Εξετάζει πώς αλλάζει το EV ή οι προτιμήσεις όταν αλλάζουν οι τιμές πιθανοτήτων ή χρησιμοτήτων.

  • Συχνά χρησιμοποιείται για να προσδιοριστεί το Threshold (οριακή τιμή) όπου μια επιλογή υπερτερεί μίας άλλης.

• Παράδειγμα σελίδων παρουσιάζει διαφορές σε παρενέργειες και επιπλοκές (αναφορές σε ποσοστά σε σχέση με μη εμβολιασθέντες).

Διερεύνηση Κόστους-Αποτελεσματικότητας: Ορισμένες βασικές έννοιες

• Ορισμοί:

  • CEA: Cost-Effectiveness Analysis (ανάλυση κόστους-αποτελεσματικότητας).

  • CUA: Cost-Utility Analysis (ανάλυση κόστους-χρησιμότητας).

  • Δεδομένα εξόδων και αποτελεσματικότητας μπορούν να παρουσιάζονται σε μονάδες όπως LIFE YEARS, QALYs, COSTS, UTILITIES.

• Χαρακτηριστικά κόστους:

  • Άμεσο κόστος: παραγωγή, υλικά, εργασία.

  • Υπερκόστος: ενοίκια, συντήρηση, διοίκηση.

  • Επαγόμενο κόστος: μελλοντικές εξετάσεις και θεραπείες.

  • Έμμεσο κόστος: επίδραση στην εργασία, φόβος, επιπλοκές.

• Χρονικός ορίζοντας και φαινόμενο της έκπτωσης.

  • Μελλοντικά κόστη/οφέλη πρέπει να προσαρμόζονται στην τρέχουσα αξία με ένα συντελεστή απόσβεσης r.

  • Η τυπική μορφή είναι $PV = rac{Value}{(1 + r)^t}$.

Πλεονεκτήματα και Μειονεκτήματα της Θεωρίας Λήψης Αποφάσεων

• Πλεονεκτήματα:

  • Δυνατότητα συστηματικής ανάλυσης των αποφάσεων με διαφωτιστικές μετρήσεις.

  • Δυνατότητα διεξαγωγής ανάλυσης ευαισθησίας.

  • Μείωση της αυθαίρετης κρίσης στην κλινική πράξη.

• Μειονεκτήματα:

  • Έλλειψη δεδομένων για πιθανότητες, χρησιμοτητές, δαπάνες για διάφορες εκβάσεις.

  • Χρονοβόρα ανάλυση.

  • Κίνδυνος απώλειας ανθρωπιστικού χαρακτήρα στην υγειονομική φροντίδα.

ΒΗΜΑΤΑ ΑΝΑΛΥΣΗΣ ΚΛΙΝΙΚΩΝ ΑΠΟΦΑΣΕΩΝ

• ΚΛΙΝΙΚΟ ΣΕΝΑΡΙΟ: Με 2 ή περισσότερες εναλλακτικές αποφάσεις που περιέχουν βαθμό αβεβαιότητας.

• ΔΕΝΔΡΟ ΑΠΟΦΑΣΕΩΝ – ΜΕ ΟΛΕΣ ΤΙΣ ΠΙΘΑΝΕΙΕΣ ΕΚΒΑΣΕΙΣ.

• ΑΝΑΛΥΣΗ ΕΥΑΙΣΘΗΣΙΑΣ (Sensitivity Analysis) – THRESHOLD.

• FOLDING/ROLLING BACK THE TREE: τελικός EV για κάθε απόφαση.

• Εκχώρηση πιθανοτήτων και OUTCOME VALUES (YEARS OF LIFE, QALYs, COSTS, UTILITIES).

ΣΥΝΟΨΗ ΑΛΓΟΡΙΘΜΙΚΩΝ ΚΟΡΜΩΝ

• Οι εξαγωγές από τα διαγράμματα εξαρτώνται από τις πιθανότητες, τα οφέλη (utilites), και τις δαπάνες.

• Οι υπολογισμοί EV και EU βασίζονται στον κανόνα πολλαπλασιασμού για διαδοχικά ανεξάρτητα γεγονότα (Pages 17-18):
  $$P( ext{outcome}) = iggl( ext{probability of first event}iggr) imes iggl( ext{probability of subsequent event}iggr) imes \