指南6:模型分析
Guideline 6: Modeling Analysis
方式報告。在分析和報告中需要解釋健康產出轉換成貨幣值采用的所有步驟,并使用敏感性分析驗證主要假設。當治療方案的產出難以采用QALY或其他任何單個效果指標測量時,或者當治療方案對病人的影響主要體現(xiàn)在過程產出(Process Outcome)時,可以單獨采用CBA(CADTH, 2006)。
(2)在一項藥物經濟學評價報告中,僅僅報告CA、CEA、CUA、CMA或CBA的結果可能會忽略治療方案給病人帶來影響的其他方面。因此,在報告了主要結果之后,還應當描述其他各相關方面的影響,以更為全面和透明的反映全部重要信息。例如,非小細胞肺癌治療方案評價中,除了采用無進展生存期、1年生存率、有效率或疾病控制率進行CEA外,研究者還應當報告其他相關臨床信息,如不良反應發(fā)生率、生存質量、癥狀改善以及病人對治療方案的依從性等信息。
解釋:
(1)在經濟學理論中,通常采用邊際分析來指導經濟決策。藥物經濟學也是建立在福利經濟學基礎之上的一個分支學科,為了與該理論保持一致,在藥物經濟學評價中,必須報告邊際分析的結果,即增量分析的結果。
(2)在增量分析中,國內還沒有關于QALY價值的統(tǒng)一標準,根據(jù)WHO關于藥物經濟學評價的推薦意見:ICER < 人均GDP,增加的成本完全值得;人均GDP < ICER <3倍人均GDP,增加的成本可以接受;ICER > 3倍人均GDP,增加的成本不值得(WHO, 2010)。
無論采用何種藥物經濟學評價方法,都必然基于對數(shù)據(jù)的統(tǒng)計分析。數(shù)據(jù)的統(tǒng)計分析可以是簡易的描述性分析(Descriptive Analysis),也可以是較復雜的模型分析,這根據(jù)研究的數(shù)據(jù)和條件而定。模型分析有多種形式,其中的兩大類包括:決策樹模型和計量經濟模型。前者是指通過對研究變量間的特征關系(如邏輯關系、數(shù)量關系或因果關系等)的經驗觀察和認知,建立變量間邏輯關系的模型框架,進而根據(jù)各種數(shù)據(jù)對模型進行賦值和量化分析(Stahl,2008)。計量經濟模型主要是通過對原始數(shù)據(jù)的統(tǒng)計回歸分析,直接估計變量函數(shù)關系的參數(shù),亦即不同藥物治療的成本效果之差的區(qū)間估計值。
構建藥物經濟學決策樹模型應當遵循一些基本規(guī)范,特別重要的是關于模型的假設、結構和參數(shù)來源進行詳細說明,并盡量解釋其合理性。
6.1.1 模型假設。研究者應對模型中的各種因果關系、使用的外推技術、模型范圍、結構及數(shù)據(jù)等方面的假設進行解釋和說明。對于重要的假設,應當進行不確定性分析。數(shù)據(jù)的外推應當建立在能夠反映科學合理證據(jù)的有效的技術基礎之上,并通過敏感性分析檢驗。
6.1.2 模型結構。模型結構應當能夠反映研究疾病的相關理論、疾病的進展(Progression)、疾病治療方案的影響以及與研究有關的問題。模型結構應當既簡潔明了,又能反映問題的主要方面。對模型結構的介紹要表達清楚,建議用模型結構圖進行展示。研究者應當對模型結構進行驗證,說明驗證的過程和結果。
6.1.3 參數(shù)來源。研究者應當系統(tǒng)地識別、收集和評價模型中使用的數(shù)據(jù),詳細說明模型中所有參數(shù)的來源和選擇依據(jù)。
解釋:
(1)除了常見的決策樹模型(Decision Tree Models)外,其他模型還包括離散事件模擬模型(Discrete Events Simulation Models, DES)、系統(tǒng)動力學模型(System Dynamics Models)和多主體模型(Agent Based Models, ABM)等(Stahl,2008)。當需要將臨床試驗的結果外推(Extrapolation),研究時限很長,或研究預算受約束時,模型分析就更具優(yōu)勢。但在建立假設和模型時較易產生假設偏倚,因而結果的可信度和準確度相對較差。由于其省時省力,在較短的時間內能提供比較全面的信息,正逐漸被用于藥品的報銷申請及藥廠的研發(fā)決策等過程。
(2)模型結構是指疾病的詳細情況、治療的臨床路徑、相關臨床事件和因果關系等。在模型法評價中,模型結果決定于模型的結構、范圍、假設、數(shù)據(jù)等各個方面,并且這些方面在一定程度上容易受到研究者主觀意見的影響。因此,研究者應當盡量詳細表述以上各個方面,解釋其合理性,提高模型的透明度。從而,決策者可以根據(jù)實際面臨的決策環(huán)境來判斷該模型研究結果是否適用于當前的決策。
(3)成本數(shù)據(jù)必須來自本國的相關研究文獻、數(shù)據(jù)庫、臨床病例、診療規(guī)范、價格標準或專家意見;臨床產出數(shù)據(jù)可以來自國外的相關研究結果,但必須考慮各治療方案是否可能在本國人群和數(shù)據(jù)來源的人群之間產生臨床產出方面的差異,并指出相應的證據(jù)支持。
(4)模型既要能反映問題的主要方面,也要能夠簡化需要進行經濟學評價的相關問題,并且允許進行足夠的不確定性分析。模型應當具有一定的靈活性,允許使用更新數(shù)據(jù)對模型結果進行更新。
(5)模型結構不能僅僅定義為目前的治療模式,因為模型需要用來評估治療模式的變化。那些不符合邏輯的或者理論上在各干預措施之間不會產生差異的臨床事件不需要包括在模型中。
(6)模型參數(shù)可以來自于各種來源,例如Meta分析、RCTs、觀察性研究、數(shù)據(jù)庫、病例資料、專家意見(Expert Opinion)、醫(yī)療服務項目單價以及研究者假設或者指南中的規(guī)定(如貼現(xiàn)率)等。數(shù)據(jù)的選擇應當適合于研究的問題以及研究結果的目標讀者。數(shù)據(jù)應當與模型設計的特征相一致(如研究角度),并且與干預措施作用的人群相關。模型中所有的數(shù)據(jù)都應當明確報告其來源和選擇理由。有關數(shù)據(jù)的詳細背景信息也需要描述,例如數(shù)據(jù)來源的人群特征是否與模型中假設人群特征一致。當同一數(shù)據(jù)資料有多種來源時,應當參考循證醫(yī)學證據(jù)分級標準選擇證據(jù)等級較高的數(shù)據(jù)(李幼平,2008;見表2)。
表2 循證醫(yī)學證據(jù)分級
系統(tǒng)綜述或者Meta分析能夠產生高質量等級的證據(jù),模型分析中采用這些數(shù)據(jù)可以提高經濟學評價的可靠性。系統(tǒng)綜述也能夠為有關變量的不確定性的敏感性分析提供有用信息。需要特別注意模型中最為敏感的關鍵變量。采用專家意見法時需要謹慎,需要說明采用專家意見法的理由、意見的來源、獲取方法以及意見結果等。并且需要進行敏感性分析。
(7)研究者應當盡量報告模型的局限性、模型是否經過驗證、模型的方法和結果等信息。外部效度檢驗是用來核對基本模型結構、假設和參數(shù)是否能合理、精確反映疾病過程和干預方案的影響??梢杂妹舾行苑治鰜碓u估模型結構假設的不確定性。模型的結果可以與其他模型的結果進行比較(即跨模型比較)。
(8)Markov模型是當前最流行的決策分析方法之一。當采用Markov模型進行評價時,需要明確闡述和定義模型中的各Markov狀態(tài)、模型結構、循環(huán)周期(Cycle Length)、循環(huán)終止條件等特征,并闡明其理由,以及指出進行Markov模型分析所使用的軟件。循環(huán)周期建議采用病人疾病病理或癥狀期望發(fā)生變化的最小時間間隔。
6.2.1 在藥物經濟學評價中,可采用計量經濟模型進行總成本的參數(shù)估計和影響因素分析,以及不同干預措施和不同人群(亞組分析)的成本差異分析。如果健康產出的變量可以量化,也可以應用計量模型進行相應的分析。
6.2.2 通過計量經濟模型方法,也可以直接估計ICER,并得到其相關的區(qū)間估計值(Interval Estimates)(Liu et al, 1999)。其中,凈效益回歸模型(Net Benefit Regression Model)是比較方便的方法(Hoch et al, 2002)。
6.2.3 當采用凈效益框架(Net Benefit Frame work)的計量經濟學模型進行評價時,應該詳細闡述模型中的各變量,比較治療手段對凈效益的影響,特別是單位健康產出的貨幣值(λ)的設定等。λ的取值通??梢圆捎靡庠钢Ц斗ㄟM行偏好調查得到,或者也可以采用經驗值,后者需要進行敏感性分析。
解釋:
(1)在無干預觀察性藥物經濟學評價中,研究者通過非干預的隨訪觀察來獲得數(shù)據(jù)資料的研究。由于未經病人的選擇和隨機分組,將存在一些由于自選擇而導致兩組病人在各個方面非齊同可比。此時,采用計算成本效果(效用)比的方式進行評價已不合適,可以采用構建計量經濟學模型的方法,以凈效益作為因變量,控制各混雜因素,分析各治療方案對凈效益的影響。
(2)凈效益框架的計量經濟學模型可以用下式表示:
其中,NMBi 是指凈貨幣效益(Net-Monetary-Benefit),NMBi=λ·Ei-Ci,λ 表示單位健康產出的貨幣價值;xij 是控制變量,總共有P 個;t1 表示是否為治療組的啞變量(Dummy
(3)在采用計量經濟模型進行評價時,需要注意在模型中控制各重要混雜因素。由于某些疾病受到的影響因素很多,而且影響方式非常復雜,對模型的異方差、多重共線性等問題進行檢驗非常必要。
(4)由于成本數(shù)據(jù)通常不服從正態(tài)分布,λ取值的大小將對模型有效性帶來很大的影響,因此研究者需要說明模型中λ取值的合理性,并報告采用多個λ取值進行分析的結果。