Modelización y Simulación Económica

La modelización y simulación económica en salud utiliza estructuras matemáticas para sintetizar la evidencia y proyectar los costos a largo plazo y las consecuencias para la salud de intervenciones competitivas. Dado que los ensayos rara vez capturan todos los comparadores, todos los resultados o un horizonte de por vida, los modelos de análisis de decisiones extrapolan y combinan datos de múltiples fuentes para producir las estimaciones de costo-efectividad que informan las decisiones sobre recursos.

Definition

Un modelo económico es un marco matemático que sintetiza la evidencia sobre costos y resultados de salud de múltiples fuentes y utiliza la simulación para estimar y comparar los costos y efectos esperados de intervenciones alternativas durante un horizonte temporal definido.

Scope

La entrada abarca el papel y las principales familias de modelos económicos —árboles de decisión, modelos de transición de estados (Markov) y microsimulación a nivel individual y simulación de eventos discretos—, junto con los principios de conceptualización, validación y presentación de informes transparentes de los modelos. Es material de referencia metodológico que describe cómo se construyen y evalúan los modelos, no un consejo sobre ninguna intervención en particular.

Core questions

• ¿Cuándo se necesita un modelo en lugar de un único análisis basado en ensayos?
• ¿Qué estructura de modelo representa mejor la enfermedad y el problema de decisión?
• ¿Cómo se estiman e introducen en el modelo las probabilidades de transición, los costos y las utilidades?
• ¿Cómo se valida y se informa un modelo para que otros puedan confiar en sus conclusiones?

Key concepts

• Árbol de decisión
• Modelo de transición de estados (Markov)
• Microsimulación
• Simulación de eventos discretos
• Probabilidad de transición
• Simulación a nivel de cohorte versus a nivel individual
• Conceptualización del modelo
• Validación interna y externa

Mechanisms

Un modelo primero conceptualiza el problema de decisión y elige una estructura: un árbol de decisión para problemas de horizonte corto, un modelo de transición de estados para condiciones descritas por estados de salud y ciclos recurrentes, o simulación a nivel individual cuando la historia del paciente o los eventos interactuantes son relevantes. La evidencia sobre las probabilidades de transición, los costos y las utilidades de los estados de salud alimenta la estructura, y el modelo se ejecuta —analíticamente para modelos de cohortes o mediante simulación de Monte Carlo para modelos a nivel individual— para producir los costos y resultados esperados para cada opción. Luego, el modelo se verifica, se valida con datos externos y se informa de manera transparente para que sus supuestos y limitaciones sean visibles (Caro et al., 2012; Siebert et al., 2012; Eddy et al., 2012).

Clinical relevance

Las evaluaciones económicas basadas en modelos son fundamentales para la evaluación de tecnologías sanitarias y con frecuencia determinan qué intervenciones financia un sistema de salud, por lo que comprender cómo funcionan los modelos apoya la evaluación crítica de dicha evidencia. Este tema explica la metodología de modelización y no es una fuente de recomendaciones clínicas o de tratamiento individuales.

Evidence & guidelines

La serie del Grupo de Trabajo de Buenas Prácticas de Investigación en Modelización de ISPOR-SMDM proporciona la principal guía metodológica, con informes dedicados a la conceptualización de modelos, la modelización de transición de estados, la simulación a nivel individual y la transparencia y validación de modelos; los libros de texto estándar de Drummond et al. y de Briggs, Claxton y Sculpher ofrecen el tratamiento fundamental (Caro et al., 2012; Siebert et al., 2012; Eddy et al., 2012; Drummond et al., 2005; Briggs, Claxton, & Sculpher, 2006).

History

La modelización de análisis de decisiones pasó del análisis de decisiones clínicas a la economía de la salud durante las décadas de 1980 y 1990, a medida que los evaluadores buscaban extrapolar los resultados de los ensayos a horizontes de por vida y comparar intervenciones no estudiadas directamente. Los modelos de transición de estados se convirtieron en la estructura principal, la simulación a nivel individual se expandió con la potencia informática, y los informes de buenas prácticas de ISPOR-SMDM de 2012 consolidaron estándares compartidos para la construcción y presentación de informes de modelos (Caro et al., 2012; Siebert et al., 2012).

Debates

Modelos de transición de estados de cohorte versus simulación a nivel individual

Los modelos simples de Markov de cohorte son transparentes y rápidos, pero no pueden representar fácilmente el historial del paciente o los eventos interactuantes; la microsimulación a nivel individual y la simulación de eventos discretos son más flexibles pero más difíciles de validar y más exigentes en cuanto a datos, y la elección entre ellos es un juicio de modelización recurrente.

Key figures

• Andrew Briggs
• Karl Claxton
• Mark Sculpher
• Uwe Siebert
• David Eddy

Seminal works

• caro-2012-overview
• siebert-2012-statetransition
• briggs-claxton-sculpher-2006

Frequently asked questions

¿Por qué usar un modelo en lugar de analizar directamente un ensayo clínico?

Los ensayos suelen tener un tiempo de seguimiento limitado, omiten algunos comparadores relevantes y pueden no medir los resultados de salud finales; un modelo extrapola más allá del ensayo, vincula los resultados intermedios con los finales y combina evidencia de varias fuentes para abordar el problema de decisión completo.

¿Qué es un modelo de transición de estados (Markov)?

Representa una enfermedad como un conjunto de estados de salud mutuamente excluyentes, con pacientes que se mueven entre estados a lo largo de ciclos de tiempo fijos según las probabilidades de transición; la acumulación de costos y resultados a lo largo de los ciclos produce los costos y efectos esperados para cada estrategia.