การสร้างแบบจำลองและการจำลองทางเศรษฐศาสตร์

การสร้างแบบจำลองและการจำลองทางเศรษฐศาสตร์ในด้านสุขภาพใช้โครงสร้างทางคณิตศาสตร์เพื่อสังเคราะห์หลักฐานและคาดการณ์ต้นทุนระยะยาวและผลกระทบต่อสุขภาพของการแทรกแซงที่แข่งขันกัน เนื่องจากการทดลองทางคลินิกมักไม่ครอบคลุมทุกการเปรียบเทียบ ทุกผลลัพธ์ หรือช่วงเวลาตลอดชีวิต แบบจำลองเชิงวิเคราะห์การตัดสินใจจึงทำการคาดการณ์และรวมข้อมูลจากหลายแหล่งเพื่อสร้างประมาณการความคุ้มค่าทางเศรษฐศาสตร์ที่ใช้ในการตัดสินใจจัดสรรทรัพยากร

Definition

แบบจำลองทางเศรษฐศาสตร์คือกรอบทางคณิตศาสตร์ที่สังเคราะห์หลักฐานเกี่ยวกับต้นทุนและผลลัพธ์ด้านสุขภาพจากหลายแหล่ง และใช้การจำลองเพื่อประมาณและเปรียบเทียบต้นทุนและผลกระทบที่คาดว่าจะเกิดขึ้นจากการแทรกแซงทางเลือกต่างๆ ในช่วงเวลาที่กำหนด

Scope

บทความนี้ครอบคลุมบทบาทและประเภทหลักของแบบจำลองทางเศรษฐศาสตร์ ได้แก่ แผนภูมิตัดสินใจ (decision trees), แบบจำลองการเปลี่ยนสถานะ (state-transition หรือ Markov models), และการจำลองระดับบุคคล (individual-level microsimulation) และการจำลองเหตุการณ์ไม่ต่อเนื่อง (discrete-event simulation) พร้อมด้วยหลักการของการสร้างแนวคิดแบบจำลอง การตรวจสอบความถูกต้อง และการรายงานที่โปร่งใส เนื้อหานี้เป็นเอกสารอ้างอิงเชิงระเบียบวิธีที่อธิบายวิธีการสร้างและประเมินแบบจำลอง ไม่ใช่คำแนะนำเกี่ยวกับการแทรกแซงใดๆ โดยเฉพาะ

Core questions

• เมื่อใดที่จำเป็นต้องใช้แบบจำลองแทนการวิเคราะห์จากการทดลองทางคลินิกเพียงครั้งเดียว?
• โครงสร้างแบบจำลองใดที่แสดงถึงโรคและปัญหาการตัดสินใจได้ดีที่สุด?
• ความน่าจะเป็นของการเปลี่ยนสถานะ ต้นทุน และอรรถประโยชน์ถูกประมาณและป้อนเข้าสู่แบบจำลองได้อย่างไร?
• แบบจำลองได้รับการตรวจสอบความถูกต้องและรายงานอย่างไรเพื่อให้ผู้อื่นเชื่อถือข้อสรุปได้?

Key concepts

• แผนภูมิตัดสินใจ
• แบบจำลองการเปลี่ยนสถานะ (Markov)
• การจำลองจุลภาค
• การจำลองเหตุการณ์ไม่ต่อเนื่อง
• ความน่าจะเป็นของการเปลี่ยนสถานะ
• การจำลองแบบกลุ่มประชากรเทียบกับการจำลองระดับบุคคล
• การสร้างแนวคิดแบบจำลอง
• การตรวจสอบความถูกต้องภายในและภายนอก

Mechanisms

แบบจำลองจะเริ่มต้นด้วยการสร้างแนวคิดของปัญหาการตัดสินใจและเลือกโครงสร้าง: แผนภูมิตัดสินใจสำหรับปัญหาที่มีขอบเขตระยะสั้น, แบบจำลองการเปลี่ยนสถานะสำหรับภาวะที่อธิบายด้วยสถานะสุขภาพและวงจรที่เกิดขึ้นซ้ำๆ, หรือการจำลองระดับบุคคลเมื่อประวัติผู้ป่วยหรือเหตุการณ์ที่มีปฏิสัมพันธ์กันมีความสำคัญ หลักฐานเกี่ยวกับความน่าจะเป็นของการเปลี่ยนสถานะ ต้นทุน และอรรถประโยชน์ของสถานะสุขภาพจะถูกนำมาใส่ในโครงสร้าง และแบบจำลองจะถูกรัน—โดยการวิเคราะห์สำหรับแบบจำลองกลุ่มประชากร (cohort models) หรือโดยการจำลองแบบมอนติคาร์โล (Monte Carlo simulation) สำหรับแบบจำลองระดับบุคคล—เพื่อสร้างต้นทุนและผลลัพธ์ที่คาดว่าจะเกิดขึ้นสำหรับแต่ละทางเลือก จากนั้นแบบจำลองจะได้รับการตรวจสอบความถูกต้อง เปรียบเทียบกับข้อมูลภายนอก และรายงานอย่างโปร่งใส เพื่อให้ข้อสมมติฐานและข้อจำกัดของแบบจำลองเป็นที่ประจักษ์ (Caro et al., 2012; Siebert et al., 2012; Eddy et al., 2012)

Clinical relevance

การประเมินทางเศรษฐศาสตร์โดยใช้แบบจำลองเป็นหัวใจสำคัญของการประเมินเทคโนโลยีด้านสุขภาพ และมักจะเป็นตัวกำหนดว่าระบบสุขภาพจะให้ทุนสนับสนุนการแทรกแซงใด ดังนั้นการทำความเข้าใจว่าแบบจำลองทำงานอย่างไรจึงช่วยสนับสนุนการประเมินหลักฐานดังกล่าว หัวข้อนี้อธิบายระเบียบวิธีการสร้างแบบจำลองและไม่ใช่แหล่งที่มาของคำแนะนำทางคลินิกหรือการรักษาเฉพาะบุคคล

Evidence & guidelines

ชุดรายงานของคณะทำงาน ISPOR-SMDM Modeling Good Research Practices Task Force ให้คำแนะนำด้านระเบียบวิธีหลัก โดยมีรายงานเฉพาะเกี่ยวกับการสร้างแนวคิดแบบจำลอง การสร้างแบบจำลองการเปลี่ยนสถานะ การจำลองระดับบุคคล และความโปร่งใสและการตรวจสอบความถูกต้องของแบบจำลอง ตำรามาตรฐานโดย Drummond et al. และโดย Briggs, Claxton, and Sculpher ให้การอธิบายพื้นฐาน (Caro et al., 2012; Siebert et al., 2012; Eddy et al., 2012; Drummond et al., 2005; Briggs, Claxton, & Sculpher, 2006)

History

การสร้างแบบจำลองเชิงวิเคราะห์การตัดสินใจได้เปลี่ยนจากการวิเคราะห์การตัดสินใจทางคลินิกมาสู่เศรษฐศาสตร์สุขภาพในช่วงทศวรรษ 1980 และ 1990 เนื่องจากผู้ประเมินพยายามที่จะคาดการณ์ผลการทดลองไปสู่ช่วงชีวิตตลอดชีพ และเพื่อเปรียบเทียบการแทรกแซงที่ไม่ได้ศึกษาแบบตัวต่อตัว แบบจำลองการเปลี่ยนสถานะกลายเป็นโครงสร้างหลักที่ใช้กันอย่างแพร่หลาย การจำลองระดับบุคคลขยายตัวตามกำลังการประมวลผลของคอมพิวเตอร์ และรายงานแนวปฏิบัติที่ดีของ ISPOR-SMDM ในปี 2012 ได้รวบรวมมาตรฐานร่วมกันสำหรับการสร้างและรายงานแบบจำลอง (Caro et al., 2012; Siebert et al., 2012)

Debates

แบบจำลองการเปลี่ยนสถานะแบบกลุ่มประชากรเทียบกับการจำลองระดับบุคคล

แบบจำลอง Markov แบบกลุ่มประชากรที่เรียบง่ายมีความโปร่งใสและรวดเร็ว แต่ไม่สามารถแสดงประวัติผู้ป่วยหรือเหตุการณ์ที่มีปฏิสัมพันธ์กันได้ง่ายนัก; การจำลองจุลภาคระดับบุคคลและการจำลองเหตุการณ์ไม่ต่อเนื่องมีความยืดหยุ่นมากกว่า แต่ตรวจสอบความถูกต้องได้ยากกว่าและต้องการข้อมูลมากกว่า และการเลือกระหว่างสองแบบนี้เป็นการตัดสินใจในการสร้างแบบจำลองที่เกิดขึ้นซ้ำๆ

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

เหตุใดจึงต้องใช้แบบจำลองแทนการวิเคราะห์การทดลองทางคลินิกโดยตรง?

การทดลองทางคลินิกมักมีระยะเวลาติดตามผลที่จำกัด ละเว้นการเปรียบเทียบที่เกี่ยวข้องบางอย่าง และอาจไม่ได้วัดผลลัพธ์ด้านสุขภาพขั้นสุดท้าย; แบบจำลองจะคาดการณ์เกินกว่าการทดลอง เชื่อมโยงผลลัพธ์ระดับกลางกับผลลัพธ์สุดท้าย และรวมหลักฐานจากหลายแหล่งเพื่อแก้ไขปัญหาการตัดสินใจทั้งหมด

แบบจำลองการเปลี่ยนสถานะ (Markov) คืออะไร?

แบบจำลองนี้แสดงโรคเป็นชุดของสถานะสุขภาพที่ไม่ซ้ำซ้อนกัน โดยผู้ป่วยจะเคลื่อนที่ระหว่างสถานะต่างๆ ในช่วงเวลาที่กำหนดตามความน่าจะเป็นของการเปลี่ยนสถานะ; การสะสมต้นทุนและผลลัพธ์ตลอดวงจรจะให้ต้นทุนและผลกระทบที่คาดว่าจะเกิดขึ้นสำหรับแต่ละกลยุทธ์