Sağlık Ekonomisinde Markov Zinciri Modeli

Karar ağaçları karar noktalarında (örn. tedavi et vs. etme) dallanır ve anlık sonuçları (deneme uç noktaları) gösterir. Markov modelleri, yıllar boyunca hastalık doğal seyrini yakalayarak birçok döngü boyunca durumlar arasında ilerlemeyi simüle eder. Karar ağaçları kısa vadeli, tek seferlik kararları ele alır; Markov modelleri devam eden geçişlerle kronik hastalıkları ele alır. Genellikle birleştirilir: karar ağacı başlangıç/tedavi atamasını belirler; ardından Markov modelleri ilerlemeyi takip eder.

Yöntemler: (1) Yayınlanmış literatür: aynı hasta popülasyonu, aynı hastalık durumları için geçiş oranlarını bildiren kohort çalışmaları arayın. (2) Meta-analiz: birden fazla küçük çalışma mevcutsa, geçiş olasılığını tahmin etmek için verileri havuzlayın. (3) Uzman görüşü: veri yoksa geçişleri tahmin etmek için klinisyenleri toplayın (en az titiz). (4) Kalibrasyon: tahmini geçişlerle modeli çalıştırın; 5 yıllık sonuçları yayınlanmış deneme verileriyle karşılaştırın; model denemeyle eşleşene kadar geçişleri ayarlayın (tersine mühendislik). Hassasiyet analizi geçişlerdeki belirsizliği yansıtmalıdır.

Hayır, yalnızca maliyeti veya sonuçları önemli ölçüde etkileyen durumları dahil edin. Örnek: CD4 100–150 ile CD4 50–100'ü ayırt etmek klinik olarak önemlidir (farklı tedavi toksisitesi, ölüm riski), bu nedenle her ikisini de dahil edin. CD4 501–520 ile CD4 521–540'ı ayırt etmek muhtemelen önemsizdir; CD4 >500'e birleştirin. Genel kural: bir durum değişikliği klinik yönetimi veya maliyeti %10'dan fazla değiştirirse, onu dahil edin.

Döngü uzunluğu (yıllık, üç aylık, aylık), geçişlerin ne sıklıkla meydana geldiğini ve maliyetlerin/QALYs'lerin ne zaman biriktiğini belirler. Daha kısa döngüler (aylık) doğruluğu artırır ancak hesaplama süresini de artırır. İskonto, her döngünün maliyetlerine/QALYs'lerine uygulanır: yıllık %3 iskonto, 2. Yıl değeri × 1/1.03, 3. Yıl × 1/1.03² vb. anlamına gelir. Üç aylık döngüler kullanılıyorsa, iskonto oranını ayarlayın: üç aylık = %3^(1/4) ≈ üç ayda %0.74. Standart: yıllık %3 iskonto ile yıllık döngüler.

Tünel durumu, bir hastanın mevcut durumda ne kadar süre kaldığını yakalar ve hafızasız varsayımı ihlal eder. Örnek: CD4 'yakın zamanda iyileşmiş' (antiretroviral tedavi <1 yıl) hastaların, CD4 'stabil' (tedavi >1 yıl) hastalara göre immün rekonstrüksiyon inflamatuar sendromu (IRIS) riski daha yüksektir. İki durum oluşturun: CD4 >500 (IRIS riski) ve CD4 >500 (stabil); 1 yıl sonra aralarında geçiş yapın. Tünel durumları model karmaşıklığını artırır ancak geçmişin önemli olduğu durumlarda doğruluğu artırır.

Seçenek 1: Gerçek uyumu içeren ITT (niyetle tedavi) analizinden elde edilen gerçek dünya verilerini kullanın. Seçenek 2: Ayrı durumlar (uyumlu ve uyumsuz) oluşturun ve geçişleri modelleyin (uyum aksaklıkları, yeniden katılım). Seçenek 3: Nüfus düzeyindeki uyumu yansıtmak için modeldeki etkinliği azaltın (örn. deneme %80 uyum gösterdiyse ve etkinlik deneme etkinliğinin %70'i varsayılıyorsa). Hassasiyet analizi, uyum varsayımlarının etkisini araştırmalıdır.