6. A gyógyszerterápia objektív értékelésére alkalmazott egyéb
6.5 Döntési analízis
6.5.1 Döntési fa
A döntési fa a döntéshozatalban gyakran használt grafikus modell, nevét onnan kapta, hogy diagramja egy faágra hasonlít. Matematikailag gráf. A gráf dolgok (csomópontok, csúcsok) és rajtuk értelmezett összeköttetések (élek) halmaza. Egy gráfot megadhatunk csúcsainak és éleinek felsorolásával, vagy szemléletesebben egy diagram formájában, ahol a pontok felelnek meg a gráf csúcsainak, az őket összekötő ívek pedig az éleknek. A döntési fa a különböző döntési lehetőségeket ábrázolja, az esetleges következményeket, esélyeket, hasznosságot és erőforrásokat figyelembe véve.
6.5.2 Az egészség-gazdaságtani modellezés
Évtizedek óta jellemző tendencia, hogy az egészségügyre fordítható pénzügyi kiadások egyre behatároltabbak. A tudományos kutatások eredményeként ugyan egyre több és jobb terápiás lehetőség áll(na) rendelkezésünkre, azonban az új egészségügyi technológiák napi klinikai gyakorlatban való alkalmazásának gátat szab, hogy a gazdaság teljesítőképessége nem képes „lépést tartani” az orvostudományi kutatások dinamikus fejlődésével, a közöttük levő „távolság” folyamatosan nő. Ez komoly kihívás elé állítja az egészségügyi rendszerek finanszírozóit. Ha egy adott terápiára pénzt költünk, akkor nyilvánvalóan csökken az egyéb egészségügyi technológiákra fordítható erőforrások mennyisége. A kialakult helyzetben a cél nem lehet más, mint az össztársadalmi haszon maximalizálása, amely a leginkább költséghatékony technológiák alkalmazását követeli meg.
A megfelelő szakmai döntések meghozatalához a klinikai vizsgálatok eredményei mellett szükség van egészség-gazdaságtani modellek alkalmazására is. E modellek adott terápiáról vagy egészségügyi technológiáról nyerhető klinikai, epidemiológiai és költségre vonatkozó adatok, információk matematikai módszerekkel történő szintézisei.
Segítségükkel akár több különböző vizsgálat eredményei is összevonhatóak, ezáltal a vizsgált populációról könnyebben lehet extrapolálni az eredményeket a teljes lakosságra. Az általában rövid ideig tartó klinikai vizsgálatok hatásosság adatai a modellek alkalmazásával időben is kiterjeszthetővé válnak.
A modellek elkészítésekor számos adatforrásra támaszkodhatunk, az alábbiakban soroljuk fel a legfontosabbakat: (1) kórlapok és ápolási dokumentumok (2) pénzügyi és adminisztrációs adatbázisok (3) gyógyszerfelhasználási elemzések (4) publikált tanulmányok (5) randomizált kontrollált vizsgálatok (6) kormányzati adatbázisok [6].
A modellezés egyik előnye, hogy relatíve olcsón és gyorsan lehet a klinikai és farmakoökonómiai vizsgálatok eredményeit adott intézményre vagy betegcsoportra specifikusan alkalmazni. Segítségével áthidalható a randomizált kontrollált vizsgálatok gondosan megválogatott beteganyagán mért hatásosság (efficacy) illetve a valós körülmények között (pl. adott kórházban vagy populációban) mért eredményesség
60 A projekt az Európai Unió támogatásával az Európai Szociális Alap társfinanszírozásávalvalósul meg (effectiveness) közötti távolság. A gyakorló szakemberek ugyanis mindennapi munkájuk során többször találkoznak a klinikai vizsgálatok során mért hatásosság és a klinikai gyakorlatban, a valós körülmények között jellemző eredményesség eltérésével, amely számos esetben terápiás kudarc forrása lehet [7]. Minél több intézmény-specifikus
„belső” adatot használunk fel, a modell annál hasznosabb lesz helyi használatra.
Amennyiben elsősorban az irodalmi adatokra támaszkodunk, akkor az eredményeink jobban általánosíthatók lesznek más intézményekre vagy régiókra, országokra.
Hátrányai közé tartozik, hogy a modellek minősége intézményektől és egészségügyi rendszerektől függően nagyon heterogén lehet. Ha a modellekbe beépített feltételezések, valószínűségek ésszerűtlenek vagy tévesek, akkor a levont következtetések is azok lesznek. Továbbá, a felhasznált külső adatok, tanulmányok minősége és variabilitása is nagyban meghatározza a végeredményt: minél kisebb bizonyító erejű vizsgálatokat kénytelen használni az elemző, annál kevésbé lesz megbízható a döntési modell is [6].
6.5.3 Döntési fa modell
A döntési fa egyszerűségét és hasznosságát tekintve az egyik legmegfelelőbb és legelterjedtebb döntést támogató modellezési eszköz [8]. A gazdaság számos területén is alkalmazzák, például különféle pénzügyi és beruházási döntések megalapozására. A döntési fa modell a közgazdaságtanban és biostatisztikában ismert várhatóérték elméleten alapul. Megbecsülhető valószínűséggel bekövetkező kimeneteleket (outcome), azaz betegutakat tartalmaz. A betegutak jövőbeni eseményeket reprezentálnak az eseményeknek megfelelő egészségi állapotokkal és költségekkel. A döntési fát az alábbi feltételek együttes teljesülése esetén lehet használni:
1. Egy bizonyos betegség és annak kezelése különböző betegutakkal leírható, amelyek egymást kölcsönösen kizárják.
2. A különböző betegutakra kerülés valószínűségei ismertek.
3. A betegutakon belül nincs jelentősége annak, hogy az események mikor történnek. Tehát leginkább akkor alkalmazható, ha a modellezés időtávja korlátos, a terápiához kapcsolódó kimenetek rövid távon eldőlnek.
4. Minden betegútnak jól definiálható és összegezhető egészségiállapot- és költségeredménye van.
Ha egy egészségügyi technológia költséghatékonyságát döntési fával szeretnénk modellezni, a feltételek értelmében klinikai, epidemiológiai és költség adatokra van szükségünk. Az elemzés az alábbi sorrendben történik [8, 9]:
1. A terápiás kérdés/probléma meghatározása.
2. A betegutak, a betegpopuláció, valamint a költségek és kimenetelek értékelésekor figyelembe veendő időintervallum definiálása.
3. Az elsődleges cél(ok) megnevezése mindegyik döntési alternatíva (terápiás lehetőség) esetén. Ez általában egy könnyen mérhető és klinikailag releváns paraméter, maga az elérni kívánt terápiás végpont. Pl.: teljes gyógyulás, egy megmentett élet, kardiovaszkuláris esemény elkerülése, szignifikáns vérnyomáscsökkenés hypertoniában stb.
Azonosító szám:
TÁMOP-4.1.2.A/1-11/1-2011-0016
61 4. A terápiás alternatívák felsorolása, amelyek - különböző hatékonysággal és
költséggel - az elsődleges cél elérésével megoldják a felmerült terápiás problémát. Pl.: amoxicillin versus trimethoprim/sulfamethoxazole otitis media kezelésére.
5. Olyan jelentős másodlagos események megadása, amelyek a terápia további, de nem várt következményei, mint például mellékhatások vagy noncompliance. Mindegyik eseményt a döntési fa ábrázolásakor egy-egy további ág fog szimbolizálni.
6. A várható értékek kiszámítása, amelynek során az elsődleges célok és a másodlagos események előfordulásának valószínűségét értékeljük. Történhet közvetlenül saját mérések, megfigyelések vagy közvetve a szakirodalom szisztematikus áttekintése alapján.
7. Az összes alternatíva és másodlagos esemény költségének meghatározása.
8. A döntési fa felrajzolása a terápiás alternatívák, események, költségek és valószínűségek jelölésével.
9. Döntéshozatal. A döntési alternatívák teljes költségének meghatározása és a költség-hatékonyabb opció kiválasztása.
A döntési fa modell grafikusan ábrázolja a különböző lehetséges végeredményekhez vezető döntési utakat. Általában balról jobbra halad és időbeli sorrendben tünteti fel a cselekvési lehetőségeket és az eseményeket. Nemzetközileg elfogadott, szabványos jelölésekből áll; a döntési csomópontokat négyzetek, az események, lehetséges kimenetek bekövetkezését körök jelölik. A csomópontokból kiinduló ágak jelzik az eseményeket. A háromszögek pedig az adott döntési alternatíva eseményláncolatához tartozó eredményeket mutatják. A valószínűségi pontok utáni ágakon a valószínűségek összege 1, azaz 100 százalék [10].
A következő elméleti példában a döntési fa modell klinikai gyakorlatban való alkalmazását mutatjuk be [9]. Arra vagyunk kíváncsiak, hogy fájdalom kezelésére a kodein vagy az ibuprofen a költséghatékonyabb alternatíva. Először meg kell határoznunk a betegpopulációt. Vizsgálatunk során nem műtött, nem daganatos fekvőbetegek gyenge, vagy mérsékelt fájdalmának csillapítása szükséges. Az egyszerűség kedvéért a kodeint és az ibuprofent fájdalomcsillapító profiljukat tekintve egyformán hatékonynak tekintjük. A kezelés időtartama 10 nap. Költségek tekintetében a gyógyszerek és a kialakult mellékhatások vonatkozó költségeivel számolunk. A 10 napos kodein kezelés átlagosan 10 $-ba kerül betegenként. A kezelt betegek 20%-nál pruritus (bőrviszketés) megjelenésével kell számolnunk mellékhatásként. Ennek diphenhydramin-nal való kezelése további 10 $ betegenként. Ugyanakkor kodein kezelés során 10% az esélye anaphylaxia kialakulásának. Ennek kezelési költsége összesen 1000 $ (kórházi tartózkodás: 700 $, orvosi vizit: 200$, laboratóriumi vizsgálatok: 75 $, gyógyszerek: 25$).
Az ábrán látható, hogy két egymástól független esemény 4 különböző kimenetet eredményezhet:
62 A projekt az Európai Unió támogatásával az Európai Szociális Alap társfinanszírozásávalvalósul meg - pruritus és anaphylaxia: A1
- pruritus: A2 - anaphylaxia: A3 - egyik sem: A4
1. ábra: A döntési fa modell klinikai gyakorlatban való alkalmazását bemutató példa kodein fájdalomcsillapítóra számított adatai
A 10 napos ibuprofen kezelés átlagosan 5 $ betegenként. A kezelt betegek 40%-nál jelentkezik nausea (hányinger/émelygés). Ennek kezelése további 4 $-ba kerül betegenként. Ugyanakkor a kezelt betegek 10%-nál kell számolnunk gasztrointesztinális (GI) vérzéssel, amelynek kezelése 2500 $ többletköltséget jelent betegenként.
Két egymástól független esemény ez esetben is 4 különböző kimenetet eredményezhet:
-nausea és GI vérzés: B1 -nausea: B2
-GI vérzés: B3 -egyik sem: B4
Azonosító szám:
TÁMOP-4.1.2.A/1-11/1-2011-0016
63 2. ábra: A döntési fa modell klinikai gyakorlatban való alkalmazását bemutató
példa ibuprofen fájdalomcsillapítóra számított adatai
A számolás után a táblázatok alapján tehát megállapítható, hogy azonos fájdalomcsillapító hatásosságot feltételezve a két gyógyszer között, a kodein költséghatékonyabb az ibuprofennél.
64 A projekt az Európai Unió támogatásával az Európai Szociális Alap társfinanszírozásávalvalósul meg