মডেলিং

এটি স্বাস্থ্য অর্থনীতিতে কেন গুরুত্বপূর্ণ

স্বাস্থ্যে প্রায় প্রতিটি গুরুত্বপূর্ণ অর্থায়ন সিদ্ধান্ত অসম্পূর্ণ প্রমাণে নিতে হবে। একটি ট্রায়াল রোগীদের দুই বছর অনুসরণ করে; ওষুধটি বিশ বছর ধরে নেওয়া হবে। একটি অধ্যয়ন একটি দেশের হাসপাতালে চালানো হয়; সিদ্ধান্তটি অন্য দেশের ক্লিনিকের জন্য। একটি নতুন পরীক্ষা প্লাসিবোর বিরুদ্ধে তুলনা করা হয়; প্রকৃত পছন্দ ইতিমধ্যে ব্যবহৃত তিনটি চিকিৎসার বিরুদ্ধে। একটি মডেল সেই ব্যবধানগুলি সেতুবন্ধন করার কাঠামোগত উপায় — যা জানা যায় তা নিয়ে এবং সিদ্ধান্ত-গ্রহণকারী প্রকৃতপক্ষে যে পরিমাণ প্রয়োজন তার দিকে সাবধানে যুক্তি দেওয়া: বিকল্প A এর পরিবর্তে বিকল্প B বেছে নেওয়ার জীবনকাল ব্যয় এবং স্বাস্থ্য পরিণতি। একটি মডেল ছাড়া, বিকল্পটি "মডেলহীন নিশ্চিততা" নয়; এটি কারো মাথায় একটি অন্তর্নিহিত, অনথিভুক্ত মডেল, কোনো অনুমান দৃশ্যমান নয় এবং কোনোটি পরীক্ষাযোগ্য নয়।

একজন পরিচালকের জন্য, এখানেই সরকারি অর্থ বড় আকারে প্রতিশ্রুতিবদ্ধ হয়। যখন একজন জাতীয় পেয়ার একটি ওষুধ প্রতিদান করার, একটি স্ক্রিনিং প্রোগ্রাম অর্থায়ন করার, বা একটি সেবা পুনর্বিন্যাস করার সিদ্ধান্ত নেন, সিদ্ধান্তকে নোঙর করা সংখ্যা — মান-সমন্বিত জীবন বছর (QALY) প্রতি ক্রমবর্ধমান ব্যয় — প্রায় সবসময় একটি মডেল থেকে আসে, একটি ট্রায়াল থেকে নয়। সেই সংখ্যা যে অর্থনৈতিক মূল্যায়ন ধারণাগুলি প্রকাশ করে (QALY, ক্রমবর্ধমান সাশ্রয়ী-কার্যকারিতা অনুপাত, থ্রেশহোল্ড, দৃষ্টিভঙ্গি) বিষয় ২.১ — অর্থনৈতিক মূল্যায়নের অন্তর্গত এবং এখানে অনুমান করা হয়; এই বিষয়টি যন্ত্রপাতির মালিকানাধীন যা অনুমান তৈরি করে। যদি যন্ত্রপাতি ভুল হয়, থ্রেশহোল্ড একটি কল্পকাহিনীতে প্রয়োগ করা হচ্ছে।

ঝুঁকি তাই আর্থিক এবং নৈতিক উভয়ই। একটি মডেল যা সুবিধা অতিরঞ্জিত করে তা এমন কিছুতে অর্থায়ন করে যা একই বাজেটের ভালো ব্যবহার স্থানচ্যুত করে — সুযোগ ব্যয় অন্যত্র নামহীন রোগীদের উপর পড়ে। একটি মডেল যা অস্পষ্ট তা চ্যালেঞ্জ করা যায় না, এবং অচ্যালেঞ্জযোগ্য বিশ্লেষণ যেখানে দখল, কাম্য-চিন্তা, এবং বিক্রেতা আশাবাদ লুকিয়ে থাকে। মডেলিংয়ের শৃঙ্খলা — কাঠামো ঘোষণা করা, প্রতিটি অনুমান পরীক্ষা করা, এবং আপনি যা জানেন না তা পরিমাপ করা — একটি প্ররোচনামূলক স্লাইডকে প্রমাণে পরিণত করে যা একটি সরকারি সংস্থা রক্ষা করতে পারে।

মূল ধারণাসমূহ

সিদ্ধান্ত বিশ্লেষণ এই সবের নিচে আনুষ্ঠানিক কাঠামো: বিকল্পগুলি স্থাপন করা, প্রতিটি অনুসরণকারী সুযোগ ঘটনা, সেই ঘটনাগুলির সম্ভাবনা, এবং প্রতিটি ফলাফলের মূল্য, তারপর প্রতিটি বিকল্পের প্রত্যাশিত মূল্য গণনা করা। একটি স্বাস্থ্য অর্থনৈতিক মডেল একটি স্বাস্থ্য পছন্দে প্রয়োগ করা সিদ্ধান্ত বিশ্লেষণ, ব্যয় এবং স্বাস্থ্য ফলাফল ওজন করা মান হিসাবে। ক্ষেত্রের ভিত্তিমূলক পাঠ্য ব্রিগস, স্কালফার এবং ক্ল্যাক্সটনের স্বাস্থ্য অর্থনৈতিক মূল্যায়নের জন্য সিদ্ধান্ত মডেলিং, যার কাঠামো এই বিষয় অনুসরণ করে।

সবচেয়ে সহজ কাঠামো হল সিদ্ধান্ত গাছ: একটি সিদ্ধান্ত নোড থেকে সুযোগ নোড দিয়ে চূড়ান্ত ফলাফল পর্যন্ত একটি শাখাযুক্ত ডায়াগ্রাম, প্রতিটি শাখা একটি সম্ভাবনা বহন করে এবং প্রতিটি এন্ডপয়েন্ট একটি ব্যয় এবং একটি স্বাস্থ্য প্রতিদান। গাছ পরিষ্কার এবং দ্রুত, এবং তারা একটি স্বল্প, নির্দিষ্ট দিগন্তে সমাধান হওয়া সিদ্ধান্তের জন্য উপযুক্ত — একটি তীব্র ঘটনা, একটি রোগ নির্ণয় পথ। তাদের দুর্বলতা সময়: একটি গাছের এমন ঘটনা প্রতিনিধিত্ব করার কোনো স্বাভাবিক উপায় নেই যা পুনরাবৃত্তি হয়, অবস্থা যা স্থায়ী হয়, বা ঝুঁকি যা বছরের পর বছর পরিবর্তিত হয়, কারণ প্রতিটি সম্ভাবনা একটি সদা-শাখাযুক্ত পথ হিসাবে আঁকতে হবে।

দীর্ঘস্থায়ী রোগের জন্য, প্রধান হাতিয়ার হল মার্কভ চেইন, বা মার্কভ দল মডেল। এটি একটি রোগকে পারস্পরিক-একচেটিয়া স্বাস্থ্য অবস্থা এর একটি সেট হিসাবে প্রতিনিধিত্ব করে — উদাহরণস্বরূপ সুস্থ, জটিলতা, মৃত — এবং রূপান্তর সম্ভাবনা অনুসারে নির্দিষ্ট সময় চক্রে একটি কাল্পনিক দলকে তাদের মধ্যে সরায়। অনেক চক্র জুড়ে ব্যয় এবং জীবনের মান সঞ্চয় করা জীবনকাল মোট দেয়। এর সংজ্ঞায়িত সরলীকরণ হল মার্কভ অনুমান: রূপান্তর শুধুমাত্র বর্তমান অবস্থার উপর নির্ভর করে, ইতিহাসের উপর নয়, তাই একটি প্রমিত মডেল "মনে রাখতে পারে না" একজন রোগী কতদিন অসুস্থ ছিলেন। বিশ্লেষকরা টানেল অবস্থা বা সময়-নির্ভর রূপান্তর দিয়ে এর চারপাশে কাজ করেন, কিন্তু অনুমানটি প্রথম জিনিস যা একজন পর্যালোচকের জিজ্ঞাসাবাদ করা উচিত।

যখন রোগীর ইতিহাস, ব্যক্তিগত বৈশিষ্ট্য, বা মিথস্ক্রিয়া হারানোর জন্য খুব গুরুত্বপূর্ণ, মডেলাররা ব্যক্তি-স্তরের সিমুলেশনের দিকে ফিরে যান। মাইক্রোসিমুলেশন একবারে একজন রোগীকে মডেলের মধ্য দিয়ে চালায়, প্রতিটি বৈশিষ্ট্য বহন করে (বয়স, ঝুঁকির কারণ, ঘটনার ইতিহাস) যা তাদের গতিপথ আকার দেয়, তাই বিষমতা এবং স্মৃতি সংরক্ষিত থাকে। যেখানে রোগীরাও ভাগ করা, সীমাবদ্ধ সম্পদের জন্য প্রতিদ্বন্দ্বিতা করে — শয্যা, থিয়েটার, কর্মী, একটি প্রতিস্থাপন অপেক্ষা তালিকা — বিচ্ছিন্ন-ঘটনা সিমুলেশন সারি এবং সময় যোগ করে, একজন একাকী রোগীর পরিবর্তে ব্যবস্থা মডেল করে। এই পদ্ধতিগুলি ডেটা ক্ষুধা, রান টাইম, এবং ফলাফল ব্যাখ্যা করার একটি কঠিন কাজের মূল্যে বাস্তবতা কেনে।

কোনো মডেল আউটপুট একটি একক নিশ্চিত সংখ্যা নয়, এবং অন্যথা ভান করা ক্ষেত্রের প্রধান পাপ। সংবেদনশীলতা বিশ্লেষণ জিজ্ঞাসা করে ইনপুট পরিবর্তিত হলে সিদ্ধান্ত কীভাবে সরে যায়। নির্ধারণমূলক সংবেদনশীলতা বিশ্লেষণ বিশ্বাসযোগ্য পরিসীমা জুড়ে এক বা কয়েকটি প্যারামিটার পরিবর্তন করে (প্রায়ই একটি টর্নেডো ডায়াগ্রাম হিসাবে দেখানো হয়)। সম্ভাব্য সংবেদনশীলতা বিশ্লেষণ প্রতিটি অনিশ্চিত প্যারামিটারকে একটি সম্ভাব্যতা বণ্টন বরাদ্দ করে এবং, মন্টে কার্লো নমুনা ব্যবহার করে, ফলাফলের একটি বণ্টন উৎপাদন করতে মডেলটি হাজার হাজার বার চালায় — একটি প্রদত্ত থ্রেশহোল্ডে একটি বিকল্প সাশ্রয়ী-কার্যকর হওয়ার সম্ভাবনা হিসাবে সংক্ষিপ্ত। এর পরে অবশিষ্ট অনিশ্চয়তা মূল্যায়ন করা যেতে পারে: তথ্যের মূল্য বিশ্লেষণ অনুমান করে সিদ্ধান্ত নেওয়ার আগে আরও গবেষণা কমিশন করা কী মূল্যের হবে, "আমরা নিশ্চিত নই"কে একটি গবেষণা বাজেট যার উপর কাজ করতে পারে এমন একটি সংখ্যায় পরিণত করে।

একটি মডেল কেবল ততটাই বিশ্বাসযোগ্য যতটা এর যাচাইকরণ। মুখ বৈধতা জিজ্ঞাসা করে কাঠামো এবং ফলাফল ক্লিনিক্যাল অর্থ তৈরি করে কিনা; অভ্যন্তরীণ বৈধতা (যাচাই) পরীক্ষা করে মডেল তার সমীকরণ যা বোঝায় তা করে কিনা, কোডিং ত্রুটি ছাড়া; ক্রস-বৈধতা একই সমস্যার অন্যান্য মডেলের বিরুদ্ধে ফলাফল তুলনা করে; এবং বাহ্যিক বৈধতা মডেল ইনপুট হিসাবে ব্যবহার করেনি এমন প্রকৃত ফলাফলের বিরুদ্ধে ভবিষ্যদ্বাণী পরীক্ষা করে। অবশেষে, মডেলিং টুলকিট স্বাস্থ্য প্রযুক্তি মূল্যায়ন (HTA) এর বিস্তৃত যন্ত্রপাতির ভিতরে বসে — যে প্রক্রিয়ার মাধ্যমে ইংল্যান্ডের NICE, জার্মানির IQWiG, কানাডার CDA-AMC, অস্ট্রেলিয়ার PBAC, এবং যুক্তরাষ্ট্রের ICER এর মতো সংস্থাগুলি বিশ্বব্যাপী অর্থায়ন সিদ্ধান্তের জন্য প্রমাণ ওজন করে।

সর্বোত্তম অনুশীলন

1. আপনি কিছু তৈরি করার আগে ট্রায়াল-ভিত্তিক বনাম মডেল-ভিত্তিক সিদ্ধান্ত নিন। একটি র‍্যান্ডমাইজড নিয়ন্ত্রিত ট্রায়াল এর পাশাপাশি একটি ট্রায়াল-অভ্যন্তরীণ বিশ্লেষণ সঠিক হাতিয়ার যখন ট্রায়ালের দিগন্ত, তুলনাকারী, এবং জনসংখ্যা সিদ্ধান্তের সাথে মেলে। একটি মডেল প্রয়োজন যখন — যেমন স্বাভাবিক — সিদ্ধান্ত ট্রায়ালকে ছাড়িয়ে যায়: জীবনকাল পরিণতি, কখনো মাথা-থেকে-মাথা ট্রায়াল করা হয়নি এমন তুলনাকারী, বা নথিভুক্ত থেকে ভিন্ন একটি লক্ষ্য জনসংখ্যা। বেশিরভাগ প্রকৃত সিদ্ধান্তের উভয়ই প্রয়োজন: ট্রায়াল স্বল্পমেয়াদী প্রভাব নোঙর করে, মডেল এটি এক্সট্রাপোলেট করে। প্রথম পৃষ্ঠায় আপনি কী করছেন এবং কেন বলুন।

2. সিদ্ধান্ত সমস্যাকে মডেল প্রকার বেছে নিতে দিন, কখনো বিপরীত নয়। একটি স্বল্প, তীব্র, অ-পুনরাবৃত্ত সিদ্ধান্ত একটি সিদ্ধান্ত গাছের জন্য উপযুক্ত; পুনরাবৃত্ত ঘটনা সহ একটি দীর্ঘস্থায়ী অবস্থা একটি মার্কভ মডেলের জন্য উপযুক্ত; শক্তিশালী রোগী বিষমতা বা ঘটনা স্মৃতি মাইক্রোসিমুলেশনের দিকে ঠেলে দেয়; সীমাবদ্ধ ভাগ করা সম্পদ এবং সারিবদ্ধতা বিচ্ছিন্ন-ঘটনা সিমুলেশনের দিকে ঠেলে দেয়। একটি কাঠামো বেছে নেওয়া কারণ এটি পরিচিত, বা কারণ একজন বিক্রেতা ইতিমধ্যে একটির মালিক, তা হল কীভাবে মডেলগুলি তারা যে প্রশ্নের উত্তর দেওয়ার কথা তার সাথে মেলে না।

3. সমস্ত প্রাসঙ্গিক পার্থক্য ক্যাপচার করার জন্য যথেষ্ট দীর্ঘ সময় দিগন্ত স্থির করুন। দিগন্তকে চালাতে হবে যতক্ষণ না বিকল্পগুলির মধ্যে ব্যয় বা স্বাস্থ্যে আর কোনো অর্থপূর্ণ পার্থক্য জমা হয় — একটি আজীবন অবস্থার জন্য, এর মানে একটি জীবনকাল। প্রাথমিকভাবে সংক্ষিপ্ত করা হস্তক্ষেপগুলিকে চাটুকারিতা করে যাদের ব্যয় অগ্রিম আসে এবং যাদের সুবিধা দেরিতে আসে (প্রতিরোধ, নিরাময়), এবং এটি একটি মডেল কীভাবে নীরবে তার নিজস্ব উত্তরকে পক্ষপাতী করে তার সবচেয়ে সাধারণ উপায়গুলির মধ্যে একটি। রোগের প্রাকৃতিক ইতিহাসের বিরুদ্ধে দিগন্তকে স্পষ্টভাবে ন্যায্যতা দিন।

4. রোগকে প্রতিফলিত করতে মডেল কাঠামো বেছে নিন, এবং এটি বাধ্য করে এমন অনুমানের নাম দিন। স্বাস্থ্য অবস্থা অবশ্যই ক্লিনিক্যালি অর্থপূর্ণ, পারস্পরিক-একচেটিয়া, এবং সমষ্টিগতভাবে নিঃশেষকারী হতে হবে; দ্রুততম গুরুত্বপূর্ণ ঘটনা ক্যাপচার করার জন্য চক্রের দৈর্ঘ্য যথেষ্ট ছোট হতে হবে। প্রতিটি কাঠামো সরলীকরণ আরোপ করে — মার্কভ স্মৃতিহীন অনুমান ক্লাসিক উদাহরণ — তাই সেগুলিকে তালিকাভুক্ত করুন যেখানে একজন পর্যালোচক দেখতে পারেন এবং দেখান যে গুরুত্বপূর্ণগুলি পরীক্ষা বা শিথিল করা হয়েছে।

5. ইচ্ছাকৃতভাবে প্রতিটি প্যারামিটার উৎসীকরণ করুন এবং এর প্রমাণ গ্রেড করুন। রূপান্তর সম্ভাবনা, ব্যয়, এবং জীবনের-মান ওজন প্রতিটি একটি বিবৃত উৎসে ট্রেস করা উচিত, ফলাফল চালানো প্যারামিটারের জন্য ব্যবহৃত সবচেয়ে শক্তিশালী প্রমাণ সহ। একটি পদ্ধতিগত পর্যালোচনা, একটি একক অধ্যয়ন, একটি রেজিস্ট্রি, বা একটি বিশেষজ্ঞ বিচার কাজটি করছে কিনা তা স্পষ্ট থাকুন, এবং স্থানীয় পর্যবেক্ষণমূলক ডেটা থেকে বেসলাইন ঝুঁকির সাথে মিলিত র‍্যান্ডমাইজড প্রমাণ থেকে আপেক্ষিক প্রভাব পছন্দ করুন — উৎস মিশ্রিত করা বৈধ, মিশ্রণ লুকানো নয়।

6. সিদ্ধান্ত প্রকৃতপক্ষে যে তুলনাকারীর মুখোমুখি হয় তা বাস্তব-বিশ্ব ডোজ এবং মূল্যে মডেল করুন। প্লাসিবোর বিরুদ্ধে বা একটি পুরানো মানের বিরুদ্ধে একটি সাশ্রয়ী-কার্যকর ফলাফল প্রায় অর্থহীন যদি চিকিৎসকরা প্রকৃতপক্ষে তিনটি বর্তমান বিকল্পের মধ্যে বেছে নেন। সমস্ত প্রাসঙ্গিক তুলনাকারী অন্তর্ভুক্ত করুন, বাস্তবে প্রাপ্ত মূল্য এবং আনুগত্য প্যাটার্ন ব্যবহার করুন, এবং সৎ থাকুন যখন একটি মাথা-থেকে-মাথা তুলনা সরাসরি ট্রায়াল প্রমাণের পরিবর্তে একটি পরোক্ষ বা নেটওয়ার্ক তুলনার উপর নির্ভর করে।

7. ঘোষিত, পরীক্ষিত বেঁচে থাকার অনুমান দিয়ে ট্রায়ালের বাইরে এক্সট্রাপোলেট করুন। যেখানে মডেল পর্যবেক্ষিত ডেটার বাইরে প্রভাব প্রজেক্ট করে — প্রায় সবসময় — এক্সট্রাপোলেশনের পছন্দ (কোন বেঁচে থাকার বক্ররেখা, চিকিৎসা প্রভাব অব্যাহত থাকে, ক্ষয় হয়, বা বন্ধ হয়ে যায় কিনা) উত্তরে আধিপত্য বিস্তার করতে পারে। বিকল্প প্যারামেট্রিক বক্ররেখা ফিট করুন, পর্যবেক্ষিত ডেটা এবং বাহ্যিক প্রমাণের বিরুদ্ধে সেগুলি দেখান, এবং সবচেয়ে আশাবাদী ফিটকে একটি বিন্দু অনুমান হিসাবে চোরাচালান করার পরিবর্তে পরিসীমা উপস্থাপন করুন।

8. সম্ভাব্যভাবে অনিশ্চয়তা চিহ্নিত করুন, শুধু একবারে একটি প্যারামিটার নয়। নির্ধারণমূলক এক-দিকীয় বিশ্লেষণ এবং টর্নেডো ডায়াগ্রাম দেখায় কোন ইনপুট গুরুত্বপূর্ণ, কিন্তু শুধুমাত্র সম্ভাব্য সংবেদনশীলতা বিশ্লেষণ, মন্টে কার্লো সিমুলেশনের মাধ্যমে সমস্ত অনিশ্চয়তা একসাথে প্রচার করে, একটি সিদ্ধান্ত সঠিক হওয়ার সম্ভাবনা দেয়। বিন্দু অনুমানের পাশাপাশি সাশ্রয়ী-কার্যকারিতা গ্রহণযোগ্যতা বক্ররেখা প্রতিবেদন করুন; সাশ্রয়ী-কার্যকারিতার ৫৫% সম্ভাবনা সহ একটি অনুকূল অনুপাত ৯৫%-এ একই অনুপাত থেকে একটি ভিন্ন সিদ্ধান্ত।

9. অনিশ্চয়তার ধরন আলাদা করুন এবং প্রতিটিকে তার নিজস্ব শর্তে বিবেচনা করুন। প্যারামিটার অনিশ্চয়তা (আমরা প্রকৃত মূল্য জানি না) সম্ভাব্য বিশ্লেষণ দ্বারা পরিচালিত হয়; কাঠামোগত অনিশ্চয়তা (আমরা নিশ্চিত নই মডেলটি সঠিকভাবে নির্মিত) বিকল্প কাঠামো জুড়ে দৃশ্যপট বিশ্লেষণ প্রয়োজন; বিষমতা (উত্তর প্রকৃতপক্ষে উপগোষ্ঠী অনুসারে ভিন্ন) উপগোষ্ঠী ফলাফল প্রয়োজন, একটি গড় নয় যা কাউকে মানায় না। তাদের মিশ্রিত করা — উদাহরণস্বরূপ, একটি বিস্তৃত প্যারামিটার বণ্টনের ভিতরে একটি কাঠামোগত সন্দেহ লুকানো — প্রকৃতপক্ষে কী অজানা তা ভুলভাবে উপস্থাপন করে।

10. প্রতিটি স্তরে যাচাই করুন, এবং যাচাইকরণ লিখুন। যারা মডেল তৈরি করেননি এমন চিকিৎসকদের সাথে মুখ বৈধতা পরীক্ষা করুন; স্বাধীন পরীক্ষা এবং চরম-মূল্য চেক দিয়ে কোড যাচাই করুন; একই রোগের প্রকাশিত মডেলের বিরুদ্ধে ক্রস-যাচাই করুন এবং বিচ্যুতি ব্যাখ্যা করুন; এবং, যেখানে কোনো বাহ্যিক ফলাফল ডেটা বিদ্যমান, তাদের বিরুদ্ধে মডেলের ভবিষ্যদ্বাণী পরীক্ষা করুন। একটি মডেল যা একটি যাচাইকরণ হিসাব ছাড়া একটি অর্থায়ন সিদ্ধান্তের জন্য উপস্থাপন করা হয় তা বিশ্বাস করা উচিত নয়, যতই পরিশীলিত দেখাক না কেন।

11. মডেলকে একজন প্রতিপক্ষের পুনর্নির্মাণের জন্য যথেষ্ট স্বচ্ছ এবং পুনরুৎপাদনযোগ্য করুন। কাঠামো, তার উৎস সহ প্রতিটি ইনপুট, এবং প্রতিটি অনুমান নথিভুক্ত করুন, যাতে একজন সন্দেহবাদী পর্যালোচক নীতিগতভাবে ফলাফল পুনর্গঠন করতে পারেন। স্বচ্ছতা একটি সৌজন্য নয়; এটি সেই প্রক্রিয়া যার মাধ্যমে আশাবাদী ত্রুটিগুলি সরকারি অর্থ সরানোর আগে ধরা পড়ে, যে কারণে HTA সংস্থাগুলি ক্রমবর্ধমানভাবে একটি সারসংক্ষেপ অনুপাতের পরিবর্তে কার্যকরযোগ্য মডেল এবং সম্পূর্ণ প্যারামিটার টেবিল দাবি করে।

12. আপনি প্রতিশ্রুতিবদ্ধ হওয়ার আগে আরও গবেষণা কেনার মূল্য কিনা পরিমাপ করুন। যখন অনিশ্চয়তা বিস্তৃত এবং যোগফল বড়, তথ্যের-মূল্য বিশ্লেষণ সেই অনিশ্চয়তা সমাধান করার প্রত্যাশিত মূল্য অনুমান করে — কখনো কখনো একটি সরল হ্যাঁ বা না এর পরিবর্তে একটি "গবেষণা সহ অনুমোদন" বা "শুধুমাত্র গবেষণায়" সিদ্ধান্তকে ন্যায্যতা দেয়। এটি একটি অচলাবস্থাকে ("প্রমাণ অপরিপক্ব") একটি অর্থনৈতিক প্রশ্নে ("বিপদে থাকা সিদ্ধান্তের কারণে একটি ট্রায়াল কি তার ব্যয়ের যোগ্য?") পুনর্গঠন করে।

আপনার দলের সাথে আলোচনা করার প্রশ্নসমূহ

1. এই সিদ্ধান্তের কি প্রকৃতপক্ষে একটি মডেল প্রয়োজন, এবং যদি তাই হয়, মডেল কী করছে যা ট্রায়াল পারে না? অনেক সংগঠনে প্রবৃত্তি হল প্রতিফলিতভাবে একটি মডেলের জন্য পৌঁছানো, বা মডেলগুলিকে সম্পূর্ণভাবে "তৈরি সংখ্যা" হিসাবে অবিশ্বাস করা — উভয়ই ভুল। উৎপাদনশীল প্রশ্ন হল মডেলটি কোন নির্দিষ্ট ব্যবধান সেতুবন্ধন করে: একটি দুই-বছরের ট্রায়ালকে একটি জীবনকালে এক্সট্রাপোলেট করা, কখনো মাথা-থেকে-মাথা ট্রায়াল করা হয়নি এমন একটি চিকিৎসার বিরুদ্ধে তুলনা করা, বা একটি স্বাস্থ্য ব্যবস্থা থেকে আপনার কাছে প্রমাণ পরিবহন করা। ব্যবধান নাম দেওয়া মডেলকে শৃঙ্খলাবদ্ধ করে, কারণ এটি আপনাকে বলে কাঠামোর কোন অংশ সিদ্ধান্ত বহন করে এবং তাই সবচেয়ে বেশি যাচাই এবং সবচেয়ে শক্তিশালী ডেটার যোগ্য। এটি এটাও বলে কখন একটি মডেল ন্যায্যতাপ্রাপ্ত নয় — যেখানে একটি ভালো ট্রায়াল-অভ্যন্তরীণ বিশ্লেষণ ইতিমধ্যে সিদ্ধান্তের সাথে মেলে, একটি বিস্তৃত মডেল সত্য যোগ না করে অনুমান যোগ করে। একটি সৎ উত্তর সবচেয়ে গুরুত্বপূর্ণ একক জিনিস বলে যা মডেল এক্সট্রাপোলেট করছে এবং ফলাফলের কতটা সেই এক্সট্রাপোলেশনের উপর চড়ে।

2. কোন এক বা দুটি অনুমান, ভুল হলে, আমাদের সিদ্ধান্ত উল্টে দেবে — এবং আমরা ঠিক সেগুলিতে কতটা আত্মবিশ্বাসী? প্রতিটি মডেলের একটি হাতেগোনা ভার-বহনকারী অনুমান এবং ইনপুটের একটি দীর্ঘ লেজ রয়েছে যা খুব কমই গুরুত্বপূর্ণ; বিপদ হল ওজন বহনকারী জয়েন্টগুলির পরিবর্তে সমানভাবে যাচাই ব্যয় করা। একটি টর্নেডো ডায়াগ্রাম বা এক-দিকীয় সংবেদনশীলতা বিশ্লেষণ যান্ত্রিকভাবে চালকদের চিহ্নিত করে, কিন্তু দলের আলোচনা ঠিক সেই চালকদের প্রমাণের মানের বিষয়ে: পিভটাল রূপান্তর সম্ভাবনা কি একটি শক্তিশালী মেটা-বিশ্লেষণ থেকে নাকি একটি ছোট অধ্যয়ন থেকে, বেঁচে থাকার এক্সট্রাপোলেশন কি বাহ্যিক ডেটায় নোঙর করা নাকি একটি আশাবাদী বক্ররেখা ফিট? অস্বস্তিকর প্যাটার্ন হল একটি আত্মবিশ্বাসী শিরোনাম অনুপাত একটি প্যারামিটারে বিশ্রাম নেওয়া যার জন্য প্রমাণ পাতলা। একটি সৎ উত্তর দাবি করে না মডেলটি সাধারণভাবে দৃঢ়; এটি নির্দিষ্ট অনুমানগুলির নাম দেয় যার উপর সিদ্ধান্ত ঝুলে থাকে এবং প্রতিটির পিছনে প্রমাণ গ্রেড করে, তারপর সিদ্ধান্ত নেয় এটি কাজ করার জন্য যথেষ্ট নাকি আরও সংগ্রহ করার একটি কারণ।

3. এই মডেলটি কে তৈরি করেছে, এটি কার কেসকে সাহায্য করে, এবং একটি স্বাধীন পুনর্নির্মাণ কি একই উত্তরে পৌঁছাবে? পেয়ারদের সামনে রাখা অনেক মডেল একটি পক্ষ দ্বারা তৈরি বা অর্থায়িত হয় যার ফলাফলে সরাসরি স্বার্থ রয়েছে — প্রতিদান খুঁজছেন একজন প্রস্তুতকারক, বিনিয়োগ খুঁজছে একটি সেবা। এটি তাদের ভুল করে না, কিন্তু এটি স্বাধীন যাচাইকে অ-আলোচনাযোগ্য করে তোলে, এবং এটি নির্দিষ্ট প্রশ্ন উত্থাপন করে: তুলনাকারীরা কি চাটুকারিতা করতে বেছে নেওয়া হয়েছিল, সবচেয়ে আশাবাদী এক্সট্রাপোলেশন কি নির্বাচিত হয়েছিল, মডেলটি কি মোটেও জিজ্ঞাসাবাদ করার জন্য যথেষ্ট স্বচ্ছ? উত্তেজনা হল যাদের ডেটা এবং মডেলিং ক্ষমতা রয়েছে তারা প্রায়ই আগ্রহী পক্ষ, তাই উত্তর খুব কমই তাদের মডেল সম্পূর্ণভাবে প্রত্যাখ্যান করা কিন্তু স্বচ্ছতা দাবি করা, তাদের মডেলে আপনার নিজস্ব সংবেদনশীলতা বিশ্লেষণ চালানো, এবং স্বাধীন কাজের বিরুদ্ধে ক্রস-যাচাই করা। একটি সৎ উত্তর উৎপত্তি এবং দ্বন্দ্ব সম্পর্কে খোলামেলা, এবং একটি মডেলকে যা খোলা এবং পুনরায় চালানো যায় না তাকে একটি লাল পতাকা হিসাবে বিবেচনা করে একটি মালিকানাধীন বিবরণ হিসাবে নয় যা পাস করা উচিত।

4. রোগ কি আমাদের মডেল কাঠামো বেছে নিয়েছে, নাকি সুবিধা আমাদের জন্য এটি বেছে নিয়েছে? কাঠামো — সিদ্ধান্ত গাছ, মার্কভ দল, মাইক্রোসিমুলেশন, বিচ্ছিন্ন-ঘটনা সিমুলেশন — ক্লিনিকাল সমস্যা থেকে অনুসরণ করা উচিত: অবস্থাটি কীভাবে প্রকাশ পায়, ঘটনাগুলি পুনরাবৃত্তি হয় কিনা, রোগীর ইতিহাস বা ভাগ করা, সীমাবদ্ধ সম্পদ গুরুত্বপূর্ণ কিনা। ব্যর্থতার প্যাটার্ন হল একটি কাঠামো গৃহীত কারণ এটি পরিচিত, কারণ একজন বিক্রেতা ইতিমধ্যে একটির মালিক, বা কারণ এটি তৈরি করা দ্রুত, এবং তারপর এমন একটি রোগে ফিট করতে বাঁকানো যা এটির উপযুক্ত নয়। দলের আলোচনা কংক্রিট: অবস্থাটি কি এমনভাবে পুনরাবৃত্তি হয় বা স্থায়ী হয় যা একটি সিদ্ধান্ত গাছ ক্যাপচার করতে পারে না; মার্কভ স্মৃতিহীন অনুমান কি একটি ঝুঁকি সমতল করে যা প্রকৃতপক্ষে ইতিহাসের উপর নির্ভর করে; রোগীরা কি শয্যা বা থিয়েটারের জন্য এমনভাবে প্রতিদ্বন্দ্বিতা করে যা একটি দল মডেল উপেক্ষা করে? প্রতিটি কাঠামো নির্দিষ্ট সরলীকরণের মূল্যে স্পষ্টতা কেনে, তাই উৎপাদনশীল প্রশ্ন "এটি কি সেরা মডেল" নয় বরং "এই কাঠামো আমাদের উপর কোন সরলীকরণ বাধ্য করেছে, এবং তাদের কোনোটি কি সিদ্ধান্ত যে রোগের অংশে নির্ভর করে তা স্পর্শ করে?" একটি সৎ উত্তর পছন্দ যে কাঠামোগত অনুমান আরোপ করে তার নাম দেয় এবং দেখায় যে গুরুত্বপূর্ণগুলি পরীক্ষা করা হয়েছে, কাঠামোটি ইতিমধ্যে তৈরি করা হয়েছে বলে এটি রক্ষা করার পরিবর্তে।

5. আমরা প্রকৃতপক্ষে এখানে কোন ধরনের অনিশ্চয়তার মুখোমুখি হচ্ছি, এবং আমরা কি প্রতিটিকে তার নিজস্ব শর্তে বিবেচনা করছি? "আমরা নিশ্চিত নই"কে একটি একক বিস্তৃত ত্রুটি বারে পতিত করা সহজ, কিন্তু ক্ষেত্রটি তিনটি বেশ ভিন্ন জিনিস আলাদা করে: প্যারামিটার অনিশ্চয়তা (আমরা একটি ইনপুটের প্রকৃত মূল্য জানি না), কাঠামোগত অনিশ্চয়তা (আমরা নিশ্চিত নই মডেলটি সঠিক উপায়ে নির্মিত), এবং বিষমতা (উত্তর প্রকৃতপক্ষে উপগোষ্ঠীর মধ্যে ভিন্ন)। প্রতিটি একটি ভিন্ন প্রতিক্রিয়া দাবি করে — প্যারামিটারের জন্য সম্ভাব্য বিশ্লেষণ, দ্বিতীয়টির জন্য বিকল্প কাঠামো জুড়ে দৃশ্যপট বিশ্লেষণ, তৃতীয়টির জন্য একটি গড়ের পরিবর্তে উপগোষ্ঠী ফলাফল — এবং তাদের মিশ্রিত করা যা অজানা তা ভুলভাবে উপস্থাপন করে। ক্লাসিক হাতের কৌশল হল একটি মোটা প্যারামিটার বণ্টনের ভিতরে একটি কাঠামোগত সন্দেহ লুকানো, তাই শিরোনাম এখনও একটি একক আশ্বস্তকারী সাশ্রয়ী-কার্যকারিতা সম্ভাবনা প্রতিবেদন করে। দলটির জিজ্ঞাসা করা উচিত তিনটির মধ্যে কোনটি প্রকৃতপক্ষে এই সিদ্ধান্তে সন্দেহ চালাচ্ছে, এবং তাদের সামনের বিশ্লেষণ সেই ধরন সম্বোধন করে নাকি কেবল সবচেয়ে সুবিধাজনক ধরন। একটি সৎ উত্তর তিনটিকে স্পষ্টভাবে আলাদা করে এবং স্বীকার করে যেখানে একটি সন্দেহ কাঠামোগত — পরিমাপ করার জন্য কঠিনতম ধরন এবং কবর দেওয়ার জন্য সবচেয়ে সহজ।

6. আমরা এখনও যা জানি না তা বিবেচনা করে, আমাদের কি এখন সিদ্ধান্ত নেওয়া উচিত নাকি প্রথমে আরও শিখতে অর্থ প্রদান করা উচিত? যখন অনিশ্চয়তা বিস্তৃত এবং প্রতিশ্রুতিবদ্ধ যোগফল বড়, "হ্যাঁ" এবং "না" একমাত্র বিকল্প নয়: একটি "গবেষণা সহ অনুমোদন" বা "শুধুমাত্র গবেষণায়" সিদ্ধান্ত প্রমাণ পরিপক্ক হওয়ার সময় দরজা খোলা রাখে। তথ্যের-মূল্য বিশ্লেষণ অচলাবস্থাকে — "প্রমাণ অপরিপক্ব" — একটি অর্থনৈতিক প্রশ্নে পরিণত করে: সিদ্ধান্ত নেওয়ার আগে অনিশ্চয়তা সমাধান করা কী মূল্যের হবে, এবং এটি কি অধ্যয়নের বিশ্বাসযোগ্য ব্যয়কে ছাড়িয়ে যায় যা এটি সমাধান করবে? উত্তেজনা প্রকৃত, কারণ বিলম্বের নিজস্ব ব্যয় রয়েছে অপেক্ষারত রোগীদের ত্যাগ করা স্বাস্থ্যে, এবং কারণ একজন প্রস্তুতকারক বা সেবার ডেটা তৈরি করতে প্রতিশ্রুতিবদ্ধ হওয়ার পরিবর্তে একটি প্রাথমিক হ্যাঁ ব্যাংক করার প্রতিটি প্রণোদনা রয়েছে। দলের ওজন করা উচিত অবশিষ্ট অনিশ্চয়তা কোথায় কেন্দ্রীভূত, একটি সম্ভাব্য অধ্যয়ন প্রকৃতপক্ষে একটি দরকারী সময়কালে এটি সংকীর্ণ করতে পারে কিনা, এবং একটি শর্তসাপেক্ষ ব্যবস্থা আগ্রহী পক্ষের কাছ থেকে কী প্রয়োজন। একটি সৎ উত্তর "এখন সিদ্ধান্ত নিন বনাম আরও প্রমাণ কিনুন"কে স্নায়ুর বিষয়ের পরিবর্তে একটি পরিমাপযোগ্য পছন্দ হিসাবে বিবেচনা করে, এবং শেখার মূল্য ন্যায্যতা দিলে একটি শর্তসাপেক্ষ হ্যাঁ সুপারিশ করতে ইচ্ছুক।

অনুশীলনে: একটি স্বাস্থ্য অর্থনীতি উদাহরণ

কাল্পনিক সামাজিক-বীমা দেশ সোলেনের জাতীয় স্বাস্থ্য বীমা তহবিল সিদ্ধান্ত নিচ্ছে দীর্ঘস্থায়ী হৃদযন্ত্রের ব্যর্থতার জন্য একটি নতুন মৌখিক থেরাপি প্রতিদান করবে কিনা। প্রস্তুতকারকের জমা একটি অনুকূল ক্রমবর্ধমান সাশ্রয়ী-কার্যকারিতা অনুপাত প্রতিবেদন করে, তহবিলের বিবৃত থ্রেশহোল্ডের আরামদায়কভাবে নিচে। পিভটাল প্রমাণ একটি একক র‍্যান্ডমাইজড নিয়ন্ত্রিত ট্রায়াল: ১৮ মাসের ফলো-আপ, দেখাচ্ছে ওষুধটি হৃদযন্ত্রের ব্যর্থতার জন্য হাসপাতালে ভর্তি কমায় এবং স্ট্যান্ডার্ড যত্নের বিরুদ্ধে সামান্য বেঁচে থাকা উন্নত করে। তহবিলের মূল্যায়ন কমিটি তার অর্থনীতি দলকে সংখ্যার পিছনের মডেল মূল্যায়ন করতে বলে, শুধু সংখ্যা নয়।

দলটি প্রথমে নিশ্চিত করে একটি মডেল অনিবার্য। হৃদযন্ত্রের ব্যর্থতা আজীবন; ট্রায়াল ১৮ মাস চলেছিল; সিদ্ধান্ত রোগীদের অবশিষ্ট জীবনকাল জুড়ে ব্যয় এবং সুবিধা সম্পর্কিত। একটি ট্রায়াল-অভ্যন্তরীণ বিশ্লেষণ ভুল প্রশ্নের উত্তর দেবে। প্রস্তুতকারক, সঠিকভাবে, স্থিতিশীল রোগ, হাসপাতালে ভর্তি, এবং মৃত্যুর জন্য অবস্থা সহ একটি মার্কভ দল মডেল তৈরি করেছে, ঘন ঘন ভর্তি ক্যাপচার করতে মাসিক চক্রাকার। এখন পর্যন্ত কাঠামো রোগের সাথে মেলে। দলের যাচাই তারপর ফলাফল বহনকারী জয়েন্টগুলির দিকে ফিরে যায়।

দুটি অনুমান আধিপত্য বিস্তার করে। প্রথমটি বেঁচে থাকার এক্সট্রাপোলেশন: ১৮ মাসের বাইরে মডেলটি একটি মৃত্যুহার সুবিধা প্রজেক্ট করে যা জীবনের জন্য অক্ষুণ্ণ অব্যাহত থাকে, সবচেয়ে আশাবাদী দীর্ঘমেয়াদী ফিট সহ প্যারামেট্রিক বক্ররেখা ব্যবহার করে। যখন দলটি বিকল্প বক্ররেখা পুনরায় ফিট করে এবং একটি দৃশ্যপট পরীক্ষা করে যেখানে চিকিৎসা প্রভাব পাঁচ বছর পরে ক্ষয় হয় — অনুরূপ ওষুধের বাহ্যিক রেজিস্ট্রি প্রমাণের সাথে সামঞ্জস্যপূর্ণ — জীবনকাল QALY লাভ সংকুচিত হয় এবং অনুপাত থ্রেশহোল্ডের উপরে বৃদ্ধি পায়। দ্বিতীয়টি তুলনাকারী: মডেল একটি পুরানো মানের যত্নের বিরুদ্ধে তুলনা করে, কিন্তু সোলেনের নির্দেশিকা এখন একটি নতুন সংমিশ্রণ সুপারিশ করে যা ট্রায়ালে অন্তর্ভুক্ত ছিল না, শুধুমাত্র বিস্তৃত অনিশ্চয়তা সহ একটি পরোক্ষ তুলনার মাধ্যমে পৌঁছানো যায়। দলটি এটাও লক্ষ্য করে মার্কভ স্মৃতিহীন অনুমান সম্প্রতি হাসপাতালে ভর্তি হওয়া রোগীদের উচ্চ পুনঃভর্তি ঝুঁকি সমতল করে, যা তারা একটি সংক্ষিপ্ত টানেল অবস্থা দিয়ে সম্বোধন করে।

দলটি সম্ভাব্যভাবে মডেলটি পুনরায় চালায়, মন্টে কার্লো সিমুলেশনের মাধ্যমে সমস্ত প্যারামিটার অনিশ্চয়তা প্রচার করে। সাশ্রয়ী-কার্যকারিতা গ্রহণযোগ্যতা বক্ররেখা তহবিলের থ্রেশহোল্ডে সাশ্রয়ী-কার্যকারিতার প্রায় ৫০% সম্ভাবনা দেখায় — একটি মুদ্রা নিক্ষেপ, বিন্দু অনুমান যে আত্মবিশ্বাসী কেস বোঝাত তা নয়। কারণ সিদ্ধান্ত বড় এবং অনিশ্চয়তা বেঁচে থাকার এক্সট্রাপোলেশনে কেন্দ্রীভূত, তারা একটি তথ্যের-মূল্য বিশ্লেষণ চালায়: সেই অনিশ্চয়তা সমাধান করার প্রত্যাশিত মূল্য একটি দীর্ঘতর ফলো-আপ অধ্যয়নের বিশ্বাসযোগ্য ব্যয়কে ছাড়িয়ে যায়। কমিটির সুপারিশ একটি সমতল হ্যাঁ বা সমতল না নয়। এটি একটি গোপনীয় ছাড় সহ একটি পরিচালিত-প্রবেশ ব্যবস্থার অধীনে থেরাপিটি প্রতিদান করে যা অনুপাত উন্নত করে, শর্তসাপেক্ষে যে প্রস্তুতকারক তিন বছরের মধ্যে বর্ধিত বেঁচে থাকার ডেটা সরবরাহ করবে — একটি "গবেষণা সহ অনুমোদন" সিদ্ধান্ত যা মডেলিং, স্বজ্ঞা নয়, প্রতিরক্ষাযোগ্য করেছে। সেই ব্যবস্থার মূল্য নির্ধারণ যান্ত্রিকতা বিষয় ২.৪ — ফার্মাকোইকোনমিক্সের অন্তর্গত।

চারটি ক্ষেত্র দৃষ্টিভঙ্গি

স্টার্টআপ

একটি ডিজিটাল স্বাস্থ্য বা ডিভাইস স্টার্টআপ সাধারণত অর্থ সংগ্রহ করতে বা কখনো মুখোমুখি হয়নি এমন একটি HTA প্রক্রিয়ায় প্রবেশ করতে তার প্রথম মডেল তৈরি করে, প্রায়ই বিরল প্রমাণ সহ — একটি ছোট একক-বাহু অধ্যয়ন, সারোগেট এন্ডপয়েন্ট, শক্তিশালী প্রতিষ্ঠাতা প্রত্যয়। প্রলোভন হল থ্রেশহোল্ড অতিক্রম করার জন্য ইঞ্জিনিয়ার করা একটি মডেল, দেরী ব্যয় লুকানো একটি সংক্ষিপ্ত দিগন্ত এবং সত্য হিসাবে উপস্থাপিত একটি আশাবাদী এক্সট্রাপোলেশন সহ। বিজ্ঞতর পথ হল একটি প্রারম্ভিক, ইচ্ছাকৃতভাবে রক্ষণশীল মডেল যা কোন প্রমাণ ব্যবধান মূল্য কেসকে সবচেয়ে বেশি হুমকি দেয় তা প্রকাশ করে, তাই দুষ্প্রাপ্য ট্রায়াল অর্থ ঠিক সেই ব্যবধান বন্ধ করতে ব্যয় করা হয়। একটি স্বচ্ছ মডেল যা সততার সাথে বিস্তৃত অনিশ্চয়তা দেখায় তা একটি পালিশ করা একটির চেয়ে বেশি অর্থায়নযোগ্য এবং একজন পেয়ারের কাছে বেশি বিশ্বাসযোগ্য যা কোনো পর্যালোচক খুলতে পারে না।

ছোট ব্যবসা

একটি ছোট কিন্তু প্রতিষ্ঠিত প্রদানকারী, অনুশীলন, বা সরবরাহকারী — একটি বিশেষজ্ঞ ক্লিনিক, একটি রোগ নির্ণয় সংস্থা, একটি স্থির পণ্য সহ একটি ডিভাইস পরিবেশক — সাধারণত মূলধন সংগ্রহ করতে নয় বরং একটি প্রকৃত ক্রয় বা প্রতিদান প্রশ্নের উত্তর দিতে মডেলিংয়ের সাথে দেখা করে: একজন পেয়ার কি এটি অর্থায়ন করবে, একটি সেবা লাইন চালিয়ে যাওয়ার যোগ্য কিনা, একটি সরঞ্জাম আপগ্রেড নিজের জন্য অর্থ প্রদান করে কিনা? একটি স্টার্টআপের বিপরীতে, এর প্রকৃত অপারেটিং ডেটা রয়েছে — প্রকৃত ব্যয়, থ্রুপুট, স্থানীয় ফলাফল — কিন্তু খুব কমই একজন অভ্যন্তরীণ স্বাস্থ্য অর্থনীতিবিদ, তাই ব্যবহারিক ঝুঁকি হয় মডেলটি সেই বিক্রেতার কাছে আউটসোর্স করা যার পণ্য মূল্যায়নের অধীনে, বা একটি স্প্রেডশিট তৈরি করা যা কখনো তার নিজস্ব অনুমান পরীক্ষা করে না। বিচক্ষণ পথ একটি মাঝারি, স্বচ্ছ মডেল যা স্থানীয়ভাবে উৎসীকরণ করতে পারে এমন ইনপুটের জন্য তার নিজস্ব বাস্তব-বিশ্ব ডেটার উপর নির্ভর করে এবং বাকিদের জন্য প্রকাশিত অনুমান, সততার সাথে গ্রেড করা, ধার করে, দুই বা তিনটি প্যারামিটারে একটি সরল সংবেদনশীলতা বিশ্লেষণ সহ যা উত্তর সরায়। এর বিশ্বাসযোগ্যতা পরিশীলনতার চেয়ে কম নির্ভর করে সংখ্যাগুলি কোথা থেকে আসে তা সম্পর্কে খোলামেলা হওয়ার উপর এবং একটি মূল্য বা একজন পেয়ারের থ্রেশহোল্ড পরিবর্তিত হলে কেসটি পুনরায় চালাতে সক্ষম হওয়ার উপর।

উদ্যোগ

একটি বড় প্রস্তুতকারক, হাসপাতাল গ্রুপ, বা বীমাকারী মডেলিংকে একটি শিল্প ক্ষমতা হিসাবে চালায়: পুনর্ব্যবহারযোগ্য মডেল প্ল্যাটফর্ম, প্রমিত প্যারামিটার লাইব্রেরি, এবং নিবেদিত স্বাস্থ্য-অর্থনীতি এবং ফলাফল-গবেষণা দল যারা একসাথে অনেক এখতিয়ারের জন্য জমা প্রস্তুত করে। শক্তি হল কঠোরতা, পুনরুৎপাদনযোগ্যতা, এবং একটি গ্লোবাল মডেলকে প্রতিটি দেশের পদ্ধতি গাইডে অভিযোজিত করার ক্ষমতা; ঝুঁকি হল স্কেল এবং স্ব-স্বার্থ একত্রিত হয়ে প্ররোচিত করতে অপ্টিমাইজ করা পরিশীলিত মডেল তৈরি করে, কাঠামোগত পছন্দ সহ যা নীরবে স্পনসরকে পক্ষপাতী করে। উদ্যোগের বিশ্বাসযোগ্যতা নির্ভর করে শাসনের উপর যা মডেলারদের বাণিজ্যিক চাপ থেকে আলাদা করে, সম্পূর্ণভাবে কার্যকরযোগ্য এবং স্বচ্ছ মডেল জমা দেওয়ার উপর, এবং স্বাধীন প্রতিলিপি প্রতিরোধের পরিবর্তে আমন্ত্রণ জানানোর উপর।

সরকার

একটি জাতীয় পেয়ার, HTA সংস্থা, বা মন্ত্রণালয় নির্মাতার চেয়ে বেশি মডেলের ভোক্তা এবং বিচারক, এবং এর শৃঙ্খলা স্কেলে সমালোচনামূলক পর্যালোচনা: একটি প্রকাশিত পদ্ধতি গাইড যা দিগন্ত, দৃষ্টিভঙ্গি, ছাড়, এবং অনিশ্চয়তা প্রতিবেদন সীমাবদ্ধ করে, এবং একজন স্পনসরের মডেল পুনরায় চালানো এবং চ্যালেঞ্জ করার ক্ষমতা তার শিরোনাম গ্রহণ করার পরিবর্তে। NICE, IQWiG, PBAC, CDA-AMC, এবং ICER এর মতো সংস্থাগুলি ঠিক এই শৃঙ্খলা আরোপ করতে বিদ্যমান, এবং ক্রমবর্ধমানভাবে তারা শিল্প জমা ক্রস-যাচাই করতে স্বাধীন মডেল তৈরি বা কমিশন করে। সরকার এই সিদ্ধান্তগুলিও বহন করে যা মডেলিং সম্ভব করে তোলে কিন্তু একা করতে পারে না — অনুমোদন, প্রত্যাখ্যান, বা গবেষণা সহ অনুমোদন — এবং সুযোগ ব্যয়ের জন্য জবাবদিহিতা যা প্রতিটি হ্যাঁ রোগীদের উপর আরোপ করে যারা কখনো কমিটি দেখেন না।

সাধারণ ব্যর্থতার ধরন

• যখন একটি ট্রায়াল ইতিমধ্যে প্রশ্নের উত্তর দেয় তখন একটি মডেল তৈরি করা। ভালো ট্রায়াল-অভ্যন্তরীণ প্রমাণ সিদ্ধান্তের সাথে মেলে এমন জায়গায় অনুমান যোগ করা, কোনো লাভ ছাড়া পক্ষপাত আমদানি করা। সমাধান: ট্রায়াল-ভিত্তিক বনাম মডেল-ভিত্তিক ইচ্ছাকৃতভাবে বেছে নিন, এবং শুধুমাত্র ব্যবধান মডেল করুন যা ট্রায়াল কভার করতে পারে না।

• সময় দিগন্ত সংক্ষিপ্ত করা। দেরী সুবিধা বা ব্যয় জমা হওয়ার আগে মডেল শেষ করা, প্রতিরোধের মতো অগ্রিম-ব্যয় হস্তক্ষেপগুলিকে চাটুকারিতা করা। সমাধান: দিগন্ত চালান যতক্ষণ না কোনো অর্থপূর্ণ পার্থক্য অবশিষ্ট থাকে — আজীবন অবস্থার জন্য একটি জীবনকাল — এবং প্রাকৃতিক ইতিহাসের বিরুদ্ধে এটি ন্যায্যতা দিন।

• একটি বিন্দু অনুমান হিসাবে চোরাচালান করা আশাবাদী এক্সট্রাপোলেশন। বেঁচে থাকার বক্ররেখা বা প্রভাব-স্থায়িত্ব অনুমান বেছে নেওয়া যা ফলাফলকে সবচেয়ে বেশি চাটুকারিতা করে এবং এটিকে বেস কেস হিসাবে উপস্থাপন করা। সমাধান: বিকল্প ফিট করুন, প্রভাব ক্ষয় পরীক্ষা করুন, বাহ্যিক ডেটার বিরুদ্ধে পরিসীমা দেখান।

• কোনো অনিশ্চয়তা ছাড়া একটি বিন্দু অনুমান প্রতিবেদন করা। একটি একক অনুপাত মিথ্যা নির্ভুলতা বোঝাচ্ছে। সমাধান: সবসময় সম্ভাব্য সংবেদনশীলতা বিশ্লেষণ চালান এবং বিন্দু অনুমানের পাশাপাশি গ্রহণযোগ্যতা বক্ররেখা প্রতিবেদন করুন।

• অনিশ্চয়তার ধরনগুলি বিভ্রান্ত করা। একটি বিস্তৃত প্যারামিটার বণ্টনের ভিতরে একটি কাঠামোগত সন্দেহ লুকানো, বা প্রকৃত বিষমতার উপর গড় করা। সমাধান: প্যারামিটার অনিশ্চয়তা সম্ভাব্যভাবে, কাঠামোগত অনিশ্চয়তা দৃশ্যপট দ্বারা, এবং বিষমতা উপগোষ্ঠী দ্বারা পরিচালনা করুন।

• দুর্বল বা অনুপস্থিত তুলনাকারী। প্লাসিবো বা একটি পুরানো মানের বিরুদ্ধে সাশ্রয়ী-কার্যকারিতা দেখানো যখন চিকিৎসকরা বর্তমান বিকল্পের মধ্যে বেছে নেন। সমাধান: বাস্তব মূল্য এবং আনুগত্যে সমস্ত প্রাসঙ্গিক তুলনাকারী অন্তর্ভুক্ত করুন, এবং পরোক্ষ তুলনা সম্পর্কে সৎ থাকুন।

• কালো-বাক্স মডেল। একটি ফলাফল যা খোলা, পুনরায় চালানো, বা পুনরুৎপাদন করা যায় না, বিশেষত একটি আগ্রহী পক্ষের কাছ থেকে। সমাধান: যেকোনো সিদ্ধান্তের আগে কার্যকরযোগ্য মডেল, সম্পূর্ণ প্যারামিটার টেবিল, এবং একটি লিখিত যাচাইকরণ হিসাব দাবি করুন।

• যাচাইকরণ এড়িয়ে যাওয়া। কোনো মুখ, অভ্যন্তরীণ, ক্রস, বা বাহ্যিক চেক ছাড়া পরিশীলিত-দেখানো একটি মডেল বিশ্বাস করা। সমাধান: প্রতিটি স্তরে যাচাই করুন এবং এটি নথিভুক্ত করুন; একটি অযাচাইকৃত মডেলকে অপ্রমাণিত হিসাবে বিবেচনা করুন।

পরিপক্বতা মডেল

চেকলিস্ট

• স্পষ্টভাবে বলুন মূল্যায়ন ট্রায়াল-ভিত্তিক, মডেল-ভিত্তিক, বা উভয় কিনা, এবং কেন।
• সিদ্ধান্ত সমস্যা এবং রোগের বিরুদ্ধে মডেল প্রকার (গাছ, মার্কভ, মাইক্রোসিমুলেশন, বিচ্ছিন্ন-ঘটনা) ন্যায্যতা দিন।
• সময় দিগন্তকে যথেষ্ট দীর্ঘ সেট করুন যাতে আর কোনো অর্থপূর্ণ ব্যয় বা স্বাস্থ্য পার্থক্য জমা না হয়, এবং এটি ন্যায্যতা দিন।
• প্রাসঙ্গিক হলে মার্কভ স্মৃতিহীন অনুমান সহ প্রতিটি কাঠামোগত অনুমান তালিকাভুক্ত করুন, এবং যেগুলি গুরুত্বপূর্ণ তা পরীক্ষা করুন।
• প্রতিটি প্যারামিটার একটি বিবৃত উৎসে ট্রেস করুন এবং ফলাফলের চালকদের পিছনের প্রমাণ গ্রেড করুন।
• বাস্তবসম্মত মূল্য এবং আনুগত্যে সমস্ত প্রাসঙ্গিক বাস্তব-বিশ্ব তুলনাকারী অন্তর্ভুক্ত করুন।
• বিকল্প এক্সট্রাপোলেশন অনুমান এবং সিদ্ধান্তে তাদের প্রভাব দেখান, শুধু বেস কেস নয়।
• সম্ভাব্য সংবেদনশীলতা বিশ্লেষণ চালান এবং বিন্দু অনুমানের পাশাপাশি একটি সাশ্রয়ী-কার্যকারিতা গ্রহণযোগ্যতা বক্ররেখা প্রতিবেদন করুন।
• প্যারামিটার, কাঠামোগত, এবং বিষমতা অনিশ্চয়তা আলাদা করুন এবং প্রতিটি যথাযথভাবে সম্বোধন করুন।
• মডেল যাচাই করুন (মুখ, অভ্যন্তরীণ, ক্রস, এবং যেখানে সম্ভব বাহ্যিক) এবং যাচাইকরণ হিসাব লিখুন।
• নিশ্চিত করুন মডেলটি একজন স্বাধীন পর্যালোচকের পুনর্নির্মাণের জন্য যথেষ্ট স্বচ্ছ এবং পুনরুৎপাদনযোগ্য।
• যেখানে অনিশ্চয়তা বিস্তৃত এবং সিদ্ধান্ত বড়, আরও গবেষণা কমিশন করা ওজন করতে একটি তথ্যের-মূল্য বিশ্লেষণ চালান।

Key sources

• Andrew Briggs, Mark Sculpher & Karl Claxton, Decision Modelling for Health Economic Evaluation (Oxford University Press) — the standard framework for decision-analytic modelling in health economics.
• Alastair Gray, Philip Clarke, Jane Wolstenholme & Sarah Wordsworth, Applied Methods of Cost-Effectiveness Analysis in Health Care (Oxford University Press) — applied model-building and cost-effectiveness methods.
• Henry Glick, Jalpa Doshi, Seema Sonnad & Daniel Polsky, Economic Evaluation in Clinical Trials (Oxford University Press) — trial-based evaluation and within-trial versus model-based choice.
• ISPOR–SMDM Modelling Good Research Practices Task Force reports — good-practice guidance on conceptualising models, decision trees, Markov models, microsimulation, discrete-event simulation, and model transparency and validation.
• NICE health technology evaluations manual (PMG36) — methods requirements for models submitted to a national HTA body — https://www.nice.org.uk/process/pmg36
• Economics Network, Health Economics for Teachers — modelling module — https://economicsnetwork.ac.uk/health/teachers

References

1. Decision analysis — Wikipedia — https://en.wikipedia.org/wiki/Decision_analysis
2. Decision tree — Wikipedia — https://en.wikipedia.org/wiki/Decision_tree
3. Markov chain — Wikipedia — https://en.wikipedia.org/wiki/Markov_chain
4. Microsimulation — Wikipedia — https://en.wikipedia.org/wiki/Microsimulation
5. Discrete-event simulation — Wikipedia — https://en.wikipedia.org/wiki/Discrete-event_simulation
6. Sensitivity analysis — Wikipedia — https://en.wikipedia.org/wiki/Sensitivity_analysis
7. Monte Carlo method — Wikipedia — https://en.wikipedia.org/wiki/Monte_Carlo_method
8. Value of information — Wikipedia — https://en.wikipedia.org/wiki/Value_of_information
9. Statistical model validation — Wikipedia — https://en.wikipedia.org/wiki/Statistical_model_validation
10. Health technology assessment — Wikipedia — https://en.wikipedia.org/wiki/Health_technology_assessment
11. Randomized controlled trial — Wikipedia — https://en.wikipedia.org/wiki/Randomized_controlled_trial
12. Andrew Briggs, Mark Sculpher & Karl Claxton, Decision Modelling for Health Economic Evaluation — Oxford University Press, 2006.
13. Alastair Gray, Philip Clarke, Jane Wolstenholme & Sarah Wordsworth, Applied Methods of Cost-Effectiveness Analysis in Health Care — Oxford University Press, 2011.
14. NICE health technology evaluations manual (PMG36) — National Institute for Health and Care Excellence — https://www.nice.org.uk/process/pmg36
15. Economics Network — Health Economics for Teachers — https://economicsnetwork.ac.uk/health/teachers