トピック 2.2 — モデリング — 健康経済学ガイド

なぜ健康経済学において重要か

医療における重要な財源決定のほぼすべては、不完全なエビデンスに基づいて下さなければならない。試験は患者を2年間追跡するが、その薬は20年間服用されるだろう。研究はある国の病院で実施されるが、決定は別の国の診療所のためのものである。新しい検査はプラセボと比較されるが、現実の選択はすでに使われている三つの治療法との間にある。モデルは、これらの隔たりを橋渡しする構造化された方法である——既知のものを取り、意思決定者が実際に必要とする量、すなわち選択肢Aを選択肢Bよりも選ぶことの生涯費用と健康上の帰結へと、注意深く推論することである。モデルがなければ、その代替は「モデル化されていない確実性」ではない。それは、誰かの頭の中にある暗黙の、文書化されていないモデルであり、いかなる仮定も可視化されず、いかなるものも検証できない。

指導者にとって、これは公的資金が大規模に投じられる場所である。国の支払者が医薬品を償還する、検診プログラムに資金を投じる、あるいはサービスを再編することを決定するとき、その決定を固定する数字——質調整生存年(QALY)あたりの増分費用——は、ほぼ常に試験からではなくモデルから生じる。その数字が表現する経済評価の概念(QALY、増分費用効果比、閾値、視点)はトピック2.1——経済評価に属し、ここでは前提とされる。このトピックは、その推定値を生み出す機構を扱う。機構が誤っていれば、閾値は虚構に適用されていることになる。

したがって、その利害は財務的であると同時に倫理的でもある。便益を過大に述べるモデルは、同じ予算のより良い使い道を押しのける何かに資金を投じる——機会費用は、他所の名もなき患者に落ちる。不透明なモデルは異議を唱えることができず、異議を唱えられない分析こそ、虜、希望的観測、そして販売者の楽観が潜む場所である。モデリングの規律——構造を宣言し、あらゆる仮定を検証し、知らないことを定量化すること——こそが、説得力のあるスライドを、公的機関が擁護できるエビデンスへと変える。

中核概念

決定分析は、このすべての根底にある正式な枠組みである。選択肢、それぞれに続く偶然の出来事、それらの出来事の確率、そして各結果の価値を並べ、それぞれの選択肢の期待値を計算する。健康経済モデルとは、費用と健康アウトカムを比較検討される価値として、健康上の選択に適用された決定分析である。この分野の基礎的な文献は、ブリッグス、スカルファー、クラクストンによる『健康経済評価のための決定モデリング』であり、このトピックはその枠組みに従う。

最も単純な構造は決定木である。決定ノードから偶然ノードを経て最終的な結果に至る分岐図であり、各枝は確率を、各終端は費用と健康上の見返りを運ぶ。決定木は明快で迅速であり、短い固定された時間軸で決着する決定——急性の出来事、診断の経路——に適している。その弱点は時間である。決定木は、再発する出来事、持続する病状、あるいは年々変化するリスクを表現する自然な方法を持たない。なぜなら、あらゆる可能性が、際限なく分岐する経路として描かれなければならないからである。

慢性疾患については、主力はマルコフ連鎖、すなわちマルコフ・コホートモデルである。それは疾患を、互いに排他的な健康状態の集合——例えば健常、合併症、死亡——として表し、仮想的なコホートを、遷移確率に従って固定された時間周期でそれらの間を移動させる。多くの周期にわたって費用と生活の質を累積させると、生涯の合計が得られる。その定義的な単純化はマルコフ性の仮定である。遷移は現在の状態にのみ依存し、履歴には依存しない。したがって標準的なモデルは、患者がどれだけ長く病気であったかを「記憶」することができない。分析者はトンネル状態や時間依存の遷移でこれを回避するが、この仮定は査読者が最初に検証すべき事柄である。

患者の履歴、個人の特性、あるいは相互作用が失うにはあまりに重要である場合、モデル作成者は個人レベルのシミュレーションに頼る。マイクロシミュレーションは、患者を一人ずつモデルに通す。それぞれが属性(年齢、リスク要因、イベント履歴)を持ち、それが軌道を形づくるため、異質性と記憶が保存される。患者がまた、共有され制約された資源——病床、手術室、職員、移植待機リスト——を奪い合う場合、離散事象シミュレーションは待ち行列とタイミングを加え、単独の患者ではなく制度そのものをモデル化する。これらの方法は、データへの渇望、実行時間、そして結果を説明することの困難さと引き換えに、現実味を買う。

いかなるモデルの出力も単一の確実な数字ではなく、そうでないふりをすることはこの分野の重大な罪である。感度分析は、入力が変化したときに結論がどう動くかを問う。決定論的感度分析は、一つまたは少数のパラメータをもっともらしい範囲で変化させる(しばしばトルネード図として示される)。確率的感度分析は、不確実な各パラメータに確率分布を割り当て、モンテカルロサンプリングを用いてモデルを何千回も実行し、結果の分布を生成する——ある選択肢が与えられた閾値で費用対効果が高い確率として要約される。これの後に残る不確実性は評価しうる。情報の価値分析は、決定する前により多くの研究を委託することにどれほどの価値があるかを推定し、「わからない」を研究予算が行動できる数字に変える。

モデルは、その検証と同じだけしか信頼できない。表面妥当性は、構造と結果が臨床的に理にかなっているかを問う。内的妥当性(検証)は、モデルがコーディングの誤りなく、その方程式が意図する通りに動作しているかを確認する。相互妥当性は、同じ問題の他のモデルと結果を比較する。そして外的妥当性は、モデルが入力として用いなかった実際のアウトカムに照らして予測を検証する。最後に、モデリングの道具立ては、イングランドのNICE、ドイツのIQWiG、カナダのCDA-AMC、オーストラリアのPBAC、アメリカ合衆国のICERといった機関が世界中で財源決定のためにエビデンスを比較検討するプロセスである、医療技術評価(HTA)というより広い機構の内側に位置する。

ベストプラクティス

何かを構築する前に、試験に基づくかモデルに基づくかを決定せよ。 無作為化比較試験に伴う試験内分析は、試験の時間軸、比較対象、集団が決定に一致する場合に正しい道具である。モデルが必要とされるのは——通常そうであるように——決定が試験の範囲を超えている場合である。生涯にわたる帰結、直接比較されたことのない比較対象、あるいは登録された集団とは異なる対象集団である。ほとんどの現実の決定は両方を必要とする。試験が短期的な効果を固定し、モデルがそれを外挿する。あなたがどちらを行っているか、そしてなぜかを最初のページで述べよ。
決定の問題にモデルの種類を選ばせよ。決してその逆であってはならない。 短く急性で再発しない決定には決定木が適している。再発する出来事を伴う慢性疾患にはマルコフモデルが適している。強い患者の異質性やイベントの記憶はマイクロシミュレーションへと導く。制約された共有資源と待ち行列は離散事象シミュレーションへと導く。慣れているという理由、あるいは販売者がすでにそれを所有しているという理由で構造を選ぶことは、モデルがそれが答えるべき問いに合わなくなる原因である。
すべての関連する違いを捉えるのに十分長く時間軸を固定せよ。 時間軸は、選択肢の間で費用や健康にそれ以上意味のある違いが生じなくなるまで続かなければならない——生涯にわたる病状については、それは生涯を意味する。早期に打ち切ることは、費用が前もって生じ便益が遅れて到来する介入(予防、治癒)を実際以上に良く見せ、モデルが静かに自らの答えを偏らせる最も一般的な方法の一つである。時間軸を疾患の自然経過に照らして明示的に正当化せよ。
モデルの構造が疾患を反映するように選び、それが強いる仮定を名指せ。 健康状態は臨床的に意味があり、互いに排他的で、集合的に網羅的でなければならない。周期の長さは、最も速く重要な出来事を捉えるのに十分短くなければならない。あらゆる構造は単純化を課す——マルコフの無記憶性の仮定が古典的な例である——したがって、それらを査読者が見られる場所に列挙し、重要なものが検証または緩和されたことを示せ。
すべてのパラメータの出典を意図的に示し、そのエビデンスを格付けせよ。 遷移確率、費用、生活の質の重みは、それぞれが明示された出典に遡れるべきであり、結果を駆動するパラメータには最も強いエビデンスが用いられるべきである。システマティックレビュー、単一の研究、レジストリ、あるいは専門家の判断のどれがその仕事をしているかを明示し、局所的な観察データからのベースラインリスクと組み合わせた無作為化エビデンスからの相対効果を優先せよ——出典を混ぜることは正当であるが、その混合を隠すことは正当ではない。
決定が実際に直面する比較対象を、現実世界の用量と価格でモデル化せよ。 臨床医が実際には三つの現在の選択肢の間で選んでいるなら、プラセボあるいは時代遅れの標準と比較した費用対効果の高い結果はほとんど無意味である。すべての関連する比較対象を含め、実践で得られるであろう価格と服薬遵守のパターンを用い、正面からの比較が直接の試験エビデンスではなく間接的あるいはネットワーク比較に基づいている場合は正直であれ。
明示され検証された生存の仮定をもって、試験を超えて外挿せよ。 モデルが観察されたデータを超えて効果を投影する場合——ほぼ常にそうである——外挿の選択(どの生存曲線か、治療効果が持続するか、弱まるか、止まるか)が答えを支配しうる。代替のパラメトリック曲線を当てはめ、それらを観察されたデータと外部のエビデンスに照らして示し、最も楽観的な当てはめを点推定として忍び込ませるのではなく、範囲を提示せよ。
不確実性を、一度に一つのパラメータだけでなく、確率的に特徴づけよ。 決定論的な一方向分析とトルネード図は、どの入力が重要かを示すが、モンテカルロシミュレーションを通じてすべての不確実性をともに伝播させる確率的感度分析だけが、決定が正しい確率を生み出す。点推定とともに費用効果受容曲線を報告せよ。費用対効果である確率が55%の好ましい比率は、95%の場合の同じ比率とは異なる決定である。
不確実性の種類を分離し、それぞれをそれ自身の条件で扱え。 パラメータの不確実性(真の値がわからない)は確率的分析によって扱われる。構造的不確実性(モデルが正しく構築されているか確信がない)は代替構造にわたるシナリオ分析を必要とする。異質性(答えがサブグループによって真に異なる)は、誰にも合わない平均ではなく、サブグループごとの結果を必要とする。これらを混同すること——例えば、構造的な疑いを広いパラメータ分布の中に隠すこと——は、実際に何が未知であるかを誤って伝える。
あらゆるレベルで検証し、その検証を書き留めよ。 モデルを構築していない臨床医とともに表面妥当性を確認せよ。独立した検証と極値の確認でコードを検証せよ。同じ疾患の公表されたモデルと相互検証し、乖離を説明せよ。そして、いかなる外部のアウトカムデータが存在する場合も、モデルの予測をそれに照らして検証せよ。検証の記録なしに財源決定のために提示されたモデルは、どれほど洗練されて見えても信頼されるべきではない。
敵対者が再構築できるほど、モデルを透明で再現可能にせよ。 構造、出典を伴うすべての入力、そしてすべての仮定を文書化し、懐疑的な査読者が原理的にその結果を再構築できるようにせよ。透明性は礼儀ではない。それは公的資金が動く前に楽観的な誤りが捕捉される機構であり、だからこそHTA機関は、要約された比率ではなく、実行可能なモデルと完全なパラメータ表をますます要求している。
コミットする前に、さらなる研究を買う価値があるかどうかを定量化せよ。 不確実性が広く、金額が大きい場合、情報の価値分析は、その不確実性を解決することの期待値を推定する——時に単純な是非ではなく「研究とともに承認」あるいは「研究の中でのみ」という決定を正当化する。それは行き詰まり(「エビデンスが未成熟である」)を経済的な問い(「危険にさらされている決定を踏まえると、試験はその費用に見合う価値があるか」)へと組み替える。

チームと議論すべき問い

この決定は本当にモデルを必要としているか、もしそうなら、そのモデルは試験ができないことの何を行っているのか。 多くの組織における本能は、反射的にモデルに手を伸ばすか、あるいはモデルを「作り上げられた数字」として全面的に不信することである——両方とも誤りである。生産的な問いは、モデルが橋渡ししている具体的な隔たりは何かということである。2年間の試験を生涯にまで外挿すること、正面から比較されたことのない治療と比較すること、あるいはある医療制度からあなたの制度へエビデンスを輸送することである。その隔たりを名指すことはモデルを規律づける。なぜなら、それは構造のどの部分が決定を担っており、したがって最も精査と最も強いデータに値するかを教えてくれるからである。それはまた、モデルが正当化されない場合も教えてくれる。良い試験内分析がすでに決定に一致している場所では、精巧なモデルは真実を加えることなく仮定を加えるだけである。誠実な答えは、モデルが外挿している最も重要な単一の事柄と、結果のどれだけがその外挿に乗っているかを述べる。
どの一つか二つの仮定が誤っていれば私たちの結論を覆すか——そしてまさにそれらについて私たちはどれほど確信しているか。 あらゆるモデルには、重荷を支える少数の仮定と、ほとんど重要でない入力の長い裾野がある。危険なのは、荷重を支える継ぎ目ではなく、均等に精査を費やすことである。トルネード図や一方向感度分析は機械的に駆動要因を特定するが、チームの会話は、まさにそれらの駆動要因についてのエビデンスの質についてのものである。決定的な遷移確率は強力なメタ分析からのものか、それとも一つの小さな研究からか。生存の外挿は外部データに固定されているか、それとも希望的な曲線の当てはめか。居心地の悪いパターンは、エビデンスが薄いパラメータに基づく自信に満ちた見出しの比率である。誠実な答えは、モデルが一般に堅牢であると主張しない。それは決定がかかっている具体的な仮定を名指し、それぞれの背後にあるエビデンスを格付けし、それが行動するのに十分であるか、あるいはより多くを集める理由であるかを決定する。
誰がこのモデルを構築したのか、それは誰の主張を助けるのか、そして独立した再構築は同じ答えに到達するか。 支払者の前に置かれる多くのモデルは、その結果に直接的な利害を持つ当事者——償還を求める製造業者、投資を求めるサービス——によって、あるいはその資金によって構築される。それはそれらを誤ったものにするわけではないが、独立した精査を交渉の余地のないものにし、具体的な問いを提起する。比較対象は好都合になるように選ばれたか、最も楽観的な外挿が選ばれたか、モデルはそもそも検証されるのに十分透明か。緊張関係は、データとモデリング能力を持つ人々がしばしば利害関係者であるという点にある。したがって答えは、彼らのモデルを完全に拒否することではなく、透明性を要求し、彼らのモデルで自らの感度分析を実行し、独立した研究と相互検証することであることがほとんどである。誠実な答えは出所と利益相反について率直であり、開いて再実行できないモデルを、見逃されるべき専有の詳細ではなく危険信号として扱う。
疾患が私たちのモデル構造を選んだのか、それとも便宜がそれを私たちのために選んだのか。 構造——決定木、マルコフ・コホート、マイクロシミュレーション、離散事象シミュレーション——は、臨床的な問題から導かれるべきである。その病状がどう展開するか、出来事が再発するか、患者の履歴や共有され制約された資源が重要かである。失敗のパターンは、慣れているから、販売者がすでに一つ所有しているから、あるいは構築が速いからという理由で採用され、それが適合しない疾患に無理に合わせられる構造である。チームの会話は具体的である。その病状は、決定木が捉えられない形で再発あるいは持続するか。マルコフの無記憶性の仮定は、真に履歴に依存するリスクを平坦化しているか。患者は、コホートモデルが無視する形で病床や手術室を奪い合っているか。それぞれの構造は、特定の単純化と引き換えに明快さを買う。したがって生産的な問いは「これが最良のモデルか」ではなく「この構造は私たちにどの単純化を強いたのか、そしてそのいずれかが、決定がかかっている疾患の部分に触れているか」である。誠実な答えは、その選択が課す構造的な仮定を名指し、すでに構築されているという理由でその構造を擁護するのではなく、重要なものが検証されたことを示す。
私たちがここで実際に直面しているのはどの種類の不確実性か、そして私たちはそれぞれをそれ自身の条件で扱っているか。 「わからない」を単一の広い誤差範囲に潰してしまうのは簡単であるが、この分野はかなり異なる三つのものを区別する。パラメータの不確実性(入力の真の値がわからない)、構造的不確実性(モデルが正しい方法で構築されているか確信がない)、そして異質性(答えがサブグループ間で真に異なる)である。それぞれが異なる対応を要求する——パラメータには確率的分析、二つ目には代替構造にわたるシナリオ分析、三つ目には平均ではなくサブグループごとの結果——そしてこれらを混同することは、何が未知であるかを誤って伝える。古典的な手品は、構造的な疑いを太いパラメータ分布の中に隠すことであり、そのため見出しは依然として単一の安心できる費用対効果の確率を報告する。チームは、この決定における疑いを実際に駆動しているのは三つのうちどれか、そして目の前の分析がその種類に対処しているのか、それとも単に最も都合の良い種類に対処しているのかを問うべきである。誠実な答えはこの三つを明示的に分離し、疑いが構造的である場所——定量化するのが最も難しく、埋めるのが最も容易な種類——を認める。
私たちがまだ知らないことを踏まえると、今決定すべきか、それともまず学ぶためにもっと支払うべきか。 不確実性が広く、コミットされる金額が大きい場合、「はい」と「いいえ」だけが選択肢ではない。「研究とともに承認」あるいは「研究の中でのみ」という決定は、エビデンスが成熟する間、扉を開いたままにする。情報の価値分析は、行き詰まり——「エビデンスが未成熟である」——を経済的な問いに変える。決定する前に不確実性を解決することにどれほどの価値があるか、そしてそれは、それを解決するであろう研究のもっともらしい費用を上回るか。緊張関係は現実のものである。なぜなら、遅延には、待つ患者が失う健康という、それ自体の費用があり、製造業者やサービスは、データを生成することにコミットするよりも早期の是という結果を確保することに、あらゆるインセンティブを持っているからである。チームは、残存する不確実性がどこに集中しているか、実行可能な研究が実際に有用な時間枠内でそれを狭めうるか、そして条件付きの取り決めが利害関係者に何を要求するかを比較検討すべきである。誠実な答えは、「今決定するか、もっとエビデンスを買うか」を、度胸の問題ではなく定量化可能な選択として扱い、学ぶことの価値がそれを正当化する場合には条件付きの是を勧告する意思がある。

実践例:健康経済学の一例

架空の社会保険国であるソレンヌの国民健康保険基金は、慢性心不全のための新しい経口療法を償還すべきかどうかを決定しようとしている。製造業者の申請書は、基金が定めた閾値を十分に下回る好ましい増分費用効果比を報告している。決定的なエビデンスは単一の無作為化比較試験である。18か月の追跡調査であり、その薬が心不全による入院を減らし、標準ケアに対して生存をわずかに改善することを示している。基金の評価委員会は、数字だけでなく、その背後にあるモデルを評価するよう経済学チームに求める。

チームはまず、モデルが避けられないことを確認する。心不全は生涯にわたるものであり、試験は18か月間実施され、決定は患者の残りの生涯にわたる費用と便益に関わる。試験内分析は誤った問いに答えることになる。製造業者は正しく、安定した疾患、入院、死亡の状態を持つマルコフ・コホートモデルを構築しており、頻繁な入院を捉えるために毎月周期を回している。ここまでは構造は疾患に適合している。チームの精査は、結果を支える継ぎ目へと向かう。

二つの仮定が支配的である。第一は生存の外挿である。18か月を超えて、モデルは、最も楽観的な長期の当てはめを持つパラメトリック曲線を用いて、生涯にわたって衰えることのない死亡率の便益を投影している。チームが代替の曲線を再フィットさせ、治療効果が5年後に弱まるというシナリオを検証すると——類似の薬についての外部のレジストリのエビデンスと整合的である——生涯のQALY利益は縮小し、比率は閾値を上回る。第二は比較対象である。モデルはより古い標準ケアと比較しているが、ソレンヌの指針は現在、試験に含まれていない新しい併用療法を推奨しており、それには広い不確実性を伴う間接比較を通じてのみ到達できる。チームはまた、マルコフの無記憶性の仮定が、最近入院した患者のより高い再入院リスクを平坦化していることに気づき、短いトンネル状態でそれに対処する。

チームは、すべてのパラメータの不確実性をモンテカルロシミュレーションを通じて伝播させながら、モデルを確率的に再実行する。費用効果受容曲線は、基金の閾値においておよそ50%の費用対効果の確率を示す——点推定が示唆していた自信に満ちた事例ではなく、コイン投げである。決定が大きく、不確実性が生存の外挿に集中しているため、彼らは情報の価値分析を実行する。その不確実性を解決することの期待値は、より長い追跡調査研究のもっともらしい費用を上回る。委員会の勧告は、単純な是でも単純な否でもない。それは、比率を改善する非公開の割引を伴う管理された参入の取り決めの下で、製造業者が3年以内に延長された生存データを提供することを条件として、その療法を償還する——直感ではなくモデリングが擁護可能にした、「研究とともに承認」の決定である。その取り決めの価格設定の仕組みはトピック2.4——医薬品経済学に属する。

4つのセクターレンズ

スタートアップ

デジタルヘルスあるいは医療機器のスタートアップは、通常、資金を調達するため、あるいは直面したことのないHTAプロセスに入るために、しばしば乏しいエビデンス——小さな単群研究、代替エンドポイント、強い創業者の確信——をもって最初のモデルを構築する。誘惑は、遅い費用を隠す短い時間軸と、事実として提示される楽観的な外挿を伴う、閾値をクリアするよう設計されたモデルである。より賢明な道は、どのエビデンスの隔たりが価値の主張を最も脅かしているかを明らかにする、早期の意図的に保守的なモデルであり、それによって乏しい試験資金が、まさにその隔たりを埋めることに費やされる。広い不確実性を正直に示す透明なモデルは、いかなる査読者も開くことのできない洗練されたモデルよりも、資金調達しやすく支払者にとって信頼できる。

中小企業

専門クリニック、診断企業、あるいは定着した製品を持つ医療機器販売業者といった、小規模だが確立された提供者、診療所、供給業者は、通常、資金を調達するためではなく、実在する購買あるいは償還の問いに答えるためにモデリングに出会う。支払者はこれに資金を投じるか、あるサービスラインは続ける価値があるか、設備の更新は元が取れるか。スタートアップとは異なり、実際の運営データ——実際の費用、スループット、地域のアウトカム——を持っているが、社内に医療経済学者を抱えていることはめったにない。したがって実務的なリスクは、評価対象の製品を持つ販売者にモデルを外注すること、あるいは自らの仮定を決して検証しないスプレッドシートを構築することのいずれかである。賢明な道は、地域で調達できる入力については自らの現実世界のデータに頼り、残りについては公表された推定値を正直に格付けして借用する、控えめで透明なモデルであり、答えを動かす二つか三つのパラメータについての単純な感度分析を伴う。その信頼性は、洗練さよりも、数字がどこから来たかについて率直であること、そして価格や支払者の閾値が変化したときに事例を再実行できることに依存する。

大企業

大規模な製造業者、病院グループ、あるいは保険者は、モデリングを産業的な能力として運営する。再利用可能なモデルプラットフォーム、標準的なパラメータのライブラリ、そして多くの管轄区域向けに同時に申請書を準備する専任の健康経済学・アウトカム研究チームである。その強みは厳密さ、再現性、そして一つのグローバルモデルを各国の方法論指針に適応させる能力である。そのリスクは、規模と自己利益が組み合わさって、スポンサーを静かに優遇する構造的な選択を伴う、説得するために最適化された洗練されたモデルを生み出すことである。企業の信頼性は、モデル作成者を商業的圧力から分離するガバナンス、完全に実行可能で透明なモデルを提出すること、そして独立した再現を拒むのではなく招くことに依存する。

政府

国の支払者、HTA機関、あるいは省庁は、モデルの構築者であるよりも、その消費者であり審判であることが多く、その規律は規模における批判的レビューである。時間軸、視点、割引、不確実性の報告を制約する公表された方法論指針、そしてスポンサーのモデルの見出しをそのまま受け入れるのではなく、それを再実行し異議を唱える能力である。NICE、IQWiG、PBAC、CDA-AMC、ICERといった機関は、まさにこの規律を課すために存在し、ますます産業界の申請を相互検証するための独立したモデルを構築あるいは委託している。政府はまた、モデリングが可能にするが単独では下せない決定——承認、却下、あるいは研究とともに承認——、そしてあらゆる是が、委員会を決して目にすることのない患者に課す機会費用についての説明責任を担う。

よくある失敗パターン

試験がすでに問いに答えているときにモデルを構築すること。 良い試験内エビデンスが決定に一致する場所に仮定を加え、利益なしに偏りを持ち込むこと。対策: 試験に基づくかモデルに基づくかを意図的に選び、試験がカバーできない隔たりだけをモデル化する。
時間軸を切り詰めること。 遅れて生じる便益や費用が発生する前にモデルを終わらせ、予防のような前払い費用の介入を実際以上に良く見せること。対策: 意味のある違いが残らなくなるまで時間軸を実行する——生涯にわたる病状には生涯を——そしてそれを自然経過に照らして正当化する。
点推定として忍び込まされる楽観的な外挿。 結果を最も好都合に見せる生存曲線あるいは効果持続の仮定を選び、それをベースケースとして提示すること。対策: 代替案を当てはめ、効果の減衰を検証し、範囲を外部データに照らして示す。
不確実性のない点推定を報告すること。 偽りの精密さを暗示する単一の比率。対策: 常に確率的感度分析を実行し、点推定とともに受容曲線を報告する。
不確実性の種類を混同すること。 構造的な疑いを広いパラメータ分布の中に隠すこと、あるいは真の異質性を平均化すること。対策: パラメータの不確実性は確率的に、構造的不確実性はシナリオによって、異質性はサブグループによって扱う。
弱い、あるいは存在しない比較対象。 臨床医が現在の選択肢の中から選んでいるにもかかわらず、プラセボあるいは時代遅れの標準に対する費用対効果を示すこと。対策: すべての関連する比較対象を実際の価格と服薬遵守で含め、間接比較について正直である。
ブラックボックスのモデル。 開くことも、再実行することも、再現することもできない結果。特に利害関係者からのもの。対策: いかなる決定の前にも、実行可能なモデル、完全なパラメータ表、書面による検証の記録を要求する。
検証を省略すること。 表面的、内的、相互、あるいは外部の確認なしに、洗練されて見えるモデルを信頼すること。対策: あらゆるレベルで検証し、それを文書化する。検証されていないモデルは証明されていないものとして扱う。

成熟度モデル

次元	初期	発展	標準化	管理	統合
モデルの選択	構造が習慣で選ばれる、あるいは以前のプロジェクトから再利用される	種類が問題にゆるく合わせられる	構造が決定と疾患に照らして正当化され、仮定が列挙される	構造がストレステストされる。代替構造がシナリオとして比較され見直される	構造の選択が社内の方法論によって統治される。概念モデルが構築前に関係者と合意される
不確実性分析	単一の点推定。感度分析なし	一方向の決定論的分析のみ	受容曲線を伴う確率的感度分析が報告される	パラメータ、構造、異質性の不確実性が分離されそれぞれ対処される	情報の価値が定量化され、研究と償還の決定に反映される
エビデンスと外挿	入力の出典が示されない。最も楽観的な外挿が用いられる	主要な入力の出典が示される。外挿は選ばれるが検証されない	すべてのパラメータが出典まで格付けされる。代替の外挿が示される	外挿が外部データに固定される。駆動要因が積極的に監視され見直される	入力がライブデータと統合から継続的に更新される。エビデンスが蓄積するにつれて外挿が再フィットされる
検証	なし、あるいは非公式な「正しく見える」	その場限りの表面妥当性の確認	表面、内的、相互検証が文書化される	実際のアウトカムに対する外部検証。予測が時間とともに追跡される	検証が常設の実務として組み込まれる。モデルが観察されたアウトカムに照らしてポートフォリオ全体で再較正される
透明性とガバナンス	ブラックボックスのスプレッドシート、単一の著者	モデルが要求に応じて社内で共有される	実行可能なモデル、完全なパラメータ表、独立したレビュー	完全に再現可能で、敵対的にレビューされ、利益相反が宣言され管理される	透明性と利益相反の管理が制度化される。再利用可能で監査可能なプラットフォームがチームとパートナー間で共有される

チェックリスト

評価が試験に基づくか、モデルに基づくか、あるいはその両方か、そしてなぜかを明示的に述べる。
モデルの種類(決定木、マルコフ、マイクロシミュレーション、離散事象)を決定の問題と疾患に照らして正当化する。
費用や健康にそれ以上意味のある違いが生じなくなるまで十分に長く時間軸を設定し、それを正当化する。
関連する場合はマルコフの無記憶性の仮定を含め、すべての構造的な仮定を列挙し、重要なものを検証する。
すべてのパラメータを明示された出典まで遡らせ、結果の駆動要因の背後にあるエビデンスを格付けする。
現実的な価格と服薬遵守で、すべての関連する現実世界の比較対象を含める。
ベースケースだけでなく、代替の外挿の仮定とその結論への影響を示す。
確率的感度分析を実行し、点推定とともに費用効果受容曲線を報告する。
パラメータ、構造、異質性の不確実性を分離し、それぞれを適切に対処する。
モデルを検証し(表面、内的、相互、可能な場合は外部)、検証の記録を書き留める。
独立した査読者が再構築できるほど、モデルが透明で再現可能であることを確認する。
不確実性が広く決定が大きい場合、さらなる研究の委託を比較検討するために情報の価値分析を実行する。

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

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