Mô hình hóa

Vì sao điều này quan trọng trong kinh tế học sức khỏe

Hầu như mọi quyết định tài trợ quan trọng trong y tế đều phải được đưa ra trên bằng chứng chưa đầy đủ. Một thử nghiệm theo dõi bệnh nhân hai năm; thuốc sẽ được dùng hai mươi năm. Một nghiên cứu chạy ở các bệnh viện của một nước; quyết định là cho các phòng khám của nước khác. Một xét nghiệm mới được so sánh với giả dược; lựa chọn thật là so với ba phương pháp điều trị đang dùng. Một mô hình là cách có cấu trúc để bắc cầu những khoảng trống đó — lấy những gì đã biết và suy luận cẩn thận đến đại lượng mà người ra quyết định thực sự cần: hệ quả chi phí và sức khỏe trọn đời của việc chọn phương án A thay vì phương án B. Không có mô hình, phương án thay thế không phải là "sự chắc chắn chưa mô hình hóa"; đó là một mô hình ngầm, không được ghi chép trong đầu ai đó, mà không giả định nào hiện ra và không giả định nào kiểm nghiệm được.

Với một giám đốc, đây là nơi tiền công được cam kết ở quy mô lớn. Khi một bên chi trả quốc gia quyết định chi trả một loại thuốc, tài trợ một chương trình tầm soát hay tái cấu hình một dịch vụ, con số neo quyết định — chi phí gia tăng trên mỗi năm sống điều chỉnh theo chất lượng (QALY) — hầu như luôn đến từ một mô hình, không phải một thử nghiệm. Các khái niệm đánh giá kinh tế mà con số đó biểu thị (QALY, tỷ số hiệu quả về chi phí gia tăng, ngưỡng, góc nhìn) thuộc Chủ đề 2.1 — Đánh giá kinh tế và được giả định ở đây; chủ đề này phụ trách bộ máy tạo ra ước lượng. Nếu bộ máy sai, ngưỡng đang được áp dụng cho một hư cấu.

Vì vậy rủi ro vừa mang tính tài chính vừa mang tính đạo đức. Một mô hình phóng đại lợi ích sẽ tài trợ cho một thứ đẩy ra các cách dùng tốt hơn của cùng ngân sách — chi phí cơ hội rơi vào những bệnh nhân vô danh ở nơi khác. Một mô hình mờ đục không thể bị chất vấn, và phân tích không thể chất vấn là nơi bị nắm bắt, ước mơ và sự lạc quan của nhà cung cấp ẩn nấp. Kỷ luật mô hình hóa — khai báo cấu trúc, kiểm nghiệm mọi giả định và định lượng điều bạn chưa biết — là thứ biến một slide thuyết phục thành bằng chứng mà một cơ quan công có thể bảo vệ.

Các khái niệm cốt lõi

Phân tích quyết định là khung chính thức nằm bên dưới tất cả: bày ra các phương án, các sự kiện ngẫu nhiên theo sau mỗi phương án, xác suất của những sự kiện đó, và giá trị của mỗi kết quả, rồi tính giá trị kỳ vọng của từng phương án. Một mô hình kinh tế y tế là phân tích quyết định áp dụng vào một lựa chọn y tế, với chi phí và kết quả sức khỏe là các giá trị đang được cân nhắc. Văn bản nền tảng của lĩnh vực là Decision Modeling for Health Economic Evaluation của Briggs, Sculpher và Claxton, mà khung của chủ đề này theo đó.

Cấu trúc đơn giản nhất là cây quyết định: một sơ đồ phân nhánh từ nút quyết định qua các nút ngẫu nhiên đến các kết quả cuối, mỗi nhánh mang một xác suất và mỗi điểm cuối mang một chi phí và một lợi ích sức khỏe. Cây rõ ràng và nhanh, và hợp với các quyết định giải quyết trong chân trời ngắn, cố định — một sự kiện cấp tính, một lộ trình chẩn đoán. Điểm yếu của chúng là thời gian: cây không có cách tự nhiên để biểu diễn các sự kiện lặp lại, các bệnh kéo dài, hay các rủi ro thay đổi năm này qua năm khác, vì mọi khả năng phải được vẽ như một đường phân nhánh không ngừng.

Với bệnh mạn tính, con ngựa thồ là chuỗi Markov, hay mô hình thuần tập Markov. Nó biểu diễn một bệnh như một tập trạng thái sức khỏe loại trừ lẫn nhau — ví dụ khỏe, biến chứng, tử vong — và dịch chuyển một thuần tập giả định giữa chúng theo các chu kỳ thời gian cố định theo các xác suất chuyển trạng thái. Cộng dồn chi phí và chất lượng cuộc sống qua nhiều chu kỳ cho tổng trọn đời. Sự đơn giản hóa xác định của nó là giả định Markov: các chuyển trạng thái chỉ phụ thuộc vào trạng thái hiện tại, không phụ thuộc lịch sử, nên một mô hình chuẩn không thể "nhớ" bệnh nhân đã ốm bao lâu. Các nhà phân tích lách điều này bằng trạng thái đường hầm hoặc chuyển trạng thái phụ thuộc thời gian, nhưng giả định này là điều đầu tiên người thẩm định nên chất vấn.

Khi lịch sử bệnh nhân, đặc điểm cá nhân hay tương tác quan trọng đến mức không thể bỏ, các nhà mô hình chuyển sang mô phỏng cấp cá nhân. Mô phỏng vi mô đưa từng bệnh nhân qua mô hình một lần, mỗi người mang các thuộc tính (tuổi, yếu tố nguy cơ, lịch sử sự kiện) định hình quỹ đạo của họ, nên tính không đồng nhất và trí nhớ được bảo toàn. Nơi bệnh nhân còn cạnh tranh các nguồn lực chung, bị ràng buộc — giường, phòng mổ, nhân viên, danh sách chờ ghép tạng — mô phỏng sự kiện rời rạc thêm hàng đợi và thời điểm, mô hình hóa hệ thống thay vì một bệnh nhân đơn lẻ. Những phương pháp này mua tính thực tế bằng giá của sự đói dữ liệu, thời gian chạy, và nhiệm vụ khó hơn là giải thích kết quả.

Không đầu ra mô hình nào là một con số chắc chắn đơn lẻ, và giả vờ khác đi là tội đại kỵ của lĩnh vực. Phân tích độ nhạy hỏi kết luận dịch chuyển thế nào khi đầu vào thay đổi. Phân tích độ nhạy tất định thay đổi một hay vài tham số trong các dải hợp lý (thường được thể hiện bằng biểu đồ lốc xoáy). Phân tích độ nhạy xác suất gán cho mỗi tham số bất định một phân phối xác suất và, dùng lấy mẫu Monte Carlo, chạy mô hình hàng nghìn lần để tạo ra một phân phối kết quả — được tóm tắt thành xác suất một phương án hiệu quả về chi phí tại một ngưỡng nhất định. Bất định còn lại sau đó có thể được định giá: phân tích giá trị của thông tin ước lượng việc đặt hàng thêm nghiên cứu trước khi quyết định đáng giá bao nhiêu, biến "chúng ta không chắc" thành một con số mà ngân sách nghiên cứu có thể hành động theo.

Một mô hình chỉ đáng tin bằng thẩm định của nó. Tính hợp lệ bề mặt hỏi cấu trúc và kết quả có hợp lý về mặt lâm sàng không; tính hợp lệ nội tại (kiểm chứng) kiểm tra mô hình làm đúng điều các phương trình của nó định, không có lỗi mã; tính hợp lệ chéo so sánh kết quả với các mô hình khác của cùng một vấn đề; và tính hợp lệ ngoại tại kiểm tra các dự đoán so với kết quả thực mà mô hình không dùng làm đầu vào. Cuối cùng, bộ công cụ mô hình hóa nằm trong bộ máy rộng hơn của đánh giá công nghệ y tế (HTA) — quy trình mà các cơ quan như NICE của Anh, IQWiG của Đức, CDA-AMC của Canada, PBAC của Úc và ICER của Hoa Kỳ cân nhắc bằng chứng cho các quyết định tài trợ trên toàn thế giới.

Các thực hành tốt nhất

1. Quyết định dựa trên thử nghiệm hay dựa trên mô hình trước khi xây bất cứ thứ gì. Một phân tích trong thử nghiệm đi kèm một thử nghiệm ngẫu nhiên có đối chứng là công cụ đúng khi chân trời, đối chứng và dân cư của thử nghiệm khớp với quyết định. Cần một mô hình khi — như thường lệ — quyết định vượt ra ngoài thử nghiệm: hệ quả trọn đời, các đối chứng chưa bao giờ được thử nghiệm đối đầu, hoặc dân cư mục tiêu khác với những người được tuyển. Hầu hết các quyết định thực cần cả hai: thử nghiệm neo hiệu quả ngắn hạn, mô hình ngoại suy nó. Hãy nêu bạn đang làm cái nào và vì sao ngay trang đầu.

2. Để bài toán quyết định chọn loại mô hình, không bao giờ ngược lại. Một quyết định ngắn, cấp tính, không lặp lại hợp với cây quyết định; một bệnh mạn tính có sự kiện lặp lại hợp với mô hình Markov; tính không đồng nhất mạnh của bệnh nhân hoặc trí nhớ sự kiện đẩy sang mô phỏng vi mô; nguồn lực chung bị ràng buộc và xếp hàng đẩy sang mô phỏng sự kiện rời rạc. Chọn một cấu trúc vì nó quen thuộc, hoặc vì một nhà cung cấp đã sở hữu một cái, là cách các mô hình đến chỗ không khớp với câu hỏi chúng định trả lời.

3. Cố định chân trời thời gian đủ dài để nắm mọi khác biệt liên quan. Chân trời phải chạy cho đến khi không còn khác biệt đáng kể nào về chi phí hay sức khỏe tích lũy giữa các phương án — với bệnh suốt đời, nghĩa là trọn đời. Cắt ngắn sớm làm đẹp các can thiệp có chi phí đến trước và lợi ích đến muộn (dự phòng, chữa khỏi), và đó là một trong những cách phổ biến nhất khiến một mô hình lặng lẽ thiên lệch đáp án của chính nó. Hãy biện minh chân trời một cách tường minh so với diễn tiến tự nhiên của bệnh.

4. Chọn cấu trúc mô hình phản ánh bệnh, và gọi tên các giả định mà nó ép buộc. Các trạng thái sức khỏe phải có ý nghĩa lâm sàng, loại trừ lẫn nhau và bao quát đầy đủ; độ dài chu kỳ phải đủ ngắn để nắm sự kiện quan trọng nhanh nhất. Mọi cấu trúc áp đặt những đơn giản hóa — giả định Markov không nhớ là ví dụ kinh điển — nên hãy liệt kê chúng ở nơi người thẩm định thấy được và cho thấy những cái quan trọng đã được kiểm nghiệm hay nới lỏng.

5. Tìm nguồn cho mọi tham số một cách có chủ ý và xếp hạng bằng chứng của nó. Các xác suất chuyển trạng thái, chi phí và trọng số chất lượng cuộc sống mỗi thứ nên truy về một nguồn đã nêu, với bằng chứng mạnh nhất dùng cho các tham số dẫn dắt kết quả. Hãy tường minh nơi một tổng quan hệ thống, một nghiên cứu đơn lẻ, một sổ đăng ký hay phán đoán chuyên gia đang làm việc, và ưu tiên các hiệu quả tương đối từ bằng chứng ngẫu nhiên kết hợp với rủi ro nền từ dữ liệu quan sát địa phương — trộn nguồn là chính đáng, giấu việc trộn thì không.

6. Mô hình hóa các đối chứng mà quyết định thực sự đối mặt, ở liều và giá thực tế. Một kết quả hiệu quả về chi phí so với giả dược hay một chuẩn lỗi thời gần như vô nghĩa nếu các thầy thuốc thực sự chọn giữa ba phương án hiện hành. Hãy đưa vào mọi đối chứng liên quan, dùng giá và mô thức tuân thủ sẽ có trong thực hành, và trung thực khi một so sánh đối đầu dựa trên so sánh gián tiếp hay mạng lưới thay vì bằng chứng thử nghiệm trực tiếp.

7. Ngoại suy vượt ngoài thử nghiệm với các giả định sống còn đã khai báo, đã kiểm nghiệm. Nơi mô hình dự phóng hiệu quả vượt ngoài dữ liệu quan sát — hầu như luôn luôn — lựa chọn ngoại suy (đường cong sống còn nào, hiệu quả điều trị duy trì, suy giảm hay dừng) có thể chi phối đáp án. Hãy khớp các đường cong tham số thay thế, cho thấy chúng so với dữ liệu quan sát và bằng chứng bên ngoài, và trình bày dải thay vì lén đưa phép khớp lạc quan nhất vào như ước lượng điểm.

8. Mô tả bất định theo xác suất, không chỉ từng tham số một. Phân tích một chiều tất định và biểu đồ lốc xoáy cho thấy đầu vào nào quan trọng, nhưng chỉ phân tích độ nhạy xác suất, lan truyền mọi bất định cùng nhau qua mô phỏng Monte Carlo, mới cho xác suất một quyết định là đúng. Hãy báo cáo đường cong chấp nhận hiệu quả về chi phí bên cạnh ước lượng điểm; một tỷ số thuận lợi với 55% xác suất hiệu quả về chi phí là một quyết định khác với cùng tỷ số ở 95%.

9. Tách các loại bất định và xử lý mỗi loại theo cách riêng của nó. Bất định tham số (chúng ta không biết giá trị thật) được xử lý bằng phân tích xác suất; bất định cấu trúc (chúng ta không chắc mô hình được xây đúng) cần phân tích kịch bản qua các cấu trúc thay thế; tính không đồng nhất (đáp án thực sự khác nhau theo nhóm con) cần kết quả theo nhóm con, không phải một trung bình không vừa với ai. Gộp chúng — chẳng hạn giấu một nghi ngờ cấu trúc trong một phân phối tham số rộng — là mô tả sai điều thực sự chưa biết.

10. Thẩm định ở mọi cấp, và viết ra việc thẩm định. Kiểm tra tính hợp lệ bề mặt với các thầy thuốc không xây mô hình; kiểm chứng mã bằng thử nghiệm độc lập và kiểm tra giá trị cực trị; thẩm định chéo với các mô hình đã xuất bản của cùng bệnh và giải thích các khác biệt; và, nơi có bất kỳ dữ liệu kết quả bên ngoài nào, kiểm nghiệm các dự đoán của mô hình với chúng. Một mô hình được trình bày cho một quyết định tài trợ mà không có bản thuyết minh thẩm định không đáng tin, dù trông tinh vi đến đâu.

11. Làm cho mô hình đủ minh bạch và tái lập được để một đối thủ có thể xây lại. Hãy ghi chép cấu trúc, mọi đầu vào cùng nguồn của nó, và mọi giả định, để một người thẩm định hoài nghi về nguyên tắc có thể dựng lại kết quả. Minh bạch không phải phép lịch sự; đó là cơ chế bắt các lỗi lạc quan trước khi tiền công dịch chuyển, đó là lý do các cơ quan HTA ngày càng đòi các mô hình thực thi được và bảng tham số đầy đủ thay vì một tỷ số tóm tắt.

12. Định lượng xem có đáng mua thêm nghiên cứu trước khi bạn cam kết không. Khi bất định rộng và các khoản tiền lớn, phân tích giá trị của thông tin ước lượng giá trị kỳ vọng của việc giải quyết bất định đó — đôi khi biện minh một quyết định "phê duyệt kèm nghiên cứu" hay "chỉ trong nghiên cứu" thay vì một có hay không đơn giản. Nó đặt lại một thế bế tắc ("bằng chứng còn chưa chín") thành một câu hỏi kinh tế ("một thử nghiệm có đáng chi phí của nó không, xét quyết định đang bàn?").

Các câu hỏi để thảo luận với nhóm của bạn

1. Quyết định này có thực sự cần một mô hình không, và nếu có, mô hình đang làm gì mà thử nghiệm không làm được? Bản năng ở nhiều tổ chức là với tay tới mô hình theo phản xạ, hoặc nghi ngờ toàn bộ mô hình là "những con số bịa" — cả hai đều sai. Câu hỏi hiệu quả là mô hình bắc cầu khoảng trống cụ thể nào: ngoại suy một thử nghiệm hai năm thành trọn đời, so sánh với một phương pháp điều trị chưa bao giờ được thử nghiệm đối đầu, hay chuyển bằng chứng từ hệ thống y tế này sang hệ thống của bạn. Gọi tên khoảng trống kỷ luật hóa mô hình, vì nó cho bạn biết phần nào của cấu trúc mang quyết định và do đó đáng được soi xét nhiều nhất và có dữ liệu mạnh nhất. Nó cũng cho bạn biết khi nào một mô hình không chính đáng — nơi một phân tích trong thử nghiệm tốt đã khớp với quyết định, một mô hình công phu thêm giả định mà không thêm sự thật. Câu trả lời trung thực nêu điều quan trọng nhất mà mô hình đang ngoại suy và bao nhiêu phần kết quả dựa vào sự ngoại suy đó.

2. Một hay hai giả định nào, nếu sai, sẽ đảo ngược kết luận của chúng ta — và chúng ta tự tin đến đâu chính xác về những giả định đó? Mọi mô hình có một nhúm giả định chịu lực và một cái đuôi dài các đầu vào hầu như không quan trọng; nguy cơ là dàn đều sự soi xét thay vì dồn vào những mối nối mang sức nặng. Biểu đồ lốc xoáy hay phân tích độ nhạy một chiều xác định các yếu tố dẫn dắt một cách cơ học, nhưng cuộc trò chuyện của nhóm là về chất lượng bằng chứng chính xác cho những yếu tố dẫn dắt ấy: xác suất chuyển trạng thái then chốt đến từ một phân tích gộp mạnh hay một nghiên cứu nhỏ, ngoại suy sống còn được neo vào dữ liệu bên ngoài hay một phép khớp đường cong đầy hy vọng? Mô thức khó chịu là một tỷ số tiêu đề tự tin dựa trên một tham số mà bằng chứng mỏng. Câu trả lời trung thực không tuyên bố mô hình vững chắc nói chung; nó gọi tên các giả định cụ thể mà quyết định treo vào và xếp hạng bằng chứng đằng sau mỗi cái, rồi quyết định liệu thế là đủ để hành động hay là lý do để thu thập thêm.

3. Ai đã xây mô hình này, nó giúp luận cứ của ai, và một lần xây lại độc lập có đạt cùng đáp án không? Nhiều mô hình đặt trước các bên chi trả được xây bởi, hoặc được tài trợ bởi, một bên có lợi ích trực tiếp trong kết quả — một nhà sản xuất tìm kiếm chi trả, một dịch vụ tìm kiếm đầu tư. Điều đó không làm chúng sai, nhưng làm sự soi xét độc lập không thể thương lượng, và nó nêu ra những câu hỏi cụ thể: các đối chứng có được chọn để làm đẹp không, ngoại suy lạc quan nhất có được chọn không, mô hình có đủ minh bạch để bị chất vấn không? Mâu thuẫn là những người có dữ liệu và năng lực mô hình hóa thường là bên có lợi ích, nên câu trả lời hiếm khi là bác bỏ hoàn toàn mô hình của họ mà là đòi minh bạch, chạy phân tích độ nhạy của riêng bạn trên mô hình của họ, và thẩm định chéo với công trình độc lập. Câu trả lời trung thực thẳng thắn về nguồn gốc và xung đột, và coi một mô hình không thể mở ra và chạy lại là cờ đỏ thay vì một chi tiết độc quyền để cho qua.

4. Bệnh đã chọn cấu trúc mô hình của chúng ta, hay sự thuận tiện đã chọn nó cho chúng ta? Cấu trúc — cây quyết định, thuần tập Markov, mô phỏng vi mô, mô phỏng sự kiện rời rạc — nên theo từ vấn đề lâm sàng: bệnh diễn tiến thế nào, sự kiện có lặp lại không, lịch sử bệnh nhân hay nguồn lực chung bị ràng buộc có quan trọng không. Mô thức thất bại là một cấu trúc được chọn vì quen thuộc, vì một nhà cung cấp đã sở hữu một cái, hay vì nhanh xây, rồi bị uốn để khớp một bệnh mà nó không hợp. Cuộc trò chuyện của nhóm cụ thể: bệnh có tái phát hay kéo dài theo cách cây quyết định không nắm được không; giả định Markov không nhớ có làm phẳng một rủi ro thực sự phụ thuộc lịch sử không; bệnh nhân có cạnh tranh giường hay phòng mổ theo cách mô hình thuần tập bỏ qua không? Mỗi cấu trúc mua sự rõ ràng bằng giá của những đơn giản hóa cụ thể, nên câu hỏi hiệu quả không phải "đây có phải mô hình tốt nhất không" mà là "cấu trúc này đã ép lên chúng ta những đơn giản hóa nào, và có cái nào chạm vào phần của bệnh mà quyết định xoay quanh không?" Câu trả lời trung thực gọi tên các giả định cấu trúc mà lựa chọn áp đặt và cho thấy những cái quan trọng đã được kiểm nghiệm, thay vì bảo vệ cấu trúc vì nó đã được xây.

5. Chúng ta thực sự đang đối mặt loại bất định nào ở đây, và chúng ta có xử lý mỗi loại theo cách riêng của nó không? Dễ dàng gộp "chúng ta không chắc" thành một thanh sai số rộng duy nhất, nhưng lĩnh vực phân biệt ba thứ khá khác nhau: bất định tham số (chúng ta không biết giá trị thật của một đầu vào), bất định cấu trúc (chúng ta không chắc mô hình được xây đúng cách) và tính không đồng nhất (đáp án thực sự khác nhau giữa các nhóm con). Mỗi loại đòi hỏi một phản ứng khác nhau — phân tích xác suất cho tham số, phân tích kịch bản qua các cấu trúc thay thế cho loại thứ hai, kết quả theo nhóm con thay vì trung bình cho loại thứ ba — và gộp chúng là mô tả sai điều chưa biết. Trò ảo thuật kinh điển là giấu một nghi ngờ cấu trúc trong một phân phối tham số dày, để tiêu đề vẫn báo cáo một xác suất hiệu quả về chi phí duy nhất đáng yên tâm. Nhóm nên hỏi trong ba loại, loại nào thực sự dẫn dắt nghi ngờ về quyết định này, và phân tích trước mặt họ có giải quyết loại đó hay chỉ loại thuận tiện nhất. Câu trả lời trung thực tách ba loại tường minh và thừa nhận chỗ một nghi ngờ mang tính cấu trúc — loại khó định lượng nhất và dễ chôn nhất.

6. Với những gì chúng ta vẫn chưa biết, chúng ta nên quyết định ngay bây giờ hay trả tiền để học thêm trước? Khi bất định rộng và khoản cam kết lớn, "có" và "không" không phải là các lựa chọn duy nhất: một quyết định "phê duyệt kèm nghiên cứu" hay "chỉ trong nghiên cứu" giữ cửa mở trong khi bằng chứng chín dần. Phân tích giá trị của thông tin biến thế bế tắc — "bằng chứng còn chưa chín" — thành một câu hỏi kinh tế: giải quyết bất định trước khi quyết định đáng giá bao nhiêu, và nó có vượt chi phí khả dĩ của nghiên cứu sẽ giải quyết nó không? Mâu thuẫn là có thật, vì trì hoãn có chi phí riêng bằng sức khỏe mà bệnh nhân chờ đợi bị mất, và vì nhà sản xuất hay dịch vụ có đủ động cơ để chốt một cái có sớm hơn là cam kết tạo dữ liệu. Nhóm nên cân nhắc bất định còn lại tập trung ở đâu, một nghiên cứu khả thi có thể thực sự thu hẹp nó trong khung thời gian hữu ích không, và một thỏa thuận có điều kiện sẽ đòi hỏi gì ở bên có lợi ích. Câu trả lời trung thực coi "quyết định ngay hay mua thêm bằng chứng" là một lựa chọn định lượng được thay vì chuyện gan dạ, và sẵn sàng khuyến nghị một cái có có điều kiện khi giá trị của việc học biện minh cho điều đó.

Trong thực tế: một ví dụ về kinh tế học sức khỏe

Quỹ Bảo hiểm Y tế Quốc gia của quốc gia bảo hiểm xã hội hư cấu Solenne đang quyết định có chi trả cho một liệu pháp uống mới điều trị suy tim mạn tính hay không. Hồ sơ của nhà sản xuất báo cáo một tỷ số hiệu quả về chi phí gia tăng thuận lợi, thoải mái dưới ngưỡng đã nêu của Quỹ. Bằng chứng then chốt là một thử nghiệm ngẫu nhiên có đối chứng duy nhất: 18 tháng theo dõi, cho thấy thuốc giảm nhập viện vì suy tim và cải thiện sống còn khiêm tốn so với chăm sóc tiêu chuẩn. Ủy ban thẩm định của Quỹ yêu cầu nhóm kinh tế của mình thẩm định mô hình đằng sau con số, không chỉ con số.

Nhóm trước hết xác nhận rằng một mô hình là không thể tránh. Suy tim kéo dài suốt đời; thử nghiệm chạy 18 tháng; quyết định liên quan đến chi phí và lợi ích trong phần đời còn lại của bệnh nhân. Một phân tích trong thử nghiệm sẽ trả lời sai câu hỏi. Nhà sản xuất đã, đúng đắn, xây một mô hình thuần tập Markov với các trạng thái ổn định, nhập viện và tử vong, chu kỳ hằng tháng để nắm các lần nhập viện thường xuyên. Đến đây cấu trúc khớp với bệnh. Sự soi xét của nhóm sau đó chuyển sang những mối nối mang kết quả.

Hai giả định chi phối. Thứ nhất là ngoại suy sống còn: vượt quá 18 tháng, mô hình dự phóng một lợi ích tử vong duy trì không suy giảm suốt đời, dùng đường cong tham số có độ khớp dài hạn lạc quan nhất. Khi nhóm khớp lại các đường cong thay thế và thử một kịch bản trong đó hiệu quả điều trị suy giảm sau năm năm — nhất quán với bằng chứng sổ đăng ký bên ngoài về các thuốc tương tự — lợi ích QALY trọn đời co lại và tỷ số vượt lên trên ngưỡng. Thứ hai là đối chứng: mô hình so sánh với một chuẩn chăm sóc cũ hơn, nhưng hướng dẫn của Solenne nay khuyến nghị một phối hợp mới hơn mà thử nghiệm không bao gồm, chỉ tiếp cận được qua một so sánh gián tiếp với bất định rộng. Nhóm cũng lưu ý rằng giả định Markov không nhớ làm phẳng rủi ro tái nhập viện cao hơn của bệnh nhân mới nhập viện gần đây, mà họ xử lý bằng một trạng thái đường hầm ngắn.

Nhóm chạy lại mô hình theo xác suất, lan truyền toàn bộ bất định tham số qua mô phỏng Monte Carlo. Đường cong chấp nhận hiệu quả về chi phí cho thấy khoảng 50% xác suất hiệu quả về chi phí tại ngưỡng của Quỹ — tung đồng xu, không phải luận cứ tự tin mà ước lượng điểm hàm ý. Vì quyết định lớn và bất định tập trung ở ngoại suy sống còn, họ chạy phân tích giá trị của thông tin: giá trị kỳ vọng của việc giải quyết bất định đó vượt chi phí khả dĩ của một nghiên cứu theo dõi dài hơn. Khuyến nghị của ủy ban không phải một có thẳng thừng cũng không phải một không thẳng thừng. Nó chi trả liệu pháp theo một thỏa thuận tiếp cận có quản lý với mức chiết khấu bảo mật cải thiện tỷ số, có điều kiện là nhà sản xuất cung cấp dữ liệu sống còn mở rộng trong vòng ba năm — một quyết định "phê duyệt kèm nghiên cứu" mà mô hình hóa, không phải trực giác, đã làm cho bảo vệ được. Cơ chế định giá của thỏa thuận đó thuộc Chủ đề 2.4 — Kinh tế dược.

Bốn góc nhìn theo khu vực

Công ty khởi nghiệp

Một công ty khởi nghiệp y tế số hay thiết bị thường xây mô hình đầu tiên để huy động vốn hoặc để bước vào một quy trình HTA mà nó chưa từng đối mặt, thường với bằng chứng thưa thớt — một nghiên cứu một nhánh nhỏ, điểm cuối thay thế, niềm tin mạnh của người sáng lập. Cám dỗ là một mô hình được chế tạo để vượt ngưỡng, với chân trời ngắn giấu các chi phí muộn và một ngoại suy lạc quan được trình bày như sự thật. Con đường khôn ngoan hơn là một mô hình sớm, cố ý thận trọng, làm lộ khoảng trống bằng chứng nào đe dọa nhất luận cứ giá trị, để tiền thử nghiệm khan hiếm được chi để đóng đúng khoảng trống đó. Một mô hình minh bạch thành thật cho thấy bất định rộng thì dễ được tài trợ hơn và đáng tin hơn với một bên chi trả so với một mô hình bóng bẩy mà không người thẩm định nào mở ra được.

Doanh nghiệp nhỏ

Một nhà cung cấp, cơ sở hay nhà cung ứng nhỏ nhưng đã thành lập — một phòng khám chuyên khoa, một công ty chẩn đoán, một nhà phân phối thiết bị với sản phẩm đã ổn định — thường gặp mô hình hóa không phải để huy động vốn mà để trả lời một câu hỏi mua sắm hay chi trả thực: bên chi trả có tài trợ cái này không, một dòng dịch vụ có đáng tiếp tục không, một nâng cấp thiết bị có tự hoàn vốn không? Khác với công ty khởi nghiệp, nó có dữ liệu vận hành thật — chi phí thật, thông lượng, kết quả địa phương — nhưng hiếm khi có nhà kinh tế y tế nội bộ, nên rủi ro thực tế hoặc là giao mô hình cho nhà cung cấp có sản phẩm đang được đánh giá, hoặc xây một bảng tính không bao giờ kiểm nghiệm giả định của chính nó. Con đường hợp lý là một mô hình khiêm tốn, minh bạch, dựa vào dữ liệu thực tế của chính mình cho những đầu vào có thể tìm nguồn tại địa phương và mượn các ước lượng đã công bố, xếp hạng trung thực, cho phần còn lại, với phân tích độ nhạy đơn giản trên hai hay ba tham số làm dịch chuyển đáp án. Uy tín của nó dựa ít vào độ tinh vi hơn là vào việc cởi mở về nguồn gốc các con số và khả năng chạy lại luận cứ khi giá hay ngưỡng của bên chi trả thay đổi.

Doanh nghiệp lớn

Một nhà sản xuất, tập đoàn bệnh viện hay công ty bảo hiểm lớn vận hành mô hình hóa như một năng lực công nghiệp: các nền tảng mô hình tái sử dụng được, thư viện tham số chuẩn, và các nhóm kinh tế y tế và nghiên cứu kết quả chuyên trách chuẩn bị hồ sơ cho nhiều khu vực pháp lý cùng lúc. Điểm mạnh là sự chặt chẽ, tái lập được, và khả năng điều chỉnh một mô hình toàn cầu theo hướng dẫn phương pháp của từng nước; rủi ro là quy mô và tư lợi kết hợp tạo ra những mô hình tinh vi được tối ưu để thuyết phục, với các lựa chọn cấu trúc lặng lẽ ưu ái bên bảo trợ. Uy tín của doanh nghiệp lớn phụ thuộc vào quản trị tách các nhà mô hình khỏi áp lực thương mại, vào việc nộp các mô hình thực thi được và minh bạch đầy đủ, và vào việc mời gọi thay vì chống lại sự tái tạo độc lập.

Chính phủ

Một bên chi trả quốc gia, cơ quan HTA hay bộ thường là người tiêu thụ và trọng tài của các mô hình hơn là người xây dựng, và kỷ luật của nó là rà soát phê phán ở quy mô lớn: một hướng dẫn phương pháp đã công bố ràng buộc chân trời, góc nhìn, chiết khấu và báo cáo bất định, và năng lực chạy lại và thách thức mô hình của bên bảo trợ thay vì chấp nhận tiêu đề của nó. Các cơ quan như NICE, IQWiG, PBAC, CDA-AMC và ICER tồn tại để áp đặt chính xác kỷ luật này, và ngày càng xây dựng hoặc đặt hàng các mô hình độc lập để thẩm định chéo các hồ sơ của ngành. Chính phủ cũng mang các quyết định mà mô hình hóa làm cho khả thi nhưng không thể tự đưa ra — phê duyệt, bác bỏ, hay phê duyệt kèm nghiên cứu — và trách nhiệm giải trình cho chi phí cơ hội mà mỗi cái có đặt lên những bệnh nhân không bao giờ thấy ủy ban.

Các kiểu thất bại thường gặp

• Xây một mô hình khi một thử nghiệm đã trả lời được câu hỏi. Thêm giả định nơi bằng chứng trong thử nghiệm tốt khớp với quyết định, nhập thiên lệch mà không được gì. Cách khắc phục: chọn dựa trên thử nghiệm hay dựa trên mô hình một cách có chủ ý, và chỉ mô hình hóa khoảng trống mà thử nghiệm không bao phủ.

• Cắt ngắn chân trời thời gian. Kết thúc mô hình trước khi lợi ích hay chi phí muộn tích lũy, làm đẹp các can thiệp có chi phí đến trước như dự phòng. Cách khắc phục: chạy chân trời cho đến khi không còn khác biệt đáng kể — trọn đời với các bệnh suốt đời — và biện minh nó với diễn tiến tự nhiên.

• Ngoại suy lạc quan được lén đưa vào như ước lượng điểm. Chọn đường cong sống còn hay giả định duy trì hiệu quả làm đẹp kết quả nhất và trình bày nó như trường hợp cơ sở. Cách khắc phục: khớp các phương án thay thế, kiểm nghiệm sự suy giảm hiệu quả, cho thấy dải so với dữ liệu bên ngoài.

• Báo cáo một ước lượng điểm không có bất định. Một tỷ số đơn lẻ hàm ý độ chính xác giả. Cách khắc phục: luôn chạy phân tích độ nhạy xác suất và báo cáo đường cong chấp nhận bên cạnh ước lượng điểm.

• Nhầm lẫn các loại bất định. Giấu một nghi ngờ cấu trúc trong phân phối tham số rộng, hoặc lấy trung bình trên tính không đồng nhất thật. Cách khắc phục: xử lý bất định tham số theo xác suất, bất định cấu trúc theo kịch bản, và tính không đồng nhất theo nhóm con.

• Đối chứng yếu hoặc vắng mặt. Cho thấy hiệu quả về chi phí so với giả dược hay một chuẩn lỗi thời khi các thầy thuốc chọn giữa các phương án hiện hành. Cách khắc phục: đưa vào mọi đối chứng liên quan ở giá và mức tuân thủ thực, và trung thực về các so sánh gián tiếp.

• Mô hình hộp đen. Một kết quả không thể mở ra, chạy lại hay tái lập, nhất là từ một bên có lợi ích. Cách khắc phục: đòi các mô hình thực thi được, bảng tham số đầy đủ, và bản thuyết minh thẩm định bằng văn bản trước bất kỳ quyết định nào.

• Bỏ qua thẩm định. Tin một mô hình trông tinh vi mà không có kiểm tra bề mặt, nội tại, chéo hay ngoại tại. Cách khắc phục: thẩm định ở mọi cấp và ghi chép; coi một mô hình chưa thẩm định là chưa được chứng minh.

Mô hình trưởng thành

Danh mục kiểm tra

• Nêu tường minh đánh giá dựa trên thử nghiệm, dựa trên mô hình hay cả hai, và vì sao.
• Biện minh loại mô hình (cây, Markov, mô phỏng vi mô, sự kiện rời rạc) so với bài toán quyết định và bệnh.
• Đặt chân trời thời gian đủ dài để không còn khác biệt đáng kể nào về chi phí hay sức khỏe tích lũy, và biện minh nó.
• Liệt kê mọi giả định cấu trúc, gồm giả định Markov không nhớ nếu liên quan, và kiểm nghiệm những cái quan trọng.
• Truy mọi tham số về một nguồn đã nêu và xếp hạng bằng chứng đằng sau các yếu tố dẫn dắt kết quả.
• Đưa vào mọi đối chứng thực tế liên quan ở giá và mức tuân thủ thực tế.
• Cho thấy các giả định ngoại suy thay thế và tác động của chúng lên kết luận, không chỉ trường hợp cơ sở.
• Chạy phân tích độ nhạy xác suất và báo cáo đường cong chấp nhận hiệu quả về chi phí bên cạnh ước lượng điểm.
• Tách bất định tham số, cấu trúc và tính không đồng nhất và giải quyết mỗi loại phù hợp.
• Thẩm định mô hình (bề mặt, nội tại, chéo và nơi có thể ngoại tại) và viết ra bản thuyết minh thẩm định.
• Bảo đảm mô hình đủ minh bạch và tái lập được để một người thẩm định độc lập có thể xây lại.
• Nơi bất định rộng và quyết định lớn, chạy phân tích giá trị của thông tin để cân nhắc việc đặt hàng thêm nghiên cứu.

Nguồn chính

• Andrew Briggs, Mark Sculpher & Karl Claxton, Decision Modelling for Health Economic Evaluation (Oxford University Press) — khung chuẩn cho mô hình hóa phân tích quyết định trong kinh tế học sức khỏe.
• Alastair Gray, Philip Clarke, Jane Wolstenholme & Sarah Wordsworth, Applied Methods of Cost-Effectiveness Analysis in Health Care (Oxford University Press) — xây dựng mô hình ứng dụng và các phương pháp hiệu quả về chi phí.
• Henry Glick, Jalpa Doshi, Seema Sonnad & Daniel Polsky, Economic Evaluation in Clinical Trials (Oxford University Press) — đánh giá dựa trên thử nghiệm và lựa chọn giữa trong thử nghiệm và dựa trên mô hình.
• Các báo cáo của Nhóm công tác Thực hành Nghiên cứu Tốt về Mô hình hóa ISPOR–SMDM — hướng dẫn thực hành tốt về khái niệm hóa mô hình, cây quyết định, mô hình Markov, mô phỏng vi mô, mô phỏng sự kiện rời rạc, và tính minh bạch và thẩm định mô hình.
• Sổ tay đánh giá công nghệ y tế của NICE (PMG36) — các yêu cầu phương pháp cho mô hình nộp lên cơ quan HTA quốc gia — https://www.nice.org.uk/process/pmg36
• Economics Network, Health Economics for Teachers — học phần mô hình hóa — https://economicsnetwork.ac.uk/health/teachers

Tài liệu tham khảo

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