Helppoa kuin mallinteko – lyhyt oppimäärä elinaikamallinnukseen ja ekstrapoloinnin aiheuttamaan epävarmuuteen taloudellisessa arvioinnissa

Leena Haikonen-Salo, Vesa Kiviniemi, Essi Grönholm, Kari Jalkanen, Janne Martikainen
{"title":"Helppoa kuin mallinteko – lyhyt oppimäärä elinaikamallinnukseen ja ekstrapoloinnin aiheuttamaan epävarmuuteen taloudellisessa arvioinnissa","authors":"Leena Haikonen-Salo, Vesa Kiviniemi, Essi Grönholm, Kari Jalkanen, Janne Martikainen","doi":"10.23990/sa.129319","DOIUrl":null,"url":null,"abstract":"Uusien lääkehoitojen kustannuksia ja terveyshyötyä tarkastellaan korvattavuus- tai käyttöönottopäätöstä tehtäessä terveystaloudellisen mallinnuksen avulla. Uusiin hoitoihin liittyvää tutkimusdataa on usein saatavilla tarpeeseen nähden liian lyhyeltä ajalta, jolloin hoitojen terveyshyötyjä ja kustannuksia joudutaan mallintamaan seuranta-ajan jälkeiselle ajalle ekstrapoloimalla. Tämä ajallinen epäsuhta lisää mallinnusten tuloksiin ja päätöksentekoon ajallista epävarmuutta. Tässä artikkelissa esitellään lukijalle parametrista elinaikamallinnusta ja ekstrapolointia sekä havainnollistetaan ekstrapoloinnissa käytettävän elinaikamallin valinnan ja seuranta-ajan pituuden vaikutusta keskimääräisten elinaikaennusteiden tarkkuuteen immuno-onkologisissa hoidoissa. Tutkimusaineistona käytettiin avointa synteettistä aineistoa, joka pohjautuu myelooisen leukemian hoidon kliinisen tutkimuksen seuranta-aineistoon. Seuranta-ajan pituuden vaikutusta elinaikamallin ennusteeseen tutkittiin pilkkomalla kokonaisseuranta-aineisto lyhyempiin datajoukkoihin ja ekstrapoloimalla hoitovasteita käyttäen vaihtoehtoisia parametrisia elinaikamalleja. Elinaikamalleja verrattiin koko aineiston elinaikakäyriin ja niiden onnistumista arvioitiin selviytymisosuuksien ja rajatun keskimääräisen selviytymisajan perusteella eri aikapisteissä. Käytetyt elinaikamallit aliarvioivat selviytymisosuutta ja rajattua keskimääräistä selviytymisaikaa verrattuna koko tutkimusaineistoon. Erot tuloksissa olivat suuria eri elinaikamallien välillä ja pidempään seuranta-aikaan sovitetut elinaikamallit tuottivat tarkempia ennusteita. Käytetyt mallinvalintakriteerit eivät pystyneet ennustamaan parhaiten onnistuneita malleja. Terveystaloudellisen mallinnuksen yhteydessä käytettävän elinaikamallin valinnalla ja tutkimusaineiston seuranta-ajan pituudella on merkittävä vaikutus ekstrapoloinnin luotettavuuteen. Immunoonkologisten hoitojen erityispiirteet, kuten nopea riskinmuutos ja pitkäaikainen selviytyminen, on otettava huomioon mallia valittaessa ja epävarmuutta arvioitaessa. Mallin valintaan ja lopputuloksen arviointiin on käytettävissä erilasia työkaluja, joiden käyttökelpoisuus rajoittuu kuitenkin seurantadatan pituudelle. Joustavat mallinnusmenetelmät voivat parantaa elinaikamallin tarkkuutta etenkin immuno-onkologisten hoitojen osalta. Elinaikamallinnuksessa on kiinnitettävä huomiota seuranta-aineiston ominaisuuksiin ja tunnuslukuihin, elinaikamallin valintaan, sekä lopputuloksen uskottavuuteen. Epävarmuutta ei voida poistaa mallista kokonaan.","PeriodicalId":256380,"journal":{"name":"Sosiaalilääketieteellinen Aikakauslehti","volume":"69 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sosiaalilääketieteellinen Aikakauslehti","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23990/sa.129319","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Uusien lääkehoitojen kustannuksia ja terveyshyötyä tarkastellaan korvattavuus- tai käyttöönottopäätöstä tehtäessä terveystaloudellisen mallinnuksen avulla. Uusiin hoitoihin liittyvää tutkimusdataa on usein saatavilla tarpeeseen nähden liian lyhyeltä ajalta, jolloin hoitojen terveyshyötyjä ja kustannuksia joudutaan mallintamaan seuranta-ajan jälkeiselle ajalle ekstrapoloimalla. Tämä ajallinen epäsuhta lisää mallinnusten tuloksiin ja päätöksentekoon ajallista epävarmuutta. Tässä artikkelissa esitellään lukijalle parametrista elinaikamallinnusta ja ekstrapolointia sekä havainnollistetaan ekstrapoloinnissa käytettävän elinaikamallin valinnan ja seuranta-ajan pituuden vaikutusta keskimääräisten elinaikaennusteiden tarkkuuteen immuno-onkologisissa hoidoissa. Tutkimusaineistona käytettiin avointa synteettistä aineistoa, joka pohjautuu myelooisen leukemian hoidon kliinisen tutkimuksen seuranta-aineistoon. Seuranta-ajan pituuden vaikutusta elinaikamallin ennusteeseen tutkittiin pilkkomalla kokonaisseuranta-aineisto lyhyempiin datajoukkoihin ja ekstrapoloimalla hoitovasteita käyttäen vaihtoehtoisia parametrisia elinaikamalleja. Elinaikamalleja verrattiin koko aineiston elinaikakäyriin ja niiden onnistumista arvioitiin selviytymisosuuksien ja rajatun keskimääräisen selviytymisajan perusteella eri aikapisteissä. Käytetyt elinaikamallit aliarvioivat selviytymisosuutta ja rajattua keskimääräistä selviytymisaikaa verrattuna koko tutkimusaineistoon. Erot tuloksissa olivat suuria eri elinaikamallien välillä ja pidempään seuranta-aikaan sovitetut elinaikamallit tuottivat tarkempia ennusteita. Käytetyt mallinvalintakriteerit eivät pystyneet ennustamaan parhaiten onnistuneita malleja. Terveystaloudellisen mallinnuksen yhteydessä käytettävän elinaikamallin valinnalla ja tutkimusaineiston seuranta-ajan pituudella on merkittävä vaikutus ekstrapoloinnin luotettavuuteen. Immunoonkologisten hoitojen erityispiirteet, kuten nopea riskinmuutos ja pitkäaikainen selviytyminen, on otettava huomioon mallia valittaessa ja epävarmuutta arvioitaessa. Mallin valintaan ja lopputuloksen arviointiin on käytettävissä erilasia työkaluja, joiden käyttökelpoisuus rajoittuu kuitenkin seurantadatan pituudelle. Joustavat mallinnusmenetelmät voivat parantaa elinaikamallin tarkkuutta etenkin immuno-onkologisten hoitojen osalta. Elinaikamallinnuksessa on kiinnitettävä huomiota seuranta-aineiston ominaisuuksiin ja tunnuslukuihin, elinaikamallin valintaan, sekä lopputuloksen uskottavuuteen. Epävarmuutta ei voida poistaa mallista kokonaan.
比建模更简单--关于寿命模型和经济评估中外推法不确定性的简短教程
在决定是否报销或引进新疗法时,会使用卫生经济模型对新疗法的成本和健康效益进行研究。有关新疗法的研究数据通常提供的时间太短,无法满足需要,这意味着必须推断随访期之后的健康效益和治疗成本。这种时间上的不匹配给建模结果和决策增加了时间上的不确定性。本文向读者介绍了参数寿命建模和外推法,并说明了选择用于外推法的寿命模型和随访时间对免疫肿瘤治疗平均寿命估算准确性的影响。研究数据采用了基于骨髓性白血病治疗临床试验随访数据的开放合成数据。通过将总体随访数据分割成更短的数据集,并使用替代参数生存模型推断治疗反应,研究了随访时间对生存模型预后的影响。将生存模型与整个数据集的生存曲线进行了比较,并根据不同时间点的生存率和横截面平均生存时间对其成功与否进行了评估。与整个数据集相比,所使用的存活时间模型低估了存活率和封顶平均存活时间。不同生存时间模型的结果差异很大,随访时间较长的模型预测结果更为准确。所使用的模型选择标准无法预测性能最佳的模型。卫生经济建模中使用的预期寿命模型的选择和研究数据中的随访时间长短对外推法的可靠性有很大影响。在选择模型和评估不确定性时,需要考虑到免疫肿瘤治疗的具体特点,如风险变化快和长期生存。目前有多种工具可用于模型选择和结果评估,但其作用仅限于随访数据的长度。灵活的建模方法可以提高终生模型的准确性,尤其是在免疫肿瘤治疗方面。在建立生命期模型时,必须注意随访数据的特点和特征、生命期模型的选择以及最终结果的可信度。不确定性不可能从模型中完全消除。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信