Anlisis de sensibilidad:

Mtodos probabilsticos en la
evaluacin econmica de
t
tecnologas
l sanitarias
it i
Parte 1

David Epstein
Dme2@york.ac.uk

1
 La presentacin
El Anlisis de Sensibilidad (AS)
Objetivos
Obj i de
d un AS
Mtodos
AS deterministico
Univariante
Multivariante
El AS probabilstico (ASP)
Para evaluar la incertidumbre g
global en el modelo
La importancia de valores extremos
El valor de la informacin
2
 Modelo determinstico sencillo
Inputs
p Model Output
p

Progresin de Estructura del Modelo

la enfermedad
P(mala, A)= 0.30 Treatment A Treatment A
QALY Cost
Buena 11
10.70 1000
Efectos clnicos Buena salud
P(mala, B) = 0.25 Mala 10
0 30
0.30
Mean valuess

AVACs
Treatment B Treatment B
Buena salud =11
QALY Cost
Mala salud = 10
Buena 11
10.75 2500
Buena salud
Mala 10 ICER=
Costes 0.25
A = 1000 1500/0.05=
B= 2500
30000
3
 ASP Multivariante
Inputs
p Modelo Output
p

Estructura del Modelo Tratamiento A

Progresin de AVAC
la enfermedad Coste
Tratamiento A
P (mala, A) Buena 11

Buena salud
Efectos Mala 10 10.70 1000
clnicos

Tratamiento B
Ratio Odds A vs B Tratamiento B AVAC Coste
AVACs Buena 11
Buena salud =11
Mala = 10 AVACs Buena salud
Mala 10
Costes 10.75 2.500
A = 1000
B= 2500 4
 Los objetivos del anlisis de
sensibilidad (AS)
Evaluar la confianza en las predicciones del
modelo,
d l para...
Validar el modelo si las predicciones son razonables y
corresponden
d con datos
d observados
b d
Identificar los parmetros que afectan mas la
variabilidad en los resultados
Calcular el valor de ms estudios para encontrar ms
informacin sobre todos o algunos de los parmetros

5
 Algunos razones para la
incertidumbre
Descripcin Anlisis

Variabilidad Diferencias en las Un anlisis para cada

caractersticas de la sub-grupo
poblacin (estratificacin)

Incertidumbre Errores en la Anlisis de sensibilidad

medicin de los
parmetros

Desconocimiento Conocimiento Construccin de

incompleto del modelos alternativos
proceso de la
p
enfermedad
6
 Inputs
p
Un modelo determinstico p
Output

Progresin de Estructura del Modelo

la enfermedad en
grupo de control Tratamiento A Tratamiento A
P(mala, A)= 0.30
AVAC Coste
Buena 11
10.70 1000
Buena salud
Progresin de
Valores Medios Mala 10
la enfermedad
con tratamiento 0 30
0.30
P(mala, B) = 0.25

AVACs
Tratamiento B Tratamiento B
Buena salud =11
AVAC Coste
Mala = 10 AVACs
Buena 11
10.75 2500
Buena salud
Mala 10 RCEI=
Costes 0.25
A = 1000 1500/0.05=
B= 2500
30000
7
 Inputs
p
AS determinstico y univariante Output
p

Progresin de Estructura del Modelo

la enfermedad en
grupo de control Tratamiento A Tratamiento A
P(mala, A)= 0.35
AVAC Coste
Buena 11
10.65 1000
Buena salud
Progresin de
Mala 10
la enfermedad
con tratamiento 0 35
0.35
P(mala, B) = 0.25

AVACs
Tratamiento B Tratamiento B
Buena salud =11
AVAC Coste
Mala = 10 AVACs
Buena 11
10.75 2500
Buena salud
Mala 10 RCEI=
Costes 0,25
A = 1000 1500/0.10=
B= 2500
15,000
8
 Presentacin de los resultados de un AS
deterministico y univariante en una tabla
Pr AVAC Coste RCEI
((mala|A)*
| )
0,15 A mejor -0,1 1.500
0,20 -0,05 1.500
0 25
0,25 A B igual 0
A,B 1 500
1.500
0,30
, Caso base 0,05
, 1.500
0,35 B mejor 0,1 1.500

*P(Mala|B)=0,25 9
Desafos de un AS deterministico
Interpretacin de los resultados
Correlaciones entre los parmetros del
modelo
La distribuciones de los parmetros del
modelo
Varan simultneamente de valor 2 o ms
parmetros del modelo (anlisis
multivariante)
10
Desafios a una AS deterministico
Interpretatin de los resultados
Correlaciones entre los parametros del
modelo
La distribuciones de los parametros del
modelo
d l
Varan simultneamente de valor 2 o ms
parmetros del modelo

11
 Ejercicio
Calcular el RCEI para cada fila en la tabla

Que significa?

12
Interpretacin de los resultados de AS?

Pr (mala|A) AVAC Coste RCEI

0,15 A mejor -0,1 1.500
0,20 -0,05 1.500
0 25
0,25 A B igual 0
A,B 1 500
1.500
0,30
, Caso 0,05
, 1.500
base
0 35
0,35 B mejor 01
0,1 1 500
1.500
13
 Interpretacin de los resultados de AS
Differencia en Costes
2 escenarios:
Pr(mala|A)=
2000
0.30 0.35
30.000
30 000 15.000
15 000
por AVAC Por AVAC
1500

1000

0.10 - 0.05 0.05 0.10 0.15

AVACs ganados

14
Interpretacin de los resultados de AS
Differencia en Costes
WTP
20,000
, ppor AVAC

2000

30.000
30 000 15.000
15 000
por AVAC Por AVAC
1500

1000

0.05 0.10 0.15

AVACs ganados

15
WTP=willingness to pay= disposicin a pagar
Interpretacin de los resultados de AS
Differencia en Costes
WTP
20,000
, ppor AVAC

2000

30.000
30 000 15.000
15 000
por AVAC Por AVAC
1500

1000
ACEPTA B

0.05 0.10 0.15

AVACs ganados

16
Interpretacin de los resultados de AS
Differencia en Costes
WTP
20,000
, ppor AVAC

2000 ACEPTA A
30.000
30 000 15.000
15 000
por AVAC Por AVAC
1500

1000
ACEPTA B

0.05 0.10 0.15

AVACs ganados

17
 Ejercicio.
Qu significa el RCEI en los siguentes casos
Differencia en Costes
WTP
20,000
, ppor AVAC

ACEPTA ? 2000 ACEPTA A

30.000
30 000 15.000
15 000
por AVAC Por AVAC
1500

1000
ACEPTA B

0.10 - 0.05 0.05 0.10 0.15

AVACs ganados

18
 Anlisis de sensibilidad
determinsticos
Es recomendable que nunca se presente un RCEI negativo, ni en una
tabla ni en un grafico
Dado el caso base y el WTP de 20.000, el tratamiento A es ms coste-
efectivo
Cambiara la decisin si la probabilidad de la enfermedad en el grupo
de control sea 0,35, otros factores iguales.

P ((mala|A)
Pr l |A) AVAC C t
Coste RCEI
0,15 A mejor -0,1 1.500 B dominado
0 20
0,20 -0 05
-0,05 1 500
1.500 B dominado
0,25 A,B igual 0 1.500 B dominado
,
0,30 Caso base 0,05
, 1.500 30.000
0,35 B mejor 0,1 1.500 15.000 19
Presentacion de los resultados de un
AS univariante y deterministico
Tabla
Figura
Anlisis de umbral: si P(malo salud|A)
0.325 y el WTP es 20.000, B es ms coste-
efectivo
f i
Otros tipos de grafico

20
Desafios a una AS deterministico
Interpretacion de los resultados
Correlaciones entre los parametros del
modelo
La distribuciones de los parametros del
modelo
d l
Varan simultneamente de valor 2 o ms
parmetros del modelo

21
 Correlaciones entre los parmetros
del modelo
Cuando el anlisis incluye ms que un
parmetro,
t hay h que tener
t en cuenta
t que ell
valor de un parmetro en el modelo puede
afectar
f all valor
l ded otro
En el ltimo anlisis se vari P(mala
( |A)y
P(malo|B) se mantuvo fijo
Pero este anlisis escondi una correlacin
entre P(mala|A) y el efecto del tratamiento

22
 El efecto del tratamiento
Se puede estimar el efecto relativo del
tratamiento con diferentes medidas
Por ejemplo
Si P(mala salud|A) = 0,30 y P(mala salud|B) = 0,25
Dif
Diferencia
i en las
l probabilidades:
b bilid d 0,25
0 25
0,30 = -0,05
Odds ratio : 0,78 (prxima pagina)

23
 Odd ratio
Odds i
Bland, M. (2000) BMJ 320; 1468

Mala salud Buena salud Odds Mala

Tratamiento 0,30 0,70 0,3/0,7=
A 0 43
0,43
Tratamiento 0,25 0,75 0,25/0,75=
B 0,33
Odds ratio 0,33/0,43=
, ,
B vs A
0,78

24
 Ejercicio.
Ejercicio
Calcular el efecto del tratamiento
Es independiente de P(mala|A) en este ejemplo?

Pr Pr (mala|B) La diferencia Efecto

(mala|A) en el efecto relativo
PrB PrA OR
0.15 0,25 0,10 1,89
0.20 0,25
0.25 0,25
, ?
0.30 0,25 -0.05 0.78
0 35
0.35 0 25
0,25 -0,10
0 10 0 62
0,62
25
Correlacin entre la progresin de la
enfermedad y el efecto clnico
Pr Pr (mala|B) La diferencia Ratio de
(mala|A) en los efectos efectos
PrB PrA OR
0.15 0,25 0,10 1,89
0.20 0,25 0,05 1,33
0.25 0,25
, 0 1,00
,
0.30 * 0,25 * -0,05 * 0,78 *
0 35
0.35 0 25
0,25 -0,10
0 10 0 62
0,62
26
Correlacin entre la progresin de la
enfermedad y el efecto clnico
La progresin de la enfermedad es en
f i de
funcin d factores
f t de
d riesgo
i
Por ejemplo,
j p en cncer de mama, grado g del
tumor, tamao del tumor etc. son factores
g
de riesgo
A menudo hay evidencia que no existe
ningn correlacin entre los factores de
riesgo y el efecto relativo de tratamiento

27
El efecto relativo del tratamiento-
tratamiento
cancer de mama
[Odds ratios] for relapse (0.69;
95% CI 0.58 to 0.82) favoured
epirubicin plus CMF over CMF
alone

Independent prognostic factors

(tumor grade, size etc) did not
significantly interact with the
effect of epirubicin plus CMF

28
 Correlaciones entre los parmetros

En un modelo matemtico, es recomendable

separar el efecto relativo del tratamiento
(por ej.
(p j Odds ratio)) de la probabilidad
p de la
enfermedad en el grupo de control
De este modo,
modo se tiene ms control sobre los
parmetros del modelo

29
 Parmetros fundamentales y
derivados
P(A) = Probabilidad de mala salud en el grupo de
control = progresin de la enfermedad
OR = odds ratio B vs A= efecto relativo de
tratamiento
Odds(malo|A) = P(A) / (1-P(A))
Odds(B)=Odds(A) * OR
P(malo|B) = Odds(B) / ( 1 + odds (B) )
Ahora P(B) no es un parmetro FUNDEMENTAL
en el modelo,
modelo sino un parmetro DERIVATADO
en funcin de P(A) y Odds Ratio

30
 Un anlisis univariante mejor
Pr Ratio de P(mala|B)
| ) efectos OR
((mala|A)
(variable) (constante) (derivado)
0 15
0.15 0 78
0.78
0.20 0.78 ?
0.25 0.78
0 30 *
0.30 0 78*
0.78 0 25*
0.25
0.35 0.78 0.30

Parametros fundementales Parametro derivatado31

 Un anlisis univariante mejor

Pr Ratio de P(mala|B)
(mala|A) efectos OR (derivatado)
0 15
0.15 0 78
0.78 0 12
0.12
0.20 0.78 0.16
0.25 0.78 0.21
0.30 * 0.78* 0.25*
0.35 0.78 0.30

32
 Correlacin
Tambin hay casos en que hay una
correlacin entre los factores de riesgo y el
efecto relativo del tratamiento
La angina aguda

33
El efecto relativo del tratamiento -
La angina
g aguda
g
Overall, death or MI was
reduced in the routine invasive
group [compared with the
selective group
g oup ; Odds ratio
atio
0.82, 95% CI 0.72-0.93]

High risk patients at baseline

benefited more from routine
i t
intervention
ti with
ith no significant
i ifi t
benefit observed in lower risk
patients
34
Factores de riesgo: la osteo-artrosis

Es probable que su
eficiencia
f aumenta en
aquella con mayor riesgo de
desarrollar complicaciones
gastrointestinales
Cmo construiras un
modelo para evaluar el
efecto de los factores de
riesgo?

35
La evaluacin del efecto de factores
de riesgo
g
Construir un modelo para cada tipo de
paciente (riesgo alto, riesgo bajo etc.)
Dentro de cada modelo,
modelo suponemos que el
OR si es independiente de la probabilidad
de la enfermedad en el grupo de control
Stratificacion ( estratificacin)

36
Desafios a una AS deterministico
Interpretacion de los resultados
Correlaciones entre los parametros del
modelo
La distribuciones de los parametros del
modelo
d l
Varan simultneamente de valor 2 o ms
parmetros del modelo

37
 Anlisis de sensibilidad
determinsticos

El AS deterministico no cuantifica si los

valores extremos son improbables o
probables
Valores
l extremos pueden
d cambiarbi las
l
conclusiones de un anlisis pero pueden ser
muy improbables

38