Entscheidungsanalytische Modellierung in der ökonomischen Evaluation

Zusammenfassung

In den letzten Jahren hat die Verwendung von entscheidungsanalytischen Modellen in der gesundheitsökonomischen Evaluation stark zugenommen. Modelle bieten eine zentrale Zugangsmethodik für Evaluationsstudien. Sie werden benötigt, wenn Daten aus klinischen Studien nicht verfügbar sind oder nicht direkt auf die aktuelle Forschungsfrage zutreffen. Für die entscheidungsanalytische Modellierung steht eine Reihe von Modellierungsansätzen zur Verfügung. Dieser Artikel stellt mit Entscheidungsbäumen und Markov-Modellen die häufigsten Modelltypen dar und geht auf weitere – wie die diskrete Ereignissimulation – ein. Die Ergebnisse von Modellen sind mit Unsicherheit behaftet, welche mit dem Einsatz von Sensitivitätsanalysen abgeschätzt werden kann. Die verschiedenen Formen der Unsicherheit in Modellen und die Grundprinzipien einer Bearbeitung mit der Sensitivitätsanalyse werden präsentiert. Abschließend wird die Qualität von Modellierungen thematisiert, die von der verwendeten Struktur, den einfließenden Daten sowie der internen und externen Konsistenz abhängt. Zu qualitätssichernden Maßnahmen gehören z. B. das Einhalten von Richtlinien oder die Durchführung von Validierungen. Aktueller Forschungsbedarf besteht in der Weiterentwicklung von Modellierungsmethoden und von Richtlinien zur Beurteilung der Modellqualität.

Abstract

In recent years, the application of decision-analytic models in economic evaluation has strongly increased. Models provide a key method for economic evaluation studies. The use of models is indicated, if data from clinical trials are not available or do not fit the current research question. There are a number of approaches to decision-analytic modelling. This article describes decision trees and Markov models, the most common modelling types. Others, like discrete event simulation are also addressed. Model results are subject to uncertainty, which may be assessed through sensitivity analyses. The different types of uncertainty in decision-models are presented as well as the basics of sensitivity analysis. Another topic is model validity, which strongly depends on the selected model structure, the data incorporated, and internal and external consistency. Quality-assuring measures include, for example, following guidelines or carrying out validations. Currently, research is needed in further developing modelling methods and guidelines for the assessment of model quality.

Schlüsselwörter

Entscheidungsanalytische Modellierung - ökonomische Evaluation

Key words

decision-analytic Modelling - economic evaluation

Referenzen

• 1 Siebert U Transparente Entscheidungen in Public Health mittels systematischer Entscheidungsanalyse. In: Schwartz F, Badura B, Busse R, et al. Das Public Health Buch Gesundheit und Gesundheitswesen München: Urban & Fischer Verlag; 2003: 485-502
• 2 Eisenführ F, Weber M. Rationales Entscheiden. Berlin: Springer; 2003
• 3 Leidl R. Economic modelling in public health.  European Journal of Public Health. 2010;  [in press] 20
• 4 Sheldon T A. Problems of using modelling in the economic evaluation of health care.  Health Econ. 1996;  5 1-11
• 5 Buxton M J, Drummond M F, Van Hout B A et al. Modelling in economic evaluation: an unavoidable fact of life.  Health Econ. 1997;  6 217-227
• 6 Drummond M, Sculpher M, Torrance G. et al .Methods for the Economic Evaluation of Health Care Programmes. New York: Oxford University Press; 2005
• 7 Sculpher M, Fenwick E, Claxton K. Assessing quality in decision analytic cost-effectiveness models. A suggested framework and example of application.  Pharmacoeconomics. 2000;  17 461-477
• 8 Coyle D, Lee K M, O’Brien B J. The role of models within economic analysis: focus on type 2 diabetes mellitus.  Pharmacoeconomics. 2002;  20 (Suppl 1) 11-19
• 9 Kansal A R. Modeling approaches to type 2 diabetes.  Diabetes Technol Ther. 2004;  6 39-47
• 10 Weinstein M. Recent developments in decision-analytic modelling for economic evaluation.  Pharmacoeconomics. 2006;  24 1043-1053
• 11 Loveman E, Green C, Kirby J et al. The clinical and cost-effectiveness of donepezil, rivastigmine, galantamine and memantine for Alzheimer’s disease.  Health Technol Assess. 2006;  10 iii-iv, ix-xi, 1-160
• 12 Brennan A, Akehurst R. Modelling in health economic evaluation. What is its place? What is its value?.  Pharmacoeconomics. 2000;  17 445-459
• 13 Menn P, Holle R. Comparing three software tools for implementing markov models for health economic evaluations.  Pharmacoeconomics. 2009;  27 745-753
• 14 Brennan A, Chick S, Davies R. A taxonomy of model structures for economic evaluation of health programmes.  Health Economics. 2006;  15 1295-1310
• 15 Barton P, Bryan S, Robinson S. Modelling in the economic evaluation of health care: selecting the appropriate approach.  J Health Serv Res Policy. 2004;  9 110-118
• 16 Briggs A, Sculpher M, Claxton K. Decision Modelling for Health Economic Evaluation. Oxford: Oxford University Press; 2006
• 17 Herman W. Diabetes Modelling.  Diabetes Care. 2003;  26 3182-3183
• 18 Weinstein M C, Coxson P G, Williams L W et al. Forecasting coronary heart disease incidence, mortality, and cost: the Coronary Heart Disease Policy Model.  Am J Public Health. 1987;  77 1417-1426
• 19 Stahl J E. Modelling methods for pharmacoeconomics and health technology assessment: an overview and guide.  Pharmacoeconomics. 2008;  26 131-148
• 20 Caro J J. Pharmacoeconomic analyses using discrete event simulation.  Pharmacoeconomics. 2005;  23 323-332
• 21 Welte R, Leidl R, Greiner W, et al Health economics of infectious diseases. In: Krämer A, Kretzschmar M, Krickeberg K (Hrsg). Modern Infectious Disease Epidemiology: Concepts, Methods, Mathematical Models and Public Health Statistics for Biology and Health Series. Berlin: Springer; 2010: 249-276
• 22 Stollenwerk B, Stock S, Siebert U et al. Uncertainty assessment of input parameters for economic evaluation: Gauss’s error propagation, an alternative to established methods.  Med Decis Making. 2010;  30 304-313
• 23 Ferdinands J M, Mannino D M. Obstructive lung disease models: what is valid?.  COPD. 2008;  5 382-393
• 24 Palmer A J, Roze S, Valentine W J et al. Validation of the CORE Diabetes Model against epidemiological and clinical studies.  Curr Med Res Opin. 2004;  20 (Suppl 1) S27-40
• 25 Philips Z, Bojke L, Sculpher M et al. Good practice guidelines for decision-analytic modelling in health technology assessment: a review and consolidation of quality assessment.  Pharmacoeconomics. 2006;  24 355-371