Gesundheitsökonomie & Qualitätsmanagement 2005; 10: 37-44
DOI: 10.1055/s-2005-858415
Übersicht

© Georg Thieme Verlag KG Stuttgart · New York

Modelle als Instrument der Gesundheitsökonomie

Modelling as an Instrument of Health EconomyG. Kobelt1
  • 1European Health Economics SAS (EHE), Mulhouse, Frankreich
Further Information

Publication History

Publication Date:
16 August 2005 (online)

Zusammenfassung

Da alle Datensätze, wenn sie auf eine komplexe Realität angewendet werden, lückenhaft sind, haben Modelle sowohl die Aufgabe, vorhandene Daten zu strukturieren als auch Datenlücken zu füllen. Bei akuten Erkrankungen von kurzer Dauer werden oft nur einfache Modelle benötigt, so dass der Zeithorizont und die Ergebnisse einer klinischen Studie als Grundlage ausreichen. In Modellen zu chronischen Erkrankungen müssen dagegen fast immer verschiedene Datensätze zu einem längeren Zeithorizont kombiniert werden. Der Hauptvorteil von Modellen besteht darin, dass sie als Informationsgrundlage für notwendige Entscheidungen im Gesundheitssystem dienen, bevor die dafür eigentlich erforderlichen „harten”, in der Wirklichkeit beobachteten Daten verfügbar sind. Die im Bereich der gesundheitsökonomischen Evaluierung am meisten benutzten Modelltypen sind der Entscheidungsbaum und das Markov-Modell. Entscheidungsbäume strukturieren einfache Entscheidungssituationen, die in einem meist kurzen Zeitrahmen auftreten. Notwendige Daten zu ihrer Berechnung sind die Eintrittswahrscheinlichkeiten der einzelnen Zustände, deren Dauer und die damit verbundenen Behandlungskosten. Markov-Modelle werden angewendet, wenn ein Entscheidungsproblem komplexer Risikofaktoren kontinuierlich und der Zeithorizont länger ist. Sie illustrieren das Fortschreiten einer Erkrankung mit der Zeit, indem sie ihren Verlauf als eine Reihe von Zuständen bzw. Schweregraden definieren, die von einer Patientengruppe mit bestimmter Wahrscheinlichkeit durchlaufen werden. In komplexen Modellen gibt es immer wieder Punkte, zu denen entweder keine Daten verfügbar sind oder mehrere Datenvarianten eine Auswahl erforderlich machen. Der Ausweg besteht in der Bildung von Annahmen bzw. Hypothesen. Die aus der Analyse vorhandener Daten sorgfältig gewonnenen Hypothesen müssen glaubwürdig sein. Ihre Generierung muss transparent beschrieben werden.

Abstract

It is rare that all data required for an economic evaluation are available in one single study or set of data. As a consequence, modelling is used to combine different data sets and to complement missing data. For acute diseases, simple models reproducing the main aspects of a clinical trial are often sufficient. For chronic diseases clinical studies are always short compared to the disease duration, and it is necessary to combine clinical results with epidemiological data to extrapolate the time frame. In health care, models provide structured analyses and hypotheses as a basis for decisions on resource allocation, at a time when real life data on a new treatment are not yet available.

Two types of models are most often uses in the health care field: decision trees and Markov models. Decision trees are used to structure simple decision problems over a limited time frame, using the probabilities of an event happening, its duration and its cost. A good example is a simple infection. Markov models are used for more complex problems, when the risk is ongoing and/or increasing over a long time. Examples are cardiac or inflammatory diseases, osteoporosis, etc. Markov models illustrate a disease and its progression through a number of easily recognizable disease states generally with increasing severity, through which a patient population will evolve over time. Clearly, such models require a large amount of data and combining different data sets and making a number of assumptions is generally necessary. Thus, the key to efficient use and communication of models is to render them as transparent as possible and support any assumptions made.

Literatur

  • 2 Kobelt G. Health Economics - An introduction to economic evaluation. London, UK; Office of Health Economics (1996, 2002)
  • 3 Sonnenberg F. et al . Markov models in medical decision making.  Med Dec Making. 1993;  13 322-338
  • 4 Buxton M J, Drummond M F, Van Hout B A, Prince R L, Sheldon T A, Szucs T, Vray M. Modelling in economic evaluation: an unavoidable fact of life.  Health Econ.. 1997 May-Jun;  6 217-27

Gisela Kobelt, PhD

European Health Economics SAS (EHE), Parc de Collines

37, rue Victor Schoelcher

F-68200 Mulhouse

Email: gisela.kobelt@he-europe.com

    >