UPDATING PARAMETERS OF DECISION-ANALYTIC COST EFFECTIVENESS MODELS: A SYSTEMATIC COMPARISON OF METHODS.
Na de introductie van een nieuw geneesmiddel vinden er vaak diverse onderzoeken plaats die het middel vergelijken met andere medicijnen. Deze onderzoeken hebben vaak (net) verschillende conclusies. Dit project gaat over het samenbrengen van deze verschillende bronnen van informatie. Dit proces heet meta-analyse of datasynthese. We vergelijken een aantal veel gebruikte methoden van meta-analyse.
Een belangrijk probleem in de gezondheidszorg is dat er vaak geen direct bewijs is, maar alleen indirect bewijs: middel A wordt wel met middel B vergeleken, en middel B met middel C, maar er is geen direct bewijs van A ten opzichte van C. Ook hier zijn diverse methoden voor, die we allemaal vergelijken.
Het onderzoek kijkt naast de verschillen tussen diverse methoden van meta-analyse, vooral ook naar wat de verschillende methoden van meta-analyse betekenen voor de afweging tussen kosten (bijvoorbeeld een hogere medicijnprijs) en opbrengsten (bijvoorbeeld langer leven) van het nieuwe geneesmiddel.
Producten
Auteur: Oppe M, Al M. Rutten-van Mölken MPMH
Auteur: P. Vemer, M.J. Al, M. Oppe, M.P.M.H. Rutten-van Mölken
Auteur: P. Vemer, M.J. Al, M. Oppe, M.P.M.H. Rutten-van Mölken
Verslagen
Eindverslag
Rationale: Verschillende methoden van meta-analyses kunnen tot andere schattingen van de parameters in een kosten-effectiviteitsmodel leiden. Omdat de werkelijke kosten-effectiviteit onbekend is, is het onduidelijk welke methode in welke situatie het meest geschikt is.
Doelstelling: Dit project beoogt een vergelijking to maken tussen de kosten-effectiviteit die resulteert na toepassing van verschillende methoden van meta-analyse en de werkelijke kosten-effectiviteit.
Methode: In een simulatiestudie creëren we eerst een referentie patiëntenpopulatie en het effect van behandeling. We doen dit zowel voor een chronische ziekte als voor een snel progressieve ziekte met hoge sterfte. Uit deze referentiepopulatie trekken we vervolgens trials waarin 2 behandelingen worden vergeleken. We variëren het aantal trials, de omvang van de trials en de hoeveelheid heterogeniteit tussen de trials in een aantal scenario’s. Elke trial levert een schatting van de modelparameters op (transitiekansen, kansen op acute verslechtering, costen, utiliteiten, absolute en relatieve verschillen tussen behandelingen in parameterwaarden). Met behulp van meta-analyses worden de schattingen uit de trials gecombineerd tot één gepoolde schatting van elke parameter. Diverse varianten van frequentistische en Bayesiaanse fixed-effect (FFE en BFE), en random-effect modellen (FRE en BRE) worden daarvoor gebruikt. Voor het combineren van overlevingscurves worden de methodes van Arends gebruikt. Deze parameterschattingen worden vervolgens in een stochastisch kosten-effectiviteitsmodel gezet om de kosten-effectiviteit van de behandeling te schatten. Dit hele proces van het trekken van trials tot aan het schatten van de kosten-effectiviteit met het model wordt 1000 keer herhaald om systematische verschillen tussen de methodes van meta-analyse te kunnen onderzoeken. De meta-analyses worden vervolgens beoordeeld aan de hand van de volgende criteria: 1) coverage, dat is het percentage van alle trekkingen waarbij het betrouwbaarheidsinterval van de geschatte waarde de werkelijke waarde overdekt, 2) bias, dat is het verschil tussen de geschatte en werkelijke waarde en 3) mean absolute deviance, dat is de bias uitgedrukt in absolute waarde.
In de simulatiestudie hebben we ook een netwerk van trials getrokken die gebruikt kunnen worden om de volgende methoden van indirecte en ‘mixed treatment’ vergelijkingen te onderzoeken: Bucher, Song, Puhan en Lu/Ades. De hoeveelheid heterogeniteit in dit netwerk hebben we gevarieerd.
Een meta-analyse is een statistische methode om resultaten van vergelijkbare onderzoeken te combineren om te komen tot een schatting van, over het algemeen, het behandeleffect. Veelal worden meta-analyses uitgevoerd op data van verscheidene “randomized controlled trials” (RCT), waarin dezelfde interventie wordt vergeleken met dezelfde controle interventie. Echter, binnen de context van kosten-effectiviteitsmodellen van dure geneesmiddelen is de situatie veel complexer. Er moet niet alleen een behandeleffect geschat worden maar er zijn ook schattingen nodig van de overgangskansen tussen gezondheidstoestanden, kansen op gebeurtenissen als een ziekenhuisopname, kwaliteit van leven per gezondheidstoestand, kosten per gezondheidstoestand etc. Deze schattingen moeten zowel voor het dure geneesmiddel worden verkregen als voor de alternatieve behandeling waarmee het dure geneesmiddel vergeleken wordt. Om deze modelparameters the schatten zijn data nodig uit veel verschillende bronnen, waaronder RCTs, observationele studies, administratieve databases, etc.
In dit project evalueren we verschillende methoden van meta-analyse om de modelparameters te schatten en onderzoeken we het effect van deze methoden op de schattingen van de kosten-effectiviteit van dure geneesmiddelen. We passen de methoden van meta-analyse toe op verschillende soorten van modelparameters met verschillende verdelingen, en gebruiken daarbij zowel gesimuleerde als echte data.