An Empirical Comparison of Statistical Methods for Estimating EQ-5D Health State Utilities in Rheumatoid Arthritis Clinical Trials for Economic Modelling
Diese Studie vergleicht empirisch lineare gemischte Effekte, verallgemeinerte äquivalente Gleichungen und zweiteilige gemischte Modelle zur Schätzung von EQ-5D-Utility-Werten in Studien zur rheumatoiden Arthritis und stellt fest, dass zweiteilige gemischte Modelle zwar niedrigere Utility-Schätzungen liefern, die Wahl der Methode jedoch nur minimale Auswirkungen auf die allgemeinen Kosten-Effektivitäts-Schlussfolgerungen hat.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie wollten eine Kristallkugel bauen, um die zukünftigen Kosten einer medizinischen Behandlung vorherzusagen. In der Welt der Gesundheitsökonomie wird diese Kristallkugel als „Markov-Modell“ bezeichnet. Es ist eine schicke Art zu sagen, dass wir eine Landkarte einer Krankheit erstellen, indem wir sie in verschiedene „Gesundheitszustände“ aufteilen (wie etwa „fühlt sich großartig“, „fühlt sich okay“ oder „fühlt sich schrecklich“). Wir simulieren dann, wie eine Gruppe von Patienten über Jahre hinweg zwischen diesen Zuständen wechselt und berechnen dabei, wie viel Geld wir ausgeben würden und wie viele „qualitätsadjustierte Lebensjahre“ (QALYs) sie gewinnen würden. Ein QALY ist wie eine Währung für das Leben: Ein Jahr perfekter Gesundheit ist 1,0 wert, während ein Jahr voller schwerer Schmerzen vielleicht nur 0,5 wert ist.
Um diese Landkarte genau zu machen, benötigen wir ein zuverlässiges Lineal, um zu messen, wie „gut“ oder „schlecht“ sich ein Gesundheitszustand für einen Patienten anfühlt. Hier kommt der EQ-5D ins Spiel. Es handelt sich um einen einfachen Fragebogen, bei dem Patienten ihre Mobilität, Selbstversorgung, Schmerzen und Stimmung bewerten. Der knifflige Teil ist jedoch, dass diese Bewertungen nicht einfach nur Zahlen sind; es sind „Utilities“ (Nutzwerte), die aus unordentlichen, realen Daten gemittelt werden müssen, in denen Patienten mehrfach gemessen wurden. Da Patienten wiederholt gemessen werden, sind ihre Antworten miteinander verknüpft (eine Person, die sich heute schlecht fühlt, wird sich wahrscheinlich auch morgen schlecht fühlen), was die Mathematik des Herausrechnens des Durchschnitts ein wenig so schwierig macht wie das Entwirren eines Knotens aus Kopfhörerkabeln. Wissenschaftler müssen das richtige statistische „Werkzeug“ wählen, um diesen Knoten zu lösen. Wenn sie das falsche Werkzeug wählen, könnten sie den Wert einer Behandlung falsch berechnen, was zu verwirrenden Entscheidungen darüber führt, welche Medikamente ihren Preis wert sind.
Das große statistische Duell
In dieser Studie beschloss ein Forscherteam, drei der populärsten statistischen Werkzeuge zu testen, um zu sehen, welches den EQ-5D-Knoten für Patienten mit rheumatoider Arthritis (RA) am besten entwirrt. RA ist eine chronische Erkrankung, bei der das Immunsystem den Körper angreift und dies zu Schmerzen und Schwellungen führt. Die Forscher nahmen Daten aus drei massiven klinischen Studien mit insgesamt über 1.700 Patienten, die über 24 Wochen Tausende von Gesundheitsmessungen lieferten.
Sie stellten drei statistische Modelle gegeneinander:
- Das lineare gemischte Modell (LMM): Betrachten Sie dies als einen stetigen, zuverlässigen Wanderer, der davon ausgeht, dass der Pfad weitgehend eben ist, aber berücksichtigt, dass derselbe Wanderer ihn mehrmals beschreitet.
- Die verallgemeinerten Schätzgleichungen (GEE): Dies ist wie eine Gruppe von Scout-Pfadfindern, die die Bewegungsmuster der gesamten Menge betrachten, ohne sich um die spezifischen Eigenheiten einzelner Wanderer zu sorgen.
- Das zweiteilige gemischte Modell (TPMM): Dies ist eine komplexere, zweistufige Maschine. Zuerst fragt sie: „Befindet sich diese Person am absoluten oberen Ende der Glücksskala?“ (der Deckeneffekt). Wenn ja, behandelt sie diese Person auf eine bestimmte Weise; wenn nein, nutzt sie eine zweite Maschine, um zu messen, wie sehr die Person leidet. Dieses Werkzeug ist speziell für Daten konzipiert, bei denen viele Menschen die „perfekte Gesundheit“ an der Decke erreichen.
Die Ergebnisse: Eine Geschichte von zwei Lagern
Als die Forscher die Zahlen auswerteten, waren die Ergebnisse überraschend eindeutig. Die LMM- und die GEE-Modelle waren praktisch Zwillinge. Sie lieferten Schätzungen für die Gesundheits-Utilities, die sich um weniger als 0,002 unterschieden (das sind zwei Tausendstel eines Punktes). Im großen Zusammenhang ist das so, als würde man einen Berg vermessen und ein Ergebnis erhalten, das sich nur um die Dicke eines einzelnen Blatt Papiers unterscheidet.
Das TPMM (die zweistufige Maschine) verhielt sich jedoch wie ein strenger Griesgram. Es lieferte konsistent niedrigere Werte dafür, wie gesund sich die Patienten fühlten, im Vergleich zu den anderen beiden Modellen. Je mehr die Patienten „perfekte Gesundheit“ meldeten (je höher der „Deckeneffekt“ war), desto größer wurde die Lücke. Für Patienten in „Remission“ (die sich am besten fühlten), schätzte das TPMM die Gesundheits-Utility um etwa 0,019 bis 0,042 Punkte niedriger ein als das LMM. Es scheint, dass dieses Modell so sehr darauf fokussiert war, die „perfekten“ Scores von den „unperfekten“ zu trennen, dass es den Gesamtwert der guten Tage unterschätzte.
Spielt es eine Rolle für das Geld?
Hier liegt die Wendung: Obwohl das TPMM andere Zahlen lieferte, änderte dies nichts an dem endgültigen Urteil darüber, ob die Behandlungen die Kosten wert waren.
Die Forscher speisten alle drei Datensätze in ein „Markov-Modell“ (die Kristallkugel) ein, um zu sehen, wie viel Geld und Gesundheit eine neue Behandlungsstrategie im Vergleich zur alten sparen würde.
- Das LMM und die GEE sagten zusätzliche Kosten von 1.693 € für einen winzigen Gewinn an Gesundheit voraus (ein Unterschied von etwa 0,00005 QALYs zwischen ihnen).
- Das TPMM sagte einen etwas geringeren Gesundheitsgewinn voraus, was die Behandlung noch weniger kosteneffektiv erscheinen ließ und die „Kosten pro Einheit Gesundheit“ (ICER) in einigen Fällen auf fast 1.000.000 € trieb.
Trotz dieser Unterschiede in der Mathematik blieb die endgültige Schlussfolgerung dieselbe: Die neue Behandlung war unter keinem der Modelle kosteneffektiv. Die Wahrscheinlichkeit, dass es sich um ein „gutes Geschäft“ handelte, lag in allen Fällen bei 0 %. Die Forscher deuten an, dass dies geschah, weil die Patienten in der Studie in ihren Gesundheitsergebnissen so ähnlich waren, dass die winzigen Unterschiede in der Berechnung der Modelle im Rauschen untergingen.
Das Fazit
Die Studie legt nahe, dass für Studien zu rheumatoider Arthritis die einfacheren, Standard-Werkzeuge (LMM und GEE) genauso gut sind wie das komplexere zweiteilige Modell und keinen zusätzlichen Aufwand durch das TPMM erfordern. Obwohl das TPMM niedrigere Zahlen lieferte, waren diese Unterschiede zu gering, um eine Entscheidung im großen Rahmen dieses spezifischen Wirtschaftsmodells zu ändern. Die Autoren warnen jedoch, dass dies nicht für jede Krankheit gelten muss. Wenn eine Krankheit eine große Anzahl von Menschen hat, die sich „perfekt gesund“ fühlen, könnte sich das TPMM anders verhalten, und die Ergebnisse könnten sich ändern. Für den Moment jedoch gewinnen in der Welt der rheumatoiden Arthritis die einfachen Werkzeuge das Rennen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.