Medicina Basada en la Evidencia

Estudios de evaluación económica – 219 – En la práctica podemos diferenciar tres grandes tipos de modelos de Markov, marcados según el tiempo de las probabilidades de transición: — Cadenas de Markov: utilizadas en patologías de corta evolución . Manejan probabilidades de transición constantes. — Procesos de Markov: utilizados en enfermeda- des crónicas en las que la morbi-mortalidad va en función de la edad. En ellos las probabili- dades de transición varían con el tiempo y el estado en el que se encuentra el individuo. — Semiproceso de Markov: en este caso las pro- babilidades de transición dependen del tiem- po de permanencia en un estado . Los modelos de Markov no tienen memoria, es decir, no tienen en cuenta los estados de salud pasados. Otra limitación es que los periodos de tiempo son prefijados y constantes, cuando en la realidad no lo son, los pacientes solo pueden estar en un único estado de salud en cada ciclo del modelo y solo es posible una única transición por ciclo. Existen otros modelos, entre los que cabe mencionar los modelos de simulación de eventos discretos (MSED). Se utilizan para estudiar sistemas y procesos, cuyo es- tado va cambiando de forma discreta, permitiendo la conceptualización del curso de una enfermedad y su manejo en términos de los eventos que pueden suce- der durante la modelización, afectando tanto a los pa- cientes como a otros componentes del sistema (por ej.: el uso de recursos). Las probabilidades de que ocurran cada uno de los eventos se asocian con las característi- cas personales de los pacientes. Los modelos epidemiológicos , utilizados en la evalua- ción económica de medidas profilácticas ante enfer- medades infecciosas, son dinámicos cuando a lo largo del tiempo del proceso permiten representar epide- mias captando el efecto de reducción de contactos y la disminución de los susceptibles y de los infectivos. La aplicación conjunta de modelos dinámicos y árboles combina el comportamiento epidémico y grado de utili- zación de los recursos sanitarios, evaluando con mayor precisión las intervenciones dirigidas a la prevención de enfermedades infecciosas. Veamos un ejemplo: Dentro de las medidas de prevención, cabe resaltar los estudios realizados con palivizumab, anticuerpo mono- clonal específico indicado en la prevención de infec- ciones causadas por el virus sincitial respiratorio (VSR). La epidemiología de la enfermedad (el VSR es primera causa de bronquiolitis en niños menores de dos años), la eficacia de la profilaxis y el elevado coste de admi- nistración de un anticuerpo monoclonal explicarían los 3 estudios de evaluación económica realizados en nuestro país, cuyos resultados avalan el uso de palivi- zumab en los subgrupos de mayor riesgo especificados por la Sociedad Española de Neonatología. b) Según su naturaleza probabilística ■ Modelos determinísticos: modelos no sujetos a la incertidumbre. Introducen variables a través de fór- mulas algebraicas sin utilizar técnicas de simulación. Por ejemplo, efectos de tratamientos, supervivencia, individuos en cada estado de salud. ■ Modelos estocásticos: modelos sujetos a la incerti- dumbre simulando probabilidades de eventos que se generan por el efecto del azar. En un análisis probabilístico se refleja explícitamente la variabilidad que pueda haber entre los distintos pa- cientes dentro de una cohorte. Se representa mediante funciones de distribución probabilísticas en lugar de hacerlo mediante estimaciones puntuales, tal como se haría en un análisis determinístico. Manejo de la incertidumbre en las evaluaciones económicas de intervenciones sanitarias La habitual variabilidad de los datos, por ser estimacio- nes muestrales o no representar fielmente los valores poblacionales, hace necesario valorar si la incertidum- bre de las evaluaciones económicas de intervenciones sanitarias (EEIS) altera los resultados de un análisis económico. La incertidumbre en una EEIS se debe a: ■ Método analítico. ■ Variaciones muestrales. ■ Validez de los datos disponibles. ■ Generalización de los resultados a la población general. ■ Extrapolación de resultados intermedios a cambios en un resultado final. Dadas las posibilidades de incertidumbre, requiere que las estimaciones puntuales de coste-efectividad se acompañen de intervalos de incertidumbre que per- mitan apreciar la calidad de la información en la que basan sus decisiones. Cada causa de incertidumbre re- quiere un método para cuantificar su magnitud, con dos grupos de técnicas: análisis de sensibilidad cualitativos y análisis estadísticos de la incertidumbre. Análisis de sensibilidad Comprobación de la estabilidad de los resultados de una EEIS modificando las variables principales o esti- maciones realizadas. Existen principalmente 5 tipos de análisis de sensibilidad: