Escolhendo o modelo apropriado para uma análise de custo-efetividade

Ainda que, para alguns pesquisadores, modelos de custo-efetividade – especialmente em doenças crônicas – seja sinônimo de modelos de Markov, existem outros tipos de modelos bastante utilizados nesse tipo de estudos. Algumas situações, conforme resumidas abaixo, na verdade exigem que o modelo utilizado seja outro. O objetivo do post de hoje da HTAnalyze é justamente de auxiliar pesquisadores na escolha do melhor modelo para seu estudo. Abaixo, o fluxograma resumo os principais caminhos na escolha de um modelo, e, mais abaixo, detalhamos as perguntas que devem ser respondidas, juntamente com a orientação de que tipo de modelo é recomendado, de acordo com as respostas.

• O modelo funcionará adequadamente com grupos de indivíduos ou é necessário representá-los individualmente?

As árvores de decisão, modelos de Markov convencionais e alguns modelos de transmissão dinâmica não representam sujeitos de forma individual, e sim os tratam como uma fração de uma coorte homogênea. Por outro lado, modelos de Markov com micro-simulação, simulação de eventos discretos (SED), modelos baseados em agentes e boa parte dos modelos dinâmicos representam cada paciente individualmente. A abordagem individual permite maior riqueza de detalhes no modelo, especialmente no tocante a características clínicas e a eventos sofridos interferirem na probabilidade de novos eventos. Por outro lado, modelos que lidam com grupos são mais facilmente programáveis, e o tempo computacional para as análises é substancialmente menor. O efeito de eventos prévios pode ser modelado com Markov convencional, por meio do incremento de número de estados. Se cada novo infarto aumentar a chance de mortalidade, por exemplo, o modelo poderia ter os estados “pacientes após um infarto”, “pacientes após dois infartos”, e assim por diante. Porém, algumas situações fazem com que o número de tais estados de saúde se torne exponencialmente grande, o que pode ser prejudicial ao modelo, sugerindo utilização de abordagens individuais (SED ou Markov com micro-simulação).

• Caso represente indivíduos, há necessidade de contemplar interações entre os indivíduos, ou entre estes e componentes do modelo (como no caso de restrições na disponibilidade de recursos)?

Quando a intervenção modelada tem efeito na transmissão de doenças, como em algumas situações de doenças infecciosas, o modelo deveria permitir interação entre os indivíduos, com a escolha recaindo em modelos dinâmicos ou SED. O mesmo se aplica a modelos em cenários com recursos limitados, como no caso de transplantes ou alguma outra situação com oferta limitada (por exemplo, alguma cirurgia que notadamente tem longo tempo de espera no sistema).

• Qual o horizonte temporal apropriado?

Caso o horizonte não seja muito curto, as árvores de decisão simples não são recomendados. Nas demais situações, outros tipos de modelo (mais comumente Markov ou SED) devem ser utilizados.

• Eventos podem acontecer mais de uma vez?

As árvores de decisão simples só têm utilidade na modelagem de eventos que ocorrem apenas uma vez. Nas demais situações, outros tipos de modelos devem ser buscados.

• O tempo deve ser representado de forma contínua ou discreta?

O modelo de Markov trata o tempo de forma discreta, isto é, há intervalos fixos de tempo, onde eventos só podem ocorrer uma vez durante cada intervalo. Caso os eventos sejam frequentes, o modelo de Markov pode ter sua duração de ciclo diminuída. Modelos como SED, por outro lado, tratam o tempo de forma contínua, de forma que eventos podem acontecer em qualquer instante de tempo, com período de eventual recorrência de eventos também bastante flexível. Caso isto seja desejável no modelo, este tipo de abordagem deve ser escolhido.

Não existe apenas uma possibilidade de modelo para cada situação. Quando é possível utilizar uma árvore de decisão simples, esta escolha é bastante atrativa pela simplicidade do método, mas certamente outros modelos poderiam ser utilizados. As principais situações que apontam para a utilização específica de um modelo são:

• Em cenários de doenças infecciosas onde seja importante representar a interação entre os sujeitos e o seu efeito em transmissão e imunidade (quando se deve lançar mão de modelos dinâmicos);
• Em situações de recursos com disponibilidade limitada, onde a SED é o método de escolha.

Nas demais doenças crônicas, usualmente é possível utilizar Markov tradicional (isto é, com avaliação de coortes), Markov com microsimulação ou SED. O principal atrativo do Markov tradicional é a sua ampla difusão (e consequente aceitabilidade pelo público leitor), simplicidade de montagem do modelo e facilidade para realizar análises de sensibilidade. Caso o número de estados se torne muito grande para acomodar todas as combinações de características clínicas desejadas, pode-se lançar mão de uma microsimulação. A SED pode em geral ser usada em situações onde ambos os tipos de Markov (coortes e microsimulação) são opções válidas; porém, tendo em vista sua maior necessidade de parâmetros a serem estimados, maior dificuldade computacional e menor familiaridade do público leitor, ela deve ser utilizada quando seu maior refinamento metodológico realmente se traduzir em ganhos na acurácia do modelo.