Presentacin de PowerPoint

1
Medición de la Utilidad
Un acercamiento a las preferencias del enfermo
Facultad Nacional de Salud Pública
2
Una misma intervención puede tener consecuencias
favorables en unos enfermos y dañinas en otros
La decisión de intervenir debe sopesar el
beneficio contra el daño
3
MEDICIÓN DEL BENEFICIO
En epidemiología existen varios enfoques

• Criterios Objetivos de Impacto
• Criterios subjetivos

• Preferencia del Médico
• Preferencia del Enfermo

• Criterios Mixtos

4
MEDICIÓN DEL BENEFICIO
Es la Valoración favorable (utilidad) o
desfavorable (dis-utilidad), que el enfermo
asigna a una situación

• La calidad actual de vida
• Los efectos del tratamiento

Esta valoración es subjetiva y puede cambiar en
el tiempo
5
VALORACIÓN DEL BENEFICIO

• Es subjetiva
• Cambia en el tiempo
• Está afectada por la ACTITUD
• ANTE EL RIESGO
• Depende de la calidad de la
• información disponible sobre la
• situación a valorar

6
ACTITUD ANTE EL RIESGO

• NEUTRALIDAD ANTE EL RIESGO Suposición de que el
  sujeto actúa de forma indiferente ante dos o más
  alternativas de riesgo.
• AVERSION AL RIESGO Predisposición a
  seleccionar, entre varias alternativas, aquellas
  que impliquen un menor riesgo a corto plazo
• PROPERSION AL RIESGO Predisposición a
  seleccionar una alternativa de alto riesgo cuando
  la situación actual es considerada peor.

7
UTILIDAD MARGINAL
Cantidad adicional de beneficio que, de acuerdo
con un criterio establecido, se genera a partir
de una línea de base
La utilidad marginal de la salud cambia con la
actitud ante el riesgo
8
UTILIDAD MARGINAL
En dos condiciones de Actitud ante el Riesgo
Utilidad Marginal
Utilidad Marginal
1
2
3
1
2
3
Años de Vida
Años de Vida
AVERSION AL RIESGO
PROPERSION AL RIESGO
Para el enfermo el presente es mejor que un mal
futuro Los años cercanos valen más
Para el enfermo el presente es peor que un mal
futuro Los años cercanos valen menos
9
MEDICIÓN DEL BENEFICIO
Existen tres técnicas

• Valoración contra la Lotería Estándar
• Valoración por Compensación de tiempos (QUALY)
• Valoración por Escala Analógica Visual

10
LOTERÍA ESTÁNDAR (Standard gamble)

• Define para el enfermo su estado actual como un
  evento seguro cuya utilidad se desconoce
• Define para el enfermo todas las alternativas
  relevantes.
• Valora la peor alternativa con una utilidad de
  cero (0) y la óptima con uno (1)
• Pide al enfermo que compare su estado actual con
  una lotería, donde la frecuencia del resultado
  peor se va combinando con la del mejor (bolas
  rojas y blancas)

Von Newman J, Morgernstern O. Theory of Games and
Economic Behavior. Princeton. NJ. Princeton
University Press. 1947
11
Lotería Estándar (Standard Gamble)

• Determina la Condición de indiferencia entre el
  estado evaluado y la lotería. Valor donde se
  igualan las utilidades pues el enfermo no sabe
  qué decidir
• Considera que la utilidad del evento seguro U es
  el valor de la condición de indiferencia.
• ? Utilidad del estado actual (P x 1.0)
  (1-P) x 0
• En estas condiciones se cumple que
• U ? Utilidad Disutilidad 0
• De la misma manera mide la utilidad de las demás
  alternativas

12
LOTERÍA ESTÁNDAR

• Se considera el método más preciso para medir
  beneficio
• Tiene en cuenta la aversión al riesgo
• Es complejo y engorroso

13
Compensación de Tiempos (Time-Tradeoff)
Valora la UTILIDAD en función de los AÑOS DE VIDA
EN BUENA SALUD

• Se determina la esperanza de vida del enfermo en
  su estado actual

Esperanza de Vida 20 años enfermo
Torrance GW. Utility approach to measuring
health-related quality of life. J Chron Dis 1987
40 593-600
14
Compensación de Tiempos

• Se pide al enfermo que exprese cuántos de estos
  años estaría dispuesto a arriesgar con el
  tratamiento para ganar AÑOS DE VIDA EN BUENA SALUD

Ej
Yo cambiaría hasta 5 años de lo que me resta de
vida por vivir 15 años sano
5 años enfermo o muerto
15 años sano
Esta proporción es un Factor de Ponderación 15
/ 20 0.75
15
Compensación de Tiempos

• La proporción de AÑOS DE BUENA SALUD (QUALYs
  Quality Adjusted Life Years) elegida por el
  enfermo, es una medida del valor (utilidad) que
  éste confiere a su tiempo de salud.
• Ej Para un enfermo que eligió una proporción de
  0.75, una esperanza de vida de 8 años, equivale a
  una utilidad de 6 QUALYs (8 x 0.75 6)

16
Compensación de Tiempos

• Más sencillo
• Su problema es que No tiene en cuenta la aversión
  al riesgo
• En condiciones de aversión proporcional al riesgo
  puede ser un buen estimador del método de la
  lotería

17
Escala Analógica Visual
Perfecta salud
1.0

• El más sencillo de los tres
• En una escala gráfica se representan la situación
  mejor y la peor
• Se pide al enfermo que represente las situaciones
  con marcas
• Valora proporcionalmente las distancias con una
  regla

0.0
Muerte
18
...incluso si las preferencias son valoradas de
manera imperfecta... Una política que considere
explícitamente la forma en que los pacientes ven
los resultados en salud, es probablemente mejor
que una basada en las preferencias implícitas de
un panel de expertos
Sox HC, Blatt MA, Higgins M, Marton K. Medical
decision making. New York. Butterwarts, 1988
19
VALORACIONES DEL BENEFICIO

• Expectativa de vida

• Método DEALE

• Modelos de Markov

20
EXPECTATIVA DE VIDA
Asumiendo el modelo exponencial, la Esperanza de
Vida EV de un estrato poblacional se calcula así

m mortalidad del estrato
21
EXPECTATIVA DE VIDA
Ej
En una población donde la mortalidad de las
mujeres de 55 años es 0.014, su EV es
1

71.4 años
0.014
22
MÉTODO DEALE
Decleaning Exponential Aproximation to Life
Expectancy
Método epidemiológico que permite aplicar a un
enfermo en particular, datos globales de
supervivencia, ajustándolos por edad y
comorbilidad.
23
MÉTODO DEALE
Supone que para enfermedades graves, la
supervivencia sigue una curva exponencial
decreciente. Luego, la mortalidad puede
calcularse así m (- 1/t) x ln (S /
So)
1.
m Mortalidad anual t Tiempo transcurrido S
Tamaño Inicial de la cohorte So Supervivientes
al cabo del tiempo t
24
MÉTODO DEALE
Descompone la Mortalidad Total MT en Mortalidad
debida a la Edad MEd y Mortalidad Adicional
debida a la Enfermedad MEnf
2.
MT M Ed M Enf
Este Modelo puede adicionar la carga de otras
enfermedades raras no incluídas en la mortalidad
total
25
MÉTODO DEALE
Restricciones
La Mortalidad Adicional debida a la Enfermedad no
está incluída en la Mortalidad General del estrato
En la vida real, la mortalidad general de un
estrato suele incluír todas las causas. Por eso
la utilidad de este método suele limitarse a
enfermedades raras en el grupo.
26
MÉTODO DEALE
Ej
Un estudio realizado en varones de 55 años, cuya
mortalidad específica para la edad es de 0.009,
encontró que una Enfermedad rara tenía una
letalidad del 25 a 5 años. Si nuestro enfermo
tiene la misma enfermedad y su edad es 65 años,
su esperanza de vida EV debe ser menor al 0.020
que se estima para su edad. Cuál será esta EV?
Solución
1.
Calcular para los enfermos del estudio la
Mortalidad adicional que genera la enfermedad y
la esperanza de vida
2.
Ajustar estos hallazgos para nuestro paciente
27
1.

• Se calcula la mortalidad total anual m de los
  enfermos del estudio
• m (- 1/t) x ln (S / So)
• (- 1/5) x ln (0.25)
  0.277 defunciones por año

• Se calcula la mortalidad por la enfermedad en los
  enfermos estudiados
• m enf m total - m edad 0.277 -
  0.009 0.268

• Si nuestro paciente tuviera 55 años, tendría la
  esperanza de vida EV de los enfermos del estudio
• EV 1 / m 1 /0.277 3.60
  años

28
2.

• Se calcula la mortalidad total anual m de nuestro
  enfermo
• m tot m edad m enfermedad 0.020
  0.268 0.288

• Se calcula la esperanza de vida EV del enfermo
• EV 1 / m 1 /0.288 3.47
  años

Esta EV está ajustada por una comorbilidad rara
que no estaba incluída en la mortalidad total
29
MODELOS DE MARKOV
Modelo de análisis de decisiones aplicado a
procesos donde un número finito de ESTADOS del
evento se reemplazan unos a otros en el tiempo.
30
Ej de un Modelo de Markov
Empeora miento
Mejoría
ESTADO ABSORBENTE
Muerte
Remisión Completa
Número de Estados 4 Duración de cada ciclo 1
día
31
MODELOS DE MARKOV PRINCIPIOS
1.
El modelo define un número finito de valores del
suceso llamados Estados de Markov
2.
El análisis se circunscribe en un horizonte
temporal a largo plazo dividido en ciclos de
igual duración (Ciclos de Markov).
Los acontecimientos se modelizan como
transiciones de un estado a otro (estados
intermedios del proceso). Un estado que no admite
cambios a otro se denomina Estado Absorbente
3.
32
MODELOS DE MARKOV PRINCIPIOS
4.
A cada estado debe asignarse una utilidad entre 0
y 1.
5.
El cambio de utilidad de pasar de un ciclo a otro
se denomina Utilidad Incremental
6.
La contribución de la utilidad de cada estado a
la utilidad global (pronóstico) depende del
tiempo total que el sujeto haya pasado en ese
estado al terminar todos los ciclos.
33
MODELOS DE MARKOV PRINCIPIOS
7.
Existen dos tipos de procesos Cadenas de Markov
procesos donde las probabilidades de transición
son las mismas a lo largo del tiempo Procesos
con probabilidades de transición y utilidades
incrementales variables a lo largo del tiempo
34
Análisis de Markov Procedimientos Generales
1.
Definir todos los estados relevantes del proceso
2.
Definir el tiempo de duración de cada ciclo
3.
Asignar a cada estado su utilidad entre 0 y 1
4.
Medir el total de ciclos en cada estado
5.
Calcular la utilidad de cada estado ponderándola
por el número de ciclos promedio que el sujeto
pasó en él
35
ANÁLISIS DE MARKOV ARBOL DE DECISIONES
Para analizar el Arbol de decisiones de un
proceso Markoviano existen tres métodos
1.
CALCULO MATRICIAL para cadenas de Markov. Poco
usado
2.
SIMULACION DE UNA COHORTE FIJA
3.
SIMULACION DE MONTECARLO
36
Análisis de Markov Simulación de Cohorte
1.
Estima la utilidad de una cohorte fija ficticia a
lo largo de todos sus ciclos, hasta que ésta se
agote en su Estado Absorbente o su ganancia sea
mínima (Ej menor de 0.001)
2.
Asume que las transformaciones ocurren a mitad
del ciclo (promedia a mitad de período) y ajusta
el cálculo del último ciclo.
3.
Estima la Utilidad Esperada como Utilidad total
ganada por la cohorte, dividida por el número de
individuos de su tamaño inicial.
37
Análisis de Markov SIMULACIÓN DE MONTECARLO
1.
Simula una cohorte ficticia (usualmente de 1000
sujetos.
2.
Utilizando puntos de partida aleatorios realiza
mil (o más) análisis combinatorios donde calcula
las diferentes probabilidades de que un sujeto de
la cohorte ficticia presente un cambio
determinado en el siguiente ciclo.
3.
La asignación de utilidades sigue los principios
generales del análisis de Markov
38
Análisis de Markov EJEMPLO
Un enfermo estableció la utilidad de su
enfermedad en 0.75. Con el tratamiento pasó 2.5
años en estados de mejoría (utilidad 1)
alternados con 1.25 años en estados de
enfermedad. Luego falleció (utilidad 0). Cual
fue la utilidad global del período de
tratamiento?
39
Análisis de Markov EJEMPLO
1.

• Definir todos los estados relevantes del proceso
• Enfermedad
• Mejoría
• Muerte

2.
Definir el tiempo de duración de cada ciclo
1 un día (al final se totalizarán en años)
3.

• Asignar a cada estado su utilidad entre 0 y 1
• Mejoría Utilidad 1.0
• Enfermedad Utilidad 0.7
• Muerte Utilidad 0.0

40
Análisis de Markov EJEMPLO
4.
Medir el total de ciclos que se pasó en cada
estado

• Enfermedad 1.25 ciclos (años)
• Mejoría 2.50 ciclos (años)
• Muerte 0 ciclos

5.
Calcular la utilidad de cada estado ponderándola
por el número de ciclos promedio que el sujeto
pasó en él

• U Enfermedad 1.25 ciclos x 0.7 0.9 QALYs
• U Mejoría 2.50 ciclos x 1.0 2.5
  QALYs
• U Muerte 0 ciclos x 0.0 0.0
  QALYs

41
Análisis de Markov EJEMPLO
6.
Calcular la utilidad global del tiempo de
tratamiento
Utilidad Global UG Utilidad del estado 1
Utilidad del estado 2 Utilidad del estado 3
UG Utilidad Mejoría Utilidad Enfermedad
Utilidad Muerte
UG 2.5 0.9 0.0 3.4 QUALYs
42
Análisis de Markov LIMITACIONES
1.
Asunción Markoviana El proceso no tiene
memoria. La conducta del proceso después de cada
ciclo depende solo de su descripción en ese
ciclo.
En la vida real, cada ciclo suele depender de los
anteriores.
43
Análisis de Markov LIMITACIONES
2.
Durante un ciclo, ocurre solo una transformación
En la vida real, en cada período (ciclo) pueden
darse dos o más eventos sucesivos