¿La Evaluación Económica, también con información de las bases de datos administrativas y clínicas?

Drummond (2005) define la evaluación económica como el análisis comparativo de cursos de acción alternativos en términos de coste y consecuencias para la salud. En el capítulo referido a los diferentes tipos de evaluación económica, se describen sus características según el alcance del estudio. En el caso del análisis coste-utilidad, lo que importa es que mediante la técnica estadística que sea podamos cuantificar el coste incremental que representa ganar un año de vida ajustado por calidad (AVAC) con la nueva intervención sanitaria cuando se compara con la alternativa estándar. No se hace mucho énfasis en los dos enfoques que podemos aplicar para calcular el coste y la efectividad de cada una de las alternativas. El primero es la modelización de la historia natural de la enfermedad, principalmente a través de modelos de Markov (Briggs et al, 2006). El segundo es el análisis estadístico con datos individuales de paciente de coste y efectividad, que se ha utilizado especialmente en el contexto de ensayos clínicos (Glick et al., 2007). Sin embargo, en España la incorporación de la evaluación económica en el diseño de los ensayos clínicos ha sido escasa (Lanzeta et al., 2016). Muchas veces se llevan a cabo análisis de costes post-hoc para agregar una evaluación económica que no se había planteado en el diseño original. Esto lleva habitualmente a la necesidad de utilizar modelos donde el resultado de los ensayos clínicos se incorpora en forma de hazard ratio, Odds ratio o riesgo relativo entre intervenciones, no sacando partido a la información que ofrecen los datos a nivel individual.

Aunque los resultados aportados por los ensayos clínicos tienen el mayor nivel de evidencia (validez interna), los estudios observacionales permiten comparar los resultados y los costes de diferentes enfoques de la práctica clínica habitual para una misma enfermedad (validez externa). Cuando la información clínica solamente estaba disponible en papel, la realización de los estudios observacionales exigía recoger de forma individual las variables de uso de recursos de cada paciente. Sin embargo, la informatización de la historia clínica ha permitido disponer de bases de datos clínicas con grandes muestras de casos y un uso potencial para la evaluación económica (Garrison et al., 2007). Generalmente la población diana (casos) se obtiene de las bases de datos clínicas y el uso de recursos de cada caso se obtiene de las administrativas. Además, los fármacos están incluidos por la receta electrónica, lo que permite usarlos tanto para conocer costes como para diferenciar alternativas a estudio. El problema suele estar en la obtención de las utilidades (EuroQol EQ-5D) a nivel individual ya que no se recogen de forma rutinaria en la práctica clínica. Por ello, la obtención de las utilidades tiene que ser objeto de un estudio específico prospectivo o simplemente recogerlas de la literatura.

El problema del sesgo de selección inherente en el diseño observacional se puede paliar mediante técnicas estadísticas adecuadas, como los modelos de regresión (Kreif et al., 2013)  o, más recientemente, el propensity score que permite balancear los dos grupos de análisis (Garrido et al., 2014). En el Taller precongreso de las XXXVIII Jornadas AES celebradas en Las Palmas de Gran Canaria, Richard Grieve abordó su aplicación mediante el paquete en R “genetic matching” (Sekhom, 2007). La sintaxis que compartió con los participantes permite balancear los dos grupos aplicando tanto la técnica del peso de cada caso (“weighting”) como la del apareamiento de los casos (“matching”).

Una vez balanceados los dos grupos de intervención se podrán analizar los datos de coste y AVACs a través de modelos multivariables que consideren la correlación existente entre el coste y la efectividad (estimación bootstrap, modelos de regresión, etc.). Por ejemplo, los modelos SUR (seemingly uncorrelated regressions) (Willan y Briggs, 2006) permiten la estimación del coste y la efectividad incremental a través de la incorporación de una variable indicadora de tratamiento en las regresiones para el coste y la efectividad, además de la inclusión de otras variables de control, como por ejemplo aquellas detectadas como relevantes en el “genetic matching”.

Como conclusión, este post pretende poner en valor las potencialidades del uso de las bases de datos administrativas para realizar evaluación económica. Los servicios de salud de varias comunidades autónomas disponen ya de bases de datos corporativas que permiten llevar a cabo la evaluación económica de diferentes intervenciones. Así, por ejemplo, el Servicio Vasco de Salud dispone de la base de datos corporativa Oracle Business Intelligence (OBI) que contiene información actualizada diariamente de todos los contactos con Atención Primaria, hospitalizaciones, hospitalización a domicilio, consultas hospitalarias, urgencias y farmacia, así como los episodios de la historia clínica electrónica de los pacientes. Con bases de datos provenientes de la práctica clínica se ha llevado a cabo la evaluación económica de procedimientos quirúrgicos (laparoscopia versus cirugía abierta) (Mar et al., 2018).  En la Tabla 1 se señalan las ventajas e inconvenientes del uso de las bases de datos provenientes de la práctica clínica para llevar a cabo estudios de evaluación económica.

Tabla 1. Uso de las bases de datos administrativas y clínicas para realizar evaluación económica

Ventajas Tamaños muestrales elevados disponibles.

Inmediatez en el acceso a los datos.

Transferibilidad de los resultados a la práctica.

Bajo coste de la obtención de datos.

Inconvenientes Datos retrospectivos.

Limitación a los datos recogidos por la administración.

No disponibilidad de datos de utilidad (EQ-5D).

Variabilidad en el acceso a estos datos por comunidad autónoma.

 

Para una información más detallada de las técnicas estadísticas apropiadas para el uso de datos administrativos en evaluación económica se recomiendan los siguiente dos cursos cortos: A) “Methods for addressing selection bias in health economic evaluation”, curso impartido por el profesor Richard Grieve, London School of Hygiene & Tropical Medicine, que ha sido impartido en distintas versiones en los últimos años, B) “Analysing Patient-Level Data using Hospital Episode Statistics (HES)”, curso impartido en la Universidad de York que tendrá su próximo edición en julio de 2019 .

 

 

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*

code