Estimando ganhos de sobrevivência com base em dados de ensaios clínicos – Healthcare Economist

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


Como você mede o valor de novos tratamentos que melhoram a sobrevivência? Claramente, um dos principais fatores para isso é entender o quanto cada tratamento pode melhorar a sobrevida em relação ao status quo. Na prática, no entanto, estimar essa quantidade é um desafio na prática.

Primeiro, quando dizemos ganho de sobrevivência, queremos dizer sobrevivência mediana ou sobrevivência média? A sobrevivência mediana é mais fácil de estimar, pois você só precisa conhecer a sobrevivência mediana da pessoa “típica” (ou seja, alguém com o percentil 50). Para uma sobrevivência média, você precisaria conhecer a sobrevivência de todos na distribuição e a média sobre essas pessoas. Embora minha pesquisa mostre que os pacientes geralmente se preocupam mais com a sobrevida média do que com a mediana, estimar isso é mais difícil com os dados de ensaios clínicos. Os ensaios clínicos são curtos e, portanto, seria necessário extrapolar a sobrevivência de todas as pessoas com base nas informações de mortalidade de um número limitado de pessoas para as quais observamos a morte. Na figura abaixo, a linha em vermelho é a curva de Kaplan-Meier com base nos dados de mortalidade de ensaios clínicos e a curva azul é uma extrapolação. Podemos usar Kaplan-Meier para calcular a mediana, mas precisamos da extrapolação para obter a média.

O Instituto Nacional de Excelência em Saúde e Cuidados (NICE) possui um Documento Técnico do DSU sobre Análise de Sobrevivência para Avaliações Econômicas. O documento examina quais tipos de modelos são mais comumente usados. Eles descobriram que a maioria dos envios de HTA usa meios, mas alguns também também usam estimativas medianas de sobrevivência.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
Estimando ganhos de sobrevivência com base em dados de ensaios clínicos - Healthcare Economist 2
http://nicedsu.org.uk/wp-content/uploads/2016/03/NICE-DSU-TSD-Survival-analysis.updated-March-2013.v2.pdf

Se você precisar extrapolar os meios, como isso é feito com mais frequência?

Leia Também  Razões pelas quais você deve usar suplementos nutricionais

Os modelos paramétricos são mais frequentemente usados, e os mais comuns usados ​​para envios de HTA são Weibull e exponencial. Isso é mostrado na tabela abaixo. Uma distribuição exponencial assume um risco proporcional constante e é mais simples de estimar. As distribuições Weibull e Gompertz assumem taxas de risco que aumentam ou diminuem monotonicamente, o que adiciona alguma flexibilidade. Logística e lognormal assumem um risco inicial crescente e depois um risco decrescente. Essas duas últimas funções permitem ajustar melhor os dados quando há uma cauda gorda na distribuição da sobrevivência, mas podem superestimar a sobrevivência se as caudas gordas provavelmente não se materializarem na prática. A distribuição gama pode incorporar todas essas tendências, é a mais flexível, mas requer a estimativa de mais parâmetros.

Estimando ganhos de sobrevivência com base em dados de ensaios clínicos - Healthcare Economist 3
http://nicedsu.org.uk/wp-content/uploads/2016/03/NICE-DSU-TSD-Survival-analysis.updated-March-2013.v2.pdf

Existem outros métodos de extrapolação, como modelos por partes, modelos de coluna, modelos de cura, modelos de referência ou modelos de mistura. No entanto, o documento NICE faz um bom trabalho de resumir as abordagens mais usadas para extrapolar as curvas de sobrevivência.

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br