El valor de la informació

Value of Information for Healthcare Decision-Making 

Llibre resumit amb IA.

El llibre "Value of Information for Healthcare Decision-Making" (2023), editat per Anna Heath, Natalia Kunst i Christopher Jackson, és una obra exhaustiva que explora l'ús de la Valor de la Informació (VOI) en la presa de decisions en política sanitària. L'objectiu principal és simplificar la comprensió i l'aplicació d'aquests mètodes avançats per a la priorització i el disseny de recerca futura.

Públic Objectiu i Propòsit Principal: La publicació està dirigida principalment a moduladors i investigadors en economia de la salut (en la indústria, el govern o l'àmbit acadèmic), així com a investigadors de postgrau i estudiants que necessiten aprendre o aplicar els principis de VOI en els seus projectes. El seu propòsit és millorar la comprensió d'aquests mètodes i facilitar-ne l'ús, abordant la complexitat matemàtica que ha estat una barrera per a la seva aplicació pràctica.

Fonaments Teòrics i Conceptes Clau: El llibre es basa en la teoria de la decisió bayesiana, que se centra en situacions on s'ha de decidir entre diferents cursos d'acció per obtenir el màxim benefici, tenint en compte la incertesa sobre els resultats esperats. La informació que sustenta la decisió és inherentment incompleta, i aquesta incertesa es quantifica mitjançant distribucions de probabilitat per als paràmetres del model.

En el context de l'economia de la salut, el llibre explica les avaluacions econòmiques com a anàlisis que comparen costos i resultats de diferents opcions de decisió (p. ex., règims de tractament) per optimitzar l'ús de recursos escassos. Els resultats es mesuren com a efectes sobre la salut i costos. Les principals mesures per combinar-los són el Benefici Net (Net Benefit - NB), ja sigui monetari (NMB) o en salut (NHB), i la Ràtio Cost-Efectivitat Incremental (ICER). El llibre se centra en el benefici net, ja que és la base per a l'anàlisi de VOI.

La incertesa es distingeix de la variabilitat (diferències entre individus) i l'heterogeneïtat (diferències explicables per característiques individuals). Una distinció crucial és entre la incertesa de paràmetres (quantificable mitjançant distribucions de probabilitat) i la incertesa estructural (incertesa sobre l'estructura del model mateix o els seus supòsits). El llibre assumeix que la majoria d'incerteses es poden parametritzar, però també discuteix l'abordatge de la incertesa estructural. L'anàlisi probabilística (PA) és el procés de quantificar la incertesa en els models econòmics mitjançant simulacions Monte Carlo, que és el fonament dels mètodes VOI.

Principals Mesures de Valor de la Informació (VOI):

1. Valor Esperat de la Informació Perfecta (EVPI):

   • Mesura el valor d'eliminar tota la incertesa de tots els paràmetres del model.
   • Actua com a límit superior per al valor de qualsevol investigació destinada a reduir la incertesa. Si el cost de la recerca supera l'EVPI poblacional, la recerca es considera innecessària.
   • Es calcula mitjançant la simulació de Monte Carlo a partir de les mostres de l'anàlisi probabilística.
   • Es pot expressar per persona o a nivell poblacional, multiplicant l'EVPI per persona per la mida de la població afectada i el temps durant el qual la decisió és rellevant.

2. Valor Esperat de la Informació Parcial Perfecta (EVPPI):

   • Calcula el valor d'eliminar la incertesa sobre un paràmetre o un subconjunt de paràmetres específic.
   • És un límit superior per al valor de la recerca centrada en aquests paràmetres.
   • S'utilitza per a anàlisis de sensibilitat (identificar quins paràmetres contribueixen més a la incertesa de la decisió) i per a la priorització de la recerca (on cal centrar futurs estudis).
   • Els mètodes de càlcul inclouen la simulació de Monte Carlo niada (computacionalment intensiva), mètodes algebraics (limitats a models simples) i, principalment, regressió no paramètrica (eficient i àmpliament aplicable, utilitzant models GAM o de processos gaussians).
   • Una característica important és la seva no additivitat: l'EVPPI de dos grups de paràmetres no és necessàriament la suma dels seus EVPPIs individuals. Per tant, és important considerar grups de paràmetres que es podrien aprendre junts en un estudi.

3. Valor Esperat de la Informació de la Mostra (EVSI):

   • Calcula el valor d'un estudi de recerca proposat amb una mida de mostra i un disseny específics.
   • És més complexa de calcular que l'EVPPI, ja que requereix especificar una distribució de mostreig per a les futures dades.
   • Pot utilitzar-se per a la priorització i el disseny de la recerca, destacant quins estudis generaran un valor significatiu.
   • Els mètodes de càlcul generalment aplicables inclouen el moment-matching, el basat en regressió, el mostreig per importància i l'aproximació gaussiana. Aquests mètodes busquen reduir la càrrega computacional de les simulacions Monte Carlo niades.

4. Benefici Net Esperat del Mostreig (ENBS):

   • Mesura el benefici net total d'emprendre un estudi de recerca específic, tenint en compte l'EVSI a nivell poblacional i el cost de realitzar l'estudi.
   • Els estudis amb ENBS superior a 0 tenen el potencial d'oferir un bon rendiment per al decisor.
   • S'utilitza per a optimitzar el disseny de l'estudi, p. ex., la mida de la mostra. Els costos de recerca es classifiquen en fixos i variables, i també es poden incloure costos d'oportunitat.

Implementació Pràctica: El llibre inclou un paquet estadístic voi per a R per a la implementació de tots els mètodes de VOI. El cas d'estudi de la quimioteràpia (un model estilitzat però realista d'avaluació econòmica de la salut per a un nou tractament de quimioteràpia) s'utilitza com a exemple al llarg de tot el llibre per demostrar els conceptes i els càlculs.

Informes i Comunicació: Un capítol dedicat detalla com s'han de reportar els resultats de VOI. Es presenta el checklist CHEERS-VOI, una extensió de les directrius CHEERS per a avaluacions econòmiques. Aquesta llista de verificació assegura la transparència, reproductibilitat i rigor en la presentació dels resultats de VOI.

A més, el llibre ofereix mètodes per comunicar els resultats de VOI a organismes d'Avaluació de Tecnologies Sanitàries (HTA). Això inclou gràfics com la Corba d'EVPI, les Corbes de Pèrdua Esperada (ELC), el Diagrama d'Anàlisi de Risc d'HTA (que il·lustra el valor dels acords d'entrada gestionada, MEA) i el Diagrama d'Avaluació de Riscos (ARCH), que incorpora judicis qualitatius sobre la incertesa del model.

Recerca en Curs i Temes Avançats: La segona part del llibre explora temes d'investigació activa en VOI:

• VOI per a l'estimació en lloc de la presa de decisions explícita: Com aplicar VOI per prioritzar la investigació quan l'objectiu és millorar l'estimació d'una quantitat d'interès, en lloc de triar entre un nombre finit d'opcions.
• Incertesa estructural: La idea d'ampliar el model per parametritzar la incertesa estructural (p. ex., un biaix) i avaluar el valor de reduir aquesta incertesa.
• Modelatge mínim: Mètodes "ràpids" per estimar VOI sense la necessitat de construir un model d'avaluació econòmica de la salut exhaustiu, útil en contextos de restriccions de temps i recursos.
• Optimització de la cartera d'EVSI: Com assignar un pressupost de recerca fix entre múltiples estudis candidats, considerant el valor conjunt de la informació.
• VOI i decisions prèvies no òptimes: Analitza com el valor de la informació es veu afectat per decisions passades que podrien no haver maximitzat el benefici net, i com això afecta l'avaluació de l'adopció de noves tecnologies i les seves quotes de mercat.
• VOI i implementació imperfecta: Examina la complexa relació entre la reducció de la incertesa i el nivell real d'implementació d'una intervenció a la pràctica, distingint entre el valor de la informació i el valor de la implementació, i els desafiaments de combinar ambdós conceptes.

El llibre també presenta històries d'èxit on els mètodes VOI s'han aplicat en la pràctica per informar decisions de política sanitària en diverses àrees clíniques, com el cribratge neonatal, el càncer de mama, les complicacions de l'embaràs i la gestió de ferides quirúrgiques.

En definitiva, "Value of Information for Healthcare Decision-Making" és un recurs integral que no només explica els fonaments teòrics i computacionals dels mètodes VOI, sinó que també proporciona orientació pràctica, eines de programari (el paquet voi d'R) i exemples reals per a la seva aplicació en la millora de la presa de decisions sanitàries i la planificació de la recerca.