ORIGINALES

Análisis coste-efectividad de tipo probabilístico del tratamiento de la apnea del sueño

Javier Mar^a  Santiago Gutiérrez-Moreno^b  Jim Chilcott^c

^aUnidad de Gestión Sanitaria, Hospital Alto Deba, Mondragón, Gipuzkoa, España
^bServicio de Evaluación y Planificación, Servicio Canario de Salud, Santa Cruz de Tenerife, Tenerife, España
^cSchool of Health and Related Research, University of Sheffield, Sheffield, Reino Unido.

Dirección para correspondencia

Keywords: Obstructive sleep apnea syndrome. Treatment. Cost-effectiveness analysis. Monte Carlo simulations.

El síndrome de la apnea obstructiva del sueño (SAOS) se caracteriza por un cuadro de somnolencia y trastornos cardiorrespiratorios, secundarios a episodios repetidos de obstrucción de la vía respiratoria superior^8,9. Es una enfermedad relevante por su alta prevalencia y porque produce en los pacientes una pérdida importante de calidad y esperanza de vida^10-13. Además, su tratamiento mediante presión continua en la vía respiratoria por vía nasal (nasal continuous positive airway pressure, nCPAP) tiene un alto coste, dada su duración a lo largo de la vida del paciente¹⁴. Los estudios coste-efectividad dedicados a evaluar la eficiencia del tratamiento del SAOS realizados hasta la fecha se basan en modelos de tipo determinista^15,16. Sus resultados muestran unas razones coste-efectividad similares a las de otros tratamientos ampliamente consolidados, como el tratamiento de los factores de riesgo cardiovasculares.

El objetivo de este trabajo es mostrar las técnicas de los estudios coste-efectividad de tipo probabilístico y su aplicación al tratamiento del SAOS a partir del modelo de la historia natural de la enfermedad descrito en un trabajo previo¹⁶.

Modelo

La descripción exhaustiva del modelo se ha llevado a cabo en el trabajo previo¹⁶. La base del estudio es un modelo de Markov¹⁷, que simula la historia natural de una cohorte de pacientes de 55 años de edad y con SAOS grave. La estrategia analizada es el tratamiento con nCPAP del SAOS grave, mientras que la estrategia alternativa consiste en dejar que los pacientes con SAOS sigan su evolución natural. Para ambas estrategias se han calculado el coste y la efectividad incrementales. La duración de los ciclos de Markov es de 1 año y la unidad de efectividad empleada ha sido el año de vida ajustada por calidad de vida (AVAC). Para ello, se han estimado los cambios que el tratamiento con nCPAP produce en la esperanza y la calidad de vida de los pacientes con SAOS. El horizonte temporal para el análisis ha sido la vida del paciente hasta su muerte. Los costes y beneficios se han descontado un 3% por año.

La esperanza de vida de los pacientes con SAOS disminuye como consecuencia del aumento del riesgo cardiovascular y del riesgo de accidentes de tráfico. Las cifras de presión arterial aumentan, lo que implica un incremento del riesgo relativo (RR) de ictus y enfermedad isquémica del corazón (EIC). Estos RR se han calculado teniendo en cuenta que son pacientes con un índice de apnea-hipopneas superior a 30. Este índice se asocia con una elevación de presión arterial diastólica de 3,6 mm. A partir de esa cifra, y de acuerdo con los metaanálisis de McMahon¹⁸ y Collins¹⁹, se calculan los RR de ictus y EIC. En el modelo se incluye también la disminución de la esperanza de vida debida al aumento del RR de accidente de tráfico⁴. Las probabilidades de transición¹⁸ se han calculado como p = 1 - e^(-tasa), asumiendo que la tasa es constante a lo largo de cada año.

Costes

El análisis de costes se ha hecho desde la perspectiva del Sistema Sanitario para el año 2000. Se han considerado los costes del diagnóstico y el tratamiento del SAOS y los costes ligados a la morbilidad cardiovascular. El coste del tratamiento con nCPAP, incluido un período de amortización de 5 años, asciende a 358 € ¹⁶. Los costes ligados a las enfermedades cardiovasculares (ictus y EIC) son menores en los pacientes tratados debido a la disminución del riesgo de ictus y EIC. En el modelo se ha introducido el coste de la atención hospitalaria a ambos procesos en el año 2000, obtenido a partir del sistema de costes del conjunto de hospitales públicos del País Vasco.

Utilidades

El SAOS produce una pérdida de calidad de vida debido a la somnolencia que genera; por consiguiente, disminuye la utilidad. El tratamiento mejora los síntomas y, por tanto, la utilidad asignada por los pacientes. Este parámetro se introduce en el modelo multiplicando la supervivencia en cada estado por la utilidad correspondiente. En el modelo se distinguen varios estados con diferentes utilidades: SAOS, SAOS con ictus y SAOS con EIC. En nuestro estudio previo, se utilizó el cuestionario EQ-5D para calcular la mejoría en la utilidad en el tratamiento con nCPAP. El beneficio medio fue de 0,073 (desviación estándar (DE) = 0,0296) en una muestra de 46 pacientes (un 87% de varones) con SAOS grave¹⁶.

Modelo probabilístico

Los modelos probabilísticos permiten la valoración de la incertidumbre paramétrica mediante las simulaciones de Monte Carlo. En cada simulación se asigna una distribución probabilística a cada uno de los parámetros del modelo (distribución a priori). En nuestro modelo tenemos varios tipos de parámetros: probabilidades, riesgos relativos, utilidades y costes. La parametrización de las distribuciones se ha basado en los métodos descritos en la bibliografía reciente sobre modelos probabilísticos^4,6. El modelo se ha construido en Excel y las simulaciones se consiguen mediante programación en VBA, tal como lo ha descrito Briggs⁴. Las probabilidades se han ajustado como distribuciones beta a partir del número de éxitos (parámetros alfa) y fracasos (parámetros beta). Las probabilidades de adhesión al tratamiento y de la prevalencia en la población estudiada se han obtenido de esta manera a partir de los datos de los pacientes atendidos en la Unidad de Sueño del Hospital Txagorritxu en los últimos 9 años. Los costes y riesgos relativos se ajustaron a una distribución logarítmica normal. La ganancia en utilidad por el tratamiento con nCPAP se ajustó a una distribución normal tomando como DE el error estándar⁶. En la tabla 1 se muestran las distribuciones de los parámetros utilizados en el modelo probabilístico.

Procesamiento del modelo probabilístico

El procesamiento del modelo consiste en la realización de 2.000 simulaciones o ensayos. El resultado de cada ensayo se resume en una razón coste-efectividad incremental (RCEI) compuesta a partir del coste y la efectividad incrementales. Estos resultados se utilizan para obtener el plano coste-efectividad y las curvas de aceptabilidad. El primero consiste en la representación en un plano del coste incremental y de la efectividad incremental de cada simulación³. La curva de aceptabilidad se basa en el cálculo del porcentaje de simulaciones en las que la alternativa estudiada tiene una razón coste-efectividad incremental inferior al umbral para distintos valores de éste. Ese porcentaje también equivale a la probabilidad de que el beneficio neto incremental sea superior a cero. La curva se obtiene al proyectar ese cálculo en función del valor del umbral⁴.

El beneficio neto incremental (BNI) es una medida derivada de la decisión de coste-efectividad^20,21:

BNI = (U x E_i) - C_i

En esta fórmula, U es el umbral, E_i representa la efectividad incremental expresada en AVAC y C_i el coste incremental expresado en euros. La estrategia preferida se identifica como la que tiene el mayor beneficio neto medio en el conjunto de las simulaciones. El resultado se expresa en función del valor de los diferentes umbrales posibles. A partir del beneficio neto se calcula el valor esperado de la información perfecta (VEIP⁶).

Valor esperado de la información perfecta

En algunas simulaciones la estrategia preferida en función del análisis del beneficio neto del conjunto de las simulaciones no es la óptima, por lo que se incurre en una pérdida de oportunidad. Ésta es la diferencia entre el máximo beneficio neto alcanzable (con información perfecta) y el beneficio neto asociado a la estrategia favorita. La pérdida de oportunidad se calcula para cada simulación como la diferencia entre el beneficio máximo alcanzable en esa simulación y el beneficio neto de la estrategia favorita. En caso de que el beneficio neto máximo alcanzado en esa simulación coincida con el de la estrategia favorita, no se habrá incurrido en ninguna pérdida de oportunidad. La pérdida de oportunidad media de todas las simulaciones se calcula posteriormente, y representa el coste esperado de la incertidumbre, que es equivalente al VEIP por paciente. El VEIP total es el VEIP por paciente multiplicado por el número de personas que se beneficiarían (prevalencia) de la estrategia (p. ej., tratamiento). El VEIP total equivale al límite máximo del coste de adquisición de más información. Una vez calculados los valores del VEIP por paciente, se pueden calcular los valores poblacionales multiplicando por la población afectada. La población afectada se ha estimado en un 0,25% de la población a partir del uso de la nCPAP en la provincia de Álava. La proyección de esa cifra a los 40 millones de población española es de 100.000 pacientes.

También se ha calculado el VEIP asociado a la reducción de incertidumbre relacionada con un parámetro concreto. De este modo, se pueden identificar los parámetros en que las estimaciones más precisas serían más valiosas. Por tanto, se pueden establecer áreas de investigación para el futuro, ya que adquirir información sobre uno o varios parámetros es conveniente si reduce la incertidumbre en la decisión final. Fundamentalmente, el VEIP parcial se calcula como la diferencia entre el VEIP total y la restante oportunidad perdida si tuviéramos una información perfecta sobre los parámetros de interés⁶.

El plano coste-efectividad aparece en la figura 1 y permite analizar el impacto de la incertidumbre en el resultado del modelo. En él se observa que la incertidumbre debida a variabilidad de los parámetros que afectan a la efectividad es mucho mayor que la producida por los que modifican el coste.

Figura 1. Plano coste-efectividad.

En la figura 2 se muestra la curva de aceptabilidad. El porcentaje de simulaciones con un resultado inferior al umbral de 30.000 € /AVAC es del 98,5%, y el 95% de las iteraciones satisfacen el criterio de aceptabilidad (umbral) de 15.000 € /AVAC. Esto equivale a decir que la RCEI de 15.000 € /AVAC tiene un valor p unilateral inferior a 0,05. Por otro lado, podemos observar que la curva de aceptabilidad nunca alcanza el 100% de las simulaciones. La RCEI de algunas iteraciones se encuentra en el cuadrante noroeste, ya que su eficacia incremental ha resultado negativa.

Figura 2. Curva de aceptabilidad.

La figura 3 muestra la curva del beneficio neto incremental para la estrategia del tratamiento con nCPAP. La curva para la estrategia de sin tratamiento no se muestra, ya que es simplemente una imagen espejo de la anterior. Éstas tocan el eje horizontal en el punto donde el beneficio de implantar cualquiera de las dos estrategias es equivalente (5.480 € /AVAC). Sin embargo, el beneficio neto se torna positivo a medida que se aumenta el umbral, lo que demuestra que el tratamiento con nCPAP es una alternativa que cabe considerar. También se han incorporado los intervalos de confianza del 95%.

Figura 3. Beneficio neto incremental en función del umbral de aceptabilidad.

La figura 4 nos muestra el VEIP global para un rango de umbrales. El valor máximo alcanzado es de 975 € /persona en el umbral de coste-efectividad medio. La figura 4 muestra también los valores de VEIP parciales por persona para los tres grupos de parámetros (probabilidades, utilidades y costes). El grupo de costes y probabilidades se comportan de forma muy similar, y llegan a unos valores máximos de 514 y 470 € , respectivamente, en el umbral de 5.500 € /AVAC. Éstos se reducen rápidamente a medida que aumenta el umbral, hasta llegar a valores de 123 y 170 € en 10.000 € /AVAC, 44 y 4 € en 20.000 € /AVAC y, finalmente, 40 y 0 € en 30.000 € /AVAC. Por otro lado, el VEIP relacionado con la calidad de vida es tan elevado como el VEIP global. En este caso, y en el ámbito de la población española, el valor total es de 1,1 millón de euros con un umbral de 20.000 € /AVAC, y de 200.000 con un umbral de 30.000 € /AVAC.

                                      Figura 4. Valor esperado de la información perfecta por paciente total y por grupo
                                      de parámetros.

Éste es el primer trabajo desarrollado en España que presenta un estudio coste-efectividad basado en un enfoque probabilístico. Una ventaja clara de los métodos probabilísticos es la claridad de la representación de los resultados. Resulta más intui tivo observar cómo se sitúa la nube de puntos en el plano coste-efectividad que analizar una compleja tabla de resultados de estudios de sensibilidad¹⁶. También hay que reseñar la ventaja que supone el análisis por separado de dos decisiones distintas respecto al tratamiento con nCPAP del SAOS¹⁶. Por un lado, está la decisión acerca de si la nCPAP debe ser incorporada o mantenida dentro de las prestaciones del Sistema Nacional de Salud, dada la información disponible. La respuesta que se da en este trabajo se basa en la interpretación de las figuras 1, 2, 3 (plano coste-efectividad, curva de aceptabilidad y beneficio neto). Por otro lado, está el análisis de las limitaciones de la información disponible, de su impacto en el análisis coste-efectividad y, por tanto, de la necesidad o no de generar más información. Esta segunda cuestión se ha respondido con el análisis del valor esperado de la información perfecta (VEIP) en la figura 4.

La nube de puntos del plano coste-efectividad se sitúa en su mayor parte en el cuadrante nordeste. Éste se caracteriza por presentar efectividades y costes incrementales positivos y, por tanto, la valoración dependerá de su relación con el umbral de eficiencia. Los puntos del cuadrante noroeste nos indican que en algunas ocasiones la nCPAP es una alternativa dominada, ya que incrementa los costes sin aumentar la efectividad. Otra característica de los resultados es que la variabilidad depende de la efectividad y no de los costes, ya que la nube de puntos es prácticamente paralela al eje de abscisas. Los manuales de evaluación económica señalan que una práctica clínica es coste-efectiva cuando su RCEI es menor que el umbral de eficiencia². En el plano coste-efectividad los diferentes umbrales (5.000, 10.000, 20.000 y 30.000 € /AVAC) se representan como rectas que pasan por el origen. Aunque en el ámbito oficial español no haya un marco de interpretación de los estudios coste-efectividad que permita evaluar sus resultados de forma incontrovertida, los investigadores estamos obligados a extraer consecuencias utilizando referencias. En este sentido, el artículo publicado por Sacristán et al ayuda a definir un posible umbral de eficiencia en el sistema sanitario español²². En este trabajo se estudiaron los resultados de las evaluaciones económicas publicadas por autores españoles en los últimos años. De su análisis se deduce que la cifra de 30.000 € /AVAC puede ser adoptada como una frontera entre las prácticas clínicas eficientes e ineficientes. Otros autores han realizado estudios similares en el contexto americano²³ y canadiense²⁴, que plantean cifras actualizadas al año 2000 en torno a los 50.000 dólares/AVAC. En el ámbito británico se utiliza la cifra de 50.000 libras/AVAC⁵. A pesar de las dificultades para señalar referencias, la primera interpretación del plano coste-efectividad y de la curva de aceptabilidad del caso base es que el tratamiento con nCPAP es coste-efectivo, ya que la media de las simulaciones es de 5.480 € /AVAC. Otros estudios que han analizado intervenciones tan consolidadas dentro del sistema sanitario como el tratamiento de los factores de riesgo cardiovascular (hipertensión, hipercolesterolemia...) muestran unas RCEI superiores^16,25,26. La curva de aceptabilidad nos señala que la incertidumbre es pequeña, ya que más del 95% de las simulaciones están por debajo de los 15.000 € /AVAC. El número de simulaciones por debajo del umbral de 30.000 € /AVAC es del 98,5%. La ventaja del modelo probabilístico es que permite analizar el impacto de las incertidumbres del modelo de forma conjunta y evitar la lista de resultados de los análisis de sensibilidad de difícil interpretación⁶. El análisis mediante el cálculo del beneficio neto muestra los mismos resultados. El BNI es 0 cuando se utiliza para su cálculo un umbral de 5.480 € , que coincide con la media de la razón coste-efectividad de las simulaciones.

En la figura 3 se muestra esta misma conclusión mediante la curva del beneficio neto incremental para la estrategia del tratamiento con nCPAP. Esta curva corta el eje horizontal en el punto de coste-efectividad medio y es aquí donde, basándonos en un criterio de aceptabilidad de 5.480 € /AVAC, el beneficio de implantar cualquiera de las dos estrategias es igual y, por tanto, la probabilidad de implantar la estrategia incorrecta es igual que la de implementar la correcta. Si escogiésemos el tratamiento con nCPAP basándonos en este umbral, obtendríamos un 50% de probabilidades de acertar en la implantación de la intervención con nCPAP. Sin embargo, el beneficio neto cambia a medida que modificamos el umbral, lo que nos puede ayudar a tomar la decisión con menor incertidumbre o, lo que es lo mismo, con un beneficio neto incremental mayor. El umbral de 15.000 € /AVAC es el que deja un 5% de simulaciones con beneficio neto negativo. Aplicando el criterio estadístico tradicional podríamos pensar que ése es el umbral que justifica la decisión en estudio. Sin embargo, entre 5.480 y 15.000 € /AVAC de umbral, el beneficio neto es positivo, por lo que la alternativa en la que la función de beneficio social es máxima es el tratamiento con nCPAP⁶. Como Claxton ha señalado, se debe adoptar la estrategia con un mayor incremento neto de beneficio, independientemente de que ésta tenga significación estadística⁶. Respecto a la segunda pregunta, lo más relevante del análisis del VEIP es el peso del parámetro utilidad ganada, que es tan grande que iguala el VEIP global del modelo. Este dato aparecía ya en el estudio previo. En el análisis de sensibilidad, la utilidad ganada es el parámetro cuya variación produce mayores cambios en la razón coste-efectividad incremental. Además, su impacto en la efectividad incremental es mucho mayor que el derivado de los riesgos cardiovascular y de accidentes de tráfico¹⁶. La ventaja del enfoque del VEIP es que podemos cuantificar el valor de eliminar la incertidumbre existente en ese parámetro y compararlo con el valor de estudios dirigidos a evaluar otras intervenciones sanitarias. De esta manera, se puede determinar qué investigaciones son prioritarias. En este sentido, el VEIP nos provee con un límite económico para las propuestas de investigación que puede ser utilizado con el fin de asignar recursos eficientemente. El problema que se plantea para su uso es la falta de referencias en nuestro entorno. En la medida en que estos métodos se conviertan en las herramientas habituales de las evaluaciones económicas desarrolladas en el ámbito español se solucionará el problema. Para ello, es necesario que las agencias responsables de la financiación de los estudios coste-efectividad definan, al igual que el NICE en el Reino Unido, el tipo de métodos que se deben usar⁵. Evidentemente, eso implica que dichas agencias y, en definitiva, los diferentes servicios de salud que configuran el sistema nacional de salud integren los estudios coste-efectividad de última generación en el marco de la toma de decisiones respecto a las intervenciones sanitarias.

La principal conclusión del estudio consiste en que el tratamiento del SAOS es coste-efectivo con una probabilidad del 98,5% para un umbral de eficiencia de 30.000 € /AVAC. La ventaja del enfoque probabilístico permite determinar, por un lado, el grado de probabilidad y, por otro, la relevancia cuantificada de la incertidumbre del parámetro utilidad ganada.

Este estudio fue financiado por la Ayuda para trabajos comisionados del FIS n.^o 01/10081 y la Ayuda para la investigación FIS n.^o 01/0220. La ayuda FIS n.^o 01/0220 está cofinanciada al 50% por los fondos FEDER de la Unión Europea.

Ninguno.

Correspondencia:
Dr. Javier Mar.
Unidad de Gestión Sanitaria. Hospital Alto Deba.
C/Zaldispe, s/n. 20500 Mondragón. Gipuzkoa. España.
Correo electrónico: jmar@hmon.osakidetza.net

Recibido: 11 de enero de 2005.
Aceptado: 11 de marzo de 2005.