Una aproximación BMA para el tratamiento de la incertidumbre en el análisis coste efectividad

• Miguel Ángel Negrín Hernández ^[1] ; María Martel Escobar ^[1] ; Francisco José Vázquez Polo ^[1]
  1. [1] Universidad de Las Palmas de Gran Canaria

     Universidad de Las Palmas de Gran Canaria

     Gran Canaria, España

     
• Localización: Anales de Economía Aplicada 2008: número XXII / Jesús Tricás Preckler (dir.), Carlos Moslares García (dir.), 2008, ISBN 978-84-92453-25-2
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen
  • español

    Recientemente varios autores han propuesto el uso de los modelos de regresión lineal en el análisis coste-efectividad. En este trabajo, a través de un modelo de regresión para los costes y la efectividad, se busca identificar la parte de la diferencia en costes y efectividad que no es atribuible al tratamiento sino a las características del paciente o del centro. La selección de qué covariables que deben ser incluidas como explicativas de la efectividad y el coste es habitualmente asumida por el investigador. Este comportamiento ignora la incertidumbre asociada con la selección del modelo, infraestimando la incertidumbre asociada a la toma de decisiones. Proponemos el uso de la metodología BMA (Bayesian Model Averaging) como un mecanismo adecuado para incorporar la incertidumbre del modelo. Para analizar el efecto de la incorporación de incertidumbre sobre el parámetro se utilizan datos de una prueba clínica en la que se comparan dos tratamientos antirretrovirales de gran actividad aplicados a pacientes asintomáticos infectados por el virus VIH. La distribución a posteriori conjunta de la efectividad y el coste incremental y la curva de aceptabilidad coste-efectividad son propuestas como medidas de toma de decisión.

  • English

    Recently, several authors have proposed the use of linear regression models in cost-effectiveness analysis. In this paper, by modelling costs and outcomes using patient and Health Centre covariates, we seek to identify the part of the cost or outcome difference that is not attributable to the treatment itself, but to the patients' condition or to characteristics of the Centres. Selection of the covariates to be included as predictors of effectiveness and cost is usually assumed by the researcher. This behaviour ignores the uncertainty associated with model selection and leads to underestimation of the uncertainty about quantities of interest. We propose the use of Bayesian model averaging as a mechanism to account for such uncertainty about the model. Data from a clinical trial are used to analyze the effect of incorporating model uncertainty, by comparing two highly active antiretroviral treatments applied to asymptomatic HIV patients. The joint posterior density of incremental effectiveness and cost and cost-effectiveness acceptability curves are proposed as decision-making measures.