Mobiele menu

Confounding in real-life cost-effectiveness studies: assessing the validity and efficiency of different correction techniques

Projectomschrijving

De kosteneffectiviteit van nieuwe medicijnen wordt allereerst onderzocht in een degelijk opgezette wetenschappelijke onderzoeken: gerandomiseerde klinisch trials. Soms vergoedt de Nederlandse Zorgautoriteit 80% van de kosten van dure medicijnen die in ziekenhuizen gebruikt worden. Voorwaarde voor die tijdelijke vergoeding is dat daarnaast onderzocht wordt, of deze medicijnen kosteneffectief zijn in de praktijk.

Dat is lastig. Onder meer omdat artsen kiezen, wie zij op welke manier behandelen. Het is hun werk om patiënten op de manier te behandelen die de meeste kans op succes heeft. En om daarbij rekening te houden met de individuele voorkeuren van patiënten.

Dus kunnen de resultaten van verschillende behandelmethodes in het ziekenhuis niet zonder meer met elkaar vergeleken worden. Maar er bestaan statistische methodes om deze en andere bronnen van vertekening te corrigeren.

Dit onderzoek wil:

  • een aantal van die statistische methodes vergelijken
  • onderzoeken, wanneer welke statistische methode het beste kan worden toegepast.

Verslagen


Eindverslag

Evaluaties van geneesmiddelen in de dagelijkse praktijk kunnen beleidsmakers informatie verschaffen die relevanter is dan economische evaluaties die zijn gecombineerd met randomised controlled trials voordat het middel werkelijk is geïntroduceerd. Een tekortkoming van observationele studie is dat de behandelingen niet via randomisatie worden toegekend. Dat leidt tot confounding bias. Een aantal methoden is ontwikkeld om dit probleem aan te pakken in medisch en epidemiologisch onderzoek, vooral op klinische parameters. In economische evaluaties zijn echter ook kostengegevens van belang. Incremente kosten en effecten worden tegelijk geschat en gecombineerd in maten als kosteneffectiviteitsratio’s en net monetary benefit. Samen moeten ze een beeld geven van de waarschijnlijkheid dat de nieuwe interventie kosteneffectief is.
Kostengegevens hebben andere eigenschappen dan effectiviteitsdata. Ze zijn meestal scheef verdeeld. In deze studie is onderzocht in hoeverre technieken om te corrigeren voor bias kunnen worden gebruikt in kosteneffectiviteitsonderzoek. Daarbij is vooral gelet op validiteit , betrouwbaarheid en praktische zaken, in het kader van de lijst dure geneesmiddelen. De onderzochte methoden waren propensity score matching, regressive met de propensity score als covariaat, inverse probability weighting en regressie met instrumentele variabelen. Van deze methoden werden verschillende varianten getoetst. Daarvoor werd gebruik gemaakt van een bestand met de gegevens van gesimuleerde patiënten met colorectaal carcinoom.

Medische behandelingen worden in de klinische praktijk niet toegewezen door randomisatie. De prognose van patiënten die een bepaalde behandeling krijgen, zal vaak op voorhand systematisch verschillen van die van anderen. Er bestaat een aantal technieken waarmee in observationeel onderzoek kan worden gecorrigeerd voor deze confounding bias, om te voorkomen dat een gevonden behandeleffect incorrect is.
Medisch onderzoek is gericht op het meten van klinische behandeleffecten. Bij economische evaluties worden ook kosten en incrementele kosteneffectiviteitsratio's berekend. Deze uitkomstmaten hebben andere statistische eigenschappen dan effectiviteitsgegevens. In dit project hoe correctiemethoden in observationeel kosteneffectiviteitsonderzoek presteren wat betreft validiteit, betrouwbaarheid, statistische power.
We onderzoeken de volgende technieken: multivariate lineaire en Cox proportional hazards regressie, propensity score methods, inverse probability weighting, double robustness en instrumental variable regression. Deze technieken worden toegepast op vertekende steekproeven uit een gesimuleerde dataset, zodat de resultaten kunnen worden vergeleken met de 'werkelijke' kosten, effecten en kosteffectiviteit.
We bekijken ook hoe deze technieken zijn te combineren met andere hulpmiddelen die vaak in economische evaluatie worden gebruik, CE planes en acceptability curves.

Samenvatting van de aanvraag

In daily clinical practice treatments are not randomly assigned. In fact, it is the job of medical doctors to assign treatment based on patient characteristics, and preferences. Consequently, the prognosis of patients receiving a treatment will often differ systematically from that of patients not receiving a treatment. If this confounding is not removed or reduced, the real treatment effect will be either underestimated or overestimated. The focus of medical research regarding correction for confounding lies on the accurate measurement of the clinical treatment effect. However, economic evaluation studies also need to estimate costs and incremental cost-effectiveness ratios (ICERs). These have different properties than data on clinical effectiveness. For example, cost data are typically skewed. And since the ICER is a ratio of two differences, the ICER will be negative for both very attractive treatments (where an intervention decreases costs and increases health) and very unattractive treatments (where an intervention increases costs and decreases health). Correction for confounding in the area of cost-effectiveness analyses needs to take account of these additional properties. This study will therefore investigate how different confounding bias correction techniques perform in terms of validity, reliability, coverage and statistical power. We will assess the following methods: multivariable linear and Cox proportional hazards regression, propensity score methods, inverse probability weighting, double robustness and instrumental variable regression. The techniques will be applied on biased samples drawn from a simulated complete dataset, so that the results can be compared to the ‘real’ values for incremental costs, effects and cost-effectiveness. We will also evaluate the costs, data, and expertise requirements associated with each method. In addition, we will also examine the extent to which the different methods relate to other tools used in economic evaluation (e.g., CE planes and acceptability curves). These results will then be used to assess the relative feasibility of the different methods. We do not expect that one particular method will be preferred when all of the criteria are applied, nor do we expect that one method will be the best option to use in the evaluation of all types of medicines. Therefore, we aim to develop a decision aid that can be used for effectiveness and cost-effectiveness analyses that rely on observational data. This aid will help the researcher to make an optimal choice amongst the various methods that are available. It will be primarily directed towards health economists/health services researchers who can apply it to their own data.

Onderwerpen

Kenmerken

Projectnummer:
152002017
Looptijd: 100%
Looptijd: 100 %
2009
2011
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Dr. W.K. Redekop
Verantwoordelijke organisatie:
Erasmus Universiteit Rotterdam