Potential and limitations of a Bayesian approach to the analysis and synthesis of evidence from multiple, heterogeneous sources. An inquiry into its usefulness in supporting policy decisions on drugs.
Projectomschrijving
Bayesiaanse statistiek maakt het mogelijk om een directe schatting te maken van de kans dat een bepaalde behandeling effectiever of doelmatiger is dan een alternatief. In die zin sluiten de resultaten van een Bayesiaanse analyse veel beter aan bij de informatiebehoeften van beleidsmakers dan de resultaten van gangbare, frequentistische analyses.
Onderzoek
In dit project zijn de resultaten van onderzoek naar nieuwe middelen voor diabetes, HPV vaccins en cholesterolverlagende middelen opnieuw, maar nu Bayesiaans geanalyseerd en voorgelegd aan beleidsmakers.
Resultaten
Resultaten van Bayesiaanse analyses blijken makkelijker te interpreteren te zijn, en geven meer direct antwoord op vragen van beleidsmakers over de meerwaarde van nieuwe behandelingen. De Bayesiaanse benadering is bovendien veel flexibeler, waardoor resultaten vanuit heel verschillende bronnen in één model kunnen worden geanalyseerd. Beleidsmakers zouden in de toekomst vaker (ook) om een Bayesiaanse analyse van beschikbare data over effectiviteit, doelmatigheid en veiligheid van nieuwe behandelingen moeten vragen. Deze studie kent een vervolg.
Verslagen
Eindverslag
In dit project is de mogelijke meerwaarde van Bayesiaanse analyses verkend voor onderzoek dat beslissingen over vergoeding van geneesmiddelen beoogt te ondersteunen. Een Bayesiaanse analyse verschilt van de standaard -frequentistische- analyse doordat het een directe schatting oplevert van de waarschijnlijkheid dat een geneesmiddel een bepaalde meerwaarde heeft. In die zin zijn de resultaten ervan makelijker te interpreteren, en sluiten beter aan bij de informatiebehoefte van beleidsmakers. In overleg met het CVZ is van drie onderwerpen een Bayesiaanse her-analyse gemaakt: statines ter behandeling van patiënten met verhoogd cholesterol, exenatide ter behandeling van patiënten met diabetes mellitus, en gardasil ter preventie van baarmoederhalskanker.
Beslissingen in de zorg worden vaak gehinderd door incompleet of inconsistent bewijs, of bewijs van multiple, heterogene bronnen. De bayesiaanse methode voor evaluatie van medische technologie en geneesmiddelen, zou de problemen kunnen oplossen welke de gangbare frequenstische methode niet kan, zoals de inflexibiliteit van de null-hypothese en alpha en beta fouten. Dit project exploreert de potentie en beperking van de bayesiaanse analyse methode in het kader van ondersteuning van beleidsbeslissingen voor geneesmiddelenvergoeding. Hiervoor wordt samengewerkt met het College voor Zorgverzekeringen (CVZ). Het CVZ levert reeds gemaakte of openstaande vergoedingsbeslissingen, welke op de bayesiaanse wijze opnieuw worden geanalyseerd.
CVZ heeft tot dusver drie casussen aangeleverd welke momenteel worden geanalyseerd:
1. Equivalentie van Atorvastatine en Simvastatine, beide cholesterolverlagers.
2. Byetta (exenatide), ter bevordering van de glycemische controle voor patiënten met type 2 diabetes mellitus.
3. Gardasil, vaccin ter preventie van een infectie van het Humaan Pappillomavirus type 6, 11, 16, 18.