答嘴鼓篇 (1) 可以用別的國家的ICER嗎?


Q: 這個新藥在國家XICER,跟在台灣的ICER,是有個神秘的方程式或參數關係,可以換算的? 所以我們可以不用自己做,直接參考別人的ICER?

A: 對於這個題目,在HTA界叫做transferability。複雜的部份我今天先不談,就直接由幾個比較簡單的面向來回答。

1.Different setting: 大家的比較情境不同。以常見的英國NICE評估報告來說,他們的計算是在那個特定的人事時地物下所評估新藥vs沒有新藥的情境。同樣要用這個藥,我們的醫療體系、已給付項目及給付條件、和影響範圍等等,想來應該和英國有大大的不同。

ICER(AvsB_UK) - 新藥用在2017年的UK,比上沒有新藥使用的2017UK
ICER(AvsB_TW) - 新藥用在2017年的TW,比上沒有新藥使用的2017TW

這個部份,新藥算是還簡單一點在某些其他新科技(如醫療服務、或衛生政策)等的比較,有些會差到十萬八千里。所謂baseline scenario的不同在國際間常常是差異很大的。

2. Different comparator,有的時候我們大家的比較品都不一樣。

ICER(AvsB_UK)
ICER(AvsC_TW)

例如C肝口服藥AC肝口服藥B、或是C肝口服藥A比干擾素療法、(甚或是C肝口服藥A比支持療法)

3. 其他健保體系層面: 大家以前常聽到的,台灣的健保是總額制度、住院費用低廉等體系間成本結構不同都是理由。

( ICER的公式想,分子是多花的成本,分母是多得的臨床效果,可以幫助我們來評估用別的情境下的ICER之可行性)

有機會也想聽聽大家的想法。


#小芳老師碎碎念
#打嘴鼓
#ICER
http://naggingjasmine.blogspot.tw/2017/09/1-icer.html




政策分析的基本態度 - Scientific Rigor

【小芳老師碎碎念系列之五】

前一篇討論uncertainty,講到在決策分析的世界裡,總是有很多不確定性。在這裡要再強調,這裡所謂的不確定性,是這個分析的本質,是這種分析因為證據上有限、在對未來的預測上有未知變數等困難而一定會有的。不過這種不確定性在經濟分析、在決策分析上,是可以利用敏感度分析去概括描述出來的。即使是這樣的本質,決策分析的這個學門,與其他科學一樣,一路從建立模型、尋找參數、進行分析、敏感度分析的過程,都應該努力追求嚴謹、負責、有邏輯、可驗證的種種態度。

有了這種研究態度,才能值得信賴;有了可信賴的分析數字,也才能真正支持決策的過程。

前一篇末了很快的講過,研究者該做到自己該做的事。只是這段期間我自己又有了一些有趣的經驗:先分享一個,我參與了一個模型建構的專家會議,身在其中討論,各種領域的專家對自己專長的數字斤斤計較,模型建構者也再三用心確認自己的東西,過程非常痛快。會議接近終了時,有位專家問模型建構團隊,「你這個研究是可以被驗證的嗎?大家怎麼知道你的研究是好的?」

你認為呢?如果你知道了決策分析的過程與特性,你怎樣確認這個研究是好的還是不好的?


針對「如何確認決策分析或成本效果分析研究的品質」這個問題,當然這個學門裡有很多的討論,實務上來說就是有很多的指引與檢核表可供使用。我的課堂上光介紹不同用途的指引,就需要一小時。我如果在這裡碎念這種細節,就沒人來修我的課了。。。不是啦,就失焦了。在這裡我想把一些重點精神跟大家提一下。

成本效果分析研究最基本的評核法
要評核成本效果分析,可以用一個非常基本的、Professor Drummond的檢核表,歷久而不衰,就是經典,我的學生都要讀懂這份檢核表。用久了內化於心,你就是評核這種研究的專家(1) (https://www.nlm.nih.gov/nichsr/edu/healthecon/drummond_list.html)


利用模型進行成本效果分析研究的評核法
而我們如果特別要注重以模型推估進行成本效果分析的研究,也有相關的指引、及good practiceProfessor Drummondblue book第四版裡,有個「checklist for assessing quality in decision-analytic models」,很詳盡,學習決策分析模型的人應該要熟讀(2)。這裡就簡單講一下重點。
-          模型架構(structure):有沒有說明清楚決策問題?模型架構與這個研究的目標應該定義清楚;架構是否有生物醫學或醫療體系的基礎?等等
-          資料(data): 模型裡面使用的數字是怎麼來的? 用什麼數學函數或方式建構的? 流行病學資料有沒有使用目標族群的數字、不確定性有沒有描述等等。
-          一致性(consistency):模型跑出來的數字有沒有internal consistency(數字合理性)external consistency (有沒有直覺上不合理的地方? 這些直覺不合理之處有沒有找到解釋? 能不能跟其他的研究之結果相呼應)

模型架構我們通常可以參考以往的文獻、或請臨床專家幫忙。舉一個以C肝口服新藥的相關政策的例子來說,我們碰到過許多模型。有些模型認為肝纖維化F4的病人如果病毒清除,其進展到肝硬化的機率就回復到跟平常健康人一樣。有次討論中,在場的院士專家們就指出這部份的架構是不太合理的,病人因為肝纖維化嚴重到一定程度,一旦病毒清除,雖然可以延緩發展成肝硬化的時間,但不會是跟健康人一樣了。當時還沒有很確切的這部份的臨床或流行病學資料,所以以模型建構者來講,並沒有做錯,但專家們由當時跑出的不太合直覺的分析結果,加上模型專家的剖析可能關鍵點出在哪裡之後,臨床專家可以幫助建構者確認是否已反映出合理的疾病進程。

有經驗的專家,可以藉由讀過的許多研究,對成本效果研究結果的數字會有感覺。像是lifetime cost是否合理? Expected life years gained是否合理? 等來研判研究報告的品質。我曾經看過一份報告的QALY gained是十幾年,姑不論是什麼疾病,一看就是離譜的數字。

我在指導學生做研究的時候,還會特別指出,這類研究因為其目標是支持政策,加上初期能有能力評核的人不多,其實英美有一些資料庫(https://www.crd.york.ac.uk/CRDWeb/Homepage.asp ),將合於其收錄條件的文章收起來,並有專人寫各項目的評核並公諸於世。愛惜名聲如我,絕不馬虎亂寫亂做。

這裡有兩篇我以前參與或撰寫的paper受到CRD EED的評核:
1.          Cost-effectiveness analysis of human papillomavirus DNA testing and Pap smear for cervical cancer screening in a publicly financed health-care system
Chow IH, Tang CH, You SL, Liao CH, Chu TY, Chen CJ, Chen CA, Pwu RF

2.          Cost-effectiveness analysis of interferon-alpha therapy in the treatment of chronic hepatitis B in Taiwan
Pwu RF, Chan KA

以上介紹的檢核表及指引,是指用來評核別人做的決策分析模型/成本效果分析研究的,當然也可以用來提醒自己做研究時有沒有完備的好工具。不時提醒自己有沒有用對工具回答對問題,參數及結果是否合理,是否做到足夠的敏感度分析,是確保嚴謹研究的第一步。

送件及審查用的檢核表
HTA的世界裡,還有一類重要的檢核表或指引,是廠商送件用(3)及相對的HTA機構的研究員所使用的。不管用途在哪裡,其核心原則當然還是要有scientific rigor,所以第一步還是要先確認做到科學部份的優,再來做到送件單位的文件需求。HTA的審查員為了能做好公正第三者的任務,理所當然的是要先能有優秀的決策分析研究及評核能力,看到廠商送件文件才會有能力做判斷與評核,甚而在送件者有錯誤或缺乏相關能力時,能提出可以修正相關分析的建議或自行分析,以提供決策者合適的資訊以作當下的決策。特別提出這點的原因是,很多新藥或新科技,是病人或家庭殷殷期盼的。如果是療效確認不夠好或是還沒足夠證據說好,還可說再等;但如果是經濟模型做的不夠好、分析的不合理(不是證據的不確定性過高)HTA機構應該要有機制讓這樣的分析能有修正的機會,讓高品質的證據早點提出到決策體系裡。


總之,希望今天這篇碎碎念可以帶給大家以下觀念:決策分析模型及其應用在經濟分析上,雖有其預測未來會帶不確定性的先天特性,不該視其為應該要求非常精確的科學;但這學門發展至今,有其一定的品質保證過程。這種品質保證過程的觀念和做法都算成熟了,概念也不會很難,目前國內也有不少的疾病領域曾做過類似高品質的研究。希望大家不論是未來想學這門學問,或是利用相關數字的決策者,都應該注重要求品質,讓這門學問發揮更大的效用。

#小芳老師碎碎念
#ScientificRigor
#Checklist
#BestModelingPractice


1: 每次講到這裡,我都會想到念碩班的時候,當時每個星期的seminar都要念兩篇由同學們報告的流行病學研究paper。老師給我們幾個格式,要我們自行判斷所評析的研究,是屬於描述性流行病學、分析性流行病學等等,然後填表格上的問題。照著表格上所列的問題去想,就是評析論文的重點與步驟,包括這篇研究的目的是什麼? 它用的方法是不是能回答研究問題。這樣一年下來,看paper的功力果然大增,能馬上抓到重點、評析優劣。

2. 除了這個checklist之外,也建議要讀ISPORresearch guideline

3. 日後有機會,我會再碎念一下各國送件指引的發展與考量。在那篇碎念出來之前,推銷一下我與前同事們的努力結晶,這些指引是我們當時花了很多心血、請教過國內外專家後寫出來的。請參考



Uncertainty啊,你背了多少黑鍋

【小芳老師碎碎念系列之四】

從管理學教科書裡看到,經營管理者希望對事物有充份的了解之後,才能做出比較好的決策。

l  「知識或情報」 帶來 「確定性 (certainty)
l  「缺乏知識或情報」 等於 「決策時有不確定性 (uncertainty)

應用在臨床醫學上的時候,medical decision making這學門告訴我們,面對一位病人,常常診斷和預後都不是馬上就明確、可以一清二楚的。所以引進了量化的指標來幫助我們了解它們,像是敏感度特異度;以指標來幫助我們選擇比較好的臨床處置,像是利用決策樹來計算某種治療方式的預期存活年數。

這些量化的指標,可以幫助我們掌握可能發生的結果,是很好的決策輔助工具。但是它不是算命,也不可能精確。因為,JFK說過



講到decision analytic modeling模型建構,教科書上告訴我們,模型建構有以下兩種來源的不確定性:
1.         參數不確定性(parameter uncertainty)
n  對於參數真正數值(true numerical value)的不確定;譬如說,到底這個疾病的發生率如何、多少人會願意就醫等。
2.         模式不確定性(model uncertainty)
n  所建構模式是否真正的反映問題體系的不確定性,亦即「模式架構不確定性(model structure uncertainty)」。以我們的子宮頸癌模式為例,是用LSIL – HSIL來架構還是用CIN 1 – CIN2/3來架構好?
n  及分析者在模式分析、資料整理過程所造成的不確定性,「模式過程不確定性(model process uncertainty)」。像是modeler不小心加錯了、函數放錯了等等。

或是,我們可以從分析的過程來想:
l  有些數值在進行成本效性分析時尚未或無法被觀察到,例如未來的疾病發生機率或醫藥價格膨脹的比例等等。
l  有些數值尚未得到共識,例如折現率的選擇。
l  某些參數的估計過程就是有一定的不確定性,譬如採用流行病學方法觀察疾病發生率等。
l  參數估計時雖未有偏差,但存在了選樣變異(sampling variability)
l  雖對某些族群有比較精確的參數估計值,但對另一些族群的資料就無法得到同樣精確的資料。

不過如果仔細再看,前述模型建構及估算,有些不確定性是可以減少的(像是建模者的失誤),有些則是證據上先天的限制。學術上我們研究者可以經由一些方法的努力,來減少uncertainty或呈現這個「uncertainty」的大小 如用reference case、敏感度分析、CEACs、另人檢查模型等等。這些努力,是讓決策者了解,我們對這件事的knowledge到哪裡,知道目前我們放進去估算的證據,是鐵證如山還是姑且算算。因為該做的決策就是要做,只是決策時知道自己當時能掌握的是多是少,這點有管理上的重要性。如果uncertainty高,就要準備各種方案處理可能有的「驚喜」。想辦法讓意外的事減到最低。或是考慮再等清楚一點,不過這時就要權衡等待的時間機會成本了。

如果在建模型時按照good modeling practice的建議,選擇有生物意義的模型架構、選擇最合適的參數值(例如系統性文獻回顧加統合分析 SR/MA)、以大家公認合適的方法選擇機率性敏感度分析的參數值範圍,再加上合宜的uncertainty呈現(例如CEACs),有基本訓練的決策者應該可以就其結果大致抓到,這件新科技目前的成本效果是否有足夠把握(certainty),進而去做價值判斷,決定要不要給付或納入政策。(譬如可以這樣想: 某個新藥的ICER是300,000NTD/QALY,而它的機率性敏感度分析結果,90%以上的機率其ICER是在1,000,000 NTD/QALY之下,那這個藥的成本效益可以算得上是過關了。也就是看的是點估計值多少,而這個點估計值本身的不確定性有多大。)

總之,做分析的人要做好科學的工作,讓決策者可以盡量掌握這件新科技在目前的科學或經濟價值,及其估算的不確定性。決策者則應該理解這些努力,是為其在當下做決策之時,對這項新科技的未來應用,有比較好的猜想與估算,以便做出較好的決策、甚或及時準備其他配套措施。

最後附帶一提,對decision analytic modeling學門來說,是先以models預測health outcomes、再發展成cost-effectiveness計算,最後順便應用到budget impact analysis的。所以BIA在模型建立與不確定性的闡釋上以上的說明也大致上可通。至於BIA的其他討論,以後再找機會跟大家碎碎念




決策分析要掌握三項特性

【小芳老師碎碎念之番外篇】

姑不論誰先誰後,目前的HTA裡面所有跟數量有關的分析,就是現在decision analysis的範疇。(原因很簡單,HTA的定義,和decision analysis的定義去查一下就知道。)

而只要是決策分析,最重要的就是要掌握以下這三種特性:
1. Context
2.
其本質是"educated guess"
3. uncertainty

當你了解了以上這三種特性是甚麼,以及他們的重要性,才算真正進入HTA的世界。


Value, value, value...


【小芳老師碎碎念系列之三】

那天,帶我踏入decision analytic modeling and cost-effectiveness analysis領域的老師語重心長的對我說:「小芳,我們這種做決策的,是沒有人能只靠cost-effectiveness做決定的」。雖然老師跟我說這句話是在講別的事,但也引起來我想跟大家分享這些年從做CEA、漸漸到HTA這領域期間對我們專業的想法。

Value, value, value…

如果沒有經過特殊的停看聽訓練,我們這種平凡人聽到有一個新藥、一種新手術問市了,會覺得「太棒了」,甚至有種「magic bullet」的想像。在我小時候,經濟起飛、到處充滿希望的年代,新的東西一直出來,每樣新科技/醫藥產品都帶給大家無窮的信心,廠商說什麼我們都相信它有神奇的功效。

慢慢的,實證醫學的概念出來,大家開始重視臨床證據。臨床試驗說有效就是好。然後當然要用最新最好的。

有一天政府體系開始發現,科技發展帶來的需求,已經超乎想像,每一樣有效的東西都要採用,是不可能的。這時候health economist以及health policy experts帶進了成本效果的概念,想要幫助決策者買得划算(也就是考量value for money)的問題。

這時候的CEA有很多新概念的引進,譬如說什麼是效果? 健康經濟學者說短期臨床試驗的效果不夠決策者去評斷,尤其是不同疾病領域間資源的競爭。最好是長期的,像是survival。然後有些醫藥介入不是存活的效果,是健康生活品質的提升,所以提倡以quality-adjusted-life-years (QALY)為經濟評估最後的效果指標,來同時將存活期間與生活品質納入效果考量。

講到這裡,如果我們稍微整理一下,過去這幾十年來的新醫藥「價值」觀,大概是:新的-(臨床試驗說)有效果的-推估有QALY增加效果的-效果加經濟價值的,就是好的該買的。

過去20年由於HTA的慢慢進展,我們常常聽到新醫藥科技的考量要注意成本效益cost-effectiveness,要求花錢買這個科技是值得的,也就是value for money(或許這可以解釋為什麼我們常有個印象是HTA = CEA,甚至會簡化成value = cost-effectiveness)

國內外有做market access的業界朋友,或是在/曾做過HTA體系的人,也許大家願意討論一下,是否可以在送件申請書的大綱上看出保險或決策體系「價值」的端倪 - 在提出這項產品值得保險納入給付時,申請書上要求什麼證據? 委員代表保險公司希望看到什麼? 是不是反映了他會在乎產品的什麼特性? (難怪人家說準備個送件資料叫「value pack」或「value dossier)

大家都說HTA最在意的是相對療效(包含了安全性)和成本效果。讀者你怎麼想呢? 有沒有其他的新藥特性也應該納入價值考量? 產業界有很多的聲音,覺得只考量相對療效和成本效果是不夠的,還有很多其他的特性,這部份很容易想像;不過決策者也不一定就不這樣想,畢竟,在做公共政策的決定時,不可能只靠所謂的科學證據(Hazard Ratio + ICER?) – 要不然老師也不會給我這樣語重心長的一句話。但是天馬行空的,這個月的會在意這個、下個月的會在意那個,造成的困擾就是「決策不透明;黑箱作業」,以學術的角度就是說「不能顯示價值體系」。

就好像某種特別的學校招生,我們觀察學校招生的方式、考哪些學科、比重是什麼或是要求檢附什麼資料,可以大致知道這個學校想要招攬怎樣專長的學生(比較具「價值」)。或是現在有些中小學會說明學生的學期成績是怎樣計算,哪些科目、比重如何等等。

於是近年來各地的HTA界開始了value framework的討論。哪些是新藥給付該討論的,哪些又不該把該討論的列出來,其他的不予考慮;找出來之後再去想該以怎樣的比重來決定。一來可以讓各界清楚的知道,在做這項決策的時候已經考慮了哪些,也可以按部就班的討論,會議或決策過程不致流於天馬行空的討論、或是做出草率魯莽的決定。

這一路走來,我從純粹的建構模型,慢慢地學習成本效果與決策的關係、決策與證據的關係、如何建立合適的決策過程、如何系統性的做出決策很充實、很有趣。謝謝老師的語重心長,但是請別耽心,我沒有停留在CEA決定一切的那個點!

相關議題:
1.
台灣的value framework 應該包含哪些?
2.
所以value-based pricing 是什麼意思?
請待日後分曉。