El Modelo de Decisión de Markov Permite la Selección Optima de Tratamientos para cada Estado de Salud

• AUTOR : Bala M, Mauskopf J
• TITULO ORIGINAL : Optimal Assignment of Treatments to Health State Using a Markov Decision Model: An Introduction to Basic Concepts
• CITA : Pharmacoeconomics 24(4):345-354, 2006
• MICRO : La variación del modelo original permite identificar la terapia óptima según el estado de salud del paciente pero, al igual que el modelo de Markov estándar, tiene una utilidad más limitada cuando la probabilidad de eventos futuros depende en parte de los antecedentes de la enfermedad y del individuo.

Introducción

El análisis de costo y eficacia se utiliza cada vez más para mejorar la asignación de los recursos y para determinar las ventajas verdaderas de los fármacos nuevos. Aunque todavía no se definió con precisión cuál es la mejor metodología para realizar un estudio de este tipo, un panel de expertos de los National Institutes of Health de los EE.UU. estableció algunas recomendaciones al respecto. Por ejemplo, según este grupo, cualquier análisis de costo y eficacia acerca de una determinada intervención clínica debe contemplar su costo y su efecto sobre la calidad de vida. En este sentido, los trabajos clínicos controlados suelen ser la principal fuente de información para los estudios de costo y eficacia pero no debe olvidarse que, en el caso de las enfermedades crónicas, estas investigaciones se asocian con una limitación esencial: escaso tiempo de seguimiento en relación con lo que sucede en la realidad. Por este motivo, la determinación del efecto de un nuevo tratamiento sobre la evolución de la enfermedad se complica; así, los datos que se obtienen en trabajos clínicos controlados deben extrapolarse mediante modelos adecuados que permitan establecer la influencia a largo plazo de una determinada intervención sobre los costos y la calidad de vida, tarea que por lo general es compleja.

El modelo de Markov es un proceso que se utiliza para estimar los costos y la evolución a largo plazo de enfermedades crónicas. Se basa en conceptos preestablecidos de cómo un paciente con cierta enfermedad crónica se «mueve» de un estado de salud a otro y determina la influencia de la intervención sobre estos «pasajes». El modelo de Markov estándar evalúa el efecto de cierto número de estrategias terapéuticas. La primera intervención suele ser esencialmente distinta, mientras que las siguientes y sus consecuencias se captan a través de las probabilidades de transición y de los costos y las utilidades en relación con los estados de salud aplicados en el modelo. No obstante, este proceso puede no ser adecuado cuando el objetivo no es establecer la terapia óptima para la fase inicial de la enfermedad sino también para los estados posteriores, en la medida que la enfermedad se modifica.

Para este propósito, los autores describieron una modificación del modelo inicial, el modelo de decisión de Markov, con el cual se pueden seleccionar óptimamente las terapias para cada estado de salud diferente. A diferencia del modelo tradicional, en el cual deben analizarse diversos escenarios posibles para captar todas las probabilidades diferentes, el modelo de decisión permite un análisis más flexible en relación con los cambios de salud del paciente. Esta estrategia surge, en la medicina actual, como un aspecto de fundamental importancia para seleccionar la mejor terapia para pacientes con enfermedades crónicas, en especial debido a los múltiples fármacos que se introducen cada día en el mercado. No obstante, las opciones terapéuticas nuevas no son siempre beneficiosas en términos de costo y eficacia y una pregunta permanente en el ámbito de la política sanitaria es si es adecuado tratar a los pacientes en forma intensiva -con drogas más eficaces y más caras- desde las primeras etapas de la enfermedad o dejar estas opciones para sujetos que no respondieron satisfactoriamente a las opciones convencionales de tratamiento. En este sentido, el modelo de decisión de Markov puede ser una herramienta muy útil para responder este interrogante.

Modelos de Markov

El objetivo principal de cualquier análisis de costo y eficacia consiste en comparar 2 tratamientos o más para seleccionar el mejor, desde una perspectiva económica en salud. Como se mencionó, cuando se diseñan estos modelos muchas veces es necesario asumir cierto tipo de evolución de la enfermedad más allá del tiempo habitual de observación en los trabajos clínicos. Los modelos de Markov son aptos en este sentido, dado que permiten estimar los beneficios y los costos a largo plazo.

El proceso del modelo incluye un diagrama de transición en el cual cada estado de enfermedad se considera mutuamente excluyente, de manera tal que un paciente puede estar en un único estado en un momento determinado. La probabilidad de transición es la posibilidad que tiene el sujeto de pasar a otro estado. Un requisito fundamental en los modelos de Markov tradicionales es asumir que la probabilidad de eventos futuros depende exclusivamente del estado actual de la enfermedad y no de los antecedentes de la misma (propiedad markoviana). En el proceso normal se representa la historia natural de la enfermedad y los pacientes se mueven de un estado a otro.

Para realizar un análisis económico es necesario estimar el costo y la utilidad promedios por ciclo para un paciente en cada estado; también se puede calcular el parámetro de años de vida ajustados por calidad (QALY [quality adjusted life year]). En el modelo de Markov se analiza cómo un determinado tratamiento modifica este proceso, dado que algunas terapias nuevas pueden inducir el pasaje de un estado a otro de la enfermedad y otras -aunque no se asocian con beneficios a corto plazo- pueden modificar las probabilidades de transición, con lo cual puede favorecerse la evolución final. Mediante la estimación del costo y de la eficacia de la nueva estrategia de tratamiento se determina el costo y la QALY promedios, con el nuevo tratamiento y sin él. Sin embargo, en ocasiones también es necesario establecer cuáles son los estados de salud más apropiados para la nueva intervención y las modificaciones en las decisiones en términos de cambios en la enfermedad. De nuevo, el modelo de decisión de Markov permite contemplar estas posibilidades.

Modelo de decisión de Markov

Al igual que en el modelo estándar, se inicia con un grupo de estados de salud y con diversas opciones de tratamiento. También incluye probabilidades de transición de un estado a otro, dependientes en parte de la terapia que se utiliza. De esta forma, se puede evaluar una muestra para cada período de interés y para determinada opción de tratamiento. Así, a partir de los costos y de los beneficios globales se podrá identificar cuál es la mejor intervención para la enfermedad. En cambio, el modelo de decisión identifica la mejor intervención para cada estado de salud. Mediante este modelo es posible comprobar que una determinada droga puede ser ideal para tratar una enfermedad en estadio leve, mientras que otra puede serlo para el estadio moderado y una tercera puede ser la mejor alternativa para la enfermedad grave. En enfermedades progresivas, esta «política» se asocia con la mejor estrategia de terapia en relación con la evolución de la enfermedad.

El modelo puede contemplar la estimación de costos y beneficios para todas las combinaciones posibles de estados de enfermedad y de tratamiento (un camino bastante largo y difícil) o puede incluir una metodología dinámica de programación, habitualmente empleada cuando se requiere optimizar la secuencia de decisiones relacionadas. Sin embargo, para aplicar este último recurso es necesario que se cumplan algunas propiedades.

Ejemplo ilustrativo del modelo de decisión de Markov

Los autores consideraron un paciente con infección por el virus de la inmunodeficiencia humana (VIH) para el cual se aceptaron 3 estados característicos de enfermedad: leve (recuento de células CD4+ de 200 a 500 cél/uL), moderado (CD4+ por debajo de 200 cél/µL) y grave (equivalente al síndrome de inmunodeficiencia adquirida). Estimaron la posibilidad de tratamiento con una droga convencional y con otros 2 fármacos posibles, más nuevos, y trabajaron con probabilidades de transición anual preestablecidas. Con estos datos, al aplicar el modelo de decisión consideraron cuál fue la mejor opción farmacológica para cada etapa de la enfermedad y cuáles fueron los costos y la QALY estimados a los 2 años o a más largo plazo. Así, es posible demostrar que una droga puede ser la ideal para tratar pacientes con enfermedad leve o moderada, mientras que otros fármacos representan la terapia inicial de elección para sujetos con enfermedad grave. En otras palabras, cuando el paciente se encuentra en las primeras etapas de la enfermedad estaría justificado el tratamiento con drogas más eficaces aunque sean más costosas, dado que se asocian con la posibilidad de retrasar la progresión de la enfermedad; en cambio, en pacientes con enfermedad avanzada, los tratamientos más costosos tal vez no brinden beneficios adicionales y su indicación no parece estar justificada. Por ejemplo, en el caso de individuos con infección por VIH y sida, las nuevas estrategias de tratamiento no son favorables en términos de costo y eficacia, dado que no evitan la progresión de la enfermedad.

El modelo de decisión también revela que los tratamientos óptimos pueden variar según el plazo que se analiza; de hecho, el beneficio de algunos fármacos con capacidad de demorar la progresión de la enfermedad puede no ser detectado si el «horizonte de tiempo» que se evalúa es demasiado corto y no permite captar la influencia de la enfermedad sobre el costo y la QALY. El tipo de enfermedad y la edad del paciente son factores esenciales en el momento de establecer el «tiempo de análisis».

Antecedentes de tratamiento en los modelos de decisión de Markov

No existen dudas de que la consideración de los antecedentes del paciente, en especial en relación con su respuesta a terapias previas, es de gran utilidad para predecir la probabilidad de eficacia de tratamientos futuros. En este contexto y al tomar como ejemplo una enfermedad que puede encontrarse en actividad y remisión, se establecen numerosas situaciones al combinar el estado con la posibilidad de resistencia o de sensibilidad al tratamiento. Sin duda, la estrategia de un paciente que nunca fue tratado no es igual al de un sujeto que ha sido refractario a una determinada terapia.

Discusión

En sujetos con enfermedades crónicas, es frecuente que deban transcurrir muchos años de tratamiento para que se manifiesten sus beneficios. Por lo general, los modelos tradicionales de economía en salud predicen la evolución a largo plazo según marcadores obtenidos en trabajos de intervalos más cortos. El modelo de decisión, una extensión del proceso original, permite determinar la mejor estrategia de terapia para cada estado de salud para pacientes con enfermedades crónicas. Estos modelos son cada vez más útiles, en especial en el ámbito de la oncología y de la infectología, porque permanentemente se introducen drogas nuevas, en teoría más eficaces pero también más costosas. Entonces, ¿vale la pena el tratamiento con estas drogas nuevas en todos los casos? Este proceso metodológico nuevo parece de gran ayuda para contestar este interrogante en términos de economía de la salud, aunque cabe mencionar que las decisiones definitivas deben contemplar otros múltiples aspectos, concluyen los autores.

Especialidad: Bibliografía - Farmacología