-
Monitoramento de tecnologias incorporadas para Doenças Raras: mapeamento dos dados econômicos e de utilização
- Voltar
Título
Monitoramento de tecnologias incorporadas para Doenças Raras: mapeamento dos dados econômicos e de utilização
Tipo de documento
Resumo
Descrição
Documento publicado na Rebrats (Rede Brasileira de Avaliação de Tecnologias em Saúde) que sintetiza informações, evidências e resultados de estudos ou avaliações em saúde, facilitando a compreensão e o acesso ao conhecimento científico.
Fonte
Rebrats
Ano de publicação
2023
Referência (Vancouver)
Silva MG de P, Lyrio AO, Pantuzza LLN, Lopes AC de F, Bonan LCFS. Monitoramento de tecnologias incorporadas para Doenças Raras: mapeamento dos dados econômicos e de utilização. J Assist Farmac Farmacoecon. 2024;9(Suppl. 1).
DOI
10.22563/2525-7323.2024.v9.s1.p.168
Identificador
2023REB145
Title
Monitoring of Incorporated Technologies for Rare Diseases: Mapping Economic and Utilization Data
Document type
Summary
Description
A document published by Rebrats (Brazilian Network for Health Technology Assessment) that synthesizes information, evidence, and results from health studies or assessments, facilitating understanding of and access to scientific knowledge.
Source
Rebrats
Year of publication
2023
Reference (Vancouver)
Silva MG de P, Lyrio AO, Pantuzza LLN, Lopes AC de F, Bonan LCFS. Monitoramento de tecnologias incorporadas para Doenças Raras: mapeamento dos dados econômicos e de utilização. J Assist Farmac Farmacoecon. 2024;9(Suppl. 1).
DOI
10.22563/2525-7323.2024.v9.s1.p.168
Identifier
2023REB145
Resumo
Introdução: No Brasil, as Doenças Raras são aquelas que afetam até 65 pessoas a cada 100.000 habitantes ou 1,3 a cada 2.000 indivíduos. Apesar da baixa prevalência dessas condições, é funda-mental realizar o monitoramento das tecnologias implementadas para tratá-las. Isso se deve ao fato de que, frequentemente, os estudos sobre essas tecnologias envolvem amostras pequenas e sem grupos de controle, resultando em incertezas nas evidências de efetividade. Além disso, esses tratamentos frequentemente acarretam custos elevados e incertezas quanto à quantidade de usuários. Nesse con-texto, torna-se fundamental o mapeamento da implementação das tecnologias já incorporadas para o tratamento de Doenças Raras no SUS.Métodos: Foram selecionadas nove Doenças Raras para as quais existem Protocolos Clínicos e Dire-trizes Terapêuticas (PCDT) e tecnologias incorporadas no âmbito do SUS. Para cada tecnologia, foram monitorados dados de utilização e econômicos. Os dados de utilização das tecnologias foram extraídos por meio da Sala Aberta de Situação em Saúde (Sabeis), que é originada do Sistema de Informações Ambulatoriais do SUS (SIA/SUS). Foram consultados relatórios de recomendação elaborados pela Co-nitec, bem como o Banco de Preços em Saúde para a obtenção de dados econômicos. As datas de incorporação e da primeira dispensação de cada tecnologia foram verificadas para calcular o tempo de implementação. As informações referentes às tecnologias de interesse foram tabuladas e analisadas de forma descritiva.Resultados: Foram identificadas 12 tecnologias utilizadas para o tratamento das doenças Atrofia Mus-cular Espinhal tipo I, Doença de Pompe precoce, Hemoglobinúria Paroxística Noturna e Mucopolissaca-ridose do tipo I, do tipo II, do tipo IVA, do tipo VI e do tipo VII no âmbito do SUS. Para fins de análise, considerou-se as 6 tecnologias com, pelo menos, um ano de utilização. O tempo mediano de implemen-tação das tecnologias foi de 17 meses. A diferença percentual entre o número observado e estimado da quantidade de pacientes atendidos no primeiro ano de implementação apresentou mediana de 6%. Quanto ao preço unitário, observou-se redução entre aquele esperado na incorporação e o observado no ano de 2022 para 50% das tecnologias, com uma diferença global de 3% dentre as tecnologias avaliadas. O impacto orçamentário para o primeiro ano de implementação foi inferior ao estimado na incorporação para 83% das tecnologias, com variação mediana de 46% em relação ao estimado.Discussão e conclusões: Destaca-se a estimativa assertiva do número de pacientes atendidos no pri-meiro ano de implementação na maioria das incorporações. Além disso, observou-se uma tendência positiva na redução dos preços unitários ao longo do tempo e um impacto orçamentário inferior ao previsto para a maioria das tecnologias. No entanto, é importante ressaltar que o tempo de implemen-tação de todas as tecnologias superou o limite de 6 meses estabelecido pela legislação brasileira. A partir desses resultados, reforça-se a importância do monitoramento das tecnologias incorporadas ao Sistema Único de Saúde como uma estratégia fundamental para aprimorar continuamente o processo de implementação e garantir o acesso eficaz a tratamentos para Doenças Raras.
Palavras-chave
Avaliação de tecnologia em saúde | doenças raras | Monitoramento
Observações
O registro foi originalmente publicado no idioma nativo em Português. As traduções foram geradas por inteligência artificial para o idioma Inglês.
Abstract
Introduction: In Brazil, Rare Diseases are those that affect up to 65 people per 100,000 inhabitants or 1.3 per 2,000 individuals. Despite the low prevalence of these conditions, it is essential to monitor the technologies implemented to treat them. This is because studies on these technologies often involve small samples and no control groups, resulting in uncertainties in the evidence of effectiveness. In addition, these treatments often entail high costs and uncertainties regarding the number of users. In this context, it is essential to map the implementation of technologies already incorporated for the treatment of Rare Diseases in the SUS. Methods: Nine Rare Diseases for which there are Clinical Protocols and Therapeutic Guidelines (PCDT) and technologies incorporated within the SUS were selected. For each technology, usage and economic data were monitored. Data on technology use were extracted from the Open Health Situation Room (SABEIS), which originates from the SUS Outpatient Information System (SIA/SUS). Recommendation reports prepared by Co-nitec and the Health Price Database were consulted to obtain economic data. The dates of incorporation and first dispensing of each technology were verified to calculate the implementation time. Information regarding the technologies of interest was tabulated and analyzed descriptively. Results: Twelve technologies used to treat Spinal Muscular Atrophy type I, Early Pompe Disease, Paroxysmal Nocturnal Hemoglobinuria, and Mucopolysaccharidosis types I, II, IVA, VI, and VII within the SUS were identified. For analysis purposes, the 6 technologies with at least one year of use were considered. The median implementation time of the technologies was 17 months. The percentage difference between the observed and estimated number of patients treated in the first year of implementation had a median of 6%. Regarding the unit price, a reduction was observed between that expected at incorporation and that observed in 2022 for 50% of the technologies, with an overall difference of 3% among the technologies evaluated. The budgetary impact for the first year of implementation was lower than that estimated at incorporation for 83% of the technologies, with a median variation of 46% in relation to the estimate. Discussion and conclusions: The assertive estimate of the number of patients treated in the first year of implementation stands out in most incorporations. In addition, a positive trend in the reduction of unit prices over time was observed and a lower budgetary impact than expected for most technologies. However, it is important to emphasize that the implementation time for all technologies exceeded the 6-month limit established by Brazilian legislation. Based on these results, the importance of monitoring technologies incorporated into the Unified Health System is reinforced as a fundamental strategy to continuously improve the implementation process and ensure effective access to treatments for Rare Diseases.
Keywords
Observation
The record was originally published in its native language, Portuguese. The translations were generated by artificial intelligence into English.