Sobrevivência particionada ou análise de Markov para informar o desenvolvimento de diretrizes oncológicas: os métodos levam ao mesmo resultado?
Tipo de documento
Resumo
Descrição
Resumo apresentado na conferência anual da Guidelines International Network (GIN)
Fonte
GIN
Ano de publicação
2023
Referência (Vancouver)
Oliveira Junior HA, Rocha AP, Viscondi JYK, Menezes Farinasso C, Lucchetta RC, Oliveira LA. Partitioned survival or Markov analysis to inform oncology guideline development: do the methods lead to the same result? In: GIN Hybrid Conference Abstract Book; 2023 Sep 19-22; Glasgow, UK. G-I-N; 2023. p. 231.
Partitioned survival or Markov analysis to inform oncology guideline development: do the methods lead to the same result?
Document type
Abstract
Description
Abstract presented at the Guidelines International Network (GIN) annual conference
Source
GIN
Publication year
2023
Reference (Vancouver)
Oliveira Junior HA, Rocha AP, Viscondi JYK, Menezes Farinasso C, Lucchetta RC, Oliveira LA. Partitioned survival or Markov analysis to inform oncology guideline development: do the methods lead to the same result? In: GIN Hybrid Conference Abstract Book; 2023 Sep 19-22; Glasgow, UK. G-I-N; 2023. p. 231.
Histórico: A análise de sobrevida particionada (PartSA) tem sido usada na avaliação econômica da saúde (HEE) no campo da oncologia e tem sido uma fonte de debate sobre se deve-se usar a PartSA ou a análise de Markov (MA), em termos de confiabilidade. Objetivo: Comparar a razão de custo-efetividade incremental (ICER) para as mesmas questões de pesquisa analisadas pela PartSA e MA, com dados finalísticos ou imaturos. Métodos: Realizamos a PartSA e a MA de duas questões de pesquisa: (1) “ablação por radiofrequência + quimioterapia sistêmica (sQT) versus sQT para pacientes com câncer colorretal e metástase hepática irressecável”, que tinha dados finalísticos disponíveis (a mediana para sobrevida global foi alcançada); (2) “alectinibe versus sQT para pacientes com câncer de pulmão de células não pequenas ALK+ metastáticos virgens de tratamento”, que tinha dados imaturos. Empregamos taxas de sobrevida de acompanhamento de três anos. Usamos dados de Kaplan Meier para a PartSA e taxas de sobrevida derivadas de probabilidade para MA. Resultados: Na primeira questão (dados finalísticos), o MA resultou em ICER de -292.527 BRL por ganho QALY, e o PartSA, ICER de -27.242 BRL por ganho QALY. Na segunda questão (dados imaturos), o MA resultou em ICER de 713.833 BRL por ganho QALY e o Part SA, 778.152 BRL por ganho QALY. Discussão: De acordo com nossos resultados e ao contrário da literatura, ao utilizar dados finalísticos para HEE, o MA, comparado ao PartSA, indicou que a tecnologia em avaliação é 10x mais custo-efetiva. No entanto, ambas as análises produziram resultados semelhantes para dados imaturos. Portanto, ao decidir qual modelo deve ser aplicado, é necessária uma avaliação caso a caso, não apenas da maturidade dos dados.
Notas
O registro foi originalmente publicado em inglês. A versão em português foi traduzida com o apoio de inteligência artificial.
Notes
The record was originally published in English. The Portuguese version was translated with the support of artificial intelligence.
Abstract
Background: Partitioned survival analysis (PartSA) has been used in health economic evaluation (HEE) in the oncology field and has been a source of debate whether one should use PartSA or Markov analysis (MA), in terms of reliability. Objective: To compare incremental cost-effectiveness ratio (ICER) for the same research questions analyzed by PartSA and MA, with either finalistic or immature data. Methods: We performed PartSA and MA of two research questions: (1) “radiofrequency ablation + systemic chemotherapy (sQT) versus sQT for patients with colorectal cancer and unresectable liver metastasis”, which had finalistic data available (the median for overall survival has been reached); (2) ”alectinib versus sQT for treatment naïve metastatic ALK+ non-small cell lung cancer patients”, which had immature data. We employed survival rates of three-year follow-up. We used Kaplan Meier data for PartSA, and probability-derived survival rates for MA. Results: In the first question (finalistic data), the MA resulted in ICER of -292,527 BRL per QALY gain, and PartSA, ICER of -27,242 BRL per QALY gain. In the second question (immature data), MA resulted in ICER of 713,833 BRL per QALY gain and Part SA, 778,152 BRL per QALY gain. Discussion: According to our results and contrary to literature, when using finalistic data for HEE, MA, compared to PartSA, indicated that the technology under evaluation is 10x more cost effective. However, both analyses yielded similar results for immature data. Therefore, when deciding which model should be applied, it is necessary a case-by-case assessment, not only data maturity.
