Un modelo de Markov probabilístico aplicado en la evaluación económica de datos de rehabilitación cardiaca

Abstract

En la actualidad los modelos de Markov representan uno de los métodos de evaluación científica más utilizados para la evaluación económica de tecnologías sanitarias. Este tipo de modelos, son ideales para simular enfermedades crónicas de larga duración, enfermedades con ciclos repetitivos y enfermedades irreversibles a través del tiempo. En este trabajo, se construirá un modelo de Markov probabilístico con tres estados para comparar a través del tiempo el comportamiento de una cohorte de 163 pacientes expuestos a un modelo integral de tratamiento luego de un evento coronario agudo con respecto a una cohorte histórica de 281 pacientes no expuesta y tratada con un tratamiento convencional. Específicamente, se simulará dinámicamente las dos cohortes actualizando cada una de las componentes de la matriz de probabilidades de transición entre estados, mediante modelos de regresión logística multinomial corregidos al menos por las covariables edad y sexo. La construcción del modelo de Markov basado en modelos de regresión logística para respuesta multinomial hace comparables las probabilidades de transición entre estados para las dos cohortes, pues la incidencia de eventos cardiovasculares dependen altamente de covariables que cambian de paciente a paciente a medida que estos se mueven por los diferentes ciclos del modelo de Markov a través del tiempo. La metodología se ilustrará usando datos reales de pacientes Colombianos.

Abstract: Today, Markov models represent one of the most useful scienti_c methods for the economic evaluation of health technologies. These models are suitable for simulating long-term chronic diseases, diseases with repetitive cycles, and irreversible disease over time. In this paper, a probabilistic Markov model with three states, will be build to compare, over time, the behavior of a cohort of 163 patients treated with a novel treatment after su_ering an acute coronary event with respect to a historical cohort of 281 unexposed patients treated with a conventional treatment. Speci_cally, two cohorts will be dynamically simulated. These cohorts updated themselves each of the components of the transition probabilities matrix by means of a multinomial logistic regression model that takes into account the e_ect of both gender and age. The construction of a Markov model based on Logistic regression models makes comparable the transition probabilities between states for the two cohorts as well as the incidence of cardiovascular events since they are highly dependent on covariates that change from patient to patient as they move through the di_erent cycles of the Markov model over time. The methodology is illustrated using real data from Colombian patients