А.В. Граната и А.Л. Хиллмэн
Использование анализа эффективности затрат для выбора оптимальных клинических рекомендаций

Translated, with permission of the ACP — ASIM, from: Granata A.V. and Hillman A.L. Competing practice guidelines: using cost-effectiveness analysis to make optimal decisions. Ann Intern Med 1998;128:56—63.

В данном исследовании сравнивается выбор клинических рекомендаций, оптимальных для популяции в целом или для отдельных больных. Данные о затратах и эффективности по шести видам клинических вмешательств были применены к гипотетичес кой когорте из 100 000 больных. Информация об эффективности (оцениваемой по увеличению или снижению продолжительнос ти жизни) и стоимости вмешательств, основанная на последних рекомендациях по профилактике, скринингу, диагностике и лечению, вводилась в компьютерную оптимизационную модель. Выбирались рекомендации, наиболее эффективные для популяции в целом при условии определенных ограничений затрат.

Установлено, что в 57% случаев рекомендации, наиболее эффективные для популяции в целом, отличаются от рекоменда ций, обеспечивающих максимальную пользу для отдельных больных. Выявлен ряд клинических рекомендаций, которые в меньшей степени зависят от ограничения затрат.

Клинические рекомендации, экономически наиболее целесообразные для отдельных больных, не всегда обеспечивают максимальную эффективность затрат для всей популяции. Для наиболее эффективного размещения ресурсов лица, принимающие решения, должны учитывать не только рекомендации специальных практических руководств, но и информацию из других источников. Рекомендации должны быть направлены на укрепление здоровья как всего общества, так и его отдельных членов.

Разнообразие способов оказания медицинской помощи [1—5] и быстрый рост затрат на здравоохра нение [6, 7] заставили врачей стремиться к большей согласованности и целесообразности действий. Так, для повышения качества медицинской помощи и снижения ее стоимости [8, 9] были разработаны многочисленные рекомендации, алгоритмы принятия решений и стандарты (которые далее мы будем называть общим термином “клинические рекоменда ции”).

Чтобы принять наилучшее для больного клиническое решение, нужно знать стоимость и исходы различных вариантов лечения [10, 11]. Это позволит определить вмешательства, приоритетные с точки зрения эффективности затрат [12, 13]. Применение в первую очередь таких вмешательств должно обеспечить оптимальное размещение ограниченных клинических и финансовых ресурсов.

Но как принять решение на уровне популяции больных с множеством заболеваний, когда нужно сделать выбор среди многочисленных клинически приемлемых и этически обоснованных вариантов лечения, имеющих различную эффективность и стоимость? В промышленности рационально управлять ограниченными ресурсами помогают сложные математические модели, с помощью которых определяют отношения между переменными, описывающими ресурсы и конечный результат (финансы, поставщики, сырье, производители, распределение, ожидаемый спрос). Определив значения, допустимые для некоторых переменных, можно максимизировать или минимизировать одну главную переменную (например, выгоду или степень риска). Для этого применяют математические методы, объединяемые термином “оптимизация” (с использованием линейного или нелинейного программирования) [14].

Например, авиакомпания, которая обслуживает маршруты, соединяющие несколько десятков городов, но имеет ограниченное число самолетов и экипажей, хочет свести к минимуму общие затраты. Метод оптимизации позволяет наиболее эффективно подобрать маршруты и распределить самолеты и экипажи с учетом таких важных условий, как стоимость топлива для реактивных двигателей в различных регионах и время отдыха членов экипажа. В итоге разрабатывается оптимальная организация для обеспечения наилучших результатов с использованием ограниченных ресурсов. В здравоохранении оптимизацию начали применять недавно и только в тех областях, где патофизиологические механизмы легко представить в виде математических уравнений. К таким областям относятся определение режима искусственной вентиляции легких у больных, находящих ся в критическом состоянии, подбор пероральных антикоагулянтов, планирование лучевой терапии, поддержание требуемого состава диализата при гемодиализе [15—18].

Смысл применения метода оптимизации в здравоохранении состоит в том, что выбор чуть более дешевого и чуть менее эффективного способа лечения какого-либо распространенного заболевания позволяет сэкономить ресурсы для применения более эффективных с точки зрения затрат способов лечения других, менее распространенных заболеваний. Этот выбор, возможно, будет не самым экономически выгодным для отдельного больного, но наиболее полезным для здоровья общества в целом.

Мы использовали метод оптимизации и существующие клинические рекомендации, чтобы показать, какой набор клинических рекомендаций обеспечивает максимальную общую пользу для всей популяции и чем эти рекомендации отличаются от тех, которые обеспечивают максимальную пользу для отдельного больного. Кроме того, ниже будет показано, как меняется выбор рекомендаций при изменении условий, ограничивающих использование ресурсов. И, наконец, в статье предложены способы применения анализа эффективности затрат для распределения ресурсов.

Методы

С помощью метода оптимизации был выбран ряд клинических рекомендаций, максимально увеличивающий продолжительность жизни в гипотетической когорте из 100 000 человек с распределением по возрасту и полу, аналогичным таковому в США в 1991 г. [19, 20]; для простоты в данной модели рассматрива лось лишь ограниченное число заболеваний. Однако результаты представленного здесь анализа легко обновить, используя современные клинические рекомендации и эпидемиологические показатели.

Отбор вмешательств и клинических рекомендаций

Поиск клинических рекомендаций проводили в базе данных MEDLINE (с 1986 г. по настоящее время). При этом использовали следующие критерии включения: 1) практические рекомендации действительно применялись в рассматриваемых клинических ситуациях; 2) оценивались различия в исходах и прямых затратах при двух или более способах лечения; 3) критерием оценки исходов было увеличение или снижение продолжительности жизни в расчете на одного больного (без учета качества жизни) [21, 22]; 4) рекомендации разработаны с учетом величины затрат в расчете на единицу исхода (например, на дополнительный год жизни); 5) при расчете ожидаемой эффективности затрат вносилась стандартная ежегодная 5% поправка в сторону уменьшения обоих показателей [23, 24].

В табл. 1 перечислено шесть вмешательств, отобранных для моделирования [25—30]. Они охватывают основные виды деятельности в области здравоохранения: профилактику (профилактика гепатита В), скрининг (скрининговые обследования для выявления рака толстой кишки), диагностику (диагности ка стабильной стенокардии), снижение степени риска (устранение таких факторов риска, как гиперхолес теринемия и курение) и лечение (лечение рецидивирующей желудочковой аритмии).

Для каждого вмешательства мы перечислили ключевые, взаимно исключающие клинические рекомендации. Для простоты в табл. 1 представлены только основные характеристики рекомендаций. Подробности (возрастной диапазон, дозы) можно выяснить в оригинальных исследованиях [25—30].

Таблица 1. Выбор оптимальных клинических рекомендаций

Все рекомендации считаются в той или иной мере полезными и входят в общепринятые схемы обследования и лечения, которые квалифицированные специалисты могли бы предложить больным в 1991 г. Наша задача заключалась в выборе единственного, лучшего варианта каждого вмешательства. Оптимальные рекомендации определялись, исходя из пользы для всей популяции, а не отдельных групп больных, для которых эти рекомендации были разработаны.

В данной модели рассматривалась гипотетическая когорта жителей США со стандартным по возрасту и полу составом. Тем не менее мы учитывали то обстоятельство, что в некоторых исследованиях, посвященных оценке эффективности затрат, результаты были получены в несколько более узких подгруппах больных. В этих случаях требовалось выбрать несколько оптимальных клинических рекомендаций. Модель программировалась таким образом, чтобы лучшие рекомендации выбирались для каждой подгруппы больных (характеристика подгрупп и число вариантов принятия решения для каждого вмешательства отражены в табл. 1). Так, для скрининговых обследований, позволяющих выявлять рак толстой кишки, требовалось выбрать только одну рекомендацию из пяти, поскольку в оригинальном исследовании обсуждалась одна группа больных — лица старше 65 лет. Однако для диагностики стабильной стенокардии требовалось выбрать четыре клинических рекомендации — по одной для каждой возрастной подгруппы больных, начиная с подгруппы от 35 до 44 лет и заканчивая подгруппой от 65 до 74 лет. Всего мы рассмотрели 22 подгруппы больных, для каждой из которых был установлен единственный оптимальный вариант клинических рекомендаций.

Получение популяционных данных об эффективности и стоимости вмешательств

Для каждой из 22 подгрупп больных было определено несколько основных клинических рекомендаций, наиболее распространенных в настоящее время. В первую очередь они служили в качестве стандарта при сравнении стоимости и эффективности альтернативных рекомендаций (табл. 2). Если программа оптимизации в качестве наилучшей для популяции отбирала основную, стандартную клиническую рекомендацию, то продолжительность жизни и затраты не изменялись.

Выбор оптимальных рекомендаций был основан на расчете повышения или снижения затрат и эффективности (дополнительных лет жизни) при использовании каждой из альтернативных рекоменда ций. Сведения о стоимости и эффективности тех или иных клинических рекомендаций, полученные из литературы, выражали в виде увеличения или снижения соответствующих параметров в сравнении со стандартной рекомендацией. Увеличение или снижение затрат и эффективности в расчете на одного больного пересчитывали с учетом потребности в данном вмешательстве в течение следующих 12 мес в рассматриваемой когорте из 100 000 человек. Например, в статье сообщалось, что применение альтернатив ных рекомендаций в сравнении со стандартными привело (в расчете на каждого больного) к увеличению продолжительности жизни на 1,5 года при дополнительной стоимости 20 000 долларов США. Если в течение следующего года рассматриваемое заболевание выявят у 30 больных из нашей когорты, то увеличение стоимости и эффективности составит 600000 долларов США и 45 лет жизни соответственно. Все затраты выражены в долларах США по расценкам 1991 г. [31].

Получение данных о стоимости и эффективности вмешательств у отдельных больных

В каждой из 22 подгрупп больных выявляли также клинические рекомендации, наиболее целесообразные с точки зрения эффективности затрат для отдельных больных, т.е. обеспечивавшие максималь ное увеличение продолжительности жизни в расчете на единицу затрат в сравнении со стандартными рекомендациями [32]. В некоторых подгруппах наиболее целесообразные рекомендации совпали со стандартными. Например, если эффективность альтернативных рекомендаций не превышала эффективнос ти стандартных рекомендаций, то последние считались самыми целесообразными с точки зрения эффективности затрат для отдельного больного (см. Приложение).

Таблица 2. Данные, использованные в оптимизационной модели, и оптимальные клинические рекомендации, которые были выбраны в ходе всех 22 ее испытаний

Примечание . Жирным шрифтом выделены наиболее целесообразные с экономической точки зрения рекомендации для каждой подгруппы больных. * — расчетная ежегодная потребность в каждом вмешательстве для гипотетической когорты из 100 000 больных с распределением по возрасту и полу, аналогичным таковому в США в 1991 г.; ** — приведены значения для альтернативных рекомендаций в сравнении со стандартной, при определении затрат использовали расценки 1991 г., 5% поправку в сторону уменьшения вносили при расчете как затрат, так и эффективности вмешательства; *** — отсутствие штриховки означает, что оптимальной для данной подгруппы была признана стандартная, наиболее часто применяемая клиническая рекомендация. ИКСК — исследование кала на скрытую кровь; ЭИТК — эндоскопическое исследование толстой кишки; НПТ — нагрузочная проба на тредмиле; КА — коронарная ангиография; ЖРН — жевательная резинка с никотином; FDA — Администрация США по контролю за качеством пищевых продуктов и лекарственных препаратов.

Испытания оптимизационной модели

Основные данные, используемые в оптимизаци онной модели, приведены в табл. 2. Перечислены клинические рекомендации для 22 подгрупп больных, а также удельный вклад каждой из альтернативных рекомендаций в общие затраты в рассматриваемой когорте и эффективность вмешательства в том случае, если бы эти рекомендации были выбраны в качестве наилучших. Этот вклад определяли, умножая расчетную общую потребность в каждом варианте вмешательства на данные о стоимости или эффективности в расчете на одного больного, взятые из литературы.

Таблица 3. Результаты одного из испытаний оптимизационной модели: выбор клинических рекомендаций, обеспечивающих максимальную эффективность, если ограничение затрат составляет 30 млн долларов США*

Примечаниe. ИКСК — исследование кала на скрытую кровь; ЭИТК — эндоскопическое исследование толстой кишки; НПТ — нагрузочная проба на тредмиле; ЖРН — жевательная резинка с никoтином. * — стандартные клинические рекомендации.

Оптимизационная модель была реализована с помощью программы “Solver” в Microsoft Excel (версия 4.0, Redmond, Washington). В каждом испытании модели проводился поиск такой комбинации из 22 рекомендаций (по одной для каждой из 22 подгрупп больных), которая обеспечивает максимальную общую эффективность при общих затратах, не выходящих за определенные пределы (они специально устанавливались для каждого испытания). Под общей эффективностью подразумевается суммарная эффективность отобранных рекомендаций, под общими затратами — их суммарная стоимость.

Чтобы установить предельные объемы затрат, мы провели четыре испытания по определению максимальных и минимальных значений общих затрат или общей эффективности. В остальных испытаниях стремились определить максимальное значение эффективности, варьируя общие затраты. В результате были получены значения минимальных и максимальных затрат на применение рассматриваемой комбинации клинических рекомендаций; они колебались в широком диапазоне, равном приблизительно 80 млн долларов США: от экономии 45 млн долларов до дополнительных затрат 35 млн долларов.

Результаты

В табл. 3 представлены результаты одного из 22 испытаний оптимизационной модели с ограничением затрат. (Количество испытаний случайно совпало с количеством подгрупп больных; изменяя пределы затрат, мы могли бы изменить количество испытаний.) В данном примере ограничение затрат составляет 30 млн долларов США, т.е. суммарное повышение или снижение затрат не может превышать эту величину. Программа отобрала по одной рекоменда ции для каждой из 22 подгрупп больных таким образом, что было достигнуто максимальное суммарное увеличение эффективности для всей рассматривае мой когорты. В табл. 3 указаны также удельные затраты и эффективность отобранных рекомендаций.

В оптимизационной модели стоимость и эффективность отдельных клинических рекомендаций рассматриваются раздельно. Выбор наилучших рекомендаций основывается на общей, популяционной, эффективности затрат. Например, 5 из 22 отобранных клинических рекомендаций (см. табл. 3) были менее эффективными для всей популяции в сравнении со стандартными рекомендациями. В этих случаях сэкономленные средства позволяют оплатить более распространенные рекомендации — применение жевательной резинки с никотином. В результате большее число людей сможет отказаться от курения (что подтверждается данными литературы) и, следовательно, увеличится продолжительность жизни в популяции. То же можно сказать и в отношении рекомендации не проводить лечение при гиперхолесте ринемии. Если наиболее целесообразные для отдельного больного клинические рекомендации не были включены в анализируемую совокупность вмешательств, наиболее целесообразных для всей популяции, значит, сэкономленные ресурсы позволили добиться большего увеличения продолжительности жизни. Как и ожидалось, модель никогда не “отбирала” рекомендации, более дорогие, но менее эффективные, чем стандартные. Это согласуется с главным принципом анализа эффективности затрат [33].

Таблица 4. Исходные условия и результаты испытаний оптимизационной модели с различными ограничениями объема затрат

Примечание. * — отрицательные значения означают снижение затрат, а положительные — их повышение; ** — целью испытаний было достижение максимального значения эффективности; *** — в каждом испытании отбиралось 22 рекомендации.

В табл. 4 приведены результаты всех испытаний оптимизационной модели с ограничением затрат. Выбранные клинические рекомендации указаны в табл. 2.

В табл. 4 приведены значения общего повышения или снижения стоимости и эффективности всего набора клинических рекомендаций, отобранных в каждом испытании оптимизационной модели. Изменения общих затрат, определенные с помощью модели, колебались от экономии 45 млн долларов до дополнительных затрат 34,2 млн долларов. Диапазон изменения общей эффективности вмешательств в гипотетической когорте варьировал от снижения продолжительности жизни на 5077 лет до ее увеличения на 3238 лет в зависимости от устанавливаемых ограничений затрат.

Последний столбец в табл. 4 показывает число совпадений рекомендаций, оптимальных как для определен ной подгруппы (т.е. для конкретных больных), так и для популяции в целом. Среди всех возможных решений в условиях различных ограничений затрат подобное совпадение наблюдалось только в 43% случаев. Следует отметить, что по мере более жесткого ограничения затрат число совпадений уменьшалось.

Обсуждение

Медицинские научные общества, группы врачей, фармацевтические компании и другие организации разработали более 1500 клинических рекомендаций [34, 35], причем рекомендации по одному и тому же вопросу иногда могут существенно различаться [36—39]. Отсутствие единообразия в форме, содержании и представлении таких рекомендаций способствова ло разработке строгих критериев их создания [40, 41].

Наша модель позволяет оценивать общую пользу нескольких альтернативных правил принятия клинических решений, каждое из которых разработано для определенной группы больных. В модели учтены несколько ключевых параметров: расчетная популяционная потребность в каждом вмешательстве, стоимость вмешательства в расчете на одного больного и эффективность (оцениваемая по увеличению продолжительности жизни). Информацию о всех параметрах можно найти в литературе. Исходные данные можно обновлять, используя результаты последних клинических исследований и новые рекомендации. Кроме того, можно применять другие критерии оценки исходов, например качество жизни [21, 22].

Некоторые клинические рекомендации в меньшей степени зависят от ограничений затрат. Другими словами, в испытаниях оптимизационной модели с разными ограничениями затрат эти варианты отбирались чаще, чем другие. Например, в случае профилактики гепатита B всегда отбиралась рекомендация о проведении скрининга и вакцинации среди новорожден ных из группы высокого риска и вакцинацию подростков. Это согласуется с выводом оригинального исследования [25]. Клинические рекомендации, отобранные для других вмешательств и подгрупп больных, варьировали в большей степени (см. табл. 2).

Это наблюдение имеет большое значение. Среди рекомендаций, разработанных для отдельных больных, одни более пригодны для всей популяции, чем другие. Очевидно, что и с точки зрения медицины, и с точки зрения общества следует по возможности использовать рекомендации, одинаково пригодные как для отдельных больных, так и для популяции в целом. Лицам, планирующим политику в области здравоохранения, нужно обратить на это внимание.

Проблема поиска компромисса между пользой для отдельного больного и пользой для общества становится все более актуальной, так как финансовые ресурсы ограничены. Применение нашей модели показало, что по мере ужесточения ограничений затрат лучшие рекомендации для популяции все реже соответствуют лучшим рекомендациям для отдельных больных. Это означает, что противоречие между почти безграничной потребностью в медицинской помощи и ограниченностью ресурсов вряд ли легко разрешимо [7].

Мы не утверждаем, что большинство клинических решений могут или должны быть сведены только к сэкономленным долларам и дополнительным годам жизни. Широкое применение метода оптимизации в промышленности [14] обусловлено доступностью сведений о выходных (доходы и расходы) и входных параметрах. В медицине информация о клинических исходах гораздо менее доступна и достоверна. Поэтому метод оптимизации и анализ эффективности затрат следует использовать только в качестве дополнительных методов принятия решений.

С одной стороны, в медицине экономические вопросы не должны заменять диалог между больным и врачом. С другой, при принятии решений в этой области помимо интересов больных следует учитывать и выгоду для общества в целом. Врачей, скептически относящихся к анализу эффективности затрат и анализу принятия решений, следует убедить, что обе цели — максимальная польза для больного и максимальная польза для всей популяции — должны быть так или иначе согласованы.

Эффективность использования оптимизационной модели и других форм анализа принятия решений зависит от точности, постоянства и достоверности исходных данных, вводимых на основании клинических рекомендаций. Способы достижения максимальной пользы для популяции и для отдельных больных не всегда совпадают. Стоимость того или иного вмешательства отражает не только количество израсходованных долларов, но и неиспользованные возможности проведения других медицинских мероприятий [42]. Постепенно общество приходит к пониманию того, что необходимо одновременно оптимизировать стоимость медицинского обслуживания, улучшать клинические исходы и повышать доступность всех видов медицинских услуг. Для реализации этой цели мы предлагаем удобную схему, облегчающую выбор и интерпретацию клинических рекомендаций из многочисленных практических руководств.

Максимальное общее благополучие обеспечивается тем, что каждый член популяции отказывается (добровольно или принудительно) от определенной независимости в пользу общей выгоды. Например, в стабильном обществе граждане соглашаются с ущемлением некоторых личных свобод (например, соблюдают законы). Члены экономических картелей идут на ограничение национального производства для обеспечения максимальной общей прибыли. В биологии именно этот принцип лежит в основе симбиоза, когда взаимозависимое существова ние двух или более организмов идет на пользу всем. При крупных катастрофах в группах пострадавших с самыми тяжелыми повреждениями медицинская помощь оказывается в первую очередь тем, кто находится в критическом состоянии; в результате выживает большее число людей. Достижение максимальной пользы для общества не означает, что каждому его члену предоставляется все, в чем он нуждается, без учета интересов остальных [43].

Конкуренция за место на рынке среди отдельных организаций, оказывающих медицинские услуги, приводит к тому, что оптимизация медицинской помощи (включая ее доступность, стоимость и качество) сводится к личной, а не к коллективной пользе. Сведения отдельных организаций о разработанных и применяемых ими рекомендациях и о клинических исходах держатся в секрете и считаются их собственностью. Система выплат, осуществляемых для покрытия затрат, часто произвольна и не является научно обоснованной; сумма медицинской страховки зависит от работодателя. В соответствии с самой природой медицины в здравоохранении должно быть меньше конкуренции, больше сотрудничества и больше внимания к общей пользе.

G. Hardin [44] описал схему бесконтрольного использования общественного выгона первыми поселенцами. В какой-то момент земля уже не в состоянии прокормить всех животных, однако отдельные лица могут действовать в своих собственных интересах и в ущерб благополучию всей популяции до тех пор, пока ресурсы не истощатся. Автор предостере гает, что “в свободном обществе каждый преследует свои интересы...” и “...склонен предполагать, что его личные решения — наилучший вариант решений для всего общества...”

Традиционный анализ эффективности затрат помогает отбирать рекомендации, наиболее эффективные для отдельных групп больных. Однако не менее важно учитывать пользу этих рекомендаций для общества в целом. Чтобы наиболее эффективно распределять ресурсы, следует учитывать несколько факторов: клинические потребности, финансовые ограничения, эффективность затрат на выполнение тех или иных рекомендаций для отдельных больных и для всей популяции. Разработка рекомендаций, оптимальных как для отдельных лиц, так и для всего общества, устранит необходимость жертвовать личными интересами ради общественной пользы. Но решить эту задачу непросто. Поскольку ресурсы общества ограничены, организациям, которые их распределяют, становится все труднее найти компромисс между индивидуальной и популяционной выгодой.

Структура модели

Структура оптимизационной модели подробно представлена в табл. 2. В первом столбце перечисляются все шесть клинических вмешательств, во втором — 22 подгруппы больных, для которых разработаны соответствующие рекомендации. Для каждой подгруппы существует стандартная рекомендация (третий столбец) и по меньшей мере один альтернативный вариант рекомендаций (четвертый столбец).

В шестом, седьмом и восьмом столбцах указаны значения затрат и эффективности, в пятом столбце — расчетная потребность отдельных подгрупп больных в каждом из вмешательств (эти данные получены из демографических и клинических таблиц распространенности и частоты развития отдельных заболеваний). С помощью этих данных и полученных из литературы сведений о стоимости и эффективно сти вмешательства в расчете на одного больного мы рассчитывали, на сколько повышались или снижались соответствующие популяционные параметры в сравнении со стандартными рекомендациями. (Если оптимальными оказывались стандартные рекоменда ции, стоимость и эффективность не изменялись и не указывались в табл. 2.)

Вначале программа, реализующая оптимизаци онную модель, присваивала клиническим рекомендациям (стандартным и альтернативным) значение “0” или “1”. Эти величины (дихотомические переменные) постоянно обрабатывались в процессе поиска оптимальных рекомендаций. Выбрав какую-либо рекомендацию (присвоив ей значение “1”), программа умножала изменение затрат и эффективности для отобранной рекомендации на дихотомическую переменную (т.е. на “1”) и помещала эти величины в соответствующие столбцы сетки решения (см. табл. 3). Далее мы определяли целевую функцию и ограничения. Целевая функция — оптимизируемая переменная — определялась как максимальное суммарное изменение эффективности (см. табл. 3). Накладыва лись следующие ограничения: 1) для каждой подгруппы больных выбиралась только одна оптимальная рекомендация, 2) суммарное изменение затрат не должно было превышать определенного предела, установленного для каждого испытания (см. табл. 4). Например, ячейки, следующие за каждой из рекомендаций, могли принимать только значения “0” или “1”. Сумма дихотомических переменных для каждой из 22 клинических подгрупп должна была равняться 1, чтобы для каждой подгруппы можно было выбрать только одну оптимальную рекомендацию.

По мере отбора рекомендаций программа постоянно отслеживала суммарное увеличение или снижение затрат и эффективности для всей популяции (см. табл. 3). При отборе рекомендаций данные о затратах и эффективности автоматически вносились в сетку решения, т.е. имелась прямая алгебраическая связь между дихотомическими переменными (“0” или “1”), целевой функцией и ограничениями (включая ограничение затрат).

Результаты испытаний

В последнем столбце табл. 2 указаны рекоменда ции, выбранные в каждом из 22 испытаний оптимизационной модели (эти испытания представлены также в табл. 4). Заштрихованная ячейка означает, что для данной подгруппы были отобраны альтернатив ные рекомендации; пустая (белая) ячейка для всех альтернативных рекомендаций в подгруппе указывает, что были выбраны стандартные рекомендации. Таким образом, можно проследить зависимость тех или иных рекомендаций от установленных ограничений затрат.

Повышение или снижение затрат в расчете на год жизни (восьмой столбец) отражает увеличение или снижение эффективности затрат на альтернативные рекомендации в сравнении со стандартными. Оптимальное с точки зрения популяции решение определялось как рекомендации, которые обеспечивали наибольшую эффективность затрат для каждой подгруппы больных. Эти рекомендации выделены в табл. 2 жирным шрифтом. Выбор рекомендаций осуществлялся по следующим правилам.

1. При сравнении стандартных и альтернативных рекомендаций выбор рекомендаций, наиболее целесообразных для отдельного больного, осуществлялся только среди более эффективных, чем стандартные рекомендации, независимо от стоимости. Если ни одна из альтернативных рекомендаций не обеспечивала увеличение эффективности, оптимальной считалась стандартная рекомендация.

2. При выборе рекомендаций, наиболее целесообразных для подгруппы больных, из альтернативных рекомендаций с лучшей эффективностью отбирались те, которые обеспечивали минимальные затраты в расчете на год жизни. Если, например, изменение стоимости в расчете на год жизни составляет от +10 до _15, следует выбрать последнюю величину, потому что при этом наблюдается большее увеличение эффективности с меньшими затратами. Как и ожидалось, модель никогда не “отбирала” рекомендации с большей стоимостью, но меньшей эффективностью.

Литература

1. Wennberg J., Gittelsohn A. Small area variations in health care delivery. Science 1973;182:1102—8.

2. Chassin M.R., Brook R.H., Park R.E., Keesey J., Fink A., Kosecoff J., et al. Variations in the use of medical and surgical services by the Medicare population. N Engl J Med 1986;314:285—90.

3. Perrin J.M., Homer C.J., Berwick D.M., Woolf A.D., Freeman J.L., Wennberg J.E. Variations in rates of hospitalization of children in three urban communities. N Engl J Med 1989;320:1183—7.

4. Wennberg J.E., Freeman J.L., Shelton R.M., Bubolz T.A. Hospital use and mortality among Medicare beneficiaries in Boston and New Haven. N Engl J Med 1989;321:1168—73.

5. Welch W.P., Miller M.E., Welch H.G., Fisher E.S., Wennberg J.E. Geographic variation in expenditures for physicians' services in the United States. N Engl J Med 1993;328:621—7.

6. Gafni A., Birch S. Guidelines for the adoption of new technologies: a prescription for uncontrolled growth in expenditures and how to avoid the problem. Can Med Assoc J 1993;148:913—7.

7. Kissick W.L. Medicine's Dilemmas: Infinite Needs versus Finite Resources. New Haven, CT: Yale Univ Pr; 1994.

8. Berwick D.M. Controlling variation in health care: a consultation from Walter Shewhart. Med Care 1991;29:1212—25.

9. Kassirer J.P. The quality of care and the quality of measuring it [Editorial]. N Engl J Med 1993;329:1263—5.

10. Weinstein M.C., Fineberg H.V. Clinical Decision Analysis. Philadelphia: WB Saunders; 1980.

11. Eddy D.M. Clinical decision making: from theory to practice. Connecting value and costs. Whom do we ask, and what do we ask them? JAMA 1990;264:1737—9.

12. Weinstein M.C., Stason W.B. Foundations of cost-effectiveness analysis for health and medical practices. N Engl J Med 1977;296:716—21.

13. Doubilet P., Weinstein M.C., McNeil B.J. Use and misuse of the term “cost effective” in medicine. N Engl J Med 1986;314:253—6.

14. Gould F.J., Eppen G.D., Schmidt C. Quantitative Concepts for Management. Englewood Cliffs, NJ: Prentice Hall; 1988.

15. Rudowski R., East T.D., Gardner R.M. Current status of mechanical ventilation decision support systems: a review. Int J Clin Monit Comput 1996;13:157—66.

16. Fihn S.D., McDonell M.B., Vermes D., Henikoff J.G., Martin D.C., Callahan C.M., et al. A computerized intervention to improve timing of outpatient follow-up: a multicenter randomized trial in patients treated with warfarin. National Consortium of Anticoagulation Clinics. J Gen Intern Med 1994;9:131—9.

17. Raphael C. Mathematical modelling of objectives in radiation therapy treatment planning. Phys Med Biol 1992;37:1293—311.

18. Thews O. Model-based decision support system for individual prescription of the dialysate bicarbonate concentration in hemodialysis. Int J Artif Organs 1992;15:447—55.

19. U.S. Department of Commerce. Statistical Abstract of the United States, 1993.

20. Summary of notifiable diseases, United States, 1991. MMWR Morb Mortal Wkly Rep 1991;40:1—63.

21. La Puma J., Lawlor E.F. Quality-adjusted life-years. Ethical implications for physicians and policymakers. JAMA 1990;263:2917—21.

22. Spiegelhalter D.J., Gore S.M., Fitzpatrick R., Fletcher A.E., Jones D.R., Cox D.R. Quality of life measures in health care. III: Resource allocation. BMJ 1992;305:1205—9.

23. Drummond M.F. Allocating resources. Int J Technol Assess Health Care 1990;6:77—92.

24. Krahn M., Gafni A. Discounting in the economic evaluation of health care interventions. Med Care 1993;31:403—18.

25. Bloom B.S., Hillman A.L., Fendrick A.M., Schwartz J.S. A reappraisal of hepatitis B virus vaccination strategies using cost-effectiveness analysis. Ann Intern Med 1993;118:298—306.

26. Wagner J.L., Herdman R.C., Wadhwa S. Cost effectiveness of colorectal cancer screening in the elderly. Ann Intern Med 1991;115:807—17.

27. Lee T.H., Fukui T., Weinstein M.C., Tosteson A.N., Goldman L. Cost-effectiveness of screening strategies for left main coronary artery disease in patients with stable angina. Med Decis Making 1988;8:268—78.

28. Kinosian B.P., Eisenberg J.M. Cutting into cholesterol. Cost-effective alternatives for treating hypercholesterolemia. JAMA 1988;259:2249—54.

29. Oster G., Huse D.M., Delea T.E., Colditz G.A. Cost-effectiveness of nicotine gum as an adjunct to physician's advice against cigarette smoking. JAMA 1986;256:1315—8.

30. Kuppermann M., Luce B.R., McGovern B., Podrid P.J., Bigger J.T. Jr., Ruskin J.N. An analysis of the cost effectiveness of the implantable defibrillator. Circulation 1990;81:91—100.

31. Economic Report of the President. Washington, DC: U.S. Gov Pr Office; 1992.

32. Weinstein M.C. Principles of cost-effective resource allocation in health care organizations. Int J Technol Assess Health Care 1990;6:93—103.

33. Laupacis A., Feeny D., Detsky A.S., Tugwell P.X. How attractive does a new technology have to be to warrant adoption and utilization? Tentative guidelines for using clinical and economic evaluations. Can Med Assoc J 1992;146:473—81.

34. Koepke M.D., Cronin C.A., Lazar A. How insurers, purchasers, and employers view their need for guidelines: report of Washington Business Group on Health—AHCPR focus groups. QRB Qual Rev Bull 1992;18:480—2.

35. Office of Quality Assurance. Directory of Practice Parameters. Chicago: American Med Assoc; 1993.

36. The periodic health examination. Canadian Task Force on the Periodic Health Examination. Can Med Assoc J 1979;121:1193—254.

37. Report on the cancer-related health check-up. American Cancer Society. Cancer 1980;30:194—240.

38. U.S. Preventive Services Task Force. Guide to Clinical Preventive Services: An Assessment of the Effectiveness of 169 Interventions. Baltimore: Williams & Wilkins; 1989.

39. Hayward R.S., Steinberg E.P., Ford D.E., Roizen M.F., Roach K.W. Preventive care guidelines: 1991. American College of Physicians. Canadian Task Force on the Periodic Health Examination. United States Preventive Services Task Force. Ann Intern Med 1991;114:758—83.

40. Eddy D.M. A Manual for Assessing Health Practices and Designing Practice Policies: The Explicit Approach. Philadelphia: American Coll Physicians; 1992.

41. Hayward R.S., Wilson M.C., Tunis S.R., Bass E.B., Rubin H.R., Haynes R.B. More informative abstracts of articles describing clinical practice guidelines. Ann Intern Med 1993;118:731—7.

42. Keeney R.L. Decisions about life-threatening risks. N Engl J Med 1994;331:193—6.

43. Axelrod R. The Evolution of Cooperation. New York: BasicBooks; 1984.

44. Hardin G. The tragedy of the commons. The population problem has no technical solution; it requires a fundamental extension in morality. Science 1968;162:1243—8.

Возврат к содержанию| Возврат на home page "Международного журнала медицинской практики"| Возврат на home page издательства "МедиаСфера"