…conomie de la SantÈ en psychiatrie en 2005 : modËles et applications (1) |
MÈthode | Co˚t | RÈsultat |
Analyse co˚t-efficacitÈ | Valeur monÈtaire (euros) | UnitÈs naturelles (taux de rechute, niveau de cholestÈrol, temps de rÈmission...) |
Analyse co˚t-utilitÈ | Valeur monÈtaire (euros) | Valeur d'utilitÈ (dimension de qualitÈ de vie ajoutÈe (par ex., l'apprÈciation par le patient de la gÍne de sa prise de poids pendant le traitement) |
Analyse co˚t-bÈnÈfice | Valeur monÈtaire (euros) | Valeur (euros) (par ex, une annÈe de vie est valorisÈe suivant un montant de x euros) |
Aujourd'hui en Èvaluation Èconomique et notamment dans le domaine de la psychiatrie, l'analyse de co˚t-efficacitÈ est la mÈthode la plus rÈpandue. Le deuxiËme type d'analyse reste rare en France mais est plus largement rÈpandue, voire obligatoire, dans les pays anglo-saxons. La derniËre mÈthode est quasiment inexistante, Ètant donnÈ la difficultÈ de valoriser les bÈnÈfices de faÁon monÈtaire.
L'Èvaluation Èconomique dans le domaine de la santÈ est implicitement ou explicitement fondÈe sur l'hypothËse que l'on ne peut pas compter sur les seules forces politiques, de marchÈ ou administratives pour obtenir l'efficience ou l'ÈquitÈ. Pour autant une Èvaluation Èconomique ne remplacera pas le jugement des professionnels de santÈ ou d'autres dÈcideurs ou responsables. Les analystes ne doivent jamais essayer ´†de prendre des dÈcisions†ª, mais si cela est vigoureusement suivi cela doit encourager les dÈcideurs ‡ ´†prendre les dÈcisions les mieux informÈes†ª1.
L'analyse co˚t-efficacitÈ
L'analyse de co˚t-efficacitÈ est probablement le type d'Èvaluation Èconomique le plus intuitif et le plus simple ‡ utiliser dans la recherche clinique. Ce type d'analyse est fondÈ sur le rapport entre les co˚ts et les rÈsultats pour chacune des stratÈgies ÈvaluÈes. La stratÈgie avec le ratio co˚t-efficacitÈ le plus faible est donc la plus efficiente.
Le ratio (rapport) mesure en effet des rÈsultats en utilisant des instruments et des Èchelles familiËres de la recherche clinique. Les analyses sont utilisÈes pour aider les dÈcideurs ‡ choisir entre les interventions alternatives disponibles. L'analyse de co˚t-efficacitÈ est utilisÈe quand les rÈsultats et les co˚ts sont supposÈs diffÈrer selon les stratÈgies. Cependant, dans l'analyse co˚t-efficacitÈ, les rÈsultats (ou ´†l'efficacitȆª), sont mesurÈs dans des unitÈs qui semblent plus naturelles que n'importe quelle unitÈ monÈtaire. Dans quelques applications de santÈ, les unitÈs peuvent provenir de valeurs de laboratoire spÈcifiques, comme par exemple le niveau de cholestÈrol o˘ des indicateurs de la mortalitÈ, comme le nombre de vies sauvÈes sont pris en compte.
La plupart des rÈsultats en santÈ mentale, comme par exemple les symptÙmes psychiatriques, sont plus complexes et subjectifs. Ils sont mesurÈs en utilisant des Èchelles d'Èvaluation et d'autres mesures dÈveloppÈes en recherche clinique. En raison de leur complexitÈ et de leur subjectivitÈ, ces rÈsultats peuvent varier d'un pays ‡ l'autre, par exemple ‡ cause des diffÈrences de perceptions culturelles de la maladie et de ses symptÙmes. Cependant les analyses de co˚t-efficacitÈ prennent seulement en compte une seule dimension d'efficacitÈ. Une faiblesse Èvidente de cette mÈthodologie stricte de co˚t-efficacitÈ est donc la concentration impÈrative sur une seule dimension de rÈsultat et ce afin de pouvoir calculer des ratios. Et pourtant, la plupart des personnes atteintes par exemple de schizophrÈnie ont de multiples besoins d'appui et la plupart des cliniciens s'attendent ‡ obtenir des amÈliorations dans plus d'un domaine. D'autres limites, telles que la prise en compte de l'incertitude, l'actualisation des effets de santÈ et les diffÈrentes maniËres d'agrÈger les donnÈes cliniques avec les donnÈes de co˚ts sont bien connues de l'analyse de co˚t-efficacitÈ. Elles ont ÈtÈ largement publiÈes et les lecteurs intÈressÈs peuvent se rÈfÈrer ‡ Birch et Gafni (1993)2.
Types d'Ètudes et modÈlisation
Pour dÈmontrer le co˚t-efficacitÈ des interventions pharmacologiques et non-pharmacologiques, il existe plusieurs sources de donnÈes. Elles incluent les Ètudes pragmatiques, les analyses mÈdico-Èconomiques qui sont ´†piggy-backed†ª†[b] associÈs ‡ des essais cliniques, la modÈlisation, et diverses combinaisons et permutations de ces techniques3. Bien que dans la recherche clinique et en ÈpidÈmiologie, l'essai prospectif, randomisÈ, en double aveugle, puisse Ítre considÈrÈ comme l'ÈlÈment essentiel, les analystes sociaux et Èconomiques ont longtemps utilisÈ la modÈlisation pour simuler l'utilisation dans la vie rÈelle. Cependant, les essais cliniques ont une faible validitÈ externe (les rÈsultats obtenus pour la population de l'essai, sont-ils valables pour la population en gÈnÈral†?), Ètant donnÈ qu'ils utilisent des critËres d'inclusion et d'exclusion stricts et que la prise en charge est organisÈe par le protocole, induisant une surestimation des unitÈs de ressources consommÈes. C'est pourquoi, les rÈsultats cliniques et Èconomiques ne reflËtent peut-Ítre pas la rÈalitÈ et ne correspondent pas ‡ la pratique courante.
Les Ètudes observationnelles constituent une alternative. Elles ont pour objectif de recueillir des donnÈes de co˚t-efficacitÈ rÈelles ou reprÈsentatives†; en pratique, il n'est pas toujours possible d'obtenir des donnÈes d'Ètudes scientifiques. Dans ce dernier cas, les modËles d'analyse dÈcisionnelle peuvent Ítre utilisÈs pour obtenir l'information de co˚t-efficacitÈ nÈcessaire ou pour la projection du co˚t-efficacitÈ d'une intervention. Ces modËles utilisent diverses sources d'informations cliniques et Èconomiques existantes.
Les Ètudes de modÈlisation sont fondÈes sur l'analyse d'aide ‡ la dÈcision, une mÈthode reconnue pour analyser les consÈquences de dÈcisions prises dans un environnement d'incertitude. A partir d'algorithmes de prise en charge, un modËle peut Ítre construit, qui considËre les interventions et leurs consÈquences dans le temps. Un modËle d'analyse dÈcisionnelle consiste en une sÈrie de branches, chacune reprÈsentant diffÈrentes options (dÈcision ou ÈvËnement), qui surgissent ‡ diffÈrents moments, et sont appelÈes des n¶uds (i.e. n¶ud de dÈcision ou n¶ud de chance). En effet, un modËle montre les consÈquences et les complications de diffÈrentes interventions thÈrapeutiques, et doit correspondre au mieux ‡ la situation du patient dans la vie rÈelle. Les modËles peuvent Ítre schÈmatisÈs par de simples arbres dÈcisionnels (voir schÈma p 7) ou Ítre plus complexes comme les modËles de Markov†[c].
Les modËles de Markov sont ‡ utiliser en premier choix pour l'analyse de maladies chroniques telles que la schizophrÈnie. En revanche les arbres dÈcisionnels sont ‡ utiliser pour des Èpisodes aigus ou des maladies de courte durÈe. Les prÈdictions sur l'efficacitÈ des mÈdicaments ou des psychothÈrapies et les co˚ts attendus peuvent Ítre modÈlisÈs en utilisant des hypothËses rÈalistes et explicites, fondÈes bien s˚r ‡ partir de donnÈes d'Ètudes cliniques. De plus, la modÈlisation peut Ítre une solution du fait des limites des Ètudes prospectives, surtout pour une maladie chronique, qui requiËrent des extrapolations ‡ long-terme sur l'efficacitÈ des traitements ou des thÈrapies et sur les implications de co˚ts.
La motivation principale de la modÈlisation est le besoin perÁu, de la part des Èconomistes, de fournir des donnÈes opportunes et appropriÈes sur les co˚ts et les bÈnÈfices des interventions aux responsables et dÈcideurs des services mÈdicaux. Mais avant de dÈvelopper un exercice de modÈlisation une question importante est ‡ poser†: ´†Y a-t-il un besoin de modÈlisation†?†ª Ou bien ´†Existe-t-il d'autres mÈthodes pour calculer le co˚t-efficacitÈ des diffÈrentes interventions dans la prise en charge de la schizophrÈnie ?†ª
L'analyse dÈcisionnelle clinique et la modÈlisation sont donc utiles pour estimer les co˚ts et les rÈsultats associÈs aux interventions nouvelles ou aux combinaisons nouvelles comparÈes au traitement standard4,5. La structure du modËle et les variables qui le composent sont tirÈes de la littÈrature clinique, des essais cliniques terminÈs, Ètudes ÈpidÈmiologiques et le jugement expert, dans la tentative de reprÈsenter le traitement rÈel de patients dans des situations de vie rÈelle.
La mÈta-analyse est la mÈthode prÈfÈrÈe pour Èvaluer l'efficacitÈ du traitement lorsque des rÈsultats d'Ètudes multiples sont disponibles6. Les co˚ts de prise en charge peuvent Ítre obtenus ‡ partir de donnÈes primaires ou secondaires sur l'utilisation de soins ou estimÈs ‡ partir du jugement clinique sur les pratiques courantes.
Rittenhouse (1996) distingue deux types diffÈrents de modËle Èconomique†: un modËle comme ´†une version simplifiÈe de la rÈalitȆª et un modËle utilisÈ comme un moyen de ´†faire des conjectures ‡ partir de sources autres que celles relatives ‡ la schizophrÈnie†ª7. Une distinction a aussi ÈtÈ faite entre deux utilisations diffÈrentes du deuxiËme type de modËle†; l'une pour extrapoler des rÈsultats d'essais cliniques et l'autre pour exÈcuter une analyse de dÈcision afin de comparer des stratÈgies de traitement alternatives en intÈgrant des donnÈes de sources diverses sur les composants d'une dÈcision8. En outre Buxton et al. (1997) ajoutent les utilisations suivantes des modËles dans les Èvaluations Èconomiques9†:
- l'extrapolation au-del‡ des donnÈes observÈes dans un essai ;
- le lien entre des rÈsultats cliniques intermÈdiaires et les rÈsultats finaux ;
- la gÈnÈralisation ‡ d'autres structures ;
- la synthËse des comparaisons directes lorsque des essais appropriÈs n'existent pas.
La clÈ du dÈveloppement de la meilleure pratique est d'identifier ces situations o˘ il est appropriÈ de modÈliser. L'utilisation d'un modËle Èconomique semble appropriÈe dans l'Èvaluation Èconomique des diffÈrentes thÈrapies de prise en charge en psychiatrie. MalgrÈ l'utilisation Ètendue de la modÈlisation dans l'Èvaluation Èconomique, plusieurs prÈoccupations ont ÈtÈ exprimÈes8. A savoir†: a) celle de l'utilisation inappropriÈe des donnÈes cliniques, b) celles des biais dans les donnÈes observationnelles c) celles des difficultÈs d'extrapolation et d) la prÈoccupation de la transparence ou validitÈ des modËles.
C'est ainsi que mÍme si les modËles de Markov sont certes plus complexes que les simples arbres de dÈcision, l'absence de donnÈes n'est pas en soi une justification pour simplifier d'importants problËmes. Cependant la validitÈ de la modÈlisation reste encore trËs discutÈe, et certains argumentent en faveur de l'utilisation des Ètudes longitudinales. Il y a en effet des autoritÈs en Europe qui exigent que des Ètudes prospectives longitudinales soient menÈes sur les nouvelles stratÈgies. Le but est d'obtenir des donnÈes de la pratique clinique rÈelle. L'intÈrÍt des modËles de Markov par rapport ‡ ces Ètudes longitudinales prospectives, est que ces derniËres demandent ÈnormÈment de temps de planification, d'implÈmentation, de collecte et d'analyse des donnÈes. De ce fait, ‡ court terme, les dÈcideurs qui doivent faire des choix ne disposent pas des rÈsultats d'Ètudes prospectives.
La modÈlisation et les Ètudes observationnelles ne sont pas concurrentes mais complÈmentaires
Pour les dÈcideurs qui doivent disposer de rÈsultats pour faire des choix au mieux informÈ, des techniques telles que la modÈlisation de Markov peuvent Ítre utilisÈes, en supplÈment des Ètudes observationnelles, pour Èvaluer l'impact sur les co˚ts et les rÈsultats de leurs choix.
Les Ètudes de co˚t-efficacitÈ et les psychothÈrapies
¿ la diffÈrence des traitements pharmacologiques, les interventions psychologiques n'ont pas leur comparateur ´†Ètalon-or†ª; il n'y existe aujourd'hui aucune raison d'exiger des marges de rentabilitÈ amÈliorÈe, par exemple dans les thÈrapies familliales, o˘ les thÈrapies pharmacologiques sont en fait souvent complÈmentaires. Les Èvaluations Èconomiques menÈes pour les mÈthodes psychologiques sont moins nombreuses que celle menÈes pour les mÈdicaments en santÈ mentale10. Cependant, la plupart des interventions psychologiques nÈcessitent un besoin important en personnes et sur une longue durÈe. Elles peuvent donc sembler onÈreuses. Une question importante peut alors se poser†: est-ce que les rÈsultats contrebalancent les co˚ts ou est-ce qu'ils rÈduisent les co˚ts ‡ long terme ?
Dans la prise en charge et le traitement de la schizophrÈnie, par exemple, on relËve plusieurs approches psychologiques, mais peu ont ÈtÈ ÈtudiÈes d'un point de vue Èconomique. L'impact Èconomique de la psychothÈrapie dans la schizophrÈnie peut Ítre attendu par des rÈsultats positifs comme une meilleure observance, moins de rechutes et moins de (rÈ-)hospitalisations.
Les quelques Ètudes sur les psychothÈrapies qui ont fourni une analyse co˚t-avantage comportent des inexactitudes dans les calculs des charges par rapport aux co˚ts (cela sera traitÈ dans le prochain numÈro de PLR). Les co˚ts et l'utilisation n'Ètant pas des objectifs principaux dans la plupart de ces Ètudes, certains co˚ts principaux n'ont mÍme pas ÈtÈ ÈvaluÈs. Cependant, l'objectif principal de ces Ètudes n'Ètait pas le calcul d'un rapport co˚t-efficacitÈ.
Si les mesures de co˚t-efficacitÈ Ètaient systÈmatiquement incorporÈes dans les futures Ètudes portant sur la psychothÈrapie, il pourrait Ítre possible d'identifier quels sous-groupes de patients garantissent le meilleur investissement de temps, d'Ènergie et d'argent associÈ aux interventions psychologiques prolongÈes.
* …conomiste de la SantÈ, Docteur en SantÈ Publique.
Notes
a. Une allocation est efficiente, si elle est rÈalisable et s'il n'existe pas d'autre allocation rÈalisable qu'au moins un agent Èconomique prÈfÈrait ‡ la premiËre. Une telle situation est alors dans la thÈorie nÈoclassique ce qu'on appelle un Èquilibre ou un optimum de Pareto.
b. De l'amÈricain†: petit sac ‡ dos. Etude pharmacoÈconomique ÈlaborÈe sur la base et ‡ partir d'un essai thÈrapeutique classique.
c. Un modËle de Markov peut Ítre assimilÈ ‡ un arbre de dÈcision ´†amÈliorȆª qui reprÈsente l'Èvolution dans le temps d'une maladie ‡ travers un nombre donnÈ d'Ètats de santÈ. Cette technique permet donc de formaliser des problËmes qui ne pourraient pas Ítre gÈrÈs par un arbre simple de dÈcision, soit parce que l'arbre serait trop long, soit parce qu'il faudrait prendre en compte des rÈpÈtitions frÈquentes de certains ÈvÈnements de la maladie.
RÈfÈrences Bibliographiques
1. Weisbrod BA. Benefit-cost analysis of a controlled experiment: treating the mentally ill. J Hum Res, 1981 ; 16: 523-550.
2. Birch S, Gafni A. Changing the problem to fit the solution: Johannesson and Weinsteins (mis)application of economics to real world problems, Journal of Health Economics, 1993 ; 12: 469-476.
3. Glick H, Kinosan B, Schulman K. Decision analytic modelling: Some uses in the evaluation of new pharmaceuticals, Drug Information Journal, 1994 ; 28: 691-707.
4. Weinstein MC, Fineberg HV. Clinical Decision Analysis, Philadelphia: WB Saunders Company. 1980.
5. Pauker SG & Kaissirer JP. Medical progress-decision analysis, New England Journal of Medicine, 1987 ; 316: 250-258.
6. Petitti DB. Meta-Analysis, Decision Analysis, and Cost-Effectiveness Analysis: Methods for Quantitative Synthesis in Medicine, New York†: Oxford University Press, 1994.
7. Rittenhouse B. Uses of models in economic evaluations of medicines and other health technologies, London, Office of Health Economics, 1996.
8. Sheldon TA. Problems of using modelling in the economic evaluation of health care, Health Economics, 1996 ; 5: 1-11.
9. Buxton MJ, Drummond MF, Van Hout BA, Prince RL, Sheldon TA, Szucs T, Vray M. Modelling in Economic Evaluation: An Unavoidable Fact of Life, Health Economics, 1997 ; 6: 217-227.
10. Scott JE, & Dixon LB. Psychological interventions for schizophrenia, Schizophrenia Bulletin, 1995 ; 21: 621-630
Les modÈlisations en pharmacoÈconomie sont fondÈes sur des descriptions schÈmatiques de la rÈalitÈ appelÈes ´modËles†ª. Elles permettent de schÈmatiser un problËme complexe, comme par exemple l'Èvolution d'une maladie chronique sous un traitement donnÈ.
Arbres de dÈcision et arbres ÈvÈnementiels†:
ils reprÈsentent la forme la plus simple et donc la plus frÈquente des modÈlisations en pharmacoÈconomie. Ces arbres sont basÈs sur le fait qu'une stratÈgie thÈrapeutique se dÈcompose souvent en succession d'ÈvÈnements dont les modalitÈs varient en fonction de la rÈponse ou des rÈponses du patient ‡ la stratÈgie thÈrapeutique considÈrÈe. L'Èvaluation d'une telle stratÈgie implique alors de prendre en compte tous les ÈvÈnements et leurs probabilitÈs. Les arbres comportent des embranchements ou des n¶uds (appelÈs n¶uds d'ÈventualitÈ ou n¶uds de dÈcision selon qu'il s'agisse d'un arbre ÈvÈnementiel ou d'un arbre de dÈcision) et des chemins qui aboutissent aux consÈquences respectives des ÈvÈnements ou des dÈcisions qui ont ÈtÈ prises*.
Les chaÓnes de Markov†: Une modÈlisation par
chaÓnes de Markov peut Ítre assimilÈe ‡ un arbre de dÈcision ´amÈliorȆª qui reprÈsente l'Èvolution dans le temps d'une population ‡ travers un nombre donnÈ d'Ètats de santÈ. Cette technique permet donc de formaliser des problËmes qui ne pourraient pas Ítre gÈrÈs par un arbre simple de dÈcision, soit parce que l'arbre serait trop long, soit parce qu'il faudrait prendre en compte des rechutes frÈquentes**.
Processus de Markov†: Le processus de Markov
permet de modÈliser l'Èvolution dans le temps d'une population ‡ travers un nombre donnÈ d'Ètats de santÈ. C'est donc une modÈlisation o˘ le temps est continu et les probabilitÈs de transition varient avec le temps. Les probabilitÈs de transition constantes sont rÈalistes seulement pour les maladies avec un horizon ‡ court terme. Dans des conditions de chronicitÈ, il y a habituellement le facteur inÈvitable, l'‚ge. La mortalitÈ annuelle de la population en bonne santÈ augmente exponentiellement avec l'‚ge. Le processus de Markov prend donc ce facteur temps en compte, en utilisant des probabilitÈs de transitions variables**.
La MÈthode de Monte Carlo†: Cette mÈthode consiste ‡ reproduire le hasard ‡ partir de rËgles algÈbriques qui gÈnËrent des suites de nombres alÈatoires. La mÈthode de Monte Carlo permet par exemple de simuler la distribution d'un petit Èchantillon en gÈnÈrant de faÁon alÈatoire le devenir d'un trËs grand nombre de patients fictifsxi.
* BÈresniak A & Duru G (1997), Economie de la SantÈ, 4Ëme Èdition, Edition Masson
** Beck JR & Pauker SG (1983), The Markov Process in Medical Prognosis, Medical Decision Making, 3(4): 419-458