hirdetés
hirdetés
2024. november. 05., kedd - Imre.
hirdetés

4/2. A Markov-modell

Andrej Markov orosz matematikus nevéhez fűződik a diszkrét sztochasztikus folyamatot leíró Markov-lánc megalkotása a 20. század elején. A Markov-modellek azon a tulajdonságon alapulnak, hogy adott jelenbéli állapot mellett a rendszer jövőbeni állapota nem függ a múltbéliektől.

E modelleket a tudomány számos területén – fizika, statisztikai folyamatok, internet, matematika, biológiai modellezés, gazdaság, szerencsejátékok – alkalmazzák, s jelenleg ez az egészségügyi technológiák teljes körű gazdasági elemzéseiben legelterjedtebben használatos módszer. A Markovmodellek bonyolultabbak, mint a döntési fa modellek, de a szimulációs modelleknél lényegesen kevesebb programozói ismeretet és kisebb adatmennyiséget igényelnek. A Markov-modell a döntési fa minden lényeges tulajdonságait magában foglalja, de attól eltérően már az események bekövetkezésének idejét is figyelembe tudja venni. Az alábbi feltételek fennállása esetén alkalmazható egy egészségügyi technológia költséghatékonyságának értékelésére:

  • egy bizonyos betegség különböző egészségi állapotokkal leírható, melyek egymást kölcsönösen kizárják;
  • a különböző egészségi állapotok közötti mozgás (más néven átmenet) világosan dokumentált;
  • minden egészségi állapot költsége és klinikai eredménye jól definiált;
  • számos meghatározott időtávú (pl. heti, havi, éves) ciklust tartalmaz;
  • az egészségi állapotok közötti átmenet meghatározott valószínűség szerint történik;
  • a betegek egy új ciklusban a régi ciklusok számától függetlenül mennek tovább, a különböző ciklusok száma független egymástól.

A Markov-féle láncmodellekben a fent említett tulajdonságoknak egyszerre kell teljesülniük. A Markov-folyamatmodellekben az utolsó feltétel feloldható, azaz az előzetes ciklusok számától függően lehetnek átmeneti valószínűségek, az egészségnyereségre vagy költségekre vonatkozó adatok.

Az incidencia- és prevalencia-modellek

A betegpopuláció kezdeti eloszlása meghatározza, hogy incidencia- vagy prevalencia-modellt alkalmazunk. Az incidenciamodellben a modellezett betegkohorsz mindegyik tagja egy egészségi állapotból indul ki, a prevalencia-modellekben a populáció eloszlik a különböző egészségi állapotok között.

Az ábra egy nagyon egyszerű Markov-modellt mutat be három egészségi állapottal: a teljes egészség, a betegség, illetve a halál állapotával. A betegek az egyes egészségi állapotokból csak meghatározott időszakonként léphetnek át egy másikba. A ciklusidő hosszának megválasztása betegségspecifikus, a modellezett betegség lefolyásának jellegétől függ. A gyors lefolyású betegségek esetén például a ciklusidő rövid. Az ábrázolt incidencia-modell kezdeti ciklusában mindenki egészséges, és adott valószínűség szerint lehet a t+1-edik ciklusban egészséges, beteg vagy halott.

A t+2. időszak eredményeihez már nem a t időszakot vesszük kiindulási alapnak, hanem a t+1 időszakot. Az egészségi állapotok közti átmeneteket nyilak, az átmeneti valószínűségeket a nyilakon számok jelölik. Egy egészségi állapotból induló átmeneti valószínűségek összege 1, azaz 100 százalék. Az átmeneti valószínűségek a Markov-láncmodellben nem változhatnak ciklusonként, de a Markov-féle folyamatmodellben igen. Így például egy bonyolult műtéti eljárás modellezésében az első ciklus kezdeti nagy posztoperatív műtéti kockázata a későbbi ciklusok kapcsán csökkenhet. Minden egészségi állapothoz meghatározott QALY- (azaz minőségi életév) érték és költség tartozik. Két egészségi állapot közti átmenet esetén a QALY és költségek számításánál figyelembe vehetjük az új vagy a régi állapot kimeneteleit, de félciklus-korrekciót is végezhetünk. A félciklus-korrekció alkalmazása annál inkább indokolt, minél hosszabb egy ciklus hossza. Így például egyéves ciklushosszú Markov-modellben az egészségi állapotok közti átmenet esetén általában úgy számolunk, hogy a betegek fél évet az előző ciklusnak megfelelő egészségi állapotban töltenek, fél évet pedig az új egészségi állapotban.

A Markov-modellezés lépesei egy adott egészségügyi technológia teljes körű gazdasági elemzésében a következők:

  • a Markov-modell szerkezetének kialakítása, amelybe beletartozik az egészségi állapotok és az állapotok közti átmenet szabályainak, valamint a ciklusidő hosszának a meghatározása, továbbá döntés a félciklus-korrekció alkalmazásáról;
  • a kezdő és átmeneti valószínűségek kiszámítása;
  • egészségi állapotokhoz tartozó eredmények (pl. QALY és költség) meghatározása;
  • diszkontálás;
  • várható érték kiszámítása;
  • ellenőrzés;
  • bizonytalanság elemzése;
  • döntéshozatal.

Egyszerűsített Markov-modell sematikus ábrája

  • Egészséges
  • 100
  • Beteg
  • 0
  • Halott
  • 0
  • Egészséges
  • 70
  • Beteg
  • 20
  • Halott
  • 10
  • Egészséges
  • 51
  • Beteg
  • 26
  • Halott
  • 23
Olvasói vélemény: 0,0 / 10
Értékelés:
A cikk értékeléséhez, kérjük először jelentkezzen be!
hirdetés