AI Summary & Key Takeaways
AI Insightİlerleyen araştırmalarda parametre, model ve örneklem belirsizliğini esas alarak model uyumunu artırmaya yönelik Bayesci yaklaşımlardan yararlanılması tavsiye edilmektedir.
📌 3 Key Takeaways
Özet
Sağlık teknolojilerinin değerlendirilmesinin tüm aşamalarında belirsizlik ile karşılaşılmakta olup, Bayesci (olasılıksal) süreçlerin modele dâhil edilmesi sayesinde model performansının optimizasyonu sağlanabilmektedir. Beta ve Gamma dağılımları parametrik olasılık dağılımları arasında sayılmakta ve maliyet etkililik (ME) analizinin bir türü olan maliyet değer (MD) analizlerinde model performansının incelenmesine imkân vermektedir. Bu çalışma ikincil veriler kullanılarak tasarlanmıştır. Beta ve Gamma dağılımlarının, diyabet hastalığında yaşam kontrol programından oluşan bir müdahale programından elde edilen MD analizi sonuçları üzerindeki etkisi karşılaştırmalı olarak incelenmiştir. Markov Zinciri Monte Carlo (MCMC) uygulanarak ulaşılan simülasyon sonuçları; Beta ve Gamma dağılımı kullanılarak elde edilen maliyet ve değerlerin istatistiksel olarak anlamlı farklılık gösterdiğini (p˂0,001), Gamma dağılımından elde edilen maliyet ve değerlerin daha yüksek ve müdahale sonrası maliyet değişkenine ait dağılımın normale daha yakın olduğunu ortaya koymuştur. Ayrıca Gamma dağılımı kullanılarak elde edilen ilave QALY başına maliyetin (IMDO=157,71), Beta dağılımına göre (IMDO= 2425,19) daha düşük olduğu bulunmuştur. Çalışma sonuçları, Gamma dağılımının model uyumunun Beta dağılımına göre daha iyi olduğuna işaret etmektedir. İlerleyen araştırmalarda parametre, model ve örneklem belirsizliğini esas alarak model uyumunu artırmaya yönelik Bayesci yaklaşımlardan yararlanılması tavsiye edilmektedir.