O uso da simulação de eventos discretos na avaliação de tecnologias em saúde

Abstract

As tecnologias em saúde referem-se às ferramentas que visam alcançar algum diagnóstico ou propósito terapêutico. Como os recursos utilizados na área da saúde são escassos, é preciso decidir qual é o melhor caminho de ação a ser tomado. A análise comparativa dos diferentes caminhos de ação em termos de seus custos e de suas consequências é o que define a avaliação econômica das tecnologias em saúde. O propósito da modelagem na avaliação econômica de tecnologias em saúde é estruturar a evidência dos efeitos clínicos e econômicos de uma maneira que possa ajudar na tomada de decisões sobre a alocação de recursos de saúde. Existem diversas técnicas que podem ser utilizadas na construção de um modelo com esse propósito. As árvores de decisão e os modelos de Markov são as duas técnicas mais amplamente utilizadas na avaliação de tecnologias em saúde, mas que possuem certas limitações que impedem que sejam utilizadas para criar modelos capazes de representar todos os problemas de decisão que podem ser vistos na prática. A simulação de eventos discretos ainda é uma técnica pouco utilizada, mas que pode apresentar diversas vantagens em relação às outras, principalmente em situações que envolvam elevado grau de complexidade, além de ser extremamente flexível, sendo indicada principalmente para descrever situações que envolvam interação entre pacientes. Este trabalho apresenta uma breve descrição das árvores de decisão e dos modelos de Markov, bem como um exemplo que descreve detalhadamente a construção de um modelo de eventos discretos com o objetivo de torná-lo facilmente reprodutível, na esperança de que este seja útil e que possa servir como base para quem desejar criar um modelo utilizando esta mesma técnica. Para a construção desse exemplo será utilizado o software MATLAB. Esse exemplo demonstra a aplicabilidade da simulação de eventos discretos para avaliar situações que envolvam dependência ou interação entre pacientes, como em situações em que existe uma fila de espera para os pacientes receberem um atendimento. Por fim, através deste mesmo exemplo são evidenciadas as diferenças que podem ocorrer nos resultados de uma simulação por causa da escolha incorreta da técnica utilizada na construção do modelo.

The healthcare technologies refer to the tools that aim to achieve a diagnostic or therapeutic purpose. As the resources used in health care are scarce, it must be decided what is the best course of action to be taken. The comparative analysis of different courses of action in terms of its costs and consequences is what defines the economic evaluation of healthcare technologies. The purpose of modeling in the economic evaluation of health technologies is to structure the evidence of clinical and economic effects in a way that can help to make decisions about the allocation of health resources. Several techniques can be used to build a model for this purpose. Decision trees and Markov models are the two techniques most widely used in the evaluation of healthcare technologies, but they have certain limitations that prevent them from being used to create models capable of representing all decision problems that can arise in practice. The discrete event simulation is still an underused technique, although it can present several advantages over the others, especially in situations involving a high degree of complexity, in addition to being extremely flexible and especially suitable to describe situations that involve interaction between patients. This work presents a brief description of decision trees and Markov models, as well as an example that fully describes the construction of a discrete event model in order to make it easily reproducible, hoping that it can be helpful and used as a basis for those who wish to create a model using the same technique. The MATLAB software will be used to make this example. This example demonstrates the applicability of discrete event simulation to evaluate situations involving dependence or interaction between patients, as in situations where there is a waiting list for patients receiving a treatment. Finally, through this same example the differences that may occur in the results of a simulation because of the incorrect choice of the technique used in constructing the model are highlighted.