Hälsovärdet av njurutbyte och altruistisk donation
Nov 10, 2023
ABSTRAKT
Mål:Levande donator njurtransplantation(LTx) är den föredragna behandlingen för patienter mednjursjukdom i slutskedet. Njurbyteprogram (KEP) främjar LTx genom att underlätta utbyte av donatorer mellan patienter som inte är kompatibla med sina donatorer. Vi analyserar och maximerar effektiviteten och effektiviteten av KEPS från en hälsavärdeperspektiv och hälsovärdet av altruistisk donationi KEPs. Metoder: Vi utvecklade en Markov-modell för patienters hälsoresultat, som var inbäddad i en diskret händelsesimuleringsmodell för att bedöma effektiviteten av allokeringspolicyer i KEP. En ny allokeringspolicy för att maximera hälsovärdet utvecklades baserad på heltalsprogrammeringstekniker. De evidensbaserade övergångssannolikheterna i Markov-modellen baserades på data från den holländska KEP med användning av en mängd olika ekonometriska modeller. Scenarioanalys presenterades för att förbättra robustheten. Resultat: Effektiviteten av den holländska KEP utan altruistisk donation återspeglas av ökningen av förväntade rabatterade kvalitetsjusterade levnadsår (QALYs) med 3,23 från 6,42 till 9,65. Den nuvarande holländska policyn och policyn för att maximera antalet transplantationer uppnår 63 % av den potentiella effektvinsten (2,11 diskonterade QALYs). Den nya policyn uppnår 69 % av denna vinst (2,33 diskonterade QALYs). När man systematiskt registrerade altruistiska givare i KEP, ökade den nya policyn förväntade rabatterade QALYs med 4,05 till 10,27 och minskade ojämlikheterna för patienter med blodgrupp O. Slutsatser: Den holländska KEP kan öka hälsovärdet för patienter med mer än hälften. En allokeringspolicy som maximerar hälsoresultaten och maximalt tillåter altruistisk donation kan ge betydande ytterligare förbättringar.
Nyckelord: allokeringspolicyer, altruistisk donation,hälsovärde,njurbyte.
KLICKA HÄR FÖR ATT GER HÄLLA FORMULERING AV CISTANCHE FÖR NJURE
Introduktion
Sjukdomsbördan som tillskrivs kronisk njursjukdom har nästan fördubblats sedan 1990 och utgör 1,64 % av den globala sjukdomsbördan 2019.1 Kronisk njursjukdom kan utvecklas över flera stadier mot njursjukdom i slutstadiet (ESRD) och är den 11:e vanligaste orsaken av dödsfall globalt.1 Uppskattningsvis 2,5 miljoner patienter behandlades för ESRD över hela världen 2017, och ett ännu större antal patienter saknade tillgång till behandling.2
Den vanligaste behandlingen för ESRD är dialys. Alternativet transplantation av avliden donator (DTx) avser praxis att skörda organ för transplantation från avlidna donatorer. Bruket att transplantera en av de två njurarna från en levande donator (LTx) har utvecklats som ett tredje alternativ.
Transplantation anses vara livräddande eftersom det erbjuder en mycket bättre överlevnadssannolikhet än dialys.3 Det är mer kostnadseffektivt eftersom det också ger en avsevärt lägre sjukdomsbörda och kostnader.4-8 Till exempel den årliga genomsnittliga totala sjukvården kostnaden för dialyspatienter varierade mellan V77 566 och V105 833 i Nederländerna från 2012 till 2014. Under samma period uppgick den genomsnittliga totala sjukvårdskostnaden efter transplantation till V85.127 under det första året efter transplantationen och V29 612 och V20 156 under det andra respektive tredje året.9
LTx är den föredragna behandlingen eftersom den är effektivare än DTx och har den lägsta kostnaden.9-14 Globalt utgör LTx 36 % av de 95 479 njurtransplantationerna årligen.15 Många länder tillåter endast lagligt familjemedlemmar och nära vänner till patienter att donera. Tyvärr, för mer än 40 % av patienterna som hittar en levande donator bland familj eller vänner, är transplantation inte möjlig på grund av blodgruppsinkompatibilitet, humant leukocytantigen (HLA) inkompatibilitet eller bådadera.16 Blodgruppsinkompatibilitet hänvisar till oförenligheten av donation beroende på blodtyp (A, B, AB och O) mellan givare och mottagare. HLA-inkompatibilitet avser närvaron av antikroppar i mottagaren mot den avsedda främmande donatornjuren.17
Anjurbytesprogram(KEP) är en reglerad mekanism för att övervinna dessa oförenligheter. Det främjar donation från levande donatorer genom att matcha patienter med levande donatorer från andra patienter. Till exempel, när givaren till en första patient är kompatibel med en andra patient och givaren till den andra patienten är kompatibel med den första patienten, kan dessa 2 patienter byta givare parvis.18 Förutom parvisa utbyten kan KEP:er använda cykler av 3 eller fler par och kedjor som initieras av avlidna eller altruistiska givare.19
Med tanke på att KEP kan underlätta tillgången till livräddande och mest kostnadseffektiv behandling har KEP uppstått inom vårdcentraler, bland vårdcentraler, på nationell nivå och till och med transnationellt.16,20,21 Trots det, även om mer än 80 länder har rapporterat att de presterar LTx, färre länder har initierat KEP med betydande volymer.15 Till exempel, 2017 hade bara 10 europeiska länder nationella KEP, som hade realiserat 1300 transplantationer totalt.16 Bidragen KEP har gjort för att minska bördan och kostnaderna för ESRD är fortfarande blygsamma, och det finns få bevis för deras effektivitet och effektivitet.16,22 Denna forskning betraktar den lägre kostnaden för LTx än DTx och dialys som en given och syftar till att tillhandahålla bevis för värdet av KEPs i termer av effekt och effektivitet. Effektiviteten och effektiviteten bestäms i hög grad av de allokeringspolicyer som används som anger att patienternafå en njureoch från vilken givare. Denna process tar vanligtvis formen av att regelbundet utföra en matchkörning. En matchningskörning tar hänsyn till alla patientdonatorpar som deltar i KEP och väljer par från vilka patienter och donatorer matchas. Det primära målet med allokeringspolicyer i befintliga KEP:er är att maximera antalet patienter (par) som matchas i varje matchkörning.16,20,21
Allokeringspolicyer tar ofta hänsyn till ytterligare mål och begränsningar för att främja rättvisa, rättvisa och förväntade resultat.16,21 Även om nytta utgör ett ledande mått i ekonomisk utvärdering23,24 av hälsotjänster, utvärderar ingen av de befintliga KEP:erna tilldelningsbeslut baserat på nytta, till exempel som summan av de kvalitetsjusterade levnadsåren (QALYs) som erhållits för patientpopulationen. Detta gäller även Nederländerna och Storbritannien, länder med de längsta nationella KEP:erna som uttryckligen och formellt införlivar kostnadseffektivitetsbedömning i hälsopolitiken. Vår första forskningsfråga är att fastställa KEP-effekt. Den andra forskningsfrågan är att jämföra effektiviteten hos befintliga allokeringspolicyer och en nyligen föreslagen policy för att maximera förväntade rabatterade QALYs.25-27
Altruistisk donation avser en levande donation av en (altruistisk) individ utan tidigare relation till en specifik patient. I länder som tillåter altruistisk donation har det blivit allt vanligare att registrera altruister i KEP. Donatorn som är kopplad till en patient som tar emot ett altruistiskt donerat organ kan donera till en annan inskriven patient eller till en patient på DTx-väntelistan. Den tredje forskningsfrågan är att fastställa det inkrementella hälsovärdet som erbjuds av altruistisk donation när den ingår i en KEP. Vi svarar på forskningsfrågorna genom en retrospektiv fallstudie om den holländska KEP, som särskiljer relevanta delpopulationer för att rapportera om eget kapital
Metoder En Markov-modell för att uppskatta QALY-effekter från njurutbytespolicyer
Markov-modeller utgör en förstklassig bedömningsmetod för hälsoteknologi28 och har använts i bedömningen av transplantation i relation till dialys så tidigt som 1975.29 Sedan dess har 30 olika författare använt Markov-modeller för att undersöka kostnadseffektiviteten hos transplantationsprogram.{{5} } Vi utökar denna forskning mot analys av KEP-effektivitet och utvecklar en Markov-modell för hälsotillståndsövergångar hos patienter med ESRD som deltar i en KEP.
Det initiala tillståndet för var och en av dessa patienter är tillståndet "ESRD", som de går in i så snart de registrerar sig för KEP tillsammans med en donator som de bildar ett par med. Markov-modellen definierar 6 tillstånd, bestående av följande 5 övergående behandlingstillstånd: (1) "ESRD", (2) "Njurfunktionsåterställning", (3) "LTx-återhämtning", (4) "DTx-återhämtning" och ( 5) "KE Recovery" och 1 absorberande tillstånd, (6) "Död".
Många patienter som deltar i KEPs prenumererar också på väntelistan för avlidna donatortransplantationer och kan kvalificera sig för och acceptera en DTx. Tillståndet "DTx Recovery" avser tillståndet för en patient som har fått en avliden donatortransplantation. På samma sätt kan en patient acceptera en transplantation från en levande donator utanför programmet (t.ex. en familjemedlem), enligt modell av staten "LTx Recovery". Tillståndet "KE Recovery" representerar situationen där patienten fick en transplantation genom KEP. Tillståndet "Renal Function Recovery" modellerar det osannolika men möjliga tillståndet för återställd njurfunktion och därmed avbrytande av prenumerationen på KEP. Från varje återhämtningstillstånd är det möjligt för patienter att återgå till ESRD-tillståndet. Detta kan till exempel hända på grund av transplantatfel efter transplantation. Figur 1 visar tillståndsutrymmet och möjliga övergångar.
Övergångssannolikheterna är funktioner av patientens och givarens egenskaper, blodgrupp (O, A, B, AB), kön, ålder (16-44, 45-64, 65-74 och 751 år) och panelreaktiv antikropp (PRA) nivå. PRA-nivå uppskattar sannolikheten för att (kroppen hos en) patient avvisar ett transplantat på grund av HLA-felmatchning. Att särskilja patientsubpopulationer baserat på dessa demografier möjliggör en mer förfinad och korrekt modell och att differentiera utfall per subpopulation efter behov för att jämföra rättvisa mellan allokeringspolicyer.
Låt QoL(x, s) beteckna livskvaliteten för patient x i tillstånd s. Låt t=1, 2, . beteckna tidsperioderna mellan efterföljande matchningskörningar och s(x, t) patientens x tillstånd vid tidpunkten t för en given sekvens av övergångar. Sedan, mot diskonteringsränta per period d, för varje patient x, kan de diskonterade QALYs som erhållits Q(x) beräknas som
Diskret händelsesimulering och Monte Carlo-analys
Den presenterade Markov-modellen, sannolikheter och hälsovärden gör det möjligt att uppskatta förväntade hälsoresultat för patienter i par som anländer till KEP och att utföra Monte Carlo-simuleringar med historiska (retrospektiva) sannolikheter. Sådana simuleringsmodeller inkluderar dock inte den faktiska matchningen av givare till mottagare och kan inte fånga effekterna av förändringar i allokeringspolicyn. Därför utvecklade vi en diskret händelsesimuleringsmodell som kombinerar Markov-modellen med ankomsten av par och donatorer till KEP-poolen och efterföljande händelser när de lämnar poolen. För detta ändamål varierar den diskreta händelsesimuleringsmodellen stegvis från matchkörning till matchkörning. För var och en av dessa diskreta tidpunkter genererar simuleringen först sannolikt eventuella övergångar för patienten i KEP från tillståndet "ESRD" till andra tillstånd än "KE Recovery" (t.ex. en övergång från tillståndet "ESRD" till tillståndet "DTx Återhämtning", som simulerar att en patient accepterar en transplantation genom den avlidna donatorns väntelista). För det andra genererar det sannolikt ankomsten av nya par och altruistiska givare. För det tredje, med paren och altruisterna som sedan bildar KEP-poolen, hålls en matchkörning med den specificerade allokeringspolicyn, som bestämmer övergångarna till tillståndet "KE Recovery". Bilaga 1 i tilläggsmaterial som finns på https://doi.org/1 0.1016/j.jval.2021.07.012 presenterar heltalsprogrammeringsmodellerna och metoderna för att implementera allokeringspolicyerna. Övergångar bortom steget "KE Recovery" simuleras inte. För detta tillstånd beräknas det förväntade framtida hälsovärdet med hjälp av övergångssannolikheter och diskonterad livskvalitet i förväntade framtida hälsotillstånd.
Det kan noteras att detta tillvägagångssätt är avsevärt mer komplext än traditionella metoder för diskreta händelsesimulering som används i kostnadseffektivitetsanalys av ESRD (se t.ex. Lee Chris et al34) eftersom det involverar att upprepade gånger lösa ett allokeringsproblem (t.ex. P1 eller problem PQALY i Bilaga 1 i tilläggsmaterial som finns på https://doi.org/10.1016/j.jval.2021.07.012) för att fastställa övergångar till tillståndet "KE Recovery". Tilldelningarna påverkar de förväntade rabatterade QALYerna för de matchade patienterna och för de omatchade patienterna som är kvar i poolen (i-state "ESRD") tills nästa matchkörning.
Jämförande analys av allokeringspolicyer med och utan altruistiska givare
Svaret på den andra forskningsfrågan erhålls genom jämförande analys av simuleringsresultaten för följande tre policyer: (1) maximera antalet transplantationer (MaxTx), (2) policy som för närvarande tillämpas av holländska KEP, och (3) maximera total summa av rabatterade QALYs (Bilaga 1 i tilläggsmaterial finns på https://doi.org/10.1016/j.jval.2021.07.012; PQALY). Tillståndsövergångarnas probabilistiska karaktär kräver Monte Carlo-simulering för att få robusta uppskattningar av policyprestanda och dess varians. Denna robusthet kan förstärkas ytterligare genom att slumpmässiga ankomstdatumen för par och altruistiska givare. Vi genererar 30 uppsättningar ankomstdatum för patienter och donatorer och kör var och en av de tre policyerna för var och en av de 30 uppsättningarna. Förväntningen (och variansen) av summan av QALYs för varje allokeringspolicy uppskattas sedan som genomsnittet (och variansen) över 30 simuleringskörningar. Vi beräknar tecken, medelvärden och varianser för skillnaderna i utfall mellan policyerna för var och en av de 30 uppsättningarna. Den jämförande analysen består sedan av (1) att testa om medelskillnaden i utfall mellan ett par policyer skiljer sig signifikant från noll (Z-test, 5 %-nivå) och (2) teckentesta skillnaden i utfall. Över 30 simuleringar identifierar ett positivt (negativt) tecken en skillnad som signifikant på 5 %-nivån om 20 eller fler simuleringar har en strikt positiv (negativ) skillnad. Den tredje forskningsfrågan besvaras med samma metoder och genom att jämföra resultaten av simuleringarna med och utan inskrivning av altruister till KEP (Z-test, 5 %-nivå).
Supportive Service Of Wecistanche - Den största cistanche-exportören i Kina:
E-post:wallence.suen@wecistanche.com
Whatsapp/Tel:+86 15292862950
Handla för fler specifikationer:
https://www.xjcistanche.com/cistanche-shop
