Métricas de Economía de la Salud

Tema 8 de 91· Fundamentos del razonamiento económico

Análisis de Sensibilidad Probabilístico (PSA)

El PSA asigna una distribución de probabilidad a cada parámetro incierto, los muestrea todos simultáneamente miles de veces (Monte Carlo), y reporta la probabilidad de que una opción sea la mejor elección, en lugar de una única estimación puntual.

Por qué importa

El caso de referencia de NICE exige el PSA. El análisis determinista responde a "¿qué pasa si un input está equivocado?"; el PSA responde a "dado todo lo que no sabemos a la vez, ¿qué probabilidad hay de que estemos tomando la decisión correcta?" Su resultado distintivo, la curva de aceptabilidad de coste-efectividad (CEAC), representa la probabilidad de que una opción sea coste-efectiva frente al umbral de disposición a pagar, convirtiendo "el ICER es de 24,000 £/QALY" en "hay un 78% de probabilidad de que esta sea la decisión correcta a 30,000 £/QALY".

Las matemáticas

Para cada uno de N sorteos (N ≈ 10,000):
  muestrea cada parámetro θ de su distribución
    (costes ~ Gamma, probabilidades ~ Beta, utilidades ~ Beta, efectos ~ Normal/logNormal)
  calcula NMB_j(θ) = λ × Efecto_j(θ) − Coste_j(θ) para cada opción j

CEAC_j(λ) = fracción de sorteos en los que la opción j tiene el mayor NMB al umbral λ

Véase beneficio monetario neto para el NMB y umbrales de disposición a pagar para λ.

Ejemplo trabajado

Caso de negocio de migración de plataforma. Tres inputs inciertos:

Coste de migración      ~ Gamma,  media 800k £, de 200k £
Beneficio anual         ~ Normal, media 350k £, de 150k £
Duración del beneficio  ~ Uniforme, 3–6 años

Para cada uno de los 10,000 sorteos se calcula el beneficio neto = duración × anual − coste (descuento omitido por claridad). Resultados ilustrativos:

Beneficio neto medio:        775k £
Probabilidad de neto > 0:    0.86
Percentil 5–95:             −180k £ … +1.9 M £

La estimación puntual decía "obviamente sí". El PSA dice "86% sí, con una cola real en la que perdemos 180k £ o más", que es lo que un responsable de cartera realmente necesita, y justifica el caso para realizar primero un spike de descubrimiento (véase EVPI).

Conexión con la ingeniería de software

Los ingenieros ya confían en Monte Carlo para la previsión de entregas (el muestreo de throughput supera a las estimaciones puntuales). Extiende la misma maquinaria al dinero: distribuciones sobre adopción, tiempo ahorrado y salario, y luego reporta "probabilidad de que esta inversión en plataforma sea neta positiva" en lugar de un ROI de falsa precisión. Una curva estilo CEAC — probabilidad de ser la mejor opción en función de cómo valora la organización una hora de ingeniero — es un artefacto genuinamente mejor para un comité de financiación que cualquier cifra única.

Errores habituales

  • Distribuciones basura: el PSA con desviaciones estándar inventadas es análisis determinista disfrazado. Basa las dispersiones en datos o en una elicitación estructurada de expertos.
  • Ignorar la correlación entre parámetros (una adopción alta suele correlacionar con un tiempo ahorrado alto); el muestreo independiente subestima el riesgo de cola.
  • Reportar solo la media de la simulación — todo el sentido del análisis es la distribución y la probabilidad de decisión.

Fuentes