संभाव्य संवेदनशीलता विश्लेषण (PSA)

PSA हर अनिश्चित पैरामीटर को एक संभाव्यता वितरण प्रदान करता है, सभी को एक साथ हज़ारों बार नमूना लेता है (मोंटे कार्लो), और एक ही बिंदु अनुमान के बजाय एक विकल्प के सर्वोत्तम होने की संभावना रिपोर्ट करता है।

यह क्यों महत्वपूर्ण है

NICE का संदर्भ मामला PSA की आवश्यकता रखता है। इसका प्रतिनिधि आउटपुट, लागत-प्रभावशीलता स्वीकार्यता वक्र (CEAC), एक विकल्प के लागत-प्रभावी होने की संभावना को भुगतान करने की इच्छा सीमा के विरुद्ध प्लॉट करता है — यह "ICER £24,000/QALY है" को "£30,000/QALY पर यह सही विकल्प होने की 78% संभावना है" में बदल देता है।

गणित

N ड्रॉ में से प्रत्येक के लिए (N ≈ 10,000):
  हर पैरामीटर θ को उसके वितरण से नमूना लें
  प्रत्येक विकल्प j के लिए गणना करें NMB_j(θ) = λ × प्रभाव_j(θ) − लागत_j(θ)

CEAC_j(λ) = उन ड्रॉ का अंश जिसमें विकल्प j की सबसे अधिक NMB है

हल किया गया उदाहरण

एक प्लेटफ़ॉर्म माइग्रेशन व्यावसायिक मामला। तीन अनिश्चित इनपुट:

माइग्रेशन लागत ~ गामा, औसत £800k
वार्षिक लाभ    ~ सामान्य, औसत £350k

उदाहरणात्मक परिणाम:

औसत शुद्ध लाभ:      £775k
शुद्ध > 0 की संभावना: 0.86

सॉफ़्टवेयर इंजीनियरिंग से संबंध

इंजीनियर पहले से ही डिलीवरी पूर्वानुमान के लिए मोंटे कार्लो पर भरोसा करते हैं। इसी तंत्र को पैसे पर भी लागू करें: अपनाने, बचाए गए समय, और वेतन पर वितरण लागू करें।

सामान्य गलतियाँ

• कूड़ा वितरण: बनाए गए मानक विचलन के साथ PSA एक प्रयोगशाला कोट पहना निर्धारक विश्लेषण है।
• पैरामीटरों के बीच सहसंबंध को अनदेखा करना।
• सिमुलेशन के केवल औसत की रिपोर्ट करना।

स्रोत

• Fenwick E, Claxton K, Sculpher M. "Representing uncertainty." Health Economics 2001.
• NICE health technology evaluations: the manual (PMG36).