Metrik Ekonomi Kesehatan

Topik 57 dari 91· Kerangka HTA dan ekonomi pencegahan

Ekonomi Skrining

Ekonomi skrining mengatur nilai menguji populasi tanpa-gejala. Fakta matematis intinya: pada prevalensi-penyakit rendah, bahkan tes yang luar-biasa menghasilkan sebagian-besar positif-palsu — dan biaya hilir mengejar mereka dapat menenggelamkan manfaat dari temuan-benar.

Mengapa Ini Penting

Sejak 1968, kriteria Wilson–Jungner WHO telah menetapkan tolok-ukur untuk skrining populasi: kondisinya harus penting, tesnya dapat-diterima dan akurat, perawatan-efektif harus ada, dan ekonominya harus seimbang. UK National Screening Committee menerapkan analisis efektivitas-biaya formal sebelum menyetujui program nasional apa pun — dan menolak sebagian besar proposal. Setiap pitch "AI akan menyaring semua orang untuk segalanya" bertabrakan dengan mesin ini, dan biasanya kalah terhadap aritmatika di bawah ini.

Perhitungan

Nilai prediktif positif (PPV) — probabilitas bahwa hasil-positif adalah nyata — runtuh pada prevalensi rendah:

PPV = (sens × prev) / [sens × prev + (1 − spek) × (1 − prev)]

Contoh: sensitivitas 90%, spesifisitas 95%, prevalensi 0,5%:
PPV = (0,9 × 0,005) / (0,9 × 0,005 + 0,05 × 0,995)
    = 0,0045 / (0,0045 + 0,04975) ≈ 8,3%

Sebelas dari dua-belas positif adalah palsu. Ekonomi program penuh:

Biaya per kasus-benar ditemukan = (biaya skrining + biaya pengujian × semua positif) / positif-benar
Lalu: apakah menemukan satu kasus sepadan? (nilai intervensi-lebih-awal per kasus,
      dikurangi bahaya gerak-diagnosis-berlebih — kasus yang ditemukan yang tidak akan pernah penting)

Contoh yang Diselesaikan

Skrining retina-AI untuk kondisi langka, 100.000 orang, prevalensi 0,5%, sens 90%, spek 95%, pemindaian £15, pengujian-konfirmasi £400:

Positif-benar:  100.000 × 0,005 × 0,90 = 450
Positif-palsu:  100.000 × 0,995 × 0,05 = 4.975
Biaya = 100.000 × 15 + (450 + 4.975) × 400 = 1,5 juta + 2,17 juta = £3,67 juta
Biaya per kasus-benar ≈ £8.156

Jika perawatan-dini menghemat £20.000 + 1 QALY per kasus, programnya lolos dengan mudah. Menaikkan spesifisitas menjadi 99% (lebih sedikit alarm-palsu): biaya pengujian turun menjadi (450 + 995) × 400 = £0,58 juta, total £2,08 juta, biaya per kasus ≈ £4.622 — spesifisitas, bukan sensitivitas, adalah di mana ekonomi-skrining dimenangkan pada prevalensi rendah.

Hubungan dengan Rekayasa Perangkat Lunak

Analisis statis, pemindaian keamanan, dan deteksi anomali adalah program skrining atas basis-kode dan telemetri, dengan prevalensi cacat-sejati sering jauh di bawah 1% per peluang-peringatan. Matematika yang identik menjelaskan kelelahan-peringatan: pemindai 95%-spesifik pada kode berprevalensi-rendah menenggelamkan tim dalam positif-palsu, dan setiap positif-palsu berbiaya perhatian dan mengikis kepercayaan hingga peringatan-nyata mulai diabaikan (istilah klinisnya adalah bahaya skrining; istilah rekayasanya adalah mati-rasa pager). Solusinya ditransfer dari kesehatan: naikkan spesifisitas sebelum sensitivitas, saring sub-populasi berprevalensi-lebih-tinggi (penargetan berbasis-risiko ↔ pemindaian hanya-kode-yang-diubah), dan hitung biaya-triase dalam ekonomi alat — lihat NNT dan evaluasi AI klinis. Untuk skala seluruh program skrining, bukan satu uji, lihat jumlah yang perlu diskrining — berapa banyak orang yang harus menempuh seluruh jalur skrining-lalu-pengobatan untuk mencegah satu hasil.

Jebakan

  • Mengutip sensitivitas/spesifisitas tanpa prevalensi — akurasi tanpa PPV adalah pemasaran.
  • Mengabaikan gerak-diagnosis-berlebih: menemukan "penyakit" indolen yang tidak akan pernah membahayakan memicu biaya dan bahaya perawatan nyata.
  • Bias waktu-utama: deteksi lebih awal tanpa mengubah hasil menggembungkan kelangsungan-hidup semu — lihat intervensi lebih awal.

Sumber