Метрики экономики здравоохранения

Тема 8 из 91· Основы экономического мышления

Вероятностный анализ чувствительности (ВАЧ)

ВАЧ присваивает распределение вероятностей каждому неопределённому параметру, отбирает их все одновременно тысячи раз (Монте-Карло) и сообщает вероятность того, что вариант является наилучшим выбором — вместо единой точечной оценки.

Почему это важно

Референсный кейс NICE требует ВАЧ. Детерминированный анализ отвечает на вопрос «что если один параметр неверен?»; ВАЧ отвечает на вопрос «учитывая всё, чего мы не знаем одновременно, насколько вероятно, что мы принимаем правильное решение?» Его знаковый вывод, кривая приемлемости экономической эффективности (КПЭЭ), отображает вероятность того, что вариант экономически эффективен, против порога готовности платить — превращая «ИКЭЭ составляет £24 000/QALY» в «есть 78%-ная вероятность, что это правильный выбор при £30 000/QALY».

Расчёт

Для каждого из N розыгрышей (N ≈ 10 000):
  отобрать каждый параметр θ из его распределения
    (затраты ~ Гамма, вероятности ~ Бета, полезности ~ Бета, эффекты ~ Нормальное/логНормальное)
  вычислить ЧДВ_j(θ) = λ × Эффект_j(θ) − Затраты_j(θ) для каждого варианта j

КПЭЭ_j(λ) = доля розыгрышей, в которых вариант j имеет наивысшую ЧДВ при пороге λ

См. чистую денежную выгоду для ЧДВ и пороги готовности платить для λ.

Разобранный пример

Бизнес-кейс миграции платформы. Три неопределённых параметра:

Стоимость миграции      ~ Гамма,  среднее £800тыс, СО £200тыс
Годовая выгода          ~ Нормальное, среднее £350тыс, СО £150тыс
Длительность выгоды     ~ Равномерное, 3–6 лет

Для каждого из 10 000 розыгрышей вычисляется чистая выгода = длительность × годовая − стоимость (дисконтирование опущено для ясности). Иллюстративные результаты:

Средняя чистая выгода:     £775тыс
Вероятность чистая > 0:    0,86
5-й–95-й процентиль:      −£180тыс … +£1,9млн

Точечная оценка говорила «очевидно да». ВАЧ говорит «86% да, с реальным хвостом, где мы теряем £180тыс+» — именно это реально нужно владельцу портфеля, и это оценивает кейс для проведения предварительного исследовательского спайка (см. ОЦПИ).

Связь с программной инженерией

Инженеры уже доверяют Монте-Карло для прогнозирования поставки (выборка пропускной способности превосходит точечные оценки). Расширьте тот же механизм на деньги: распределения по внедрению, сэкономленному времени и зарплате, затем сообщайте «вероятность того, что эта платформенная инвестиция чиста-положительна» вместо ложно-точного ROI. Кривая в стиле КПЭЭ — вероятность быть наилучшим вариантом как функция того, как организация оценивает инженеро-час — это подлинно лучший артефакт для комитета финансирования, чем любое единственное число.

Подводные камни

  • Мусорные распределения: ВАЧ с выдуманными стандартными отклонениями — это детерминированный анализ в лабораторном халате. Основывайте разбросы на данных или структурированном экспертном заключении.
  • Игнорирование корреляции между параметрами (высокое внедрение обычно коррелирует с высоким сэкономленным временем); независимая выборка занижает хвостовой риск.
  • Отчёт только о среднем симуляции — весь смысл заключается в распределении и вероятности решения.

Источники