Метрики экономики здравоохранения

Тема 57 из 91· Рамочные подходы HTA и экономика профилактики

Экономика скрининга (Screening Economics)

Экономика скрининга управляет ценностью тестирования бессимптомных популяций. Ключевой математический факт: при низкой распространённости заболевания даже отличные тесты в основном генерируют ложноположительные результаты — а последующая стоимость их отработки может затопить выгоду от истинных находок.

Почему это важно

С 1968 года критерии Уилсона-Юнгнера ВОЗ устанавливают планку для популяционного скрининга: состояние должно быть значимым, тест — приемлемым и точным, должно существовать эффективное лечение, и экономика должна сходиться. UK National Screening Committee применяет формальный анализ затратной эффективности перед одобрением любой национальной программы — и отклоняет большинство предложений. Каждая презентация в стиле «ИИ будет скринить всех на всё» натыкается на этот механизм и обычно проигрывает приведённой ниже арифметике.

Математика

Прогностическая ценность положительного результата (PPV) — вероятность того, что положительный результат реален — обрушивается при низкой распространённости:

PPV = (чувствительность × распространённость) / [чувствительность × распространённость + (1 − специфичность) × (1 − распространённость)]

Пример: чувствительность 90%, специфичность 95%, распространённость 0.5%:
PPV = (0.9 × 0.005) / (0.9 × 0.005 + 0.05 × 0.995)
    = 0.0045 / (0.0045 + 0.04975) ≈ 8.3%

Одиннадцать из двенадцати положительных результатов — ложные. Полная экономика программы:

Стоимость на найденный истинный случай = (стоимость скрининга + стоимость дообследования × все положительные) / истинно положительные
Затем: стоит ли находка случая этой стоимости? (ценность более раннего вмешательства на случай,
      минус вред гипердиагностики — найденные случаи, которые никогда бы не имели значения)

Практический пример

ИИ-скрининг сетчатки на редкое состояние, 100 000 человек, распространённость 0,5%, чувствительность 90%, специфичность 95%, скан £15, подтверждающее обследование £400:

Истинно положительные:  100,000 × 0.005 × 0.90 = 450
Ложноположительные:     100,000 × 0.995 × 0.05 = 4,975
Стоимость = 100,000 × 15 + (450 + 4,975) × 400 = 1.5M + 2.17M = £3.67M
Стоимость на истинный случай ≈ £8,156

Если раннее лечение экономит £20 000 + 1 QALY на случай, программа легко проходит. Повысьте специфичность до 99% (меньше ложных тревог): стоимость обследования падает до (450 + 995) × 400 = £0,58 млн, всего £2,08 млн, стоимость на случай ≈ £4 622 — именно специфичность, а не чувствительность, выигрывает экономику скрининга при низкой распространённости.

Связь с разработкой программного обеспечения

Статический анализ, сканирование безопасности и обнаружение аномалий — это программы скрининга над кодовыми базами и телеметрией, с распространённостью истинных дефектов часто значительно ниже 1% на возможность оповещения. Идентичная математика объясняет усталость от оповещений: сканер со специфичностью 95% на коде с низкой распространённостью топит команды в ложных срабатываниях, и каждое ложное срабатывание стоит внимания и подрывает доверие, пока реальные оповещения не начинают игнорироваться (клинический термин — вред скрининга; инженерный термин — «онемение пейджера»). Средства переносятся из здравоохранения: повышайте специфичность прежде чувствительности, скрините подпопуляции с более высокой распространённостью (таргетирование по риску ↔ сканирование только изменённого кода), и считайте стоимость сортировки в экономике инструмента — см. NNT и клиническую оценку ИИ. О масштабе всей программы скрининга, а не одного теста, см. Число, которое необходимо обследовать — сколько человек должны пройти весь путь «скрининг, затем лечение», чтобы предотвратить один исход.

Подводные камни

  • Цитирование чувствительности/специфичности без распространённости — точность без PPV — это маркетинг.
  • Игнорирование гипердиагностики: обнаружение вялотекущей «болезни», которая никогда не навредила бы, запускает реальные затраты и вред от лечения.
  • Смещение времени опережения (lead-time bias): более раннее обнаружение без изменённых исходов раздувает видимую выживаемость — см. более раннее вмешательство.

Источники