การวิเคราะห์ความอ่อนไหวเชิงความน่าจะเป็น

การวิเคราะห์ความอ่อนไหวเชิงความน่าจะเป็นใช้การจำลองแบบมอนติคาร์โลเพื่อแปรผันพารามิเตอร์ทั้งหมดพร้อมกันตามการแจกแจงความน่าจะเป็น แทนที่จะแปรผันทีละตัว

ทำไมจึงสำคัญ

การวิเคราะห์ความอ่อนไหวแบบทางเดียว (ทีละตัวแปร) ประเมินความไม่แน่นอนโดยรวมต่ำเกินไป เพราะในความเป็นจริงพารามิเตอร์หลายตัวมักไม่แน่นอนพร้อมกัน

คณิตศาสตร์

การจำลองมอนติคาร์โลสุ่มตัวอย่างค่าพารามิเตอร์หลายพันครั้งจากการแจกแจงของแต่ละตัว สร้างเส้นโค้งการยอมรับความคุ้มทุน (CEAC) ที่แสดงความน่าจะเป็นที่สิ่งแทรกแซงจะคุ้มทุนที่เกณฑ์ความเต็มใจจ่ายต่างๆ

ตัวอย่างที่คำนวณแล้ว

การจำลอง 10,000 ครั้งแสดงให้เห็นว่าสิ่งแทรกแซงมีความน่าจะเป็น 65% ที่จะคุ้มทุนที่เกณฑ์ £20,000/QALY และเพิ่มขึ้นเป็น 85% ที่เกณฑ์ £30,000/QALY

ความเชื่อมโยงกับวิศวกรรมซอฟต์แวร์

คล้ายกับการทดสอบโมเดลภายใต้สถานการณ์โหลดที่หลากหลายพร้อมกันแทนที่จะทดสอบตัวแปรเดียวในแต่ละครั้ง เพื่อให้เข้าใจความทนทานของระบบภายใต้ความไม่แน่นอนที่สมจริง

ข้อผิดพลาดที่พบบ่อย

• การใช้การแจกแจงความน่าจะเป็นที่ไม่สมจริงสำหรับพารามิเตอร์
• การตีความ CEAC ผิดว่าเป็นความน่าจะเป็นที่สิ่งแทรกแซง "ถูกต้อง" แทนที่จะเป็นความคุ้มทุนตามเกณฑ์

แหล่งที่มา

• Briggs AH, et al., Decision Modelling for Health Economic Evaluation.
• NICE, guide to the methods of technology appraisal.