13 - analyse décisionnelle Flashcards
analyse décisionnelle : définition
méthode d’analyse de différents scénarios selon différentes hypothèses
pk analyse décisionnelle ne permet pas vraiment d’identifier la stratégie optimale
car on est dans un contexte hypothétique
modèles d’analyse décisionnelle
- arbre décisionnel
- modèle de markov
arbre décisionnel : principe
- illustre plusieurs options pour 1 même problème
- simplifie des situations complexe
v ou f : l’arbre décisionnel vise a représenter toutes les dimensions d’une situation clinique complexe
f, slm les principales options
arbre décisionnel : types de noeuds
- noeuds de décision
- noeuds de chance
arbre décisionnel : noeud de décision
- points que peut contrôler le décideur
- représenter par carrés
arbre décisionnel : noeud de chance
- points où différents événements peuvent survenir SANS le ctrl du décideur
- représenter par cercles
- événements sont mutuellement exclusifs et exhaustifs
résultat de la somme des noeuds de chance
1 (car mutuellement exclusif)
étapes de développement d’arbre décisionnel
1 - définir et structurer le problème
2 - modéliser les impacts possibles de chaque alternative
3 - valoriser (mettre en valeur) les conséquences de chaque événement et choisir l’alternative avec la valeur anticipée maximale
4 - faire analyses de sensibilité
arbre décisionnel : en quoi consiste la définition et structure du problème
faire un inventaire exhaustif des options concurrentes plausibles (ex : tx A vs tx B)
arbre décisionnel : en quoi consiste la modélisation des impacts possibles de chaque alternative
- pour chaque option, modéliser une série séquentielle d’événements
- estimer la probabilité de chaque événement
arbre décisionnel : en quoi consiste la valorisation (mettre en valeur) des conséquences de chaque événement et choisir l’alternative avec la valeur anticipée maximale
- valoriser les conséquences attribuables à chaque événement
- calculer la valeur attendue de chaque option
- comparer résultats et choisir l’alternative avec la valeur max
arbre décisionnel : en quoi consiste l’analyse de sensibilité
évaluer l’étendue et la répercussion des chmgt au niveau des hypothèses de modélisation
que contient une analyse de sensibilité
- toute forme d’incertitude
- toute forme de controverses méthodologiques
quand utiliser les arbres décisionnels (4)
- peu d’état de santé
- maladie à court terme
- peu de comparateurs
- la personne peut pas rester dans un même état de santé
modèle de markov : principe
modélisation de l’évolution dans le temps d’une population à travers un nbr fini d’états
modèle d’analyse plus utilisé pour un processus complexe
markov
étapes de développement d’un mdl de markov
1 - déterminer les états considérés et les transitions permises
2 - définir la durée des cycles qui déterminent quand la transition se produit
3 - définir les probabilités de transition
4 - calculer la valeur anticipée de l’intervention (couts et conséquences sur la santé)
mdl de markov : déterminer les états considérés et les transitions permises : donner un exemple
les états considérés sont : saignements, guérison, mort. au temps 0, tout le monde est en saignement et au prochain cycle, chgmt d’état à soit guérison soit mort
v ou f : dans le mdl de markov, un pt peut rester dans le même état pdt la transition
v
mdl de markov : cmt définir la durée des cycles
on établit différents temps (t1, t2, t3, …) qui représentent un cycle. la transition correspond au moment entre chaque temps
(durée dépend du contexte)
mdl de markov : en quoi consiste le calcul de la valeur anticipée de l’intervention
1 - déterminer le nbr de pts retrouvés dans chaque état de santé
2 - déterminer le nbr d’années de vie associées à chaque intervention
3 - calculer le nbr de QALY et les couts associés à chaque intervention
4 - calcul du ratio cout utilité incrémental
quand utiliser le mdl de markov (4)
- plusieurs comparateurs
- plusieurs états de santé
- long horizon temporel
- présence d’états de santé récurrents
principale limite des mdl de markov
probabilités de transition sont indépendantes des états de santé antérieurs (pas de mémoire)
modélisation de type «patient - level» : principe
- ressemble à markov mais pour un pt au lieu d’une cohorte
- présence de mémoire
