家庭远程监控和诊断算法在荷兰心力衰竭的管理:成本效益分析gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

心力衰竭是一种主要的健康问题，与患者显著的发病率、死亡率和生活质量降低有关。据估计，全世界有6430万人患有心力衰竭[gydF4y2Ba1gydF4y2Ba］．一项基于高收入国家普通人群超声心动图筛查研究的荟萃分析显示，在≥65岁的人群中，心力衰竭的患病率约为11.8% [gydF4y2Ba2gydF4y2Ba］．2019年，荷兰心力衰竭的患病率估计为238,700例，新发病例为37,400例，心力衰竭导致的死亡人数为7264人[gydF4y2Ba3.gydF4y2Ba］．因此，心力衰竭导致荷兰医疗保健费用上升:8.17亿欧元(研究时按购买力平价计算的货币汇率:1欧元= 1.29美元;从成本效益的角度来看，进一步的转换不适用)，相当于2017年心血管疾病成本的8%，约占当年医疗保健总支出的1% [gydF4y2Ba4gydF4y2Ba］．在心力衰竭总费用中，45%用于医院护理，43%用于老年人护理(长期机构老年人护理、老年人辅助生活设施和家庭护理)[gydF4y2Ba4gydF4y2Ba］．gydF4y2Ba

远程病人监测是一种病人管理方法，利用信息和通信技术监测和传送与地理位置分开的个人之间的病人健康状况有关的生理数据[gydF4y2Ba5gydF4y2Ba］．家庭远程监控(HTM)是一种特殊情况，在这种情况下，数据的监测和传输是从患者家中进行的。热媒技术有助于频繁或持续地评估疾病的体征和症状，并已显示让病人参与自己的护理，从而提高依从性，并通过促进早期发现临床重大变化，防止紧急入院[gydF4y2Ba6gydF4y2Ba］．在慢性病管理中使用信息和通信技术已变得越来越重要，特别是自2019冠状病毒病大流行以来，常规护理不得不推迟或被远程替代方案所取代。有证据显示HTM对死亡率和住院率均有正面影响[gydF4y2Ba7gydF4y2Ba-gydF4y2Ba9gydF4y2Ba]，而其他研究则质疑其有效性[gydF4y2Ba10gydF4y2Ba]及成本效益[gydF4y2Ba11gydF4y2Ba基于家庭的监控系统。gydF4y2Ba

诊断算法可被定义为一种预测性数学关系，它利用广泛收集的数据来计算特定事件(例如死亡或住院)发生的可能性。这些算法使用该输出来对患者的治疗进行优先排序，如果事件的概率超过预定义的阈值，则会发出警报，触发后续行动。证据表明，与临床决策规则相比，着眼于记录参数变化趋势和模式的数据驱动方法提高了检测疾病恶化的准确性[gydF4y2Ba12gydF4y2Ba-gydF4y2Ba15gydF4y2Ba］．再加上HTM可以测量大量与心力衰竭事件相关的参数，在分析HTM系统生成的数据时，期望具有更好诊断性能的先进算法能够提高时间效率。因此，它们可以提高临床决策，以一种可以被临床医生以高度自信的方式直观地使用的方式发出警报[gydF4y2Ba16gydF4y2Ba］．然而，卫生保健资金是有限的，稀缺的资源必须分配给新的干预措施最有益的病人亚组。gydF4y2Ba

目标gydF4y2Ba

本研究的目的是评估HTM和DA在荷兰治疗心力衰竭的成本效益。进行基本案例分析，并通过情景、敏感性和信息分析价值评估结构和参数的不确定性。此外，我们特别关注了在事件预测的不同诊断准确度水平(即受试者工作特征(ROC)曲线的不同点)下DA的成本效益评估，以及在广泛的患者亚组中分析干预措施的成本效益。gydF4y2Ba

方法gydF4y2Ba

干预措施gydF4y2Ba

成本-效果分析包括三种干预措施:(1)常规护理;(2) HTM，如跨欧洲网络家庭护理管理系统(TEN-HMS)原始出版物[gydF4y2Ba17gydF4y2Ba) (HTM);(3) HTM加DA (HTM+DA)。gydF4y2Ba

常规护理包括由研究者制定的个性化书面管理计划，该计划描述了患者应该接受何种药物治疗，以何种顺序进行治疗，以及如何进行监测。根据纳入标准，所有患者都需要循环利尿剂。管理计划侧重于用适当剂量的血管紧张素转换酶抑制剂和β受体阻滞剂治疗左心室收缩功能障碍。如果严重症状持续存在，则根据地区指南在治疗计划中加入螺内酯。房颤患者推荐使用地高辛和抗凝剂。病人管理计划由病人的初级保健医生负责执行[gydF4y2Ba17gydF4y2Ba］．gydF4y2Ba

HTM，如TEN-HMS原刊物所述[gydF4y2Ba17gydF4y2Ba]，包括每天两次监测患者的体重、血压、心率和心律。大于或小于预设限制的数值会自动通知研究护士，研究护士会审查这些信息并直接采取行动，以获得任何短期建议，或通过初级保健医生，如果需要长期改变治疗。护士还可以手动扫描患者数据，以确定他们认为需要采取行动的任何趋势。研究人员主要负责对分配到HTM的患者实施管理计划，而初级保健医生和研究者则被告知所有接触者。gydF4y2Ba

HTM+数据分析包括先前描述的HTM干预措施，以及在其他地方发布的数据分析[gydF4y2Ba18gydF4y2Ba］．该算法使用了从采用HTM作为日常医疗保健一部分的心力衰竭患者收集的数据。对他们的医院记录进行回顾性回顾，并收集与心力衰竭相关的入院数据。DA使用收集到的数据(如血压、心率和体重)来预测患者的住院情况。使用ROC分析评估该算法的预测或分类性能(曲线如图S1所示)gydF4y2Ba多媒体附录1gydF4y2Ba［gydF4y2Ba17gydF4y2Ba-gydF4y2Ba28gydF4y2Ba])。gydF4y2Ba

模型结构gydF4y2Ba

用于分析的患者级离散事件模拟模型在其他地方得到了开发和详细描述[gydF4y2Ba29gydF4y2Ba］．与其他已发表的心力衰竭健康经济模型不同，这是一个单一的模型，包括广泛的患者特征和结果。该模型由一系列回归方程组成，这些方程描述了患者特征与中期和最终结果随时间变化之间的统计关联。时间-事件回归方程使用TEN-HMS研究的患者水平数据进行估计[gydF4y2Ba17gydF4y2Ba］．该模型模拟了门诊就诊、住院和死亡的时间。模型产生的中间结果是门诊就诊次数、住院次数和避免住院次数。最终结果是总寿命年、质量调整寿命年(QALYs)和成本。gydF4y2Ba

人口模型gydF4y2Ba

在基本病例分析中，患者从纳入TEN-HMS研究的整个人群中随机抽样(置换)[gydF4y2Ba17gydF4y2Ba］．研究人群的基线患者和疾病特征见gydF4y2Ba表1gydF4y2Ba。所呈现的患者和疾病特征是TEN-HMS研究中可用的整个患者水平数据范围的子集，它们代表了模拟中使用的输入。患者人群被认为是荷兰心力衰竭患者人群的代表。gydF4y2Ba

每位患者都模拟了成本-效果分析中包括的三种干预措施:(1)常规护理，(2)HTM和(3)HTM + DA。gydF4y2Ba

基本情况分析gydF4y2Ba

基本案例分析是根据荷兰卫生保健经济评价准则进行的[gydF4y2Ba30.gydF4y2Ba］．采用了一种社会观点，其中考虑了保健部门、病人和家庭部门以及其他部门的所有费用，而不管由谁支付这些费用，以及使用摩擦成本法评估的生产力损失[gydF4y2Ba31gydF4y2Ba，以及未来不相关的医疗费用。所有成本都以2020年的欧元计算，因为2020年的数字无法获得，以前的成本使用荷兰中央统计局的一般价格指数进行了夸大[gydF4y2Ba32gydF4y2Ba］．健康结果(效果)以生命年和质量年表示，折现率为4%，而成本折现率为1.5%。分析采用生命周期，并对1000例患者进行模型运行。模型输入参数的概述见gydF4y2Ba表2gydF4y2Ba，将在以下各节中详细解释。gydF4y2Ba

热媒治疗效果(与常规治疗比较)gydF4y2Ba

与常规护理相比，HTM模型增加了住院时间和死亡时间，同时减少了门诊就诊时间。gydF4y2Ba

HTM对住院时间和死亡时间的治疗效果采用参数模型(指数模型、威布尔模型、对数正态模型、对数逻辑模型、Gompertz模型和广义伽玛模型)对HTM和TEN-HMS试验中常规护理的住院时间和死亡时间数据(Kaplan-Meier曲线)进行拟合[gydF4y2Ba17gydF4y2Ba］．模型假设HTM和日常护理之间的风险成比例。在基本情况分析中，使用威布尔分布来推断死亡时间，使用对数正态分布来推断住院时间。这些分配是根据国家健康和临床卓越研究所委托决策支持股发布的建议选择的[gydF4y2Ba36gydF4y2Ba］．生存分析的细节可在该模型的原始出版物[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

为了预测住院患者的死亡率，我们进行了logistic回归，其中住院死亡的概率由年龄、性别、既往心肌梗死或慢性心房纤颤史、合并症(糖尿病或慢性阻塞性肺疾病)和既往住院次数来解释。gydF4y2Ba

门诊就诊时间是用户在模型中设置的参数。荷兰或国际指南中不建议定期门诊，而是建议下次会诊的时间由陪同医生根据患者的临床状况安排[gydF4y2Ba37gydF4y2Ba，gydF4y2Ba38gydF4y2Ba］．因此，我们假设所分析人群的门诊就诊时间可以用TEN-HMS研究中的观察结果恰当地表示[gydF4y2Ba17gydF4y2Ba常规护理组2.81个月，基于html的干预组1.69个月。TEN-HMS试验中37.8%(161/426)的患者在荷兰医院接受治疗，这一事实加强了这一假设[gydF4y2Ba17gydF4y2Ba］．gydF4y2Ba

DA的处理效果(加入HTM时)gydF4y2Ba

为了模拟将DA加入HTM的治疗效果，我们将该算法视为预测住院的二元检验。根据数据采集器告警阈值的不同，具有一定的灵敏度和特异性。DA的治疗效果通过其敏感性和假阳性率(与1 -特异性相同)纳入模型。gydF4y2Ba

灵敏度对应于正确预测住院是模型中要处理的下一个事件的概率。在正确检测和临床可避免的情况下，在模拟中避免住院;后者是根据文献中报道的可能可预防的心力衰竭住院的平均值估算的，即50% [gydF4y2Ba33gydF4y2Ba］．因此，假设警报的敏感性为0.52,50%的住院是临床可避免的，则0.52×50%=26%为可避免住院的总概率。gydF4y2Ba

误报率表示误报告警的比例。因此，假设DA(每日报警)的假阳性率为0.03，且模型模拟的前一事件与当前事件间隔100天，则在这两个事件之间的时间内有3次假阳性报警。假阳性警报通过管理这些警报的成本包含在模型中，并且假定它们对健康结果没有影响。gydF4y2Ba

在我们的研究中，我们使用无创HTM每天收集的舒张压和体重的多分辨率分析信号开发的DA来预测其他地方发表的住院情况[gydF4y2Ba18gydF4y2Ba］．基础病例分析的敏感性和假阳性率设置为该研究报告的数字:分别为0.52和0.03。gydF4y2Ba

门诊费用gydF4y2Ba

在TEN-HMS试验中报告的诊所访问在普通护理和HTM的全科医生，护士和专家访问中存在歧视[gydF4y2Ba17gydF4y2Ba］．我们假设这一划分代表了荷兰临床实践中所分析的人群。通过计算访问类型产品与荷兰成本计算手册中参考价格的加权平均值[gydF4y2Ba19gydF4y2Ba]，我们估计门诊就诊的常规护理费用为44.50欧元，HTM费用为43.30欧元(见表1)gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

其他心力衰竭相关的医疗服务提供者联系的费用gydF4y2Ba

在TEN-HMS试验期间，报告了240天的常规护理和HTM随访期间使用的医疗资源的数量和类型(急诊室就诊、办公室就诊、家访和电话)[gydF4y2Ba17gydF4y2Ba］．TEN-HMS数据也被认为代表了荷兰心力衰竭管理的临床实践。为了估计其他与心力衰竭相关的医疗服务提供者联系的费用，我们排除了办公室就诊，因为它们被单独用于估计每次门诊就诊的费用(见gydF4y2Ba门诊费用gydF4y2Ba部分)。我们将TEN-HMS试验(240天)随访期间使用的资源转换为每位患者的年费率，并将这些数字乘以荷兰成本计算手册中包含的资源成本[gydF4y2Ba19gydF4y2Ba］．与其他心力衰竭相关的护理提供者接触的估计费用每年为常规护理188.38欧元，HTM 623.61欧元gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

住院费用gydF4y2Ba

在荷兰，男性因心力衰竭住院的平均时间为8.6天，女性为8.4天。gydF4y2Ba20.gydF4y2Ba］．纳入TEN-HMS试验的人群性别划分为77.5%(330/426)男性和22.5%(96/426)女性[gydF4y2Ba17gydF4y2Ba］．使用《荷兰成本核算手册》中住院一天的平均成本[gydF4y2Ba19gydF4y2Ba]和按性别分列的住院天数加权平均值，我们估计每次住院的平均费用为4404.46欧元(2003年表S3)gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

HTM成本gydF4y2Ba

我们使用的远程监控成本的中点是每年的设备和服务费用以及其他地方报告的安装费用(每5年一次)[gydF4y2Ba21gydF4y2Ba]以获得HTM的年度成本估计为1257.75欧元。此外，我们使用了《荷兰成本核算手册》中报告的全科医生远程会诊的费用[gydF4y2Ba19gydF4y2Ba](18.38欧元)来管理由DA提出的假阳性警报(见表S4gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

药物成本gydF4y2Ba

TEN-HMS数据库包含每个患者使用的药物信息。每一种被报告在超过5%的患者中使用的药物都被纳入成本分析。每种药物的日剂量假设来自其他地方报告的数字[gydF4y2Ba25gydF4y2Ba]并经专家意见确认。TEN-HMS试验在荷兰临床实践中的代表性在本文前面讨论过，并假设用于药物使用。gydF4y2Ba

每日药物费用基于z指数中可获得的最便宜选项[gydF4y2Ba22gydF4y2Ba]，并根据《荷兰成本计算手册》中的下列公式计算[gydF4y2Ba19gydF4y2Ba]:药品成本=药师购进价格(z指数)−追回金额(8.3%)+增值税(6%)+药房调剂费。药房配药费用的计算方法是将总费用除以所考虑的演示的单位数，再乘以每天服用的单位数。Z-index数据库中没有胰岛素治疗的费用，是从文献中提取的[gydF4y2Ba26gydF4y2Ba］．gydF4y2Ba

每位患者每年的平均药物总成本估计为286.44欧元(表5)gydF4y2Ba多媒体附录1gydF4y2Ba显示了模型中包含的药品费用的细目)。gydF4y2Ba

非正式护理费用gydF4y2Ba

TEN-HMS数据库包含98.6%(420/426)患者基线时报告的他人负担信息。可能的答案是gydF4y2Ba没有gydF4y2Ba，gydF4y2Ba很少gydF4y2Ba，gydF4y2Ba一个小gydF4y2Ba，gydF4y2Ba一些gydF4y2Ba，gydF4y2Ba很多gydF4y2Ba,gydF4y2Ba非常gydF4y2Ba。这些模型分别对应于在16小时的一天中用于非正式护理的时间的0%、2%、4%、6%、8%和10%。根据纽约心脏协会(NYHA)的分类对这些数据进行分析后，我们确定不同类别之间没有显著差异(表S6)gydF4y2Ba多媒体附录1gydF4y2Ba)，我们使用全体人口的平均值来获得非正式护理费用。每位患者每年的非正式护理总平均成本(2098.28欧元)是通过将每16小时每天的非正式护理平均小时数乘以365.25天，并乘以荷兰成本核算手册中的非正式护理小时成本得出的[gydF4y2Ba19gydF4y2Ba[表7gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

旅行费用gydF4y2Ba

差旅费是根据Kanters等人[gydF4y2Ba23gydF4y2Ba]，并增加了门诊和住院的费用(参见2008年的表S8)gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

与生产力损失相关的成本gydF4y2Ba

因为我们使用的是患者层面的模拟模型，我们可以包括每个患者的年龄和性别特异性生产力成本，直到65岁，之后我们假设患者不会产生进一步的生产力成本。gydF4y2Ba

生产力损失被分配给被认为在基线工作的住院患者。我们假设一个住院病人会产生整整一个月的生产力成本，因为病人在住院后似乎不太可能立即返回工作岗位。我们进一步假设工作状态在模型过程中没有变化，这导致模型中排除了长期生产力成本。根据其他地方报告的专家意见，我们使用了每个NYHA班假定工作的患者比例[gydF4y2Ba25gydF4y2Ba］．每个病人的工作概率是根据一般人群的年龄和性别的净劳动参与率来调整的[gydF4y2Ba34gydF4y2Ba］．每天的总成本是根据年龄和性别的每周工作时间和每小时人工成本数据计算的[gydF4y2Ba24gydF4y2Ba[表9gydF4y2Ba多媒体附录1gydF4y2Ba表S10给出了计算生产率成本的输入，表S10给出了计算生产率成本的输入gydF4y2Ba多媒体附录1gydF4y2Ba显示了一个假设患者所产生的费用示例)。gydF4y2Ba

未来非相关医疗费用gydF4y2Ba

荷兰准则要求在通过延长预期寿命的干预措施获得的生命年数中列入不相关疾病的额外费用[gydF4y2Ba30.gydF4y2Ba］．我们从“实际应用纳入疾病成本3.0”工具中提取了基于年龄和性别的人均医疗保健支出估计数，并在模拟过程中纳入了每位患者的这些成本[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba39gydF4y2Ba[表11gydF4y2Ba多媒体附录1gydF4y2Ba）.gydF4y2Ba

健康结果和实用程序gydF4y2Ba

qaly是通过权衡患者的寿命年数和随时间的效用来获得的。在模拟开始时，根据每位患者在基线时的NYHA类别和其他地方报告的NYHA类别特定效用值，将效用归因于每位患者[gydF4y2Ba21gydF4y2Ba[表12gydF4y2Ba多媒体附录1gydF4y2Ba）.实用程序随着模拟中发生的事件而随时间变化。在另一项针对类似心力衰竭人群发表的研究报告中，NYHA类别之间观察到效用变化，假设门诊就诊没有效用变化，住院治疗导致效用降低0.82因子[gydF4y2Ba35gydF4y2Ba］．我们假设住院治疗的负效用因子应限制在3个事件。gydF4y2Ba

根据Ara和Brazier估计的英国一般人口公用事业的公式(公式S1 ingydF4y2Ba多媒体附录1gydF4y2Ba)，按年龄性别划分的基准效用被设定上限，并实施了老龄化的减量因子[gydF4y2Ba28gydF4y2Ba］．gydF4y2Ba

成本效益gydF4y2Ba

每名患者的平均结果为每项干预提出。增量成本-效果比(ICER)计算为每位患者平均总成本的差异除以每位患者平均QALY数量的差异(€/QALY)。然后将计算出的ICER与荷兰的成本效益阈值进行比较。如果计算出的ICER低于所分析的人群和情况的适当成本效益阈值，则可以认为干预措施具有成本效益。gydF4y2Ba

荷兰的成本效益阈值取决于疾病负担，以人们相对于没有疾病的情况而失去的质量aly的比例来衡量(比例缺口)[gydF4y2Ba40gydF4y2Ba-gydF4y2Ba42gydF4y2Ba］．适当的成本效益阈值，即为特定患者群体支付额外质量aly的社会意愿，可以使用医疗技术研究所评估疾病负担计算器[gydF4y2Ba43gydF4y2Ba］．gydF4y2Ba

敏感性和情景分析gydF4y2Ba

采用确定性敏感性分析评估参数不确定性[gydF4y2Ba44gydF4y2Ba］．通过概率敏感性分析，探讨了联合参数的不确定性，包括参数分布gydF4y2Ba表2gydF4y2Ba［gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba］．遵循在其他地方发表的离散事件模拟模型中处理不确定性的方法[gydF4y2Ba47gydF4y2Ba]，概率敏感性分析采用双环进行:内环从基线人群中抽取预定数量的患者进行替换，外环随机抽取模型输入参数的值。将内环为100例患者，外环为500次迭代的概率敏感性分析结果绘制在成本-效果平面上[gydF4y2Ba46gydF4y2Ba，gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba］．绘制成本效益可接受度曲线[gydF4y2Ba50gydF4y2Ba，gydF4y2Ba51gydF4y2Ba］．gydF4y2Ba

进行情景分析，其中对死亡时间和住院时间参数生存模型、门诊时间、公用事业和成本的关键结构假设进行了变化，以估计这些假设对结果的影响。gydF4y2Ba

信息分析的价值gydF4y2Ba

荷兰的经济评估指南要求，当干预在适当的成本效益阈值下具有成本效益的概率<100%时，计算完全信息的期望值[gydF4y2Ba30.gydF4y2Ba］．每位患者的EVPI计算为每次概率敏感性分析迭代的最大净收益减去分析中考虑的干预措施的最大平均净收益的平均值[gydF4y2Ba52gydF4y2Ba-gydF4y2Ba54gydF4y2Ba］．人群EVPI的计算方法是将每位患者的EVPI乘以在信息分析价值得出的建议适用的时间段内受益于新干预措施的潜在人群的规模。我们假设推荐的预期适用性为5年，我们估计荷兰从2020年到2024年有资格接受基于html的干预措施的患者人数为53,140,55,009,56,943,58,946和61,019 [gydF4y2Ba55gydF4y2Ba-gydF4y2Ba57gydF4y2Ba］．我们以每年4%的价格贴现EVPI。gydF4y2Ba

津贴的成本效益gydF4y2Ba

在二元诊断测试预测性能的背景下，ROC曲线是通过绘制不同阈值设置下假阳性率(1 -特异性)的敏感性值来说明二元分类器系统诊断能力的图表。gydF4y2Ba

为了正确评估添加到HTM干预后的数据处理的成本-效果，我们在数据处理的ROC曲线的不同点上运行模型，而不是在基本情况下，从而推断数据处理的灵敏度和特异性组合在哪种情况下最具成本效益。换句话说，本分析旨在确定应在哪个工作点设置数据阈值，以实现HTM+数据干预的成本和健康结果之间的最佳平衡。使用Graphreader测量灵敏度和假阳性率[gydF4y2Ba58gydF4y2Ba］．gydF4y2Ba

亚组分析gydF4y2Ba

我们通过不同的患者和疾病特征分析了广泛的亚组，如gydF4y2Ba表1gydF4y2Ba。我们根据年龄(<65岁和≥65岁)和射血分数(<25%和>25%)建立了2个亚组。我们进一步分析属于每个NYHA类别的患者，创建4个亚组。最后，每个二分类变量生成2个子组(特征存在或不存在)。我们总共分析了26个患者亚组。gydF4y2Ba

伦理批准gydF4y2Ba

由于这是一项数学模拟研究，因此不适用伦理审批。gydF4y2Ba

结果gydF4y2Ba

基本情况分析gydF4y2Ba

基本情况分析的主要结果总结于gydF4y2Ba表3gydF4y2Ba(每位患者的平均结果)和gydF4y2Ba表4gydF4y2Ba(增量成本效益比)。gydF4y2Ba

常规护理患者每年的门诊次数比基于html的干预少约3次。相反，与常规护理相比，HTM导致年住院率下降(1.64 vs 1.70)。当将DA添加到HTM时，这种下降更为明显，因为DA每年避免了0.45 (95% CI 0-2.12)次住院。gydF4y2Ba

常规护理是总折扣成本最低的干预措施(46,879欧元)，其次是HTM(60,343欧元)和HTM+DA(65,008欧元)。平均而言，采用常规护理的患者预期生存期为2.18折现年，HTM组为2.96折现年，HTM+DA组为3.44折现年，分别对应于1.12、1.51和1.78折现质量年。对3种干预措施的成本和质量aly的层次分析表明，HTM扩展为HTM+DA主导，HTM与常规护理相比的ICER(34,449欧元/QALY)高于HTM+DA(第二有效的替代方案)与常规护理相比的ICER(27,712欧元/QALY)。gydF4y2Ba

纳入分析的人群(大约67岁，78%的男性患者)的标准化质量调整预期寿命为14.7个质量年。模型中以当前护理标准(常规护理)累计的预期未贴现质量年总数为1.16，这表明由于疾病而损失了92.1%的正常质量调整预期寿命。在这种情况下，使用比例缺口方法的适当成本效益阈值为每个质量aly 80 000欧元。gydF4y2Ba

敏感性和情景分析gydF4y2Ba

考虑到HTM+DA对HTM的扩展优势，仅对HTM+DA与常规护理的比较进行单变量敏感性分析。对ICER影响最大的5个输入参数的结果见中的龙卷风图gydF4y2Ba图1gydF4y2Ba。所有ICERs仍低于80,000欧元/QALY的门槛。gydF4y2Ba

每个两两比较在成本效益平面上绘制的概率敏感性分析结果表明，绝大多数模拟落在东北象限;也就是说，干预措施的成本更高，质量质量年(gydF4y2Ba图2gydF4y2Ba）.HTM+DA与常规护理之间的概率ICER与基本病例分析相似:25,864欧元/QALY (95% CI 15,527-54,151)。3种干预措施的成本-效果可接受度曲线显示，在低支付意愿阈值时，常规护理预计是最具成本效益的干预措施，HTM从来不是最具成本效益的干预措施，HTM+DA从25,864欧元/ QALY开始成为最有可能具有成本效益的干预措施，在适当的成本-效果阈值为80,000欧元/ QALY时，其概率达到96.0% (gydF4y2Ba图3gydF4y2Ba）.gydF4y2Ba

评估模型的结构假设的情景分析结果总结于2008年的表S13gydF4y2Ba多媒体附录1gydF4y2Ba。对ICER影响最大的情景是采取医疗保健角度的情景，其结果是HTM+DA与常规护理之间的ICER为14,408欧元/QALY(与基本情况分析相比- 48.0%)。相比之下，从95% ci的上限计算所有成本的情景具有最高的ICER(€31,829/QALY)。情景分析得出的所有ICERs仍低于每个QALY 8万欧元的门槛。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

信息分析的价值gydF4y2Ba

在基本情况分析中，在每个QALY 80,000欧元的适当阈值下，HTM+DA具有成本效益的概率为96.0%。每位患者计算的EVPI为341欧元。据估计，在荷兰，从2020年到2024年，有资格接受基于html的干预措施的患者人数为253,118(折扣后)，人口EVPI估计为86,383,575欧元。gydF4y2Ba

津贴的成本效益gydF4y2Ba

本文给出了不同处理条件下的处理结果，并对HTM+DA与常规处理的结果进行了比较gydF4y2Ba表5gydF4y2Ba。通过设置较低的报警阈值来提高DA的灵敏度，这会导致假阳性率的增加(特异性降低)，从而导致避免住院次数、生命年和QALYs的增加，但成本较高。或者，降低灵敏度(即为警报设置更高的阈值)会降低成本，但会导致更差的健康结果。从测试的场景来看，最具成本效益的是场景3，其中灵敏度设置为0.600，假阳性率设置为0.068。在情景测试中，在ROC曲线的任何方向上离开该点都会导致更高的ICERs (ICERs范围:25,734欧元/QALY- 35,560欧元/QALY)。gydF4y2Ba

亚组分析gydF4y2Ba

亚组分析的成本效益结果摘要载于gydF4y2Ba表6gydF4y2Ba。因为每个子组都是从TEN-HMS数据库中人口的一个子集创建的[gydF4y2Ba17gydF4y2Ba]，每个亚组的基线人群的特征可能不同。每个分析亚组的模型人群的基线患者和疾病特征见表S1-S26gydF4y2Ba多媒体附录2gydF4y2Ba。与基本情况相比，所有ICER更改都涉及HTM+DA与常规护理之间的比较。gydF4y2Ba

尽管许多其他亚组在ICER中没有表现出如此高的变化，因为这是一个取决于所比较的每种干预措施的成本和质量年同时变化的比率，但在一些亚组中观察到最终结果的巨大差异。男性患者(特别是与女性患者相比)和NYHA III级患者，患有糖尿病，患有慢性阻塞性肺疾病，未服用β受体阻滞剂药物，未服用血管紧张素转换酶药物，有心肌梗死史，有慢性心房颤动史，在HTM+DA和常规护理中，QALYs均显着下降。对于这些亚组，考虑到我们处理的是二分类变量，互补的亚组导致更高的QALYs(即更好的健康结果)，但吸烟者与非吸烟者除外，比较显示在QALYs和成本方面存在微小差异。gydF4y2Ba

对于所有显示QALYs下降的亚组，也观察到成本下降。这证实了成本与效果之间的正相关关系，这种正相关关系在增量成本效益平面中是显而易见的gydF4y2Ba图2gydF4y2Ba。因此，与基本情况分析相比，预期寿命的缩短以及QALYs与ICERs的增加有关。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

本研究旨在评估HTM和DA在荷兰心力衰竭管理中的成本效益。它使用了先前经过验证的患者级离散事件模拟模型[gydF4y2Ba29gydF4y2Ba]用于分析3种单独的干预措施:常规护理、HTM和HTM+DA。基本案例分析确定HTM扩展由HTM+DA主导，后者干预与常规护理相比具有成本效益，每个获得的质量质量的确定性ICER为27,712欧元(gydF4y2Ba表4gydF4y2Ba）.gydF4y2Ba

通过根据Koulaouzidis等人公布的ROC曲线创建具有不同灵敏度和假阳性率值的各种场景，仔细检查了DA的成本效益[gydF4y2Ba18gydF4y2Ba］．这些情景产生了模型结果，可以比较HTM+DA与常规护理在不同DA阈值下的ICER (gydF4y2Ba表5gydF4y2Ba)，从而从成本效益的角度评估假阳性和假阴性之间的内在权衡。在这项研究中，假阳性对应于错误发出的警报，因为病人不会住院，而假阴性代表正确发出的警报，因此不可能避免住院。在测试的数据处理场景中，场景5以增加假阳性的数量为代价最小化了假阴性。相反，场景1以增加假阴性为代价最小化假阳性。虽然假阳性和假阴性都是不可取的，但就成本效益而言，存在一个最优点，它代表了ROC曲线中产生的qaly和相关成本方面的灵敏度和假阳性率之间的平衡。在我们的分析中，场景3更接近这个最佳点，因为与常规护理相比，它导致HTM+DA的最低ICER。gydF4y2Ba

亚组分析显示HTM+DA与常规护理相比，ICERs有相当大的差异(gydF4y2Ba表6gydF4y2Ba)，在≥65岁的患者亚组和NYHA IV级患者亚组中记录的比例最高。即使HTM+DA与常规护理比较的基本病例分析结果ICER没有显著变化，也观察到成本和QALYs的巨大变化，这可能归因于亚组分析中观察到的成本和效果之间的正相关。还观察到，互补亚组(吸烟者或不吸烟者除外)在最终结果方面的方向相反(例如，有心肌梗死史的患者的QALYs和费用较低，而没有任何心肌梗死史的患者的QALYs和费用较高)。gydF4y2Ba

确定性敏感性分析和情景分析表明，模型结果对大多数参数(gydF4y2Ba图1gydF4y2Ba)和结构假设的大多数变化，在分析中采用卫生保健角度导致的ICER变化最大。概率敏感性分析显示，在80,000欧元/QALY的适当阈值(由比例短缺法确定)下，添加DA的HTM有96.0%的机会具有成本效益。gydF4y2Ba

研究结果的实际意义gydF4y2Ba

从临床医生的角度来看，本研究的结果表明，在心力衰竭管理中使用HTM系统，特别是添加DA后，健康结果有所改善。因此，本研究的结果支持在临床实践中管理心力衰竭患者的改变，即通过纳入上述卫生技术。gydF4y2Ba

本文提出的成本效益分析依赖于荷兰经济评估准则的几个显著特点:采用社会观点、使用摩擦成本法计算生产力损失、差别贴现、在经济评估的成本方面纳入照顾者负担、纳入获得的生命年数的间接医疗费用以及信息分析的价值。考虑到该研究符合荷兰为决策提供信息的所有方法要求，应确保为荷兰卫生保健系统的HTM和DA提供资金。gydF4y2Ba

虽然这项研究只分析了一种特定的热媒干预措施和数据分析的成本效益，但它有助于提高人们的认识，即提供护理的手段正变得越来越多样化，正确评估新卫生技术的方法应遵循这一趋势。德国联邦药品和医疗器械研究所评估数字医疗报销申请[gydF4y2Ba59gydF4y2Ba］．其他国家的政策制定者应当从这一经验中吸取教训，共同制定解决方案，评估由数字技术、电子卫生和移动卫生支持的卫生保健干预措施，特别是在成本效益方面。只有正确评估其成本效益，这是在大多数发达的卫生保健系统中决定偿还新卫生技术的关键标准，才能在目前的卫生保健全景范围内实现适当的资源分配。gydF4y2Ba

与前期工作比较gydF4y2Ba

据我们所知，这是第一个使用健康经济患者水平模拟模型来评估荷兰心力衰竭干预的成本效益的研究。在干预方面，两项研究也评估了荷兰热休克疗法的成本效益(Boyne等[gydF4y2Ba60gydF4y2Ba]和Grustam等[gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba])。Boyne等[gydF4y2Ba61gydF4y2Ba，gydF4y2Ba62gydF4y2Ba对心衰远程监测(TEHAF)研究进行了一项基于试验的经济评估，TEHAF研究是一项前瞻性开放标签、多中心、随机对照试验，采用盲法终点评估，在荷兰的3家医院进行。这项研究的结果不能与我们的研究结果相比。首先，因为TEHAF研究中的人群比TEN-HMS研究中的人群处于更好的健康状态(例如，平均射血分数为36%对25%)，其次，因为他们的研究时间范围只有1年，这不能正确地捕捉到干预之间的成本和效果的终身变化，因为患者预计生存>1年。Grustam等[gydF4y2Ba21gydF4y2Ba]使用了一个马尔可夫队列模型，其中大部分数据来自TEN-HMS研究，以评估HTM与常规护理相比的成本效益。他们采取了第三方支付者的观点，直接将结果与该研究进行比较将是不明智和缺乏信息的。然而，在我们采用医疗保健视角的场景分析中(表S13中的场景23)gydF4y2Ba多媒体附录1gydF4y2Ba)，我们估计了类似的成本:常规护理费用为16,034欧元，HTM费用为25,433欧元，而根据Grustam等人的发现，HTM费用分别为14,414欧元和27,186欧元[gydF4y2Ba21gydF4y2Ba］．然而，ICERs是不同的，因为我们估计较少的QALYs。一种可能的解释是Grustam等人的假设[gydF4y2Ba21gydF4y2Ba在TEN-HMS研究中，在240至450天的时间范围内测量到的转移概率在20年内保持不变，考虑到模型中包括的患者的平均年龄为67岁，而且他们的健康状况非常差，这似乎不太可能。这种假设可能高估了他们研究中的存活率。上述差异的另一种可能解释是，由于院内死亡率的回归方程，我们的研究中可能低估了生存。计算死亡时间的回归方程可以预测全因死亡率。因此，由于数据驱动的估计固有的不精确性，在医院死亡的病人可能导致某种类型的重复计算死亡率。如果预测100%准确，这个模型就能准确无误地预测死亡时间，这在实践中是不可能发生的。然而，考虑到干预组患者由于生存率提高而住院的人数较多，如果有的话，成本效益估计是保守的。gydF4y2Ba

我们的研究发现，与常规护理相比，基于html的干预降低了死亡率和住院率，这与之前发表在2个网络荟萃分析中的结果一致[gydF4y2Ba63gydF4y2Ba，gydF4y2Ba64gydF4y2Ba］．在成本方面，我们发现与常规护理相比，HTM的总成本有所增加。在Inglis等人的一篇综述中[gydF4y2Ba64gydF4y2Ba]，作者确定了3项报告成本的研究gydF4y2Ba热媒与常规护理gydF4y2Ba;一个报告成本下降，两个报告成本增加，原因是干预成本和医疗管理的增加[gydF4y2Ba64gydF4y2Ba］．gydF4y2Ba

值得一提的是，我们研究中使用的模型结构允许我们探索在HTM干预中添加数据的影响。这是我们研究的一个关键方面，因为它是第一个评估DA在慢性疾病管理背景下的成本效益的研究。虽然我们已经在心力衰竭干预的背景下使用了这个概念，但它可以适用于其他疾病领域。关于本研究中使用的模型的验证的出版物[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

限制gydF4y2Ba

第一个限制来自2005年的TEN-HMS研究，该研究导致医疗实践发生变化的时间足够长，特别是因为我们正在讨论快速发展的技术。持续使用这些技术所获得的经验最终会对其有效性和成本效益产生影响。同样与TEN-HMS研究相关的是，应该注意到药物使用模式及其成本与试验时存在的标准有关。即使在治疗类别方面的标准并不一定不同，但所使用的药物是较旧的，可能比较新的替代品更便宜(这种影响是通过情景分析评估的)。此外，模型中使用的一些输入，即可避免住院的比例和住院造成的效用减少，年龄已经较大，并且由于缺乏较新的估计而使用。最后，在TEN-HMS研究(英国、荷兰和德国)的患者之间，可能存在一些医疗保健系统的差异，这在模型中没有考虑到。gydF4y2Ba

第二个限制与用于分析的DA ROC曲线有关。由于ROC曲线不是使用相同的总体或HTM系统获得的，因此我们假设DA的不同诊断精度水平，即ROC曲线的不同点，也适用于我们模型中的总体。Koulaouzidis等人研究中使用的人群[gydF4y2Ba18gydF4y2Ba似乎比TEN-HMS研究中的人健康状况更好[gydF4y2Ba17gydF4y2Ba[例如，射血分数36.6% vs 25.1%]。理想情况下，我们将使用TEN-HMS数据构建数据处理，因为我们希望优化使用相同HTM系统设计的数据处理的阈值。因此，我们可以利用该系统产生的数据不断改进住院预测，从而提高HTM+DA干预的成本效益。gydF4y2Ba

关于子群分析，必须强调它们的解释是一个敏感问题，因为每个子群都是通过将感兴趣的变量限制为与所分析的子群相容的值而从基线人口中创建的。因此，与基础病例分析中使用的模型人群相比，亚组可能具有不同的患者和疾病特征(表S1-S26)gydF4y2Ba多媒体附录2gydF4y2Ba）.例如，NYHA IV级患者的平均年龄也比基线模型人群大。因此，在这种情况下，模型的结果及其与基础病例分析的差异不仅取决于NYHA IV的影响，还取决于亚组人群中与基础病例人群相比发生变化的所有其他患者和疾病特征。因此，对亚组分析的正确解释需要与患者和疾病特征相联系，而不是与任何给定亚组的特定特征变化相关联。gydF4y2Ba

在本研究中还没有评估患者偏好的一个维度。从面对面的护理方式转移到远程环境意味着患者的行为以及他们与卫生保健系统的互动发生了变化，对此应进行更仔细的评估。gydF4y2Ba

最后，严格来说，本研究的结果只涉及TEN-HMS研究中使用的特定HTM干预和Koulaouzidis等人提出的DA [gydF4y2Ba18gydF4y2Ba(参见gydF4y2Ba干预措施gydF4y2Ba部分)。虽然可以对类似技术进行一些定性外推，但本研究中提出的定量结果是针对TEN-HMS研究和Koulaouzidis等人的研究中产生的数据[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．还应注意HTM系统的结果取决于患者对系统的使用。因此，在现实世界中的有效性可能与在受控的临床环境中发现的有效性不同。因此，将这项研究的结果推广到其他热媒系统和患者群体时，应谨慎和知情地进行。gydF4y2Ba

未来的发展方向gydF4y2Ba

该模型可以包括个人药物成本，并优化每个处理事件使用的药物。为了实现这一目标，应该在这些事件中更新患者特征，以便为每个患者定义正确的药物。这样，该模型还可以更准确地捕捉药物成本。gydF4y2Ba

必须进行进一步的研究，以更好地描述DAs及其在临床实践和疾病途径中需要采取的后续行动。尽管离散事件模拟框架允许评估DA的成本效益，但这些模型的潜力为设计具有非常详细的疾病路径的模型提供了巨大的可能性，这些模型对于不太熟悉卫生技术经济评估背景下的决策建模的临床医生和决策者来说是非常熟悉的。然而，模型复杂性的增加是以需要患者级别的数据来构建和验证模型为代价的。从理论上讲，警报后的所有患者路径都可以包含在离散事件模拟框架中。问题是，是否会有可靠的数据来说明对警报作出反应的每一种途径的结果。正如卫生经济学文献中广泛描述的那样，模型应该遵守简约原则;也就是说，它们应该尽可能简单，以准确地反映所分析的问题，并允许做出明智的决策。gydF4y2Ba

结论gydF4y2Ba

虽然增加了成本,采用HTM和DA在心力衰竭的管理可能似乎是一个额外的稀缺的医疗资源紧张的局面,这项研究的结果表明,通过增加病人平均寿命1.28岁,他们的住院率减少23%与常规治疗相比,使用这种技术可能被视为一种投资,HTM +达目前的形式长期主宰HTM和产生额外QALY€27712的投资。根据荷兰经济评估指南中使用的比例不足方法，在80,000欧元/QALY的适当成本效益阈值下，HTM+DA具有96.0%的成本效益概率。gydF4y2Ba