估计新型数字疗法对2型糖尿病和高血压的影响:健康经济分析gydF4y2Ba

介绍gydF4y2Ba

强化行为和生活方式干预已被证明可以显著改善各种心脏代谢疾病患者的临床结果，为大幅减少药物和其他资源的使用提供了潜力。例如，有组织的、全面的生活方式改变计划可以改善2型糖尿病(T2DM)患者的血糖控制，大量患者看到的益处与药物治疗相当或更大[gydF4y2Ba1gydF4y2Ba-gydF4y2Ba5gydF4y2Ba]。行为干预也被证明能够控制高血压患者的血压，在某些情况下达到正常血压[gydF4y2Ba6gydF4y2Ba，gydF4y2Ba7gydF4y2Ba]。因此，行为干预已成为药物治疗的必要补充，这反映在当前的治疗指南中[gydF4y2Ba8gydF4y2Ba-gydF4y2Ba10gydF4y2Ba]。对于某些患者，行为干预也有替代传统药物治疗的潜力。例如，与标准教育计划相比，参与LookAHEAD试验的参与者在体重、血红蛋白a等方面保持了显著改善gydF4y2Ba_{1 cgydF4y2Ba}(HbAgydF4y2Ba_{1 cgydF4y2Ba})、收缩压(SBP)和低密度脂蛋白胆固醇，使相当比例的患者停止或减少抗糖尿病药物治疗[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba11gydF4y2Ba]。gydF4y2Ba

最近，移动软件应用程序已被证明可以为患有心脏代谢和成瘾疾病的患者提供有效的行为干预平台。实施和使用软件治疗疾病(称为数字治疗[DTx])的便利性可能有助于克服卫生保健系统在大规模部署强化行为干预以改善人口结果所需的困难。此外，这些应用程序的移动特性允许患者每天多次参与干预计划，这可能会比传统的交付方式带来更好的结果。gydF4y2Ba12gydF4y2Ba]。在T2DM患者的队列研究中，DTxs已被证明改善了临床结果。在远程多学科护理团队的支持下，提供强化行为治疗的移动医疗应用程序显示了HbA的平均改善gydF4y2Ba_{1 cgydF4y2Ba}在3个月的研究期间，改善率为0.8%，参与程度较高的患者改善率可达1.3% [gydF4y2Ba12gydF4y2Ba]。在一项为期3个月的研究中，为高血压患者设计的类似DTx显示出降低血压的能力，2期高血压(HTN)参与者的平均收缩压降低11.5 mm Hg，降低17.6 mm Hg [gydF4y2Ba13gydF4y2Ba]。这些早期结果表明，DTxs可能提供与药物治疗相当的临床益处，并且在一些患者中，可能有助于减少或消除对药物的需求。gydF4y2Ba

然而，在目前的临床实践中，即使已经确定需要解除处方，也经常存在延迟。这种普遍存在的现象被称为临床惰性，导致多种用药，从而导致药物不良反应、不必要的费用和患者生活质量的恶化[gydF4y2Ba14gydF4y2Ba，gydF4y2Ba15gydF4y2Ba]。如果不解决临床惯性问题，也可能减少数字治疗付诸实践时实现的经济效益。gydF4y2Ba

随机临床试验证明了传统生活方式干预的经济效益[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba17gydF4y2Ba]。然而，在其发展和引入临床实践的这一点上，很少有对移动平台DTxs潜在经济效益的正式评估，而且据我们所知，没有一个包括临床惯性的测量。最近对各种数字健康工具的系统回顾表明，它们具有很高的成本效益，尽管在西班牙治疗环境中只有一项研究评估了与本文所考虑的DTxs相媲美的移动应用程序[gydF4y2Ba18gydF4y2Ba，gydF4y2Ba19gydF4y2Ba]。因此，我们分析的目的是探讨DTxs治疗不同的、高成本的心脏代谢疾病的潜在经济效益。我们开发了T2DM和HTN中使用DTxs的经济模型，从美国商业支付者的角度解决临床惯性问题。gydF4y2Ba

方法gydF4y2Ba

模型设置gydF4y2Ba

为了了解DTxs在两种不同心脏代谢疾病状态下的相对影响，我们创建了一个通用框架来评估在原发性T2DM或HTN的不同患者群体中实施DTxs的影响。这一通用框架是在基于excel的决策树模型中实现的，该模型是从美国付款人的角度创建的，以最好地反映药物成本的真实数据，准确反映DTx干预的损耗，并解释目前有限的DTx有效性数据。一个通用的模型框架还有助于对所建模的疾病状态进行透明的比较。假设参与者在为期3年的干预的第一年开始参加DTx计划，整个计划都会发生人员流失。美国商业健康计划选择3年作为实施行为干预的最合适的时间范围，因为这些计划每年都会经历重大的注册人员流动率，而先前的研究表明，行为干预的影响可能会在几年的时间内减弱[gydF4y2Ba11gydF4y2Ba]。这些因素往往会使启动计划的长期利益在财务上变得不那么有意义。我们参考《综合健康经济评估报告准则》指引，以改善有关经济分析的报告。[gydF4y2Ba20.gydF4y2Ba]。gydF4y2Ba

该模型基于生物标志物升高与临床事件和健康资源利用率(HRU)相关的观察[gydF4y2Ba21gydF4y2Ba-gydF4y2Ba23gydF4y2Ba]。每个模型比较两个队列(gydF4y2Ba图1gydF4y2Ba): DTx +常规治疗(TAU)和单独治疗(TAU)。在其发展的这一点上，数字卫生干预措施的经济评估通常是使用常规治疗比较器进行的[gydF4y2Ba18gydF4y2Ba]。根据文献中报告的成本，并在可能的情况下与当前临床指南保持一致，将临床结果分为四类之一[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]。对于T2DM，这些是由HbA定义的gydF4y2Ba_{1 cgydF4y2Ba}值<6.5(第1类)，6.5 - 7.49%(第2类)，7.5% - 9.0%(第3类)，>9%(第4类)。对于HTN，根据收缩压定义:<120毫米汞柱(第1类)，120 - 129毫米汞柱(第2类)，130 - 139毫米汞柱(第3类)，>140毫米汞柱(第4类)。假设入组者患有活动性疾病，初步诊断与每种模型对应;没有已经优化的生物标志物患者入组。由于入组者没有naïve接受常规药物治疗，因此假设单独TAU组的结果在3年的时间范围内相对稳定，80%的单独TAU患者在入组时仍处于其结果类别。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

计划减员gydF4y2Ba

模型中考虑了损耗，包括来自DTx和整体健康计划的损耗[gydF4y2Ba24gydF4y2Ba]。在几个时间点考虑DTx减员。由于DTx的长期损耗率尚不清楚，损耗率是根据HTN和T2DM药物治疗中常见的损耗率来建模的[gydF4y2Ba25gydF4y2Ba-gydF4y2Ba28gydF4y2Ba]。在第一年中，如果患者没有使用该应用程序，如果他们退出或临床结果在3个月后没有改善(20%的损耗)，或者如果临床改善在年底不能持续(额外20%的损耗)，则患者被归类为终止。第2年和第3年还包括停药或缺乏持久临床反应作为损耗因素(每年增加10%)。如果患者在第一年减员，他们的临床结果恢复到入组时的值。在第2年和第3年，项目退出被认为是该年的平均TAU结果。请注意，在每年年底，达到既定临床结果的病人所占比例(gydF4y2Ba图1gydF4y2Ba和gydF4y2Ba多媒体附录1gydF4y2Ba(图S1和S2)为继续使用DTx + TAU队列的患者。gydF4y2Ba

临床疗效与临床惯性gydF4y2Ba

关于DTx临床有效性的模型输入总结于gydF4y2Ba表1gydF4y2Ba。到第1年结束时，参加计划的人的平均变化是-0.8% (HbA)gydF4y2Ba_{1 cgydF4y2Ba})在2型糖尿病患者中[gydF4y2Ba12gydF4y2Ba]和-11毫米汞柱(收缩压)[gydF4y2Ba13gydF4y2Ba]。对于仍在DTx计划中的患者，假设在基本情况下的第2年和第3年有微小的改善。中提供了3年决策树的完整描述gydF4y2Ba多媒体附录1gydF4y2Ba(图S1和S2以及表S1和S3)。gydF4y2Ba

临床结果的改善带来的益处并不是立竿见影的。基本情况假设，对于活动期患者，根据持续结果减少药物治疗的延迟时间为6个月，心血管疾病(CVD)住院风险降低的延迟时间为3个月。虽然我们确实考虑了与心血管疾病相关的住院治疗，但目前基于DTxs的证据并不支持对心血管疾病相关死亡率的任何潜在差异进行解释。此外，虽然许多第2类患者将成为药物去处方的候选人，但我们纳入了一个参数来控制第2类患者中仅使用DTxs而不使用药物治疗的部分。gydF4y2Ba

患者数据gydF4y2Ba

在基本病例中，假定入组患者中50%为女性，平均年龄为50岁(gydF4y2Ba表1gydF4y2Ba)。每种疾病的详细临床特征以LookAHEAD [gydF4y2Ba11gydF4y2Ba]，一项对T2DM患者进行常规强化生活方式干预的大型前瞻性研究(gydF4y2Ba多媒体附录1gydF4y2Ba(表S4)。gydF4y2Ba表1gydF4y2Ba还描述了按临床类别为每个疾病状态登记的分布。对于2型糖尿病，这些是基于美国大型社区实践的数据[gydF4y2Ba23gydF4y2Ba]。按临床类别划分的HTN登记人分布是基于指引[gydF4y2Ba9gydF4y2Ba]。假定的共病患病率也包括在gydF4y2Ba表1gydF4y2Ba［gydF4y2Ba29gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba]。gydF4y2Ba

资源使用、成本和运行状况状态实用程序gydF4y2Ba

药物和心血管事件费用是基于对最近文献的调查[gydF4y2Ba31gydF4y2Ba-gydF4y2Ba36gydF4y2Ba]。2型糖尿病的用药费用[gydF4y2Ba32gydF4y2Ba不包括胰岛素费用，因为我们假设大多数入组患者不依赖胰岛素。高血压的药物费用是对全国具有代表性的高血压患者人群的估计[gydF4y2Ba35gydF4y2Ba]。所有未来成本和收益均以3%折现，并调整为2018年的美元。gydF4y2Ba

这些模型试图通过根据疾病严重程度改变用药强度来反映实际的临床实践。最近的一项行政索赔分析将T2DM患者根据糖尿病相关药物使用情况分为4组[gydF4y2Ba21gydF4y2Ba]。研究发现，患有HbA的患者gydF4y2Ba_{1 cgydF4y2Ba}8.9%的患者的糖尿病相关药物费用是最近开始单药治疗的患者的9倍以上gydF4y2Ba_{1 cgydF4y2Ba}的8.0%。接受单药治疗的中度控制患者的费用是未接受治疗的确诊患者的1.43倍(平均基线HbA)gydF4y2Ba_{1 cgydF4y2Ba}(6.4%)，而控制不佳的患者的成本则高出2.44至2.98倍。一项商业健康计划数据分析调查了按HbA分类的成年T2DM患者的资源利用情况gydF4y2Ba_{1 cgydF4y2Ba}基线[gydF4y2Ba37gydF4y2Ba]。与HbAgydF4y2Ba_{1 cgydF4y2Ba}<7.0%作为参考，HbA患者gydF4y2Ba_{1 cgydF4y2Ba}7.0%至8.0%水平的1年处方费用增加45%，8.0%至9.0%水平的1年处方费用增加108%，bb0至9.0%水平的1年处方费用增加131%。HbA之间的关系类似gydF4y2Ba_{1 cgydF4y2Ba}在对20万1型或2型糖尿病患者的分析中发现了与糖尿病相关的住院情况[gydF4y2Ba38gydF4y2Ba]。gydF4y2Ba

虽然这些趋势在治疗指南中得到了明确的反映，但在HTN中尚未对药物强度与疾病严重程度之间的关系进行彻底的研究。假设HTN的用药强度梯度比T2DM模型中基于文献的估计要弱。CVD事件发生率基于HbA的风险比gydF4y2Ba_{1 cgydF4y2Ba}水平(gydF4y2Ba22gydF4y2Ba]和Framingham 10年一般心血管疾病风险方程对htn特异性结果的影响[gydF4y2Ba39gydF4y2Ba]。gydF4y2Ba

健康状态公用事业是从文献[gydF4y2Ba40gydF4y2Ba，gydF4y2Ba41gydF4y2Ba]。基线效用为第2类定义，健康状况改善或药物使用量减少时增加效用，健康状况较差时减少效用(见gydF4y2Ba多媒体附录1gydF4y2Ba模型中所有运行状况状态的计算效用表)。gydF4y2Ba

敏感性分析gydF4y2Ba

进行了单向确定性敏感性分析，以评估潜在卫生资源节约的基本情况评估的稳健性。大多数参数变化幅度为±20% (gydF4y2Ba表1gydF4y2Ba)，主要例外是DTx有效性。由于任何单一干预措施的实际有效性可能低于在受控小队列环境中所证明的有效性，因此我们的敏感性分析假设保守的、不对称的范围，即比基本情况估计低40%，仅比基本情况估计高20%。gydF4y2Ba

结果gydF4y2Ba

据估计，T2DM患者在第一年每月可节省83美元(PPPM)，在第二年和第三年分别增加到174美元至178美元。HTN第一年的节省估计为70美元，在第二年和第三年分别增加到113美元和107美元。估计第一年人力资源单位的节省(gydF4y2Ba图2gydF4y2Ba由于在实现减少药物治疗和心血管疾病相关住院治疗的经济效益方面出现延误，因此在随后几年的节余低于节余。这些疾病状态差异的主要驱动因素是药物成本潜在降低的幅度，T2DM患者的平均药物成本较高。此外，Framingham方程反映了与心血管疾病风险和HbA之间的趋势相比，HTN的结果类别中心血管疾病风险趋势不那么陡峭gydF4y2Ba_{1 cgydF4y2Ba}［gydF4y2Ba22gydF4y2Ba]。gydF4y2Ba

估计节省的费用反映了临床疗效随时间的变化(gydF4y2Ba图1gydF4y2Ba和gydF4y2Ba多媒体附录1gydF4y2Ba，图S1和S2)。假设第一年的结果改善最大，DTx + TAU在第2年和第3年有渐进式改善。临床有效性驱动估计经济效益的最重要因素是每个患者群体中两个队列之间的差异(gydF4y2Ba多媒体附录1gydF4y2Ba(表S4)。单独使用TAU的有效性在两组患者中具有可比性，说明了入组时严重程度的差异。然而，DTx在HTN中的有效性被认为比在T2DM中的有效性略高。估计HRU节省的大部分是由于患者群体和整个项目年度的药物费用的潜在减少。由于较高的假定平均用药费用和临床惯性，减少用药对2型糖尿病第2和第3年的节省贡献较大(gydF4y2Ba图2gydF4y2Ba)。由于心血管疾病风险在HTN结果类别中的趋势较浅，住院费用对总节省的贡献相对较小。gydF4y2Ba

在敏感性分析中(gydF4y2Ba图3gydF4y2Ba)，关于入组患者疾病严重程度分布的假设是T2DM人群不确定性的重要驱动因素，尽管这在HTN中不太重要。在高成本、高效率的情况下，只有更严重的患者(第3类和第4类)被纳入(第2类为0%)。由于基本情况假设近一半的登记T2DM患者属于第2类，当更多的患者可以体验到临床结果的更大改善时，估计的节省会增加。值得注意的是，假设的HRU费用并不是第一年不确定性的最大驱动因素，而药物和住院费用是随后几年不确定性的重要驱动因素。值得注意的是，延迟实现改进HbA的经济效益gydF4y2Ba_{1 cgydF4y2Ba}和收缩压水平是第一年不确定性的主要驱动因素，在第2年和第3年中等重要。例如，在T2DM中，实现福利的较大延迟使估计的HRU节省从基线的83美元减少到55美元，而较短的延迟(3个月与基线的6个月)导致估计的第一年节省98美元。临床惯性对2型糖尿病第2年和第3年的不确定性的影响较小，导致这些年的差异约为15%。HTN的估计表明，临床惯性假设在第一年的HRU节省幅度为42%至47%。临床惯性成为HTN随后几年不确定性的一个小驱动因素。关于DTx临床疗效的假设(gydF4y2Ba图1gydF4y2Ba和gydF4y2Ba多媒体附录1gydF4y2Ba(图S1和S2)是不确定性的重要驱动因素。然而，在2型糖尿病人群中，这些假设不如HRU成本、严重程度分布、临床惯性和合并症重要。此外，由于HTN患者的药物成本较低，心血管疾病风险趋势较弱，因此临床疗效对HTN患者的影响相对较大。gydF4y2Ba

阈值分析(gydF4y2Ba图4gydF4y2Ba)在3年的时间范围内，通过不同水平的DTx项目总成本来检查成本效益。在10万美元/质量调整生命年(QALY)的支付意愿阈值下，DTx + TAU组合的3年项目总成本估计为8348美元(T2DM)和10,212美元(HTN)。在$50,000/QALY的阈值下，这些值为$6468 (T2DM)和$6620 (HTN)。由于较高的药物成本和结果类别与心血管疾病住院之间更强的关系，这些估计对2型糖尿病的弹性较小。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在心脏代谢疾病的常规药物治疗中加入DTxs具有降低HRU成本的潜力。敏感性分析表明，潜在的HRU节省对以下假设敏感:DTx抵消的HRU成本的大小、入组患者的严重程度分布、DTx临床有效性的估计以及临床惰性的测量。受限于3年时间范围的成本效益分析估计，在支付意愿阈值仅为50 000美元/QALY的情况下，增加DTx将具有成本效益，3年DTx干预总费用高达同期这些疾病的平均总药物费用。gydF4y2Ba

本研究证明了DTxs在两种心脏代谢疾病中的不同影响，并提出了进一步探索的假设。一个方面是发现入组患者的严重程度极大地影响了DTx的潜在益处。敏感性分析(gydF4y2Ba图3gydF4y2Ba)显示，入学时的严重程度是第一年不确定性的第三大驱动因素，在第二年和第三年最大。将入组限制在中度至重度人群(仅限第3类和第4类)，可使T2DM患者PPPM HRU的估计节省40%至60%，HTN患者节省30%至40%。作为扩展，我们还检查了仅纳入最严重(第4类)患者的影响(结果未显示)，相对于纳入第3类和第4类患者，第2年和第3年的HRU节省更低。这是由于我们的建模假设，即登记的第4类患者比第3类患者对改善更有抵抗力。入组时严重程度的影响因疾病状态而异，部分原因在于HTN与T2DM严重程度在典型商业参保人群中的分布。例如，重度(第4类)HTN入组患者远多于4类T2DM患者，而中度重度(第3类)HTN入组患者比例较小。估计T2DM和HTN的收益都是可观的。然而，大多数HTN患者的改善发生在第1年，第2年和第3年略有改善。而在T2DM患者中，较少的严重(4类)患者入组，估计第2年和第3年的节省是第1年估计的两倍多。未来对DTxs的经济评估或预测应考虑基线疾病严重程度对治疗成本效益的影响。gydF4y2Ba

另一个假设与临床惯性如何限制治疗心脏代谢疾病的数字化行为干预所带来的经济效益有关。例如，在HbA中经历持续改善的参与者gydF4y2Ba_{1 cgydF4y2Ba}低于6.5%应考虑减量用药。需要进行研究来量化在现实世界中DTxs实施中观察到的临床惯性的程度。此外，应该探索与DTxs一起工作的应用程序，如临床决策支持软件，作为临床惯性的解决方案。gydF4y2Ba

限制gydF4y2Ba

我们的分析有几个局限性。首先，我们的结果基于简单的决策分析模型，该模型依赖于从有限的DTxs队列研究中得出的临床有效性估计。T2DM和HTN是复杂的慢性疾病，需要复杂的技术与详细的有效性数据相结合，以准确模拟10至20年的治疗结果。然而，在这种情况下，在短期内，我们的方法可能为美国商业支付者的潜在利益提供有效的方向性估计。此外，由于在付款人报销结束后，患者层面的福利可能会继续，相对较短的时间范围将产生对成本效益的保守估计。虽然对DTxs有反应的患者临床结果的潜在改善与先前的经验一致(例如，HbA平均降低0.8%)gydF4y2Ba_{1 cgydF4y2Ba}对于13周的T2DM患者)，敏感性分析证实这些是潜在节省的重要驱动因素。需要DTxs在实际环境中的性能，以进一步验证其节省成本的潜力。现实世界中效率的一个重要驱动因素是程序损耗。虽然我们考虑了整个项目的人员流失，仅在第一年末就有36%的参会者退出，但实际操作中的人员流失可能更高，从而减少了可能的总经济节省。其次，分析假设DTx是除常规治疗外唯一的干预措施。这在数字健康的经济评估中相对常见[gydF4y2Ba18gydF4y2Ba]。然而，在实践中，特别是在美国商业健康计划中，患者可能参与多种心脏代谢疾病管理计划。在这种情况下，很难将一种干预措施与另一种干预措施的具体影响联系起来，而且最终结果是不确定的。在某种程度上，DTx和传统干预措施的内容存在重叠，仅归因于DTx的改进可能比我们建模情景中的估计要少。相反，DTxs与常规干预措施之间可能存在协同效应，具有更大的净效益。需要对实施DTxs的最佳方法进行更多的研究，包括使用计量经济学或机器学习方法分析DTxs的实际观测数据，以区分多种干预措施的个体效应。此外，这些分析中没有包括不良事件的成本。对于接受相似药物治疗方案的具有相同临床结果类别的患者，DTx + TAU与TAU单独队列的药物相关不良事件和相关费用具有可比性。然而，没有已知的临床不良事件与DTx相关，并且在使用DTx时，更大比例的患者将不需要药物治疗而获得改善的结果。因此，不包括不良事件可能会使DTx益处的估计略微下降。 Finally, while we account for attrition from the DTx cohort, we don’t directly take treatment adherence to TAU into account. However, our drug cost estimates are drawn from published analyses of commercial claims data for diagnosed patients, which account for some level of nonadherence in a typical health plan.

与前期工作比较gydF4y2Ba

在3年的平均时间范围内，估计T2DM人群节省$145 PPPM, HTN患者节省$97 PPPM。根据同行评议的文献得出的T2DM和HTN的药物费用，这些节省约占正常治疗的普通患者估计总医疗费用的22%至29%。这一估计与针对心力衰竭患者的移动DTx的经济效益研究结果一致，该研究发现，对心力衰竭患者的总管理和治疗成本降低了33%，而基于应用程序的血糖监测项目发现，总医疗支出降低了22%。gydF4y2Ba19gydF4y2Ba，gydF4y2Ba42gydF4y2Ba]。gydF4y2Ba

结论gydF4y2Ba

与常规的标准药物治疗相比，T2DM和HTN患者的DTXs可显著改善患者预后，从而降低HRU和成本。临床惰性可能是实现DTxs益处的障碍。gydF4y2Ba