L’uso dei modelli analitico-decisionali nelle valutazioni in Sanità:
applicazioni in Oncologia

Introduzione

Trattamento chirurgico o radioterapia? Trattamento aggiuntivo o no? Nell’iter terapeutico del paziente oncologico quesiti come questi si presentano all’ordine del giorno. La risposta è di solito affidata alla competenza e all’esperienza dello specialista, che valuta di volta in volta il rapporto rischio/beneficio tenendo in considerazione da un lato i rischi di eventi avversi e/o di mortalità dello specifico trattamento e dall’altro i benefici in termini della qualità di vita del paziente, senza però prescindere dalle linee guida e dai protocolli attivi per una determinata patologia riconosciuti dalla comunità scientifica. Non di meno ogni decisione terapeutica è anche ponderata sulla base dell’analisi del costo economico (del trattamento e della gestione delle possibili tossicità) e dell’accessibilità al trattamento per terapie di pari efficacia terapeutica.  L’intero iter appena descritto può tuttavia essere formalizzato, nell’ambito della disciplina nota come analisi decisionale, in termini di un modello teorico definito come albero decisionale che in linea teorica può essere di aiuto per la cura del paziente, anche se ancora non lo è stato dimostrato. La rappresentazione dell’albero decisionale considera l’insieme delle possibili alternative che si presentano via via nella presa in carico di un paziente in forma di biforcazioni: a ciascuna opzione è associata una probabilità che si verifichi. Di fronte a un albero decisionale l’obiettivo è quello di trovare la migliore soluzione possibile, ovvero di calcolare i valori attesi o gli esiti attesi (per esempio, in termini di sopravvivenza attesa, qualità di vita attesa, costi previsti) in termini di media di tutti i possibili valori di outcome, ognuno con la propria probabilità di verificarsi.
Facciamo un esempio pratico: paziente di 65 anni affetto da una neoplasia che può essere trattata con chirurgia o con radioterapia secondo linee guida. L’albero decisionale si presenta con una biforcazione che separa l’opzione di trattamento radioterapico dal trattamento chirurgico. Dall’opzione chirurgica si può arrivare o meno a effetti avversi che se si verificheranno o non si verificheranno, e potranno necessitare o meno di un trattamento mirato per risolverli ancora una volta con una probabilità associata. Nella parte bassa dell’albero decisionale, troviamo una definita probabilità di decesso intraoperatorio opposta al superamento dell’intervento, che a sua volta potrà essere associata a complicazioni o ad assenza di complicazioni. Per ogni bivio avremo associato un valore rappresentativo della sopravvivenza legata a tale situazione.

Dalla teoria alla pratica

Rispetto all’esempio a cui si è appena accennato, gli alberi decisionali associati ai casi reali sono molto più grandi e ramificati, ed è per questo che per risolverli si utilizzano appositi software che approcciano tuttavia il problema sempre in modo teorico.
Ma come stabilire a priori le probabilità associate a ciascun ramo, considerato che ogni paziente fa storia a sé? Per aggirare il problema, si fa ricorso alla statistica: tali probabilità sono definite in base a valori medi, calcolati considerando diversi studi che si trovano in letteratura, e a intervalli d’incertezza. Di conseguenza, i risultati dell’albero decisionale cambiano al variare di tali parametri. Facendo sempre riferimento all’esempio precedente, se si incrementa la probabilità di decesso intra-operatorio, la sopravvivenza attesa associata all’opzione chirurgica diminuirà proporzionalmente.
A questo punto occorre chiedersi: diminuirà di quanto? Supererà la sopravvivenza attesa dalla sua alternativa terapeutica non chirurgica, ovvero dalla radioterapia? Per rispondere a queste domande sempre tuttavia modellizzando la realtà si ricorre all’analisi di sensibilità, uno strumento che permette di valutare in che modo i valori attesi, nel caso specifico relativi agli anni di sopravvivenza, delle due opzioni possibili possano variare in risposta alle variazioni parametriche (nel nostro caso il rischio chirurgico). Si può vedere come la scelta ottimale sia l’intervento chirurgico se il rischio chirurgico rimane al di sotto di una certa soglia, intorno al 20 per cento, mentre oltre tale soglia la scelta ottimale diventa la radioterapia.
Un ulteriore fattore da tenere in considerazione è che i pazienti, soprattutto in Oncologia, possono passare da periodi di remissione a periodi di ricadute. Questa situazione pratica può essere formalizzata integrando negli alberi decisionali un modello di Markov, utile per rappresentare transizioni di stato.

La valutazione economica

Uno degli obiettivi principali dell’analisi decisionale è la previsione dei costi dei diversi interventi terapeutici tra loro alternativi: in un albero decisionale vi è la possibilità d’inserire, alla fine di ogni cammino, i costi sostenuti per tutte le azioni in esso intraprese. Risolvere l’albero in questo caso significherà calcolare i costi attesi.
Quando si parla della salute di un paziente il mero dato economico, tuttavia, non può rendere conto dell’intero beneficio ottenuto con l’iter terapeutico. È per questo che l’analisi economica può poi essere ulteriormente raffinata in base a diversi parametri. Si consideri per esempio un ipotetico paziente che vive 90 anni, ma quasi la metà di essi è costretto su una sedia a rotelle, e confrontiamolo con un altro paziente che vive 70 anni in piena salute: la maggior parte delle persone probabilmente preferirebbe questo seconda opzione, barattando la longevità con la qualità di vita. Quest’ultima è infatti un fattore fondamentale tanto che, per tenerne conto, in letteratura si è introdotto un altro parametro, l’anno di vita corretto per qualità della vita (quality-adjusted life year, QALY).
Una volta calcolati, con l’albero decisionale, i valori per gli anni di sopravvivenza, gli anni di sopravvivenza corretti per qualità della vita e i costi, è possibile fornire, a chi dovrà prendere le decisioni, informazioni cruciali per fare le opportune valutazioni economiche. A tal fine, si possono considerare gli ulteriori due parametri:
•    il rapporto incrementale costo/efficacia (ICER), definito come la differenza dei costi tra le due opzioni divisa per la differenza degli anni di sopravvivenza, che rappresenta il costo di ogni anno di vita guadagnato scegliendo l’opzione più costosa ma anche più efficace
•    il rapporto incrementale costo/utilità (ICUR), cioè la differenza dei costi divisa per la differenza di anni di sopravvivenza corretti per la qualità di vita (QALY), che quantifica il costo di ogni anno guadagnato corretto per la qualità di vita scegliendo l’opzione più costosa ma anche più efficace.

TORS vs. TLM nei tumori del distretto testa-collo

In un recente studio [1] realizzato in collaborazione con l’Unità dei tumori testa-collo del Centre Universitaire Hospitalier Vaudois (CHUV) di Losanna, in Svizzera, trovano un riscontro pratico tutte le considerazioni esposte finora. Gli autori hanno infatti condotto una valutazione economica mettendo a confronto la chirurgia robotica per i tumori oro-faringei (trans oral robotic surgery, TORS) con la microchirurgia laser (transoral laser microsrgey, TLM), entrambe tecniche ritenute valide opzioni per la cura della patologia in questione, in stadio confinato.
Dopo aver rappresentato le primissime variabili con un albero decisionale tradizionale, è stato integrato un modello markoviano in cui sono rappresentate le possibili transizioni tra remissione, differenti tipi di recidiva (regionale, locale, distante) e ulteriori interventi – che possono riportare alla remissione (svuotamento del collo, trattamento di salvataggio) o meno (cure palliative) – e il decesso. Questo modello di Markov può essere rappresentato matematicamente nell’albero decisionale utilizzando lo stesso software, calcolando i possibili esiti per il paziente.
Risultato: la TORS risulta vantaggiosa sulla TLM in termini di mesi di vita di sopravvivenza (342,72 vs. 342.62), mentre il rapporto si inverte se si considerano i mesi corretti per la qualità di vita (QALM; 216,31 vs. 216,40) e i costi (56.879,13 CFH vs. 53.518,28 CFH). Considerando invece l’ICER, esso per la TORS è molto elevato >100.000 €/anno: occorre tenere conto che la soglia per considerare costo-efficace un programma di healthcare varia in letteratura tra 20.000 e 100.000 $/anno circa.

Bibliografia

1. Parimbelli E, Soldati F, Duchoud L et al. Cost-utility of two minimally-invasive surgical techniques for operable oropharyngeal cancer: transoral robotic surgery versus transoral laser microsurgery.  BMC Health Serv Res 2021; 21(1):1173