NATIONAL CANCER CONTROL PROGRAMME
NOP online
ISSN 1802-887X
CANCON
 
národní onkologický program ČR Predikce počtu léčených pacientů Metodika

Číselné podklady pro plánování nákladů léčebné péče v onkologii – analýzy dostupných populačních dat a predikce pro rok 2016

Přehled zdrojů dat a metodika hodnocení

I. Zdrojová data

Predikce využívají pouze validní populační data, oficiálně získaná od zákonem určených správců. Data jsou analyzována v anonymizované podobě, tedy bez přímých i nepřímých identifikátorů konkrétního pacienta. Konkrétně jde o následující zdroje:

Zdroje demografických populačních dat

Jako součást monitoringu vývoje české populace zpracovává národní statistický úřad (Český statistický úřad – ČSÚ) data o demografické struktuře obyvatelstva ČR, které jsou k dispozici na webových stránkách ČSÚ (http://www.czso.cz/eng/redakce.nsf/i/population). Tato data postihují hlavní demografické charakteristiky české populace, zejména celkový počet obyvatel, detailní věkovou strukturu, charakteristiky očekávané délky života i např. predikci vývoje věkové struktury obyvatelstva ČR až do roku 2050.

Zdrojem údajů o populační mortalitě zhoubných novotvarů v České republice je primárně databáze příčin úmrtí, kterou taktéž zpracovává Český statistický úřad dle mezinárodních metodik na základě údajů z listu o prohlídce mrtvého (ICD-10 klasifikace). Zemřelému je určena jedna hlavní příčina úmrtí, na základě které jsou zpracovávány oficiální statistické výstupy jednotlivých zemí o populační mortalitě dle příčin úmrtí. Tyto statistiky jsou k dispozici jednak ve výstupech národních statistických úřadů a dále v mezinárodních databázích organizací Eurostat a WHO.

Zpracovatel onkologických dat, Institut biostatistiky a analýz Masarykovy univerzity, má s ČSÚ uzavřenou smlouvu o spolupráci a o využití výše zmíněných populačních dat.

Národní onkologický registr ČR (NOR)

Registrace novotvarů je v České republice legislativně zakotvena a je povinná. V České republice je správcem Národního onkologického registru Ústav zdravotnických informací a statistiky (ÚZIS ČR). Garantuje metodickou a obsahovou jednotu registru. Odpovídá za stav databáze, provádění kontrol správnosti dat, distribuci metodiky, zpracování a poskytování statistických výstupů a jejich zveřejňování, určuje přístupová práva oprávněných uživatelů. Zpracovatelem NOR na celostátní úrovni je Koordinační středisko pro resortní zdravotnické informační systémy (KSRZIS), které je odpovědné za plynulý provoz registru, stav databáze, technické zabezpečení a ochranu dat. Poradním orgánem a odborným garantem NOR je Rada NOR. Jejími členy jsou zpravidla zástupci ÚZIS ČR, regionálních (územních) center NOR, KSRZIS, zástupci MZ ČR a zástupci České onkologické společnosti ČLS JEP.

V dnešní době je NOR nedílnou součástí komplexní onkologické péče a jako celoplošný registr s reprezentativním pokrytím 100 % české populace obsahuje za období 1976-2010 více než 1,8 milionu záznamů. Tedy již od roku 1976 má ČR k dispozici evidenci jednotlivých osob s diagnostikovaným novotvarem na základě rodného čísla včetně následného sledování každého pacienta prostřednictvím kontrolního hlášení. Široké veřejnosti jsou data NOR zpřístupněná v omezené a agregované podobě na webovém portálu projektu SVOD (Systém pro Vizualizaci Onkologických Dat), www.svod.cz. Projekt SVOD je zaměřen na interaktivní popisné analýzy umožňující uživateli přímo zkoumat epidemiologické trendy jím vybraných onkologických diagnóz a automatizované připravené prezentace zpracovávající některá významná témata.

Panel expertů ČOS ČLS JEP

Některé informace používané zejména v populačním modelování počtu onkologických pacientů a také v hodnocení výsledků a nákladů léčebné péče nelze získat z dostupných populačních zdrojů ani z publikovaných klinických studií. Jako příklad můžeme uvést časový vývoj pravděpodobnosti relapsu/progrese primárního nádorového onemocnění u různých klinických stadií, pravděpodobnost nasazení vyšších linií protinádorové terapie u různě zatížených pacientů apod. V tomto případě jsou pro predikce a odhady využívány odborné posudky a odhady expertní skupiny ČOS. Data jsou získávána formou autorizovaných elektronických formulářů nebo v tištěné podobě. Panel expertů každoročně zpracovává tyto podklady na základě jasně formulovaných a datově podložených otázek. Členové panelu vypracovávají podklady individuálně, bez vzájemných konzultací.

Jedním z velmi cenných vstupů panelu expertů do celého systému monitoringu nákladné péče je tzv. klinická korekce populačních odhadů. Ne všichni nově příchozí pacienti mohou být léčeni protinádorovou terapií. Jejímu podání může bránit pokročilý věk nemocného, jeho celkový zdravotní stav nebo pokročilost nádorového onemocnění. Panel expertů koriguje, a tedy snižuje, populační odhady počtu pacientů právě s ohledem na tyto skutečnosti.

Složení panelu expertů ČOS (abecedně):
prof. MUDr. J. Abrahámová, DrSc.; prof. MUDr. M. Babjuk, CSc.; doc. RNDr. L. Dušek, Ph.D.; doc. MUDr. D. Feltl, Ph.D.; prof. MUDr. J. Fínek, CSc.; doc. MUDr. M. Hajdúch, CSc.; prof. MUDr. V. Kolek, DrSc.; prof. MUDr. M. Marel, CSc.; prof. MUDr. B. Melichar, Ph.D.; prof.. MUDr. J. Petera, CSc.; prim. MUDr. K. Petráková, CSc.; prof. MUDr. M. Pešek, CSc.; prof. MUDr. L. Petruželka, CSc.; prof. MUDr. M. Ryska, CSc.; Prof. MUDr. A. Ryška, Ph.D.; doc. MUDr. Jana Prausová, Ph.D.; prof. MUDr. J. Skřičková, CSc.; MUDr. M. Šafanda; doc. MUDr. V. Študent, CSc.; prof. MUDr. J. Vorlíček, CSc.; prof. MUDr. R. Vyzula, CSc.

II. Metodika prediktivního hodnocení epidemiologie ČR

Definice referenčního souboru dat pro klinicky relevantní predikce onkologické zátěže

Korektní definice referenčních dat je základem věrohodnosti analýz, což je zvláště významné u prediktivních modelů. Chceme-li populační data využít pro hodnocení výsledků a nákladů péče, musíme z dostupných zdrojů čerpat údaje s jistým omezením:
- Data musí být aktuální a musí reflektovat současnou situaci ve zdravotnictví. Historické trendy mohou být velmi zavádějící.
- Zásadní jsou údaje od pacientů, kteří skutečně prošli zdravotnickým zařízením a byli léčeni. Počty pacientů diagnostikovaných např. při pitvě sice mají epidemiologický význam, ale hodnocení nákladů a výsledků péče nijak neovlivňují.

Této analýze jsme podrobili Národní onkologický registr ČR (NOR). Z důvodu aktuálnosti jsme rozsah analyzovaných dat omezili na období 1995–2010, kdy v databázi NOR můžeme pracovat s validními záznamy podle novějších verzí klasifikace TNM. Data z tohoto období představují dostatečně velký vzorek pro populační analýzy (Obrázek 1). Velmi podstatné je vyčlenění záznamů o pacientech s nedokončenou diagnostikou v důsledku odmítnutí léčby, komplikací nebo časného úmrtí, neboť tyto záznamy by zkreslovaly analýzy o nákladech na protinádorovou terapii. Ve shodě s literaturou byla použita hranice časného úmrtí do 1 měsíce od diagnózy.

Výsledkem auditu dostupných populačních dat je tedy referenční soubor kvalitních a věrohodných záznamů, které zachycují léčbu a výsledky léčby u pacientů s řádně dokončenou diagnostikou. Jak dokumentuje obr. 1, i následná separace protinádorově léčených a neléčených pacientů ještě stále poskytuje dostatečně velký vzorek pro populační analýzy.

Obrázek 1. Navržená cesta k referenčnímu souboru populačních dat pro predikce onkologické zátěže (Národní onkologický registr ČR, 1995–2012)

Stručný metodický popis provedených výpočtů

Cílem prediktivních modelů je dospět ke spolehlivému odhadu počtu pacientů žijících v daném období a vyžadujících protinádorovou terapii. Podle podílu klinických stadií u žijících pacientů lze následně při znalosti možných scénářů léčby odhadnout i očekávané náklady. Jelikož u populačních registrů dostáváme data vždy s jistým zpožděním, je nutné níže uvedené odhady provádět prospektivně:

  1. Odhady incidence a mortality. Odhady byly provedeny jednak pro celková data dle onkologických diagnóz a jednak odděleně pro klinická stadia. Metodika vychází z epidemiologických trendů za známé období a koriguje je s ohledem na pravděpodobné demografické změny populace. Byl použit Poissonův regresní model s odhady doplněnými intervaly spolehlivosti.
  2. Odhad prevalence pacientů s protinádorovou terapií. Výpočet kombinuje odhady počtu nově diagnostikovaných pacientů v budoucích letech a pravděpodobnost x-letého přežití u pacientů diagnostikovaných v předchozích letech. Jde o vícesložkový model kombinující regresní odhady incidence a analýzy x-letého přežití s tím, že pouze určitá část pacientů diagnostikovaných v minulých letech přežije do hodnoceného roku (celková prevalence) a dále pouze určitá část z nich prodělá relaps nebo progresi onemocnění, a je tedy v daném roce opět protinádorově léčena (viz Obrázek 2).
  3. Odhad x-letého přežitá onkologicky nemocných pacientů. Výpočet odhaduje x-leté přežití analýzou kohort definovaných 5letým časovým intervalem. Tato šířka intervalu definující jednu kohortu je standardně využívána i v mezinárodních studiích (Berrino a kol., 2007). Stanovení referenčních hodnot přežití je klíčovou komponentou všech populačních hodnocení onkologické zátěže.
  4. Odhad četnosti (pravděpodobnosti) relapsu nebo progrese nádorového onemocnění v daném roce. Parametr nezbytný pro predikci počtu pacientů léčených pro relaps nebo progresi základního onemocnění. Při konstrukci těchto odhadů byla využita data o mortalitě na zhoubné nádory z NOR a z registru zemřelých. Ze záznamů o úmrtí pacienta z důvodu základního onkologického onemocnění lze odvodit četnost relapsů, a tedy i pravděpodobnost jejich nastání do 1., 2., .... x. roku od primární diagnózy. Populační odhady byly nezávisle ověřeny pomocí odhadů provedených vybranou skupinou klinických expertů.

Opakované provádění prediktivních odhadů odhalilo u pravděpodobnosti nastání relapsu v x. roce od diagnózy silný časový trend. Odhad této pravděpodobnosti je tedy počítán pouze z posledních pěti let, kdy jsou takové údaje dostupné. Např. údaj o jednoleté pravděpodobnosti relapsu (tj. pravděpodobnost nastání diseminovaného relapsu v roce následujícím bezprostředně po diagnóze onemocnění) je počítán z údajů pacientů diagnostikovaných postupně v letech 2005–2009 (kteří relabují postupně v letech 2006–2010), nikoliv z údajů pacientů diagnostikovaných před rokem 2005. Tento početní přístup poskytuje relevantnější a časově aktuálnější údaje.

Obrázek 2. Vícesložkový populační odhad počtu pacientů s protinádorovou terapií

Lokalizace odhadů pro regiony ČR

Veškeré predikce byly následně lokalizovány pro spádové oblasti komplexních onkologických center. Při těchto dílčích výpočtech je zohledňována především epidemiologická situace v daném regionu, ze které se odvozují váhy pro rozdělení populačních predikcí incidence a mortality.

Analýza rizik a pravděpodobnost zkreslení

Veškeré níže uvedené odhady jsou odvozené z populačních epidemiologických dat. Z této skutečnosti plyne i jistá neurčitost a bodové odhady jsou tedy doplněny 90% intervalem spolehlivosti. Každý jednotlivý bodový odhad musí být interpretován neoddělitelně od těchto pravděpodobnostních limitů, které vyjadřují jeho statistickou spolehlivost a zabrání zkreslením. Přesnost predikcí na úrovni regionů může být u některých méně častých diagnóz a klinických stadií snížena v důsledku malé velikostí vzorku. I přes tento fakt byly predikce dělány na všech pod-souborech stejnou metodikou a regionální odhady jsou tedy kalkulovány tak, že se v celkovém součtu shodují s populačními odhady.

Prediktivní modelování epidemiologické zátěže nám umožňuje pracovat s různými scénáři vývoje populačních charakteristik, což pak logicky vede k různým odhadům incidence a zejména prevalence. Příkladem může být úvaha o vývoji incidence daného nádorového onemocnění, která může buď sledovat určitý trend, nebo se může stabilizovat a vykazovat „konstantní“ hodnoty (samozřejmě vyjádřeno na 100 000 obyvatel v populaci). V prediktivním modelování tak můžeme incidenci modelovat pomocí statistických nástrojů nebo můžeme předpokládat stabilní chování dle nejaktuálnějších dostupných údajů. Dalším příkladem scénářů může být hodnocení přežití onkologických pacientů. Opět můžeme předpokládat, že se jeho hodnoty v čase již měnit nebudou, a počítat ve výpočtech s hodnotami přežití, které byly identifikovány na co nejvíce recentním datovém souboru pacientů (odpovídajících např. období 2006–2010). Na druhou stranu ale můžeme předpokládat, že se přežití pacientů bude i v budoucnu vyvíjet stejným tempem jako doposud. Pak můžeme na dostatečně reprezentativním a recentním souboru pacientů identifikovat trend, který následně promítneme do následujících let, respektive do kalendářních roků, pro něž nemáme hodnoty populačního přežití onkologických pacientů k dispozici. Tyto scénáře lze samozřejmě kombinovat, což při zohlednění i dalších charakteristik, jako je protinádorová terapie, vede k prediktivním modelům odpovídajícím různým možnostem epidemiologického a společenského vývoje v České republice.

III. Literatura

  • Berrino F., DeAngelis R., Sant M. et al.(2007): Survival for eight major cancers and all cancers combined for European adults diagnosed in 1995-99: results of the EUROCARE-4 study. Lancet Oncology, 8: 773-783.
  • Capocaccia R. et al. (2002): Measuring prevalence in Europe: the EUROPREVAL project, Annals of Oncology, 13: 831-839
  • Dušek L., Žaloudík J., Indrák K. (2006) Informační zázemí pro využití onkologických populačních dat v ČR. Zvláštní vydání Klinické onkologie 1/2007, 200 s., ISSN 0862-495X.
  • Dyba T., Hakulinen T. (2000): Comparison of differenet approaches to incidence prediction based on simple interpolation techniques, Statistics in medicine, 19: 1741-1752
  • Esteve J., Benhamou E., Raymond L. (1994): Statistical Methods in Cancer Research Volume IV: Descriptive Epidemiology, Lyon, International Agency for Research on Cancer.
  • Fletcher H., Fletcher S. (2005): Clinical Epidemiology: The Essentials, Baltimore, Lippincot Williams and Wilkins.
  • Gail M.H., Kesser L., Midthune D., Scoppa S. (1999): Two approaches for estimation disease prevalence from Population-based registries of incidence and total mortality, Biometrics, 55: 1137-1144
  • Hakulinen T., Dyba T. (1994): Precision of incidence predictions based on Poisson distributed observations, Statistics in medicine, 13: 1513-1523
  • Lutz et al. (2003): Cancer prevalence in Central Europe: the EUROPREVAL study, Annals of Oncology, 14: 313-322.
  • Mariotto A.B., Yabroff K.R., Feuer E., De Angelis R., Brown M. (2006): Projectiong the number of patients with colorectal carcinoma by phase of care in US: 2000-2020, Cancer causes control, 17: 1215-1226.
  • Mariotto A. Waren J.L., Knopf K.B., Feuer E.J. (2003): The prevalence of patients with colorectal carcinoma under care in the U.S., Cancer, 98: 1253-1261
  • Møller B., Weedon-Fekjæer H., Haldorsen T. (2005).: Empirical evaluation of prediction intervals for cancer incidence. BMC Medical Reasearch Methodology. 5:21 http://www.biomedcentral.com/1471-2288/5/21
  • Verdecchia A., De Angelis Giovanni, Capocaccia R. (2002): Estimation and projection of cancer prevalence from cancer registry data. Statistics in medicine, 21: 3511-3526

 

<<< Úvod <<< >>> Výsledky - datové podklady: predikce léčebné zátěže pro rok 2016 >>>