Cost-effectiveness analysis with new models of artificial intelligence. Medical applications
Year: 2018
Type: dissertation
Abstract: Given the limited resources of health care systems, the economic evaluation of medical techniques and treatments is becoming more and more important. The most a common tools for cost-effectiveness analysis are decision trees and Markov models, but they can only solve relative small problems. Probabilistic graphical models, such as Bayesian networks and influence diagrams, have been used in artificial intelligence for knowledge representation and explanation, especially in medicine, but only in unicriteria problems. In the last years, the Research Center for Intelligent Decision-Support Systems (CISIAD) at UNED, has developed new algorithms for cost-effectiveness analysis with decision trees and influence diagrams. It has also proposed two new types of probabilistic graphical models: Markov influence diagrams which extend influence diagrams for temporal reasoning, and decision analysis networks, which can model and evaluate problems with asymmetries such as restrictions and partially ordered decisions.This thesis addresses three methodological problems related to the evaluation of cost-effectiveness models.
First, there are different corrections for reducing the error introduced by the discretization of time in Markov models. In general, numerical integration techniques give more accurate results than standard approaches, such as half-cycle correction, but we found that they can lead to a greater error when the model has discontinuities, for example when an expensive treatment is withdrawn after some time. We proved that building a new model averaged at the points of discontinuity yields much more accurate results.
Second, the existing cost-effectiveness algorithms for Markov influence diagrams could only evaluate models with two criteria and one decision. In this thesis I have developed a new cost-effectiveness algorithm that can evaluate models with several criteria and any number of decisions with findings between the decisions.
Third, decision analysis networks could only evaluate unicriterion problems. In collaboration with other members of the CISIAD, I have extended the algorithms developed for Markov influence diagrams, to perform cost-effectiveness analysis on decision analysis networks.
I have applied Markov influence diagrams to the economic evaluation of two medical interventions. Our analysis of pediatric cochlear implantation in Spain has proved that it is cost-effective with respect unilateral cochlear implantation, and the model for colorectal cancer screening with immunochemical fecal occult blood test showed that it is cost-saving with respect to no screening.
Resumen (Summary in Spanish) Dado que los recursos de los sistemas de salud son limitados, la evaluacion economica de las tecnicas y tratamientos medicos es cada vez mas importante. Los arboles de decision y los modelos de Markov son las herramientas mas utilizadas para el analisis de coste-efectividad, pero solo pueden resolver problemas relativamente pequenos. Los modelos graficos probabilistas, como las redes bayesianas y los diagramas de influencia, se han utilizado en inteligencia artificial para la representacion y explicacion del conocimiento, especialmente en medicina, pero unicamente en problemas unicriterio. En los ultimos anos, el Centro de Investigacion sobre Sistemas Inteligentes de Ayuda a la Decision (CISIAD) en la UNED, ha desarrollado nuevos algoritmos para realizar analisis de coste-efectividad con arboles de decision y diagramas de influencia. Tambien ha propuesto dos nuevos tipos de modelos graficos probabilistas: los diagramas de influencia markovianos, que amplian los diagramas de influencia para incluir razonamiento temporal y las redes de analisis de decisiones, que pueden modelar y evaluar problemas con asimetrias como restricciones o decisiones parcialmente ordenadas.
Esta tesis aborda tres problemas metodologicos relacionados con la evaluacion de modelos de coste-efectividad.
Primero, hay diferentes metodos para reducir el error introducido por la discretizacion del tiempo en los modelos de Markov. En general, las tecnicas de integracion numerica dan resultados mas precisos que los enfoques tradicionales, como la correccion de medio ciclo, pero pueden conducir a un error mayor cuando el modelo tiene discontinuidades, por ejemplo, cuando se un tratamiento caro se retira despues de aplicarlo durante algun tiempo. Hemos probado que, la construccion de un nuevo modelo promediado en los puntos de discontinuidad produce resultados mucho mas precisos.
Segundo, los algoritmos de coste-efectividad existentes para los diagramas de influencia markovianos solo eran capaces de evaluar modelos con dos criterios y una decision. En esta tesis, he desarrollado un nuevo algoritmo de coste-efectividad que permite evaluar modelos con varios criterios y cualquier numero de decisiones con hallazgos entre las decisiones.
Tercero, las redes de analisis de decisiones solo podian evaluar problemas unicriterio. En colaboracion con otros miembros de la CISIAD, he ampliado los algoritmos desarrollados para los diagramas de influencia markovianos, para poder realizar analisis de coste-efectividad en redes de analisis de decision.
He aplicado los diagramas de influencia markovianos a la evaluacion economica de dos intervenciones medicas. Nuestro analisis del implante coclear pediatrico en Espana ha demostrado que es coste-efectivo con respecto al implante coclear unilateral. El modelo para el cribado del cancer colorrectal con test inmunoquimico de sangre oculta en heces mostro que permite ahorrar costes con respecto a la estrategia de no cribado.
Author: Jorge Pérez‐Martín
Language: English
Subfield: Economics and Econometrics
Domain: Social Sciences
Keywords: cost-effectiveness analysis, probabilistic graphical models, Bayesian networks, influence diagrams, Markov model, multi-criteria decision making, pediatric cochlear implantation, colorectal cancer screening, fecal occult blood test, healthcare resource allocation, decision tree, numerical integration, treatment discontinuation
Open Access status: green
OpenAlex ID: W3036684368
