Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

ASC – MMS TU VIENNA Einführung in die Modellbildung und Simulation in HTA (Health Technology Assessment), EBM (Evidence Based Medicine) und Gesundheitsökonomie.

Ähnliche Präsentationen


Präsentation zum Thema: "ASC – MMS TU VIENNA Einführung in die Modellbildung und Simulation in HTA (Health Technology Assessment), EBM (Evidence Based Medicine) und Gesundheitsökonomie."—  Präsentation transkript:

1 ASC – MMS TU VIENNA Einführung in die Modellbildung und Simulation in HTA (Health Technology Assessment), EBM (Evidence Based Medicine) und Gesundheitsökonomie N.Popper, F. Breitenecker

2 ASC – MMS TU VIENNA Unangenehme Tatsachen – Teil 1 Daten & Modellannahmen

3 ASC – MMS TU VIENNA Gratuliere, meine Herren, laut Skala hat sich ihre Krankheitsaktivität um je 7 Punkte verbessert! Ja, ich muss sagen, ich fühle mich fantastisch Ah, gar nichts merk ich, mir gehts um nichts besser als vorher- Lug und Betrug! Unangenehme Tatsachen – Teil 1 Daten & Modellannahmen

4 ASC – MMS TU VIENNA Wesentlich schlechter Schlechter Unverändert Besser Wesentlich besser Patienten mit neuer Verschreibung Bewertung der Änderung der Krankheitsaktivität auf einer vorgegebenen Skala durch die Patienten 3 Monate später Unangenehme Tatsachen – Teil 1 Daten & Modellannahmen

5 ASC – MMS TU VIENNA

6 ASC – MMS TU VIENNA Unangenehme Tatsachen – Teil 1 Daten & Modellannahmen Studie 1 Studie 2..+αx+… α ?

7 ASC – MMS TU VIENNA Unangenehme Tatsachen – Teil 2 Methoden der Modellbildung

8 ASC – MMS TU VIENNA Unangenehme Tatsachen – Teil 3 Zielfunktionen

9 ASC – MMS TU VIENNA Unangenehme Tatsachen – Teil 3 Zielfunktionen

10 ASC – MMS TU VIENNA Modellierung - Status Quo Statische/statistische Modelle Retrospektive Betrachtung Lineare Extrapolation Anstieg messbarer und gemessener Daten

11 ASC – MMS TU VIENNA Modellierung – Reminder HTA HTA ersetzt keine Entscheidung -> Modellierung als White Box HTA nicht rein ökonomisch -> Unterschiedliche Werzeuge HTA hinterfragt -> Neue Lösungen notwendig

12 ASC – MMS TU VIENNA Modellierung – Notwendigkeiten Aufbereitung komplexer Inputdaten Evaluierung der bestmöglichen Modellierungstechnik Hybride Kombination der Teilmodelle Nachvollziehbarkeit der Lösung für alle interdisziplinären Partner

13 ASC – MMS TU VIENNA Elektrotechnik Mechanik Umwelt Medizin Ökonomie Soziologie Gesetze Gesetze u. Beobacht. Beobachtungen und.Erklärungen Anwendungen vs. Modellbildungsgrundlagen

14 ASC – MMS TU VIENNA Elektrotechnik Mechanik Umwelt Medizin Ökonomie Soziologie Gesetze Gesetze u. Beobacht. Beobachtungen und.Erklärungen Anwendungen vs. Modellbildungsgrundlagen

15 ASC – MMS TU VIENNA reales System abstraktes Modell Lösung in der Realität Lösung im Modell künstlich, natürlich existent oder geplant formal oder sprachlich, gedanklich Modellierung Abstraktion Idealisierung Vereinfachung Aggregierung Problemlösen im Modell analytisch oder Aufbau eines Analogiemodells Übertragung Interpretation Erkenntnisse Eingriffe Simulation als Problemlösungsverfahren

16 ASC – MMS TU VIENNA Top Down Differentialgleichungen et al System Dynamics Markov Prozesse Bottom Up Zelluläre Automaten Agentenbasierte Modellierung Top Down vs. Bottom Up

17 ASC – MMS TU VIENNA

18 ASC – MMS TU VIENNA r … Infektionsrate a … Gesundungsrate S(t) … Ansteckbare Individuen I(t) … Infizierte Individuen R(t) … Gesundete Individuen Differentialgleichungsmodell SIR

19 ASC – MMS TU VIENNA Ausgangspunkt –Infusion einer Flüssigkeit über den Zeitraum einer Stunde –gemessene Reaktion alle 15 Minuten –Vorlaufverhalten Ansätze –Polynomial –Exponentialfunktionen –Übertragungsfunktion Infusionsmodell

20 ASC – MMS TU VIENNA Infusionsmodell

21 ASC – MMS TU VIENNA System Umwelt Element Grenze System Dynamics - Aufbau

22 ASC – MMS TU VIENNA Verbindungen Strukturierung Ursache – Wirkung Richtung Rückkopplung (feed-back loops) –Verstärkend (+) –Stabilisierend (-) System Dynamics - Eigenschaften

23 ASC – MMS TU VIENNA Populationsdynamik Angebot und Nachfrage System Dynamics - Beispiele

24 ASC – MMS TU VIENNA 25 Millionen Menschen leiden an Typ II Diabetes in Europa DM ist verantwortlich für 5% – 10% der Gesundheitskosten WHO: +37% zwischen 2000 und 2025 Rückkopplungseffekte möglich Lange Zeitskalen umsetzbar System Dynamics - Anwendungsbeispiel

25 ASC – MMS TU VIENNA Normoglyc. Population Prediabetes nicht-diagn. Prediabetes diagnostiziert Diabetes nicht-diagn. Diabetes diagnostiziert +Komplikation nicht-diagn. +Komplikation diagnostiziert Diagnose Zufluss Erwachsene System Dynamics - Modellaufbau

26 ASC – MMS TU VIENNA System Dynamics - Haupteinflussfaktoren

27 ASC – MMS TU VIENNA Mathematisch: Stabilität Sozioökonomisch: Verschiedene Maßnahmen z.B. Diät bzw. Sport: Reduktion der täglichen Kalorienaufnahme um 200 kcal z.B. Prädiabetesmanagement: Frühdiagnose System Dynamics - Vorteile

28 ASC – MMS TU VIENNA System Dynamics - Ergebnisbeispiel

29 ASC – MMS TU VIENNA Markovprozesse

30 ASC – MMS TU VIENNA X… stochastische Größe T … Indexmenge z.B.: (diskret) oder (stetig) stochastischer Prozess Markov - Stochastische Prozesse

31 ASC – MMS TU VIENNA Für stochastische Prozesse in diskreter Zeit: Für stochastische Prozesse in stetiger Zeit: wobei die Vergangenheit von bis zum Zeitpunkt t beschreibt Gedächtnislos, Vergangenheit irrelevant Die Markoveigenschaft

32 ASC – MMS TU VIENNA Markovketten sind Markovprozesse in diskreter Zeit Das Update von einem Zustand zum nächsten kann mittels Übergangsmatrizen realisiert werden. Markovketten sind die in der Gesundheitsökonomie gebräuchlichen Markovmodelle Markovketten

33 ASC – MMS TU VIENNA Diskreter Raum Diskrete Zeit Diskrete Zustände Synchrone Modifikation feste Transformationsregeln räumlich lokale Regeln zeitlich lokale Regeln Zelluläre Automaten – Charakterisierung

34 ASC – MMS TU VIENNA Geometrie der Zellanordnung Nachbarschaften Anzahl der möglichen Zustände einer Zelle Regeln, die den Zustand einer Zelle in der..nächsten Generation bestimmen Zelluläre Automaten – Kenngrößen

35 ASC – MMS TU VIENNA 2-dimensionaler zellulärer Automat Partikel können unterschiedliche Zustände haben Physikalische Größen wie Masse und Moment bleiben erhalten (Herkunft des Ansatzes) Die Bewegung der Partikel besteht aus Ausbreitung und Kollision Zelluläre Automaten – Beispiel LGCA

36 ASC – MMS TU VIENNA Quadratisches Gitter oder Hexagonal Struktur Zelluläre Automaten – HPP vs. FHP

37 ASC – MMS TU VIENNA Einflußnahme auf Großveranstaltungen bei Auftreten einer infektiösen Erkrankung mit verschiedenen Verursacherszenarien Vortrag, Matthias Schröter, Landeszentrum für den öffentlichen Gesundheitsdienst NRW -Dezernat 5.3 – Infektionsepidemiologie Agent Based - Anwendungsbeispiel

38 ASC – MMS TU VIENNA Zoltan Toroczkai, Center of Nonlinear Studies, Los Alamos National Laboratory Stephen Eubank, Virginia Bioinformatics Institute, Virginia Tech Agent Based - Modeling as a decision making Tool: How to halt a Smallpox Epedemic

39 ASC – MMS TU VIENNA liefen makroskopische Eigenschaften eines bekannten Systems, aber keine Erklärung für die Ursachen der Eigenschaften (SIR Modelle) können kaum und wenn dann nur schwierig auf Situationen angewandt werden, in denen die Annahmen hinter den Gleichungen nicht mehr stimmen (Bsp. Hookessches Gesetz: F=-kx) sind schlecht geeignet, um diskontinuierliche (diskrete und hybride) Systeme zu beschreiben Inhomogenität in Populationen schwierig Zusammenfassung – klassische Modelle

40 ASC – MMS TU VIENNA Agenten haben einen räumlichen Aufenthaltsort. Solche Modelle können Mobilität beinhalten Zelluläre Automaten (CA) Sind eine Untermenge von ABMs (Gitterbasierte, spatial, immobile ABMs). Abgrenzung: CA- Simulation basiert auf einem dichten einheitlichen Ausschnitt des Raumes. Agentenbasierte Simulation basiert auf spezifischen Individuen, die im Raum verteilt sind. Zusammenfassung – räumliche Modelle

41 ASC – MMS TU VIENNA Reaktivität – Sie sind fähig ihre Umwelt zu erkennen, auf Veränderungen zu reagieren um ihren Zweck zu erfüllen, ihre Ziele zu verfolgen Pro-aktives Verhalten - Sie sind fähig zu zielorientiertem Verhalten, in dem sie selbst die Initiative ergreifen um ihre Ziele zu verfolgen. Soziale Fähigkeiten - Sie sind fähig mit anderen Agenten zu kommunizieren um ihre Ziele zu verfolgen. Zusammenfassung – räumliche Modelle

42 ASC – MMS TU VIENNA Ist der bewusste, ausdrückliche und wohlüberlegte Gebrauch der jeweils besten Informationen für Entscheidungen in der Versorgung eines individuellen Patienten. Sackett DL, Rosenberg WMC, Gray JAM, Haynes RB, Richardson WS. Evidence-based Medicine: What It Is and What It Isn't. In: British Medical Journal. 312, 1996, S Evidence-based Medicine: What It Is and What It Isn't. EBM – Evidence Based Medicine

43 ASC – MMS TU VIENNA Beispiel: Herdenimmunität Impfung Herden immunität

44 ASC – MMS TU VIENNA keine Beachtung von Kreuzreaktionen konkurrierende Serotypengruppen (70/30) Definition der Serotypenverschiebung: Vermehrtes Auftreten anderer nicht im Impfstoff enthaltener Serotypen Beispiel: Serotypenverschiebung ImpftypenNicht Impftypen Serotypenverschiebung

45 ASC – MMS TU VIENNA Modellierungsprozess

46 ASC – MMS TU VIENNA Simulator Simulations ergebnisse Problemlösung Modellanalyse Numerik/Programmierung Grundsimulation Validierung: Vergleich Simulation / Realität Validierung: Analyse Parameter / Modell Identifikation: Parameterbestimmung schlechte Abbildung gute Abbildung schlechte Modellstruktur gute Modellstruktur Experimente mit dem Modell (Simulation) Problem Modell Modellbildung

47 ASC – MMS TU VIENNA Methode -> Anwendung Hochspezialisierung auf Anwendungen Fachexpertise auch für Detailschwierigkeiten Numerische und Implementierungssicherheit Problem -> Anwendung Optimale Lösungsvariante Erschließung neuer Bereiche Methode Anwendung

48 ASC – MMS TU VIENNA Eignung der Methode für Problem Rechenaufwand Analysierbarkeit der Methode Identifizierbarkeit mit Daten Aufwand der Modellierung Darstellbarkeit der Strukturen Kommunizierbarkeit der Methoden Unterschiede der Methoden Beweisbarkeit Qualitätssicherung

49 ASC – MMS TU VIENNA DGL Basisversion AB Erweiterung Kombination & Vergleich: Pneumokokken Markov Modell - Entscheidungsbaum - Statistik Realsystem DGL Erweiterung AB Basisversion Dynamische Gleichungen Gesamt- Population Einzelindividuen Rechenaufwand

50 ASC – MMS TU VIENNA OVERALL MODEL STRUCTURE Dynamische Bevölkerung Träger & Ausbreitung Krankheitsverläufe Kosten Bevölkerung Sensitivitätsanalyse

51 ASC – MMS TU VIENNA N … total number of nodes (cells) S k … number of susceptible individuals Probability of one susceptible individual to become infected expected number of susceptible individuals who become infected Vergleichende Modellbildung

52 ASC – MMS TU VIENNA For a well stirred population Taylor expansion for small r keeping only the first two terms and defining Vergleichende Modellbildung

53 ASC – MMS TU VIENNA System of difference equations of equal structure as the previously given system of differential equations LGCA implemented in MATLAB vs ODEs HPP model: Spurious Invariants and Chessboard Instability Vergleichende Modellbildung

54 ASC – MMS TU VIENNA Runge-Kutta (4,5) vs. FHP-LGCA, Domain 100 x Simulationsläufe a = 0.2, r = 0.6, S 0 = , I 0 = 100, R 0 = 0 Vergleichende Modellbildung

55 ASC – MMS TU VIENNA Ausbreitung im Automaten langsamer –Problem: Räumliche Inhomogenität –Lösung: Durchmischen –Problem: Bevölkerungsdichte –Lösung: S 0 erhöhen –S 0 = Vergleichende Modellbildung

56 ASC – MMS TU VIENNA jährliche Infektionen: 5 – 20% der Weltpopulation Jährliche Todesfälle: mehrere in nicht- pandemischen Jahren! Extrem Mutationsfreudig –jährlich andere aktive Stämme –Impfstoff schwer & unsicher zu bestimmen Hybrid – Anwendungsbeispiel Influenza

57 ASC – MMS TU VIENNA besseres Verständnis über Ausbreitung Prüfung von Gegenmaßnahmen –Impfungen –Schulschließungen bzw. Quarantäne –etc. gute Ausgangssituation –verbesserte Datenlage –höhere Rechenleistung verfügbar Hybrid – Anwendungsbeispiel Influenza

58 ASC – MMS TU VIENNA klassische (ODE) Modelle haben Nachteile –homogene Populationen –Top-Down Ansatz –Individualverhalten vernachlässigt alternative Modellansätze möglich –CA –AB-Systeme –Bottom-up – beziehen sich auf Individuen Hybrid – Wiederholung allg. Unterschiede

59 ASC – MMS TU VIENNA Unterteilung der Bevölkerung –Babies –Kindergartenkinder –Volksschüler –Mittelschüler –Erwachsene –Senioren demographische Daten –Altersstruktur –Familiengrößen –Größe der Arbeitsplätze –Größe der Schulen –Größe der Kinder- betreuungseinrich- tungen Datenquelle: Statistik Austria Hybrid – Modellierung

60 ASC – MMS TU VIENNA agentenbasierte Rahmenstruktur +einzelne Individuen +unterschiedliche Eigenschaften +leicht erweiterbar +einfach zu verwalten -rechenintensiv Hybrid – Teil 1

61 ASC – MMS TU VIENNA CAs für Infektionskalk. +einfache Regeln +effiziente Implementierung +stabile Arbeitsweise +komplexes Verhalten -weniger Modellierungs- Spielraum Hybrid – Teil 2

62 ASC – MMS TU VIENNA

63 ASC – MMS TU VIENNA Hybrid – Kombination

64 ASC – MMS TU VIENNA gute Laufzeit des Modells –Population: –Simulationsperiode: 100 Tage –Wiederholungen: 10 –Dauer: 16 h (Standard-Laptop) Modell erlaubt Tests von Gegenstrategien Hybrid – Berechenbarkeit

65 ASC – MMS TU VIENNA Anteil der infizierten Volksschüler… …wenn um 22% mehr Erkrankte zuhause bleiben Peak: + 45% Kranke! z.B.: Auswirkung von freiwilliger Quarantäne Hybrid – Beispielergebnisse

66 ASC – MMS TU VIENNA

67 ASC – MMS TU VIENNA Modularer Aufbau von Modellen Dynamische Bevölkerung Dynamisches Modell Statistische Modelle Ökonomische Bewertung Struktur & Daten Sensitivitätsanalyse


Herunterladen ppt "ASC – MMS TU VIENNA Einführung in die Modellbildung und Simulation in HTA (Health Technology Assessment), EBM (Evidence Based Medicine) und Gesundheitsökonomie."

Ähnliche Präsentationen


Google-Anzeigen