TUGAS

FARMAKOEKONOMI

Kelompok II
1. Evy Krisnawati Selly
2. Donansia Y. Umi
3. Nolviana Pandi
4. Anastasia R. Helmon
5. Matheus J. Kopong
6. Faldy M. K. Pellokila
 PENDAHULUAN
 Makrov model adalah jenis model kohort lain disamping
decision tree.
 Model ini digunakan untuk menggambarkan perjalanan
penyakit atau proses terapi sebagai satu rangkaian kondisi
kesehatan (health state)
 Model ini dapat digunakan untuk membandingkan jenis
intervensi kesehatan yang bervariasi, misal : vaksinasi,
skrining, diagnostik dan terapi
 Model makrov digunakan untuk menggambarkan suatu proses
yang stochastic (kejadian yang terjadi secara acak dengan
berjalannya waktu)
 Keuntungan model makrov
1. Kemampuan untuk menggambarkan munculnya gejala yang
berulang
2. Mampu mengintegrasikan pengaruh waktu kedalam model
3. Mampu mengekstrapolasi efek jangka panjang dari suatu
kondisi/penyakit dalam populasi menggunakan data saat ini
4. Dapat digunakan untuk menggambarkan perjalanan penyakit
kronis
 2 cara yang bisa digunakan untuk mempersentasikan model
makrov
1. Simulasi kohort
2. Simulasi monte carlo
 Contoh kasus
Pada suatu populasi, wanita sehat mempunyai risiko menderita
kanker payudara dan meninggal setiap tahun. Pasien kanker
payudara mempunyai risiko kematian yang disebabkan oleh
penyakit kanker payudara itu sendiri dan juga disebabkan oleh
penyebab alami lainnya.
1. Model atau makrov state
langkah pertama dalam pembuatan model makrov adalah
membuat model yang terdiri atas beberapa kondisi (state) dari
suatu penyakit berdasarkan kemungkinan riwayat perjalanan
dari penyakit tersebut. Kondisi ini saling berhubungan satu
sama lain dan harus dapat mempresentasikan biaya dan luaran
klinis yang disebabkan oleh penyakit yang sedang
diinvestigasi.
 Model makrov yang paling baik adalah model yang paling
mendekati kondisi yang ada pada kenyataan
 Pembuatan model yang baik harus berdasarkan bukti ilmiah
yang valid dan reliable yang menggunakan prinsip EBM
2. Probabilitas transisi dan siklus pada model
 Menggambarkan arah perpindahan (transition) individu dalam satu populasi
dari satu kondisi ke kondisi yang lain atau perpindahan dari satu kondisi ke
kondisi yang sama.
 Siklus menggambarkan kecepatan dari arus perpindahan (transition) antar
kondisi (state) yang terjadi dalam waktu yang teratur dan bersamaan
 Kecepatan dari siklus ini sepenuhnya dipengaruhi oleh penyakit itu sendiri.
Semakin cepat terjadinya perubahan kondisi populasi yang disebabkan oleh
suatu penyakit akan mengakibatkan kecepatan perpindahan antar kondisi
semakin cepat (siklus, jam, harian atau mingguan). Sedangkan, untuk
penyakit dengan perubahan status atau gejala yang lambat seperti kanker,
penyakit hipertensi atau penyakit degeneratif lainnya, maka siklus digunakan
juga lebih panjang (6-bulanan, tahunan atau lebih)
 Informasi mengenai besar atau jumlah atau proporsi perpindahan yang terjadi setiap
siklus dipresentasikan oleh variabel bernama probabilitas transisi. Nilai probabilitas
transisi ini dihitung dari angka insidensi atau angka kejadian baru dari suatu kondisi
dalam rentang waktu tertentu dengan menggunakan rumus sebagai berikut :
p = 1 – exp (-rt)
r = - [ln(1-p)]/t

Contoh : Follow up selama 5 tahun terhadap 100 kelompok pasien yang mengalami
serangan jantung sebesar 40 orang. Dari kasus ini, maka probabilitas terjadinya
serangan jantung selama 5 tahun adalah (40/100) 0.4. Dengan asumsi kecepatan
kejadian serangan jantung tersebut adalah konstan. Maka nilai r dari serangan jantung
adalah :

1 – year transition probability = 1 – exp (-0.1022 x 1) = 0.0971

 Lanjutan kasus
di populasi tersebut, angka kejadian baru dan angka kematian
(disebabkan oleh kanker dan kematian normal) tahunan untuk
wanita dengan usia 50 tahun hingga 74 tahun adalah masing-masing
0.00128 dan 0.0194 setiap 100.000 penduduk. Sedangkan angka
kematian normal dari wanita pada populasi tersebut adalah 0.0188
per 100.000 jumlah penduduk.
3. Simulasi Kohort
 Pada studi ekonomi, komponen biaya dan luaran kesehatan harus
dihitung secara lengkap berdasarkan perspektif yang digunakan.
Perhitungan biaya dan luaran kesehatan tersebut dilakukan dengan
menjumlahkan seluruh biaya dan luaran kesehatan yang berkaitan
dengan kondisi yang muncul akibat dari suatu penyakit di suatu
populasi. Biaya dan luara dihitung berdasarkan 3 kondisi yaitu sehat
(diasumsikan individu sehat tidak membutuhkan biaya dalam
konteks kesehatan dan QALYs adalah 1), kanker payudara
(membutuhkan biaya terapi dan QALYs <1), dan meninggal (tidak
membutuhkan biaya dan QALYs adalah 0).
 Pembuatan simulasi kohort dari model makrov yang telah
dikembangkan harus dilakukan untuk memberikan gambaran
mengenai bagaimana perpindahan individu dalam populasi tersebut
dengan berjalannya waktu. Perpindahan tersebut terjadi secara
bersamaan berdasarkan siklus untuk semua kondisi.
4. Discount Rate
 Berbeda dengan analisis keputusan yang secara umum
menggambarkan perjalanan penyakit dalam rentang waktu yang
pendek. Model makrov mampu memberikan deskripsi mengenai
kondisi penyakit pada populasi di masa depan.
 Presiksi, simulasi atau proyeksi mengenai perjalanan penyakit di
masa depan tersebit berdasarkan interaksi parameter input yang
tersedia saat ini. Oleh karena itu, biaya (ekonomi) dan luaran
kesehatan yang dihitung menggunakan model makrov merupakan
nilai yang terjadi dimasa depan.
 Dengan adanya konsep bahwa nilai dari biaya dan kesehatan
mengalami penurunan setiap tahunnya, maka konsep discounting
perlu diaplikasikan pada nilai mata uang dan nilai luaran kesehatan
untuk mendapatkan ‘nilai sekarang’ dari kedua variabel tersebut.
Ket :
PV : Present value (nilai sekarang dari biaya maupun luaran kesehatan)
FV : Future Value (nilai masa depan yang diperoleh dari model makrov
r : Discount rate (besarnya nilai diskon yang diimplementasikan ke dalam model
t : Tahun dimana nilai FV terjadi
5. Integrasi Biaya (ekonomi) dan Luaran Klinis kedalam Model
 Dengan asumsi bahwa ketika pasien kanker payudara yang baru
terdiagnosis atau kasus baru teridentifikasi, pasien tersebut akan
menjalani berbagai macam terapi (kemoterapi, radioterapi dan atau
pembedahan) untuk mengobati kanker payudara tersebut. Oleh
karena itu, biaya total yang harus dibayarkan dapat dihitung
berdasarkan jumlah wanita dengan kanker payudara yang baru
terdiagnosis setiap tahunnya selama rentang waktu evaluasi (time
horizon) yang sudah ditentukan.
 Dengan menggunakan time horizon selama 25 tahun dan dengan
menggunakan asumsi bahwa seorang pasien kanker payudara yang
baru terdiagnosis membutuhkan biaya sebesar 5000 dollar.
 Langkah pertama dalam perhitungan biaya untuk kanker
payudara ini adalah dengan membuat simulasi kohort selama
25 tahun. Selanjutnya, perlu dihitung jumlah pasien baru
atau insidensi dari kanker payudara karena biaya pengobatan
kanker payudara tersebut hanya dibutuhkan oleh pasien baru
terdiagnosis dan bukan total penderita kanker payudara
(prevalensi). Angka insidensi (kasus baru) dari kanker
payudara ini dapat dihitung dengan cara menghitung
besarnya perpindahan wanita dari kondisi sehat ke kondisi
kanket payudara (S KP=S x tS2KP).
KELEMAHAN MODEL MAKROV
 Probabilitas transisi yang berubah dengan berjalannya
waktu
jika probabilitas transisi dari masing-masing kondisi
mempunyai ketepatan yang berbeda-beda. Oleh karena itu,
penyeregaman satuan dengan menggunakan rumus
perhitungan rate-probabilitas, perlu untuk dilakukan agar
probabilitas transisi sesuai dengan siklus yang digunakan.
 Model makrov relatif lebih kompleks jika dibandingkan
dengan pohon keputusan
 Tidak adanya kemampuan untuk menyimpan memory

model makrov tidak mampu mengenali individu yang

berada dalam populasi karena perpindahan individu
dipengaruhi proporsi kejadian suatu penyakit di dalam
populasi dan bukan riwayat penyakit terdahulu dari
individu.
TERIMA KASIH