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 :