Nya just publicerade studier, som LEADER Study N Engl J Med 160614 (Victoza® liraglutide) på ADA, med 22% minskad kardiovaskulär mortalitet kan sannolikt påverka resultat i annan riktning. För detta behövs att den hälsoekonomiska modellen uppdateras.
Press info från Lilly AB
Nyhetsinfo
www red DiabetologNytt
Hälsoekonomiska utvärderingar, ett krav för subvention inom diabetes – kostnadseffektivitet med GLP-1 behandling
Författare: Stina Johansson1, MSc, PhD, Harald Borgeke2, MSc, MBA och Anders Toll2, MSc, PhD
1IMS Health Sweden AB, Pyramidvägen 7, 169 56 Solna
2Eli Lilly Sweden AB, Gustav III Boulevard 42, P.O. box 721, 169 27 Solna
Sammanfattning
Eftersom det är viktigt att både utreda effekterna och kostnaderna av att använda ett visst läkemedel eller annan behandlingsmetod så blir hälsoekonomiska analyser blir allt vanligare.
Vanligen görs någon typ av modellanalys för att utvärdera om ett läkemedel är kostnadseffektivt. I denna artikel belyser vi diabetesläkemedlet Trulicity (dulaglutid) som är en GLP-1 agonist som började förskrivas av svenska läkare 2015 och som har utvärderats hälsoekonomiskt med IMS Health Core Diabetes Modell (CDM).
IMS Health CDM är en välvaliderad transparent hälsoekonomisk modell som är vanlig att använda för utvärdering av läkemedel mot diabetes. De hälsoekonomiska analyserna av Trulicity har bl.a. visat att Trulicity är kostnadseffektivt i jämförelse med Victoza (liraglutid) 1,2 mg och 1.8 mg och TLV har baserat på de analyser som presenterats för dem beslutat att Trulicity ska ingå i högkostnadsskyddet med vissa begränsningar.
Ökande användning av GLP-1 agonister i Sverige
I takt med att kunskapen om och erfarenheten av behandling med inkretinläkemedel ökar förskrivs GLP-1 agonister i en allt högre utsträckning i Sverige. De senaste fem åren har försäljningen av GLP-1 agonister ökat från 20,5 miljoner kr 2010 till 192 miljoner kr 2015 (baserat på apotekens utförsäljningspris, AUP) (IMS Health, 2016).
I dag finns det fem olika GLP-1 agonister på marknaden i Sverige. Byetta (exenatid) var den första som lanserades 2007 och ca tre år senare introducerades Victoza (liraglutid) på den svenska marknaden. Bydureon (exenatid med långsam frisättning) kom 2012 och därefter i tät följd Lyxumia (lixisenatid) och Trulicity (dulaglutid) under 2015. GLP-1 agonisterna skiljer sig åt på en del områden, exempelvis när det gäller klinisk effekt, farmakodynamik, farmakokinetik och administration.
Trulicity och Bydureon ges exempelvis en gång per vecka, medan de övriga preparaten kräver daglig administrering för optimal terapeutisk effekt (FASS, 2016, IMS Health, 2016, Prasad-Reddy och Isaacs, 2015).
Hälsoekonomiska analyser blir allt viktigare
Med tanke på att läkemedelskostnaderna ökar och landstingens budgetar är begränsade är det viktigt att man inom hälso- och sjukvården förstår både de ekonomiska och de kliniska effekterna av att använda ett visst läkemedel.
Även om ett läkemedel i en prisjämförelse kostar mer än ett annat som kan användas för behandling av samma sjukdom är det viktigt att också jämföra effekterna av de två läkemedlen, eftersom användning av det mer kostsamma läkemedlet kan innebära en bättre effekt och rent av lägre kostnader på lång sikt. Hälsoekonomiska utvärderingar av läkemedel får därmed en allt större betydelse.
Många kliniska prövningar är relativt korta, oftast mellan 3 till 24 månader, och fångar sällan in information om exempelvis kvalitetsjusterad livslängd och kostnader över tid. I kliniska prövningar jämförs oftast inte heller alla substanser i en viss läkemedelsgrupp med varandra, vanligen gör man studier mot placebo eller enstaka andra läkemedel. Genom att göra en hälsoekonomisk utvärdering kan man få en tydligare helhetsbild av ett läkemedel, där man tar hänsyn till både kliniska resultat och ekonomiska faktorer. Man kan också i en hälsoekonomisk utvärdering jämföra läkemedel som inte ingått i samma kliniska prövning, dvs. göra en indirekt jämförelse.
I Sverige utför Tandvårds- och läkemedelsförmånsverket (TLV) hälsoekonomiska utvärderingar av nya produkter som ansökts om att få ingå i läkemedelsförmånen samt på produkter som redan ingår i förmånen för att bedöma om de ska fortsätta att subventioneras. TLV gör även hälsoekonomiska bedömningar av vissa läkemedel som används inom slutenvården inom det så kallade klinikläkemedelsuppdraget (TLV, 2016).
Vanliga mått i en hälsoekonomisk utvärdering
I en hälsoekonomisk utvärdering av ett nytt läkemedel jämförs vanligtvis två relativt likvärdiga läkemedel med varandra med avseende på kostnader och effekter. De läkemedel som man jämför ska helst vara så lika varandra som möjligt. Vanligt är att man jämför två preparat inom samma läkemedelsgrupp.
I den hälsoekonomiska analysen vill man framför allt veta hur de totala kostnaderna förändras vid användning av det nya läkemedlet jämfört med det gamla och ställa det i relation till skillnader i samlade effekter. Om det visar sig att det nya läkemedlet kostar mer men har en bättre effekt än jämförelsealternativet, vilket ofta kan vara fallet, vill man ta reda på hur mycket mer man får betala för att uppnå en bättre effekt med det nya läkemedlet.
I denna jämförelse används en inkrementell kvot, så kallad ICER (“Incremental Cost Effectivness Ratio”) för att beräkna ev. merkostnad per vunnen effektenhet av att använda ett nytt läkemedel. ICER = (Kostnad läkemedel A – Kostnad läkemedel B) / (Effekt läkemedel A – Effekt läkemedel B) (Drummond et al., 2005).
Kostnader som inkluderas i denna analys är bl.a. direkta kostnader för behandling och sjukvård. Även indirekta kostnader som produktionsbortfall vid oförmögenhet att arbeta kan inkluderas. Om man tar med de sista innebär det att läkemedel som används av personer före pensionsåldern potentiellt kan värderas högre.
Olika effektmått kan användas i den hälsoekonomiska analysen. Ett effektmått kan vara sjukdomsspecifikt, t.ex. den blodglukossänkande effekten hos patienten av ett nytt läkemedel som används vid behandling av diabetes. Dock är det vanligare att ett mer generellt effektmått används, eftersom sjukdomsspecifika effektmått begränsar möjligheten att jämföra preparat mellan olika terapiområden.
Ett vanligt förekommande effektmått som gör det möjligt att jämföra läkemedel mellan olika områden är antal vunna levnadsår, förutsatta att de påverkar livslängden.
Det vanligaste är att QALY (“Quality Adjusted Life Year”, kvalitetsjusterat levnadsår) används som ett generellt effektmått i den hälsoekonomiska analysen.
För att beräkna QALY justeras antalet levnadsår med den hälsorelaterade livskvaliteten för olika tillstånd. Full livskvalitet sätts till 1 och justering kan därifrån ske nedåt ända till 0, vilket innebär död. Det finns olika etablerade metoder som man kan använda för att bygga upp ett index och därigenom beräkna QALYs. Implikationen av beräkningen av QALYs är att värdet av ett levnadsår med full livskvalitet är lika stor som värdet av t.ex. två levnadsår med 50% livskvalitet (Drummond et al., 2005).
I hälsoekonomiska utvärderingar görs ofta så kallade modellanalyser för att bl.a. kunna göra antaganden om framtida händelseförlopp och studera längre tidsperspektiv. Olika typer av analysmetoder/modeller kan användas. I en kostnadseffektivitetsmodell samlas information om effekter och kostnader ihop. Även viss annan information kan inkluderas modellen, t.ex. information om risken att drabbas av sjukdomskomplikationer och risken för att dö. Informationen kommer vanligen från många olika källor t.ex. kliniska prövningar, observationsstudier, prislistor och kostnadsdatabaser etc.
En vanlig hälsoekonomisk modell som ofta används för att beräkna långsiktiga framtida effekter är Markov-modellen. Markov-modellen är en matematisk beräkningsmodell som är uppdelad på olika sjukdomsstadium och beskriver sannolikheten eller risken att övergå från ett sjukdomsstadium till ett annat. Specifika kostnader och hälsoeffekter är förknippade med varje sjukdomsstadium. Modellen simulerar vad som händer med avseende på kostnader och effekter i en patientpopulation över ett relativt långt tidsintervall, tiotals år (Drummond et al., 2005).
Det finns naturligtvis en viss osäkerhet i de framräknade konsekvenserna, inte minst eftersom ett flertal antaganden ligger till grund för beräkningarna. För att testa resultatens robusthet görs regelmässigt många känslighetsanalyser där dessa antaganden ändras på olika sätt. Om de övergripande resultaten inte förändras särskilt mycket vid olika antaganden så stärker det trovärdigheten för dessa.
Subventionsbeslut från TLV
När TLV beslutar om subvention för ett visst läkemedel utgår de från lagen om läkemedelsförmåner samt hälso- och sjukvårdens övergripande mål om en god hälsa och en vård på lika villkor. I sin utvärdering tar de hänsyn till tre grundläggande principer:
1) människovärdesprincipen som grundar sig på att vården ska respektera alla människors lika värde,
2) behovs- och solidaritetsprincipen där de som har störst behov ska få mer av vårdens resurser än de med lägre behov samt
3) kostnadseffektivitetsprincipen som innebär att läkemedelskostnaden ska vara rimlig sett från ett medicinskt, humanitärt och samhällsekonomiskt perspektiv (TLV, 2016).
Då TLV inte bara fokuserar på om ett läkemedel är kostnadseffektivt utan även tar hänsyn till andra värden när de beslutar huruvida ett läkemedel ska ingå i högkostnadsskyddet innebär detta att även läkemedel med relativt höga kostnadseffektivitetsvärden (ICER etc.) kan komma att få positiva subventionsbeslut och därmed ingå i högkostnadsskyddet. Exempelvis kan vissa onkologiläkemedel, som påverkar överlevnad och livskvalitet i slutet av livet och där andra behandlingsalternativ är begränsade, ha relativt höga kostnadseffektivitetskvoter och ändå vara subventionerade.
Diabetesläkemedel ligger vanligen på kostnadseffektivitetskvoter som är lägre än de för onkologiläkemedel, om de ingår i högkostnadsskyddet. TLV har i dag inga formellt uttalade gränsvärden för vad en godtagbar ICER är för att ett läkemedel ska få subvention. Varje läkemedel bedöms individuellt.
IMS Health Core Diabetes Modell kan användas för hälsoekonomiska utvärderingar av diabetesläkemedel
IMS Health Core Diabetes Modell (CDM) är en modell som ofta används för att utvärdera nya läkemedel för behandling av diabetes. Modellen har accepterats för att utvärdera nya diabetesläkemedel av myndigheter (TLV eller motsvarande) i många olika länder bl.a. i de nordiska länderna, men även i t.ex. Storbritannien, Belgien, Tyskland, Italien och USA (IMS Health CDM, 2016, Palmer et al., 2004a).
IMS Health CDM är en välvaliderad Markov-modell som både kan användas för utvärdering av läkemedel inom diabetes typ 1 och diabetes typ 2 (Palmer et al., 2004a och McEwan et al., 2014). Modellen används främst för att studera långsiktiga kliniska utfall (“outcomes”) och kan ibland ses som ett alternativ till att göra kostsamma kliniska studier som tar många år och inkluderar mycket stora patientgrupper (Palmer et al., 2004a).
IMS Health CDM har bl.a. används för att utvärdera kostnadseffektiviteten av Trulicity. I modellen jämförde man bl.a. Trulicity 1,5 mg med Victoza 1,8 mg och Victoza 1,2 mg för behandling av patienter med diabetes typ 2 i Sverige. Resultaten visade på att Trulicity var både mer effektivt och kostade mindre än om patienten behandlades med Victoza (1,2 mg och 1,8 mg) (Raibouaa et al., 2015). Kostnadseffektivitetsresultat från IMS Health CDM har presenterats för TLV och utifrån dessa resultat, där man bl.a. visar att Trulicity är mer kostnadseffektiv än Victoza 1,8 mg, har TLV beslutat att Trulicity ska vara subventionerat och ingå i högkostnadsskyddet för patienter som först har prövat metformin, sulfonureider eller insulin eller när metformin eller sulfonureider inte är lämpliga. Trulicity subventioneras endast för patienter som inte behandlas i kombination med basinsulin. Hälsoekonomiska utvärderingar har även gjorts för bl.a. Bydureon, Byetta, Victoza och Lyxumia av TLV. Exakt vilka hälsoekonomiska modeller som använts för att utvärdera dessa läkemedel framgår inte alltid av TLV:s offentligt publicerade beslut.
IMS Health CDM är en välvaliderad transparent modell
Data från IMS Health CDM publicerades för första gången 2004, och därefter har modellen beskrivits i mer än 80 vetenskapliga artiklar och presenterats på en rad olika konferenser. Minst 7 av de 10 globala läkemedelsföretag som marknadsför diabetesläkemedel använder modellen. Sedan 2004 har uppdateringar kontinuerligt gjorts i modellen för att återspegla den senaste vetenskapen och tekniken (IMS Health CDM, 2016).
Då modellen genom åren kontinuerligt uppdateras är det också viktigt att säkerställa IMS Health CDM:s trovärdighet genom att ständigt validera den. Initialt validerades modellen 2004 för att visa på den operativa och prediktiva validiteten av modellen (Palmer et al., 2004b). År 2014 publicerades ytterligare en stor valideringsstudie av IMS Health CDM som visade att modellen är en trovärdig modell för att utvärdera kostnadseffektiviteten av olika diabetesläkemedel. I denna studie utfördes 112 valideringssimuleringar och resulterade i ett totalt R2-värde (determinationskoefficient) på 0,90 (se McEwan et al., 2014 för fler valideringsresultatresultat).
Beskrivning av IMS Health CDM
IMS Health CDM är uppdelad på fyra olika element: ett användargränssnitt, input-databaser, en dataprocessor och en output-databas, se figur 1 (Palmer et al., 2004a).
I användargränssnittet kan användaren av modellen definiera vilka olika parametrar och analyser som ska användas i modellen. Man kan t.ex. definiera karaktärerna i kohorten (alt. använda en fördefinierad kohort), definiera behandlingar och behandlingssekvens, lägga in kostnads- och kliniska data, bestämma vilka typer av analyser som ska göras inklusive val av typ av kohort (öppen eller stängd), vilka känslighetsanalyser som ska utföras och om budgetpåverkansanalyser (“budget impact analysis”) ska inkluderas. I detta fönster definieras även vilka scenarier som ska jämföras i base-case samt i känslighetsanalyserna, tidshorisonten och antal patienter.
Informationen som specificerats från användaren sparas i input-databaser tillsammans med redan existerande data hämtad från tidigare publicerade källor. Input-databaserna består av en kohortdatabas, en klinisk databas, en behandlingsdatabas och en ekonomisk databas. Dessa databaser utgör grunden för de beräkningar som behöver göras i modellen.
I kohortdatabasen finns information om kohorten t.ex. ålder, kön, etnicitet, antal år med diabetes, HbA1c-värden, blodtryck, kolesterolvärden, BMI (“Body Mass Index”), cigarettförbrukning, alkoholkonsumtion och diabeteskomplikationer när patienten går in i modellen (dvs. “at baseline”).
Den kliniska databasen innehåller alla medicinska och epidemiologiska data som implementeras i modellen för att beräkna kliniska utfall (“outcomes”). Databasen innehåller en samling av sannolikheter för att övergå från ett kliniskt sjukdomsstadium till ett annat samt riskfaktorer för sjukdomsprogression och uppkomst av akuta tillstånd eller komplikationer.
Behandlingsdatabasen innehåller information om behandlingar och behandlingssekvens, effekter av behandling och förändringar i fysiologiska parametrar som en konsekvens av olika behandlingar och/eller patienthantering.
I den ekonomiska databasen samlas all data som behövs för den ekonomiska analysen, t.ex. direkta och indirekta kostnader, diskonteringskvoter och livskvalitetsdata (“quality of life data”) associerade med olika diabeteskomplikationer t.ex. kardiovaskulära sjukdomar.
Modellen är förprogrammerad att visa ett antal standardresultat för varje simulering t.ex. överlevnadskurvor, totala kumulativa direkta och indirekta kostnader, kostnader per diabeteskomplikation och per läkemedelsbehandling, incidens av komplikationer, tiden tills att en viss typ av komplikation uppkommer, förväntad livslängd, förväntad kvalitetsjusterad livslängd (QALY), ICER (baserad på QALYs) samt känslighetsanalyser och budgetpåverkansanalyser (IMS Health CDM, 2016, Palmer et al., 2004a).
En hälsoekonomisk modell är ett viktigt verktyg
Sammanfattningsvis är en hälsoekonomisk modell ett viktigt verktyg för att utvärdera både de kliniska och ekonomiska aspekterna av ett läkemedel. IMS Health CDM är ett bra exempel på en välvaliderad transparent hälsoekonomisk modell som har använts i många studier för utvärdering av olika diabetesläkemedel t.ex. Trulicity.
Figur 1: Strukturen i IMS Health CDM (Palmer et al., 2004a).
www.dagensdiabetes.se saknar möjlighet att publicera figurer på www
Referenser
1. Drummond MF, Sculpher MJ, Torrance GW, O’Brien JB, Stoddart GL, Methods for the Economic Evaluation of Health Care Programmes 3rd Edition, Oxford (UK): Oxford University Press, 2005.
2. FASS, www.fass.se, 2016.
3. IMS Health, 2016.
4. IMS Health CDM, www.core-diabetes.com, 2016.
5. McEwan P, Foos V, Palmer JL, Lamotte M, Lloyd A, Phil M, Grant D, Validation of the IMS CORE Diabetes Model, Value in Health, 2014, 17, 714-724.
6. Palmer AJ, Roze S, Valentine WJ, Minshall ME, Foos V, Lurati FM, Lammert M, Spinas GA, The CORE Diabetes Model: Projecting Long-term Clinical Outcomes, Costs and Cost-effectiveness of Interventions in Diabetes Mellitus (Types 1 and 2) to Support Clinical and Reimbursement Decision-making, Current Medical Research and Opinion, 2004a, 20(1), S5-S26.
7. Palmer AJ, Roze S, Valentine WJ, Minshall ME, Foos V, Lurati FM, Lammert M, Spinas GA, Validation of the CORE Diabetes Model Against Epidemiological and Clinical Studies, Current Medical Research and Opinion, 2004b, 20(1), S27-S40.
8. Prasad-Reddy L, Isaacs D, A Clinical Review of GLP-1 Receptor Agonists: Efficacy and Safety in Diabetes and Beyond, Drugs in Context, 2015; 4: 212283.
9. Raibouaa A, Borgeke H, Alexiou D, Lowin J, Norrbacka K, Cost-effectiveness of Dulaglutide 1.5 mg Once Weekly for the Treatment of Patients with Type 2 Diabetes Mellitus in Sweden (poster presentation), ISPOR 18th Annual European Congress, 2015.
10. TLV, www.tlv.se, 2016.
