Metodika predikcí

1. Zdrojová data

Predikce využívají pouze validní populační data, oficiálně získaná od zákonem určených správců. Data jsou analyzována v anonymizované podobě. Konkrétně jde o následující zdroje:

1. Národní onkologický registr ČR (správce a poskytovatel dat: ÚZIS ČR). Standardně vedená epidemiologická databáze o zhoubných nádorech s více než 1,7 mil. záznamů od roku 1977. Populační data jsou pro predikce na léta 2011-2015 k dispozici k roku 2010, situace v následujících letech je předmětem predikcí.
2. Demografická data populace ČR a registr zemřelých (správce a poskytovatel dat: ČSÚ ČR) tvoří nepostradatelnou informační základnu pro prediktivní hodnocení epidemiologických dat.
3. Expertní odhady zaměřené na hodnoty, které není možné z populačních dat věrohodně získat, zejména pravděpodobnost absolvování různých modalit protinádorové léčby u onemocnění v různých stadiích.

2. Definice referenčního souboru dat pro klinicky relevantní predikce onkologické zátěže

Korektní definice referenčních dat je základem věrohodnosti analýz, což je zvláště významné u prediktivních modelů. Chceme-li populační data využít pro hodnocení výsledků a nákladů péče, musíme z dostupných zdrojů čerpat údaje s jistým omezením:
- Data musí být aktuální a musí reflektovat současnou situaci zdravotnictví. Historické trendy mohou být velmi zavádějící.
- Zásadní jsou údaje od pacientů, kteří skutečně prošli zdravotnickým zařízením a byli léčeni. Počty pacientů diagnostikovaných např. při pitvě sice mají epidemiologický význam, ale hodnocení nákladů a výsledků péče nijak neovlivňují.

Této analýze jsme podrobili Národní onkologický registr ČR (NOR). Z důvodu aktuálnosti jsme rozsah analyzovaných dat omezili na období 1995–2010, kdy v databázi NOR můžeme pracovat s validními záznamy podle novějších verzí klasifikace TNM. Data z tohoto období představují dostatečně velký vzorek pro populační analýzy (Obr. 1). Velmi podstatné je vyčlenění záznamů o pacientech s nedokončenou diagnostikou v důsledku odmítnutí léčby, komplikací nebo časného úmrtí, neboť tyto záznamy by zkreslovaly analýzy o nákladech na protinádorovou terapii. Ve shodě s literaturou byla použita hranice časného úmrtí do 1 měsíce od diagnózy.

Výsledkem auditu dostupných populačních dat je tedy referenční soubor kvalitních a věrohodných záznamů, které zachycují léčbu a výsledky léčby u pacientů s řádně dokončenou diagnostikou. Jak dokumentuje obr. 1, i následná separace protinádorově léčených a neléčených pacientů ještě stále poskytuje dostatečně velký vzorek pro populační analýzy.

Obrázek 1. Navržená cesta k referenčnímu souboru populačních dat pro hodnocení výsledků a nákladů péče (Národní onkologický registr ČR, 1995–2010)

3. Stručný metodický popis provedených výpočtů

Máme-li k dispozici referenční soubor dat, můžeme jej využít pro odhady dalších komponent nezbytných pro analýzy výsledků a nákladů léčebné péče. Smyslem těchto výpočtů je dospět ke spolehlivému odhadu počtu pacientů žijících v daném období a vyžadujících protinádorovou terapii. Podle podílu klinických stadií u žijících pacientů lze následně při znalosti možných scénářů léčby odhadnout i očekávané náklady. Jelikož u populačních registrů dostáváme data vždy s jistým zpožděním, jsou níže vyjmenované odhady prováděny prospektivně:

1. Odhady incidence a mortality. Odhady byly provedeny jednak pro celková data a jednak odděleně pro klinická stadia. Metodika vychází z epidemiologických trendů za známé období a koriguje je s ohledem na pravděpodobné demografické změny populace. Byl použit Poissonův regresní model s odhady doplněnými intervaly spolehlivosti.
2. Odhad prevalence pacientů s protinádorovou terapií. Prospektivní odhad prevalence kombinuje odhady počtu nově diagnostikovaných pacientů v budoucích letech a pravděpodobnost x-letého přežití u pacientů diagnostikovaných v předchozích letech. Jde tedy o vícesložkový odhad, který kombinuje regresní odhady incidence a analýzy x-letého přežití s tím, že pouze určitá část pacientů diagnostikovaných (a léčených) v minulých letech přežije do hodnoceného roku (celková prevalence) a dále pouze určitá část z nich prodělá relaps nebo progresi onemocnění, a je tedy v daném roce opět protinádorově léčena (viz též obrázek 2).
3. Odhad x-letého přežitá onkologicky nemocných pacientů. Výpočet odhaduje x-leté přežití analýzou kohort definovaných 5letým časovým intervalem. Tato šířka intervalu definující jednu kohortu je standardně využívána i v mezinárodních studiích (Berrino a kol., 2007)
4. Odhad četnosti (pravděpodobnosti) relapsu nebo progrese nádorového onemocnění v daném roce. Velmi podstatný parametr, nezbytný pro odhad počtu pacientů léčených pro relaps nebo progresi základního onemocnění. Při konstrukci těchto odhadů byla využita data o mortalitě na zhoubné nádory z NOR a z registru zemřelých (přesné datum a příčina úmrtí). Ze záznamů o smrti pacienta z důvodu základního onkologického onemocnění lze odvodit četnost relapsů, a tedy i pravděpodobnost jejich nastání do 1., 2., .... x. roku od primární diagnózy. Jelikož právě tyto „poslední“ relapsy (u pokročilých klinických stadií se jedná o progrese) vedou k diseminovanému a léčebně velmi nákladnému onemocnění, jde o odhad relevantní právě pro hodnocení nákladů. Populační odhady byly nezávisle ověřeny pomocí odhadů provedených vybranou skupinou klinických expertů.

Obrázek 2. Vícesložkový populační odhad počtu pacientů s protinádorovou terapií v daném roce

4. Analýza rizik a pravděpodobnost zkreslení

Veškeré níže uvedené odhady jsou odvozené z populačních epidemiologických dat. Z této skutečnosti plyne i jistá neurčitost a bodové odhady jsou tedy doplněny 90% intervalem spolehlivosti. Každý jednotlivý bodový odhad musí být interpretován neoddělitelně od těchto pravděpodobnostních limitů, které vyjadřují jeho statistickou spolehlivost a zabrání zkreslením.

5. Literatura

• Berrino F., DeAngelis R., Sant M. et al.(2007): Survival for eight major cancers and all cancers combined for European adults diagnosed in 1995-99: results of the EUROCARE-4 study. Lancet Oncology, published online in August 21, 2007: http://oncology.thelancet.com.
• Capocaccia R. et al. (2002): Measuring prevalence in Europe: the EUROPREVAL project, Annals of Oncology, 13: 831-839
• Dušek L., Žaloudík J., Indrák K. (2006) Informační zázemí pro využití onkologických populačních dat v ČR. Zvláštní vydání Klinické onkologie 1/2007, 200 s., ISSN 0862-495X.
• Dyba T., Hakulinen T. (2000): Comparison of differenet approaches to incidence prediction based on simple interpolation techniques, Statistics in medicine, 19: 1741-1752
• Esteve J., Benhamou E., Raymond L. (1994): Statistical Methods in Cancer Research Volume IV: Descriptive Epidemiology, Lyon, International Agency for Research on Cancer.
• Fletcher H., Fletcher S. (2005): Clinical Epidemiology: The Essentials, Baltimore, Lippincot Williams and Wilkins.
• Gail M.H., Kesser L., Midthune D., Scoppa S. (1999): Two approaches for estimation disease prevalence from Population-based registries of incidence and total mortality, Biometrics, 55: 1137-1144
• Hakulinen T., Dyba T. (1994): Precision of incidence predictions based on Poisson distributed observations, Statistics in medicine, 13: 1513-1523
• Lutz et al. (2003): Cancer prevalence in Central Europe: the EUROPREVAL study, Annals of Oncology, 14: 313-322.
• Mariotto A.B., Yabroff K.R., Feuer E., De Angelis R., Brown M. (2006): Projectiong the number of patients with colorectal carcinoma by phase of care in US: 2000-2020, Cancer causes control, 17: 1215-1226.
• Mariotto A. Waren J.L., Knopf K.B., Feuer E.J. (2003): The prevalence of patients with colorectal carcinoma under care in the U.S., Cancer, 98: 1253-1261
• Møller B., Weedon-Fekjæer H., Haldorsen T. (2005).: Empirical evaluation of prediction intervals for cancer incidence. BMC Medical Reasearch Methodology. 5:21 http://www.biomedcentral.com/1471-2288/5/21
• Verdecchia A., De Angelis Giovanni, Capocaccia R. (2002): Estimation and projection of cancer prevalence from cancer registry data. Statistics in medicine, 21: 3511-3526