При проведении фармакоэкономических исследований часто приходится сталкиваться с ситуацией, когда имеющихся клинических данных недостаточно для прямого сравнения оцениваемых медицинских технологий. Однако, в некоторых случаях недостаток клинических данных может быть восполнен путем моделирования.

Моделирование — это исследование объектов познания на их моделях; построение и изучение моделей реально существующих предметов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя.

Моделирования экономических объектов являются необходимыми при проведении фармакоэкономических исследований в тех случаях, когда имеющихся клинических данных не достаточно для сравнительного анализа. Моделирование в фармакоэкономике актуально для специалистов в области экономики здравоохранения, особенно для тех, чья профессиональная деятельность связана с проведением фармакоэкономических исследований и принятием решений о лекарственном обеспечении. Объектами исследования моделирования в фармакоэкономическом анализе являются любые экономические объекты. Математические модели экономических систем должны удовлетворять требованиям адекватности, универсальности, полноты и простоты, должны соответствовать расчетным практическим формулам[2].

Виды моделирования. В силу многозначности понятия "модель" не существует единой классификации видов моделирования. Классификацию можно проводить по характеру моделей, характеру моделируемых объектов, приложению моделирования и т. д. Например, можно выделить следующие виды моделирования[3]:

• Компьютерное моделирование
• Математическое моделирование
• Аналитическое моделирование
• Статистическое моделирование
• Имитационное моделирование
• Другие виды моделирования

В фармакоэкономике широко применяются как аналитические, так и статистические модели. Каждый из этих типов имеет свои преимущества и недостатки.

Аналитические модели более "грубы", учитывают меньшее число факторов, всегда требуют множество допущений и упрощений[1]. Тем не менее, результаты расчета по ним легче обозримы, отчетливее отражают присущие явлению основные закономерности. Использование аналитических моделей позволяет более просто найти оптимальное решение.

Статистические модели, по сравнению, с аналитическими, более точны и подробны, не требуют столь грубых допущений, позволяют учесть большее (в теории – неограниченное по размеру) число факторов [1]. Но и у них есть свои недостатки: громоздкость, плохая обозримость, большое требование к вычислительной мощности компьютера, а главное, крайняя трудность поиска оптимальных решений.

Наилучшим вариантом является совместное применение аналитических и статистических моделей. Аналитическая модель дает возможность в общих чертах разобраться в явлении, наметить как бы контур основных закономерностей. Любые уточнения могут быть получены с помощью статистических моделей.

Также, при проведении фармакоэкономических исследований часто используется имитационное моделирование, одним из представителей которого является метод "Монте-Карло".

Метод Монте-Карло — это численный метод решения математических задач при помощи моделирования случайных величин [5,8].

Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться специалист, принимающий решение. Применительно к фармакоэкономике: специалист, ведущий терапию некоторого заболевания, может в зависимости от сложившейся обстановки, принимать те или другие решения. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки в ответ на это решение и к каким последствиям оно приведет спустя некоторое время. Следующее "текущее решение" принимается уже с учетом реальной новой обстановки и т.д. В результате многократного повторения такой процедуры субъект, принимающий решение, как бы "набирает опыт", учится на своих и чужих ошибках и постепенно "выучивается" принимать правильные решения – если не оптимальные, то почти оптимальные.

История моделирования в фармакоэкономике - это история имитационных математических моделей, которые лишь частично удовлетворяют предъявляемым требованиям и не обладают познавательными функциями. Неудовлетворенность степенью выполнения предъявляемых требований составляет основную проблему моделирования экономики. Решение этой проблемы моделирования экономики связано с развитием и использованием функциональных математических моделей и методов моделирования экономических объектов. Особенностью функционального моделирования является то, что оно основано на фундаментальных законах функционирования экономики, а преимуществом - то, что функциональные модели в полной степени удовлетворяют предъявляемым требованиям и обладают высокими познавательными функциями. Поэтому в истории моделирования экономики можно выделить следующие этапы:

• формирование и применение имитационных математических моделей экономических объектов на основе отдельных закономерностей экономики;
• формирование и применение функциональных математических моделей экономических объектов на основе законов экономических систем.

Современные представления функционального моделирования экономических объектов выражены в законах функционирования, функциональных моделях и методами моделирования экономических систем.

Дизайн моделей. По дизайну наиболее часто встречающиеся в фармакоэкономике модели можно разделить на модель Маркова и "дерево решений"[1].

Дерево решений - диаграмма, иллюстрирующая все возможные исходы применительно к конкретной специфической ситуации. Модель Маркова – описывает несколько дискретных состояний и переходы между ними с течением времени.

На рисунке 1 приведен пример модели "дерево решений" лечения некоторого заболевания двумя различными методиками ("А" и "В") с определенными затратами и эффективностью.

Как показывает практика, очень удобно описывать лечение хронического заболевания в виде вероятностей переходов из одного состояния в другое, при этом считается, что, перейдя в одно из состояний, модель не должна далее учитывать обстоятельства того, как она попала в это состояние[7,10].

"Модель Маркова". Марковские модели стали широко применяться в ФЭ из-за более гибкой, чем у "дерева решений" структуры. В отличие от альтернатив, на которых сконцентрированы "деревья решений", Марковские модели (Рис. 2) строятся из состояний и вероятностей перехода из одного состояния в другое в течение данного временного интервала (Марковского цикла)[9,11].

Случайный процесс называется Марковским процессом (или процессом без последействия), если для каждого момента времени вероятность любого состояния системы в будущем зависит только от ее состояния в настоящем и не зависит от того, как система пришла в это состояние.

На рисунке 2 представлено графическое изображение Модели Маркова. Имеются несколько состояний: "Здоровье", "Болезнь", "Смерть" и известна вероятность перехода из одного состояния в другое на протяжении определенного временного периода. Длительность временных циклов зависит от особенностей болезни и предлагаемого лечения. Существует два варианта описания Марковских процессов — с дискретным и непрерывным временем [4]. В первом случае переход из одного состояния в другое происходит в заранее известные моменты времени — такты (1, 2, 3, 4, …). Переход осуществляется на каждом такте, то есть исследователя интересует только последовательность состояний, которую проходит случайный процесс в своем развитии, и не интересует, когда конкретно происходил каждый из переходов. Во втором случае исследователя интересует и цепочка меняющих друг друга состояний, и моменты времени, в которые происходили такие переходы. Если вероятность перехода не зависит от времени, то Марковскую цепь называют однородной[4].

Процесс моделирования. Процесс моделирования включает три элемента [3]:

• субъект (исследователь),
• объект исследования,
• модель, определяющую (отражающую) отношения познающего субъекта и познаваемого объекта.

Первый этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обусловливаются тем, что модель отображает (воспроизводит, имитирует) какие-либо существенные черты объекта-оригинала. Вопрос о необходимой и достаточной мере сходства оригинала и модели требует конкретного анализа. Очевидно, модель утрачивает свой смысл как в случае тождества с оригиналом (тогда она перестает быть моделью), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала. Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от исследования других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько "специализированных" моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.

На втором этапе модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение "модельных" экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о ее "поведении". Конечным результатом этого этапа является множество (совокупность) знаний о модели.

На третьем этапе осуществляется перенос знаний с модели на оригинал — формирование множества знаний. Одновременно происходит переход с "языка" модели на "язык" оригинала. Процесс переноса знаний проводится по определенным правилам. Знания о модели должны быть скорректированы с учетом тех свойств объекта-оригинала, которые не нашли отражения или были изменены при построении модели.

Четвертый этап — практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им.

Моделирование — циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т. д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта или ошибками в построении модели, можно исправить в последующих циклах.

Литература:

1. Вентцель Е.С. Исследование операций, "Советское радио", - М., 1972 г.
2. Моделирование экономических систем. http://www.reco.ru/edu/rate/ModEcSys,
3. Моделирование. Википедия. http://ru.wikipedia.org
4. Мухин О.И. Моделирование систем. http://www.stratum.ac.ru
5. Соболь И.М. «Метод Монте-Карло», «Наука», - М., 1985 г.
6. Barton P, Bryan S, Robinson S. Modelling in the economic evaluation of health care: selecting the appropriate approach. J Health Serv Res Policy 2004; 9(2): 110-118
7. Brennan A., Akehurst R. Modelling in Health Economic Evaluation. What is its place? What is its value? Pharmacoeconomics 2000; 17(5): 445-459
8. Briggs A, Claxton K, Sculpher M. Decision modelling for health economic evaluations.Oxford: Oxford University Press, 2007:165-224
9. Briggs A, Sculpher M. An Introduction to markow modelling for economic evaluation. Pharmacoeconomics 1998; 13(4): 397-409
10. Buxton MJ, Drummond MF, Van Hout BA, Prince RL, Sheldon ТА, Szucs T, Vray M. Modelling in economic evaluation: an unavoidable fact of life. Health Economics 1997; 6: 217-227
11. Drummond MF, Sculpher MJ, Torrance GW, Stoddart GL. Methods for the economic evaluation of health care programmes, 3rd edition. Oxford: Oxford University Press, 2005: 277-322.