首页 > 文章详情

秦叔逵和李进教授肿瘤药物经济学研究被ISPOR第22届年会收录

2017年05月20日

编译：《肿瘤瞭望》编辑部

来源：肿瘤资讯

药物经济学评价，可采用模型分析技术对两种或两种以上药品或服务的治疗成本和效果进行综合评价及比较，以了解所评估药品的经济性，即性价比。其决策原则是增量分析，最终结果报告干预手段与对照手段的相对成本和效果之差的比值，即增量成本效果比（ Incremental Cost Effectiveness Ratio, ICER），体现为获得额外单位效果所需要支付的花费。经济学评价中的效果通常以质量调整生命年（ Quality-Adjusted Life Years, QALY）体现。若该笔花费低于 ICER 的当地意愿支付阈值，则证明干预手段相比对照手段具有经济学优势。

近期有一项振奋人心的好消息传来！中国人民解放军第八一医院秦叔逵教授、同济大学附属东方医院李进教授等人牵头开展了一项题为“阿帕替尼相对于最佳支持治疗用于中国化疗难治性晚期或转移性胃癌患者的成本效果分析”的研究，目前该研究结果已经被国际药物经济学与结果研究协会（ ISPOR）第22届年会收录，并受到国内外专家学者的广泛关注，将于5月22日在美国波士顿作研究结果的展示。它最终能否以科学手段证实阿帕替尼在当下中国的效果与经济性优势呢？让我们拭目以待！

关于药物经济学研究：

药物经济学评价研究，需要根据研究角度定义不同治疗手段的成本和效果，通过构建科学合理的模型，在明确研究方法的基础上，根据纳入的各类数据计算得出对应结果。接下来，跟大家探讨下晚期胃癌的药物经济学评价中的几个重要问题：

1. 对照方案的合理选择

各国药物经济学评价指南均提出，对照选择应尽可能采用适应症的常规治疗或标准治疗方案。对于晚期转移性胃癌患者，胃癌诊疗指南建议应采取以全身药物治疗为主的综合治疗，包括化学药物和分子靶向药物。但二线治疗的药物选择十分有限；而二线后的治疗除阿帕替尼外无其他标准治疗方案。因此，目前晚期胃癌药物经济学评价常用化疗或最佳支持治疗作为对照[1]。

2. 模型参数的重要性

优先选择证据等级高的数据

不同治疗手段的成本和效果、效用数据是评价的核心，在模型分析中尤为如此。因此，纳入数据本身的质量很重要，指南推荐应当优先选择证据等级较高的数据。在药物经济学评价中，效用指标通常来源于随机对照试验对患者效用值的报道；成本数据综合出版文献、国内公开的药物成本数据库，进行医疗成本的计量[1]。严格的临床试验以及相应研究范围内的成本调研，都是推荐选择的高等级分析数据。

充分反映当时当地的医疗环境

中国正深化医疗卫生体制改革，包括医疗服务和药品价格在内的改革，这也会对研究中的数据产生重要影响，可能导致相同的两种方案在不同时间的对比结果不同。临床中许多化疗药物都有一定的赠药政策，恒瑞为造福中国晚期胃癌患者，自 2015 年 6 月开始实施阿帕替尼患者援助项目，减轻患者负担，实际有效降低治疗的总体总费用。因此，在考虑患者援助项目对总治疗费用的影响下进行评估，更能准确反映阿帕替尼在中国目前状况下的经济学价值。

3. 合理的模型周期与充分的研究时限

Markov 模型是一种无后效应的离散型随机过程，主要用来研究系统的“状态”及状态“转移”的一种工具。在模型运行过程中，结合每个状态上的成本与健康产出，通过多次循环计算，得出结果，为模拟疾病的长期发展历程提供可靠的模型支持。胃癌治疗后的自然转归符合 Markov 基本原理，对中国胃癌患者两种治疗方案进行药物经济学评价，可采用划分 3 种互不相容的病程状态，创建 Markov 模型并运行分析[2]。

模型循环周期需要考虑疾病的临床特征和数据的可获得性，建议采用疾病病理或症状期望发生变化的最小时间间隔。研究时限应反映疾病的病程转归和干预方式带来的所有影响，因此应保证研究时限足够长以收集干预组和对照组可能的成本和效果上的显著差异，以此严格贴合真实世界中的疾病状态。

阿帕替尼是二线后治疗效果明显的胃癌靶向药，主要通过高度选择性地抑制血管内皮生长因子受体-2（ VEGFR-2）酪氨酸激酶的活性，阻断血管内皮生长因子（ VEGF）与其受体结合后的信号转导通路，从而强效抑制肿瘤血管生成，发挥抗肿瘤作用。2014年10月经国家食品药品监督管理局批准上市，用于中国临床晚期胃癌二线后的治疗，中国临床肿瘤学会（ CSCO）抗肿瘤药物安全管理专家委员会也已经发布《阿帕替尼治疗胃癌的临床应用专家共识》[3]。但是，对于这种临床上已经具有客观有效性和明显生存获益的治疗药物，目前尚缺乏科学严谨的药物经济学报道，导致在确定其临床有效性的同时却对其临床经济性尚不可知，这对于二线后的治疗患者和医护人员来说是个遗憾。

参考文献

[1]LAM S W, WAI M, LAU J E, et al. Cost-Effectiveness Analysis of Second-Line Chemotherapy Agents for Advanced Gastric Cancer[J]. Pharmacotherapy, 2017, 37(1): 94-103.

[2]谭重庆, 彭六保, 曾小慧, et al. 药物经济学评价 Markov 模型实例解析[J]. 中国医院药学杂志, 2015, (18): 1690-1693.

[3]秦叔逵, 李进. 阿帕替尼治疗胃癌的临床应用专家共识[J]. 临床肿瘤学杂志, 2015, (09): 841-847.