Kan matematiske modeller gi bedre prioriteringer i behandling av spiseforstyrrelser?

En pasient med spiseforstyrrelse skrives ut fra behandling. Hva skjer videre? For noen markerer utskrivelsen starten på varig bedring. For andre kommer tilbakefallene raskt, og sykdommen kan bli langvarig.

Dette er ikke bare et spørsmål om behandling av enkeltpasienter, men også om prioriteringer i helsevesenet. Hvilken behandling gir mest helse igjen for ressursene som brukes?

Når livsløp må forstås i tall

For å nærme oss slike spørsmål bruker vi ofte enkle matematiske modeller.

En av de mest brukte er en Markov-modell. Den deler sykdomsforløpet inn i tilstander som “syk”, “bedring” og “tilbakefall”, og beskriver sannsynligheten for å bevege seg mellom dem over tid.

Kostnader og helseeffekter følger hver tilstand

Hver tilstand i modellen har to konsekvenser som bygger seg opp over tid.

Den ene er kostnader. Når en pasient befinner seg i en tilstand som “syk”, vil det typisk være knyttet høyere behandlingskostnader til denne perioden, enten det er terapi, oppfølging eller innleggelse. Når pasienten er i bedre helse, faller disse kostnadene.

Den andre er helseeffekter. Disse måles ofte i QALY, der ett år i perfekt helse tilsvarer 1, mens dårligere helse gir lavere verdi. Et år i en sykdomstilstand kan for eksempel gi 0,4 QALY, mens et år i bedre funksjon gir 0,8.

Når vi følger en pasient over flere år, summeres både kostnader og QALY fra hver periode. På den måten blir et helt sykdomsforløp til en akkumulert sum av både ressursbruk og helsegevinst.

Et enkelt eksempel gjør det tydelig

Tenk deg to ulike behandlingsforløp for samme type pasient over fem år.

I det ene forløpet er pasienten oftere i sykdom, og samlet helse over perioden blir for eksempel 2,5 QALY. I det andre forløpet gir bedre behandling færre tilbakefall, og helsen øker til 3,5 QALY over samme periode.

Forskjellen på ett QALY over fem år kan virke liten. Men i helseøkonomi er det betydelig fordi det også må sees i sammenheng med kostnadene som har påløpt i samme periode. Små forskjeller i sannsynlighet for tilbakefall kan dermed få store konsekvenser når de får tid til å virke.

Små forskjeller blir store over tid

Det sentrale poenget er at både kostnader og helse akkumuleres over tid. Modellen bokfører hvert år pasienten befinner seg i en tilstand, og summerer dette til slutt.

Det gjør det mulig å sammenligne behandlinger på en strukturert måte. Vi får ikke bare informasjon om de virker, men hvordan de påvirker hele sykdomsforløpet og kostnader over tid.

Men virkeligheten er mer kompleks

Modellen bygger på en viktig forenkling: Den antar at fremtiden bare avhenger av hvilken tilstand pasienten er i nå, ikke av tidligere sykdomsforløp, en antakelse kjent som Markov-egenskapen.

I praksis vet vi at historien betyr noe. En pasient med flere tilbakefall har ofte et annet forløp enn en som nylig ble syk.

Slike forskjeller kan delvis bygges inn i mer avanserte modeller. Likevel minner de oss om noe viktig: Modeller er forenklinger av virkeligheten, ikke virkeligheten selv. 

Når forenkling likevel er nødvendig

Likevel brukes slike modeller stadig mer, særlig når man skal sammenligne ulike behandlingsformer.

Selv arbeider jeg med å utvikle en modell som sammenligner tradisjonell ansikt-til-ansikt behandling med digitale tilbud.

I psykisk helsevern, der ressursene er begrensede og behovene store, kan slike modeller bidra til bedre prioriteringer. Målet er ikke å redusere mennesker til tall, men å forstå hvordan vi kan bruke begrensede ressurser bedre uten å miste det menneskelige perspektivet.

Hva vi egentlig prøver å få til

Alle modeller er forenklinger. Spørsmålet er ikke om de er feil, men om de hjelper oss å forstå konsekvensene av valgene vi tar.

I helseøkonomi handler dette i bunn og grunn om noe enkelt: hvordan vi best kan bruke begrensede ressurser til å gi mest mulig helse tilbake til dem som trenger det.

Hvis vi først skal forenkle virkeligheten, bør vi gjøre det på en måte som gjør beslutningene bedre, ikke mer tilfeldige.

Jonas Linkas er forsker ved Universitetet i Bergen og arbeider med helseøkonomiske modeller innen psykisk helse. Han er særlig interessert i hvordan vi kan bruke begrensede ressurser bedre i behandling av spiseforstyrrelser, og i utviklingen av digitale behandlingstilbud. Det er ikke oppgitt interessekonflikter.