Modelos Prospectivos y Toma de Decisiones Modelos Prospectivos y Toma de Decisiones | Page 2

MODELOS PROSPECTIVOS Y TOMA DE DECISIONES
Un modelo de evaluación para atención en salud es una metodología analítica que da
cuenta de eventos a lo largo del tiempo y entre distintas poblaciones, que se basa en los datos
extraídos de fuentes primarias y/o secundarias, y cuyo propósito es estimar los efectos de una
intervención sobre los costos y las consecuencias para la salud. Weinstein (2003).
Los modelos de costo-efectividad están diseñados para apoyar la toma de decisiones.
Esto significa que su propósito no es efectuar afirmaciones absolutas sobre las consecuencias
de las intervenciones, sino revelar la relación entre los supuestos y los resultados. Estos
supuestos incluyen supuestos estructurales sobre las relaciones causales entre las variables,
parámetros cuantitativos tales como la incidencia y la prevalencia de una enfermedad, la
eficacia y efectividad de un tratamiento, las tasas de supervivencia, los estados de salud
(utilidades), las tasas de utilización y los costos unitarios, así como juicios de valor, como
por ejemplo la naturaleza de las consecuencias que evalúan los tomadores de decisiones. Un
buen estudio basado en un modelo presenta todos estos supuestos de manera explícita y clara,
y enuncia sus conclusiones condicionadas a dichos supuestos. Weinstein (2003).
Los modelos deben utilizarse solamente después de una evaluación cuidadosa, para
asegurarse de que los cálculos matemáticos sean precisos y coherentes con las
especificaciones del modelo (validez interna), para garantizar que sus entradas y sus
resultados sean coherentes con los datos disponibles (calibración), y para garantizar que sus
resultados tengan sentido y se puedan explicar a un nivel intuitivo (validez aparente). En el
caso de que distintos modelos de la misma decisión lleguen a conclusiones diferentes, se
espera que los desarrolladores de los modelos puedan explicar el origen de las diferencias
(validación cruzada). La descripción del modelo debe ser lo suficientemente detallada como
para que el modelo pueda ser replicado matemáticamente. Weinstein (2003).
Como los eventos futuros transmiten información que no está disponible al momento
en que el modelo es desarrollado y calibrado, un modelo no debe ser criticado por no poder
predecir el futuro. No obstante, un buen modelo debe estar diseñado para poder ser calibrado
o especificado nuevamente para adaptarse a nueva evidencia a medida que esté disponible.
El criterio para determinar si, y hasta qué grado, las pruebas de validez predictiva son
necesarias antes del uso del modelo, depende de los beneficios en términos de mejorar el
modelo para la toma de decisiones y los costos de retrasar el flujo de información mientras
se obtienen datos adicionales. Weinstein (2003).