De kosteneffectiviteit van het bevolkingsonderzoek borstkanker in Vlaanderen.

De kosteneffectiviteit van het bevolkingsonderzoek borstkanker in Vlaanderen. Gezondheidseconomische evaluatie Eindrapport Gezondheidseconomisch rapport in opdracht van de Vlaamse Overheid Departement Zorg Auteur: Max Lelie Coauteurs: Bo Vandenbulcke, Prof. Dr. Nick Verhaeghe, Prof. Dr. Lieven Annemans, Prof. Dr. Steven Simoens, Prof. Dr. Koen Putman Mei 2024 i a. Inhoud a. Inhoud ............................................................................................................................................................................... i b. Figuren en tabellen .......................................................................................................................................................... ii c. Gebruikte termen en afkortingen ..................................................................................................................................... 1 Samenvatting ................................................................................................................................................................................ 3 1. Introductie ........................................................................................................................................................................... 4 1.1 Achtergrond en doelstellingen ......................................................................................................................................... 4 1.2 Economische evaluatie van screening scenario’s ............................................................................................................ 6 1.3 Huidige en voorgaande evaluatie .................................................................................................................................... 8 2. Onderzoeksmethodiek ........................................................................................................................................................ 9 2.1 Inleiding ........................................................................................................................................................................... 9 2.2 Model structuur .............................................................................................................................................................. 12 2.3 Screening parameters .................................................................................................................................................... 14 2.4 Epidemiologische parameters ........................................................................................................................................ 15 2.5 Klinische parameters ..................................................................................................................................................... 15 2.6 Gezondheidseconomische parameters ........................................................................................................................... 15 2.7 Onzekerheid en sensitiviteitsanalyses ............................................................................................................................ 16 2.8 Aannames en verschillen met voorgaande modellen ..................................................................................................... 17 3. Resultaten .......................................................................................................................................................................... 19 3.1 Inleiding ......................................................................................................................................................................... 19 3.2 Kosteneffectiviteit Basis scenario’s ................................................................................................................................ 20 3.2.1 Huidige screening versus geen screening ............................................................................................................. 20 3.2.2 Uitbreiding Screening versus huidige Screening .................................................................................................. 21 3.3 Sensitiviteitsanalyse ....................................................................................................................................................... 23 3.3.1 Impact van micro-scenarios. ................................................................................................................................. 23 3.3.2 One-Way Sensitiviteit van parameters ................................................................................................................. 24 3.3.3 PSA Scenario B versus Scenario A ...................................................................................................................... 24 3.3.4 PSA Scenario C versus Scenario B ...................................................................................................................... 26 3.4 Resultaat validatie ......................................................................................................................................................... 27 3.4.1 Detecties van borstkanker ..................................................................................................................................... 27 3.4.2 Distributie van de kosten ...................................................................................................................................... 29 3.4.3 Mortaliteitsreductie door screening ...................................................................................................................... 30 4. Discussie en Conclusie ...................................................................................................................................................... 31 4.1 Inleiding ......................................................................................................................................................................... 31 4.2 Discussiepunten ............................................................................................................................................................. 31 4.3 Eindconclusie ................................................................................................................................................................. 33 5. Referenties ......................................................................................................................................................................... 34 ii b. Figuren en tabellen Figuren Figuur 1: natuurlijk ziekteverloop borstkanker ............................................................................................................ 9 Figuur 2: Voorbeeld Risico stratificatie in een Markov Model .................................................................................. 10 Figuur 3: Gecorrigeerde ziekteverloop Borstkanker .................................................................................................. 12 Figuur 4: Versimpelde weergave Markov Model ....................................................................................................... 13 Tabellen Tabel 1: Overzicht verschillende IKER-uitkomsten en wat deze betekenen. ............................................................... 7 Tabel 2: Globaal overzicht verschillen tussen de huidige en voorgaande evaluatie ................................................... 17 Tabel 3: Kosteneffectiviteit Scenario B versus A ....................................................................................................... 20 Tabel 4 Kosteneffectiviteit Scenario C versus B. ....................................................................................................... 22 Tabel 5: Detectie pogingen en borstkanker detecties, per model jaar (gemiddelde van 25 model jaren). ................. 27 Grafieken Grafiek 1: Cost-effectiveness ICER Plane ................................................................................................................... 7 Grafiek 2: Scatterplot en CEAC van de vergelijking Huidige Screening met Stoppen Screening ............................. 25 Grafiek 3:Scatterplot en CEAC van de vergelijking Uitbreiding Screening met Huidige Screening ........................ 26 Grafiek 4: Distributie van gedetecteerde borstkanker naar stadia en detectie route. .................................................. 28 Grafiek 5: Spreiding van de kosten per scenario per persoon. ................................................................................... 29 Grafiek 6: Relatieve sterfte aan borstkanker binnen model cohort............................................................................. 30 Formules Formule 1: Lifetime risk berekening. ......................................................................................................................... 11 Formule 2: Kansen op een screening event. ............................................................................................................... 14 1 c. Gebruikte termen en afkortingen Borstkanker/ BK: Kankers die primair ontstaan (voor uitzaaiing) in het borstweefsel. Er zijn 5 stadia (0 tot IV), afhankelijk van de grootte en uitzaaiing van de kanker. Cohort: Dit is de populatie die binnen een model gesimuleerd wordt. Omdat het doorgaans niet wenselijk is om een volledige populatie te simuleren, is een cohort vaak een specifieke sectie van de complete populatie. In het huidig onderzoek is de cohort de Vlaamse bevolking tussen 45 en 74 jaar in 2022. CEAC: Cost-Effectiveness Acceptability Curve. Dit is een grafiek die de kans aangeeft dat een interventie kosteneffectief is bij een bepaalde betalingsbereidheid (hoeveel % van de simulaties onder een bepaalde IKERdrempelwaarde vallen). CvKO: Centrum voor Kanker Opsporing. Uitvoerder van de bevolkingsonderzoeken naar kanker in Vlaanderen. Departement Zorg: Departement Zorg van de Vlaamse Overheid, opdrachtgever van dit onderzoek. Ductaal Carcinoma In Situ/ DCIS: Ook wel borstkanker stadium 0 genoemd. Hierbij zijn er kwaadaardige kankercellen, enkel gelokaliseerd in de melkbuisjes. Deze vorm van kanker blijft vaak gelokaliseerd en zaait dan niet uit, maar de precieze rol van DCIS in het krijgen van invasieve borstkanker is het onderwerp van actief onderzoek. Gezondheidszorg perspectief: Dit is het kostenperspectief waarbij alleen de kosten die gemaakt worden in de gezondheidszorg in rekening worden gebracht. Dit is een nauw kosten-perspectief. ICER/ Incremental Cost-Effectiveness Ratio: Incrementele kosten-effectiviteitsratio (IKER). Dit is de primaire uitkomstmaat van kosteneffectiviteit. Dit zijn de incrementele kosten tussen twee simulaties, gedeeld door de incrementele gezondheidseffecten tussen deze twee simulaties. Dit drukt dan de kost per gezondheids-eenheid uit (bv. de kost per gewonnen QALY). Incidentie: Het aantal mensen dat in een bepaalde bevolking, binnen een bepaalde tijd, de ziekte krijgt. Levensjaren: Dit is een uitkomstmaat, maar in tegenstelling tot QALYs, houdt deze uitkomstmaat geen rekening met utiliteiten van gezondheidstoestand. Het is simpelweg het aantal geleefde jaren (kwantiteit van leven). Maatschappelijk perspectief: Dit is het kostenperspectief waarbij zowel de gezondheidszorg kosten als de maatschappelijke kosten in rekening worden gebracht. De maatschappelijke kosten bestaan veelal uit de kosten door verloren arbeidsproductiviteit, maar kunnen ook verdere kosten omvatten zoals transport kosten, kosten voor partner belasting, aanpassingen aan residenties, etc. Markov Model: Een type model dat een ziekteproces en de invloed van een interventie simuleert door een populatie een aantal gezondheidstoestanden te laten doorlopen. MRI-Scan: Magnetische resonantiebeeldvorming, een medische beeldvormingstechniek die gebruik maakt van sterke magnetische velden in plaats van röntgenstraling. Dit wordt gebruikt in plaats van een digitale mammografie bij vrouwen met dicht borstweefsel. Oproepjaar: een binaire optie of een bepaalde leeftijd op een bepaald jaar opgeroepen wordt tot screening. Uit rapportage blijkt dit geen harde scheiding. Ieder jaar ontvangt een (klein) percentage mensen buiten het oproepjaar een uitnodiging, en doen op basis hiervan een test. De redenen hiervoor kunnen veelvuldig zijn, maar het model neemt dit mee in de calculaties. De oproepjaar matrix bepaalt welke leeftijden in een gegeven jaar voornamelijk een uitnodiging krijgen. Prevalentie: Het aantal mensen dat in een bepaalde bevolking, op een gegeven moment, de ziekte heeft. 2 Prevalentie (Relevante): Het aantal mensen dat in een bepaalde bevolking, in een bepaalde tijd, de ziekte heeft en nog ontdekt moeten worden. PSA: Probabilistic Sensitivity Analysis. Dit is een type sensitiviteitsanalyse waarbij alle invoerparameters gelijktijdig met een bepaalde range kunnen variëren (bijvoorbeeld in een normaalverdeling rond het gemiddelde) over een x aantal simulaties. Hiermee kan de robuustheid van de resultaten inzichtelijk gemaakt worden. QALY/ Quality Adjusted Life Year: Dit is een parameter die in een gezondheidseconomische evaluatie vaak als uitkomstmaat voor de gezondheid wordt gebruikt. Dit is de utiliteitsscore van een geleefd jaar met inachtneming van de gezondheidstoestand (kwantiteit en kwaliteit van leven). Een hypothetisch jaar in de best mogelijke gezondheid is gelijk aan 1 QALY. Omdat perfecte gezondheid doorgaans niet de standaard is, is de basis utiliteit, afhankelijk van leeftijd, vaak iets lager. Daarnaast wordt, indien iemand specifieke gezondheidsproblemen heeft, een disutiliteit afgetrokken. Response-graad: Het percentage mensen van een leeftijd x die in jaar y daadwerkelijk een test afnemen na het ontvangen van een uitnodiging (binnen 12 maanden). SKR/ BCR: Stichting Kanker Register / Belgian Cancer Registry. Onderzoeksorgaan verantwoordelijk voor rapportage omtrent kankers in België. Tijdshorizon: Het tijdsperspectief waarin de kosten en baten verzameld worden. Dit kan variëren tussen de looptijd van het model, en levenslang. In dit laatste geval worden de baten geschat over de resterende levensverwachting. Uitnodigings-graad: Het percentage mensen van een leeftijd x die in jaar y een uitnodiging voor screening ontvangen. 3 Samenvatting Dit rapport beschrijft het proces en de resultaten van de gezondheidseconomische evaluatie van het Vlaams Bevolkingsonderzoek borstkanker. Deze evaluatie heeft de kosteneffectiviteit bepaald van zowel het programma in haar huidige vorm (screening van 50 tot 69 jaar oud) en een uitgebreide vorm (screening van 45 tot 74 jaar). Dit laatste scenario is vastgesteld op basis van de recente aanbevelingen vanuit de Europese Unie omtrent kankerscreening. Er is voor dit doel een evaluatie model gemaakt, welke ook als webapplicatie beschikbaar gesteld is voor de Vlaamse Overheid. Het model is een Markov model dat de gehele huidige Vlaamse bevolking simuleert tot een maximale leeftijd van 100 jaar. Hierbij is rekening gehouden met risico gestratificeerd screenen, potentiële overscreening aan de hand van DCIS, en de meest recente schattingen omtrent de epidemiologie, behandeling, en klinische uitkomsten van borstkanker. De resultaten geven aan dat het huidige screeningsprogramma in vergelijking met geen screeningsprogramma kosteneffectief is vanuit het maatschappelijk perspectief met een IKER van € 9,679 per QALY en € 4,755 per gewonnen levensjaar. Een uitbreiding van dit screeningsprogramma is eveneens kosteneffectief tegenover het huidige programma, met een IKER van € 17,133 per QALY en € 15,333 per gewonnen levensjaar. Sensitiviteitsanalyses tonen aan dat deze resultaten robuust zijn tegen variaties van de waarden van de invoer parameters. 4 1. Introductie 1.1 Achtergrond en doelstellingen Borstkanker is de meest voorkomende kanker bij vrouwen, waarbij jaarlijks in Vlaanderen rond de 6500 nieuwe gevallen voorkomen [1]. Het risico op borstkanker hangt af van veel factoren, waaronder genetische aanleg, omgeving, leefstijl, en leeftijd [2]. Onder de 30 jaar komt borstkanker weinig voor, maar het risico neemt opbouwend toe met leeftijd, en de grootste stijging in risico vindt plaats tussen 40 en 50 [1, 3]. Met een European Age Standardized Rate (ESR) van 184.7 staat België zeer hoog binnen Europa op het gebied van borstkanker incidentie, waarbij enkel Luxemburg hoger scoort (189.6, EU-27 gemiddelde is 147.6) [4]. Het is echter mogelijk dat deze cijfers de werkelijkheid vertekenen; veel van de landen met de hoogste ESRs hebben ook hogere detectiegraden van Ductaal Carcinoma In Situ (DCIS) [5]. Dit is een voorstadium van borstkankers dat veelal zelf-beperkend (indolent) is, waardoor tenminste een deel van deze hogere waarde wellicht toe te schrijven is aan het screeningsprogramma in Vlaanderen. Dit blijkt ook uit een blik op de sterfte door borstkanker. Jaarlijks sterven er ongeveer 2300 vrouwen in België aan borstkanker, wat slechts iets boven het Europese gemiddelde ligt (35.0 per 100,000 in België, 34.8 voor de EU-27) [4]. Hierbij is het tevens wel weer op te merken dat België goede behandelingsopties voor borstkanker biedt, wat de mortaliteit extra neerwaarts drukt ten opzichte van andere Europese landen. Het bevolkingsonderzoek borstkanker (BVO) in Vlaanderen is in 2001 gestart, waarbij de mogelijkheid voor gratis screening wordt aangeboden aan vrouwen. Op dit moment worden vrouwen tussen de 50 en 69 jaar elke twee jaar uitgenodigd voor een digitale mammografie, soms aangevuld met een MRI scan indien een digitale mammografie geen geschikte beelden oplevert. Ook dit is vergelijkbaar met andere Europese landen die veelal om de 18 tot 36 maanden (24 maanden komt het vaakst voor) een digitale mammografie/MRI aanbieden [5]. Zodoende worden er in Vlaanderen ieder jaar ongeveer 220,000 screenings afgenomen [6a, b, c], en inclusief screening buiten het BVO om is er een dekkingsgraad van ongeveer 65%. Dit is in vergelijking met Europa een gemiddelde dekking, en lager dan de 70% doelstelling. Buiten het BVO bestaat er ook een aparte screening voor vrouwen met een geïdentificeerd verhoogd risico, en is spontane screening op verwijzing van de huisarts ook een optie waar veel vrouwen gebruik van maken. In dit rapport beschrijven wij het proces en de resultaten van een kosteneffectiviteitsanalyse van het BVOborstkankerscreeningsprogramma in Vlaanderen. Hierbij wordt gekeken naar de kosteneffectiviteit van het programma in haar huidige vorm, alsmede een uitgebreidere vorm zoals recentelijk aanbevolen vanuit de Europese Unie [7]. Veel van deze beleidsaanbevelingen zijn al standaard geïmplementeerd in Vlaanderen 5 (screening elke 24 maanden met een digitale mammografie, MRI indien nodig). Het betreft hierbij enkel het uitbreiden van de screening doelgroep naar 45tot 74-jarigen. Hiermee is dit rapport deels een vervolg op de analyse en bijbehorend rapport van 2015 [8]. De aansluiting met dit voorgaande rapport wordt dieper toegelicht in sectie 1.2. Hoofdstuk 2 van dit rapport bespreekt de methodologie van de analyses, modelstructuur, en databronnen. In hoofdstuk 3 worden de resultaten gepresenteerd, gevolgd door de discussie en conclusie in hoofdstuk 4. Dit project is uitgevoerd in het kader van het ‘Health-economic evaluations of prevention policies in Flanders – HelppFl’ project. Het betreft een interuniversitaire samenwerkingen tussen de Vrije Universiteit Brussel, Katholieke Universiteit Leuven, en Universiteit Gent. Tevens is gedurende het evaluatieproces structureel overleg uitgevoerd (werkgroep overleggen) met werkveld experts vanuit het Centrum voor Kankeropsporing en het Belgian Cancer Registry. Tenslotte een vermelding over de notatie van getallen in dit rapport. Door een automatische link met bepaalde uitkomst datasets was het niet mogelijk om getallen in tabellen te formatteren op de Vlaamse stijl van punten en komma’s (bijv. € 10.000,00). Om verwarring door inconsistentie te voorkomen is besloten om alle getallen in dit document te formatteren op de internationale stijl (bijv. € 10,000.00). 6 1.2 Economische evaluatie van screening scenario’s De gezondheid economische evaluatie is uitgevoerd aan hand van de methodologieën aanbevolen door Drummond et al [9]. Hierbij worden drie verschillende scenario’s door wiskundige modellen gesimuleerd: Scenario A. Beëindiging van het screeningsprogramma (alle overige screening blijft). Scenario B. Voortzetting van de huidige screening (referentie jaar 2023). Scenario C. Uitbreiding van de screening naar 45 tot 74 jaar. Scenario A is een comparator-only scenario, gebruikt om de incrementele kosten en baten te bepalen van screening. Dit is een wereld waarbij het BVO zou beëindigen. Wel moet hierbij opgemerkt worden dat in het vertrekpunt (jaar 0 in het model) dus een groot cohort al ooit gescreend is geweest. Scenario B is een voortzetting van de huidige screening van vrouwen tussen 50 en 69 jaar oud. Screening vindt plaats door middel van een digitale mammografie, aangevuld met een MRI-scan wanneer een digitale mammografie geen voldoende resultaat geeft. Scenario C is het uitbreidingsscenario waarbij screening wordt uitgebreid naar 45 tot 74 jaar zoals aanbevolen vanuit de Europese Unie. Binnen dit rapport wordt ook apart gekeken naar enkel uitbreiden naar het jongere leeftijd cohort, en enkel het oudere cohort. Deze scenario’s worden onderling met elkaar vergeleken. Scenario B wordt vergeleken met scenario A (comparator voor deze vergelijking), en Scenario C met Scenario B (comparator voor deze vergelijking). De evaluatie vindt plaats door de kosten en baten van een scenario te verminderen met de kosten en gezondheidsbaten van het comparator-scenario. Dit levert de incrementele kosten en baten van een scenario. De kosten worden geteld afhankelijk van het gekozen perspectief (maatschappelijk of gezondheidszorg), en de baten worden geteld in Quality Adjusted Life Years (QALYs). De QALY is een gewogen gezondheidsmaat waarbij levenskwaliteit en ziekte samengevat wordt in een “kwaliteitsjaar”. Door de incrementele kosten te delen door de incrementele baten ontstaat de Incremental CostEffectiveness Ratio (IKER). De IKER is dus de Incrementele kosten/ Incrementele baten, wat de hypothetische prijs uitdrukt voor één gewonnen QALY. Afhankelijk van of de teller en noemer positief dan wel negatief zijn heeft de IKER een eigen kwadrant op de Cost-Effectiveness plane (grafiek 1). 13 Additionele toelichting: Alle ongeïdentificeerde staten zijn onderverdeeld in risicogroepen (3 in de basis analyse) die ofwel screenen in het kader van het BVO, ofwel hierbuiten (dit is spontane screening, screening bij hoog risicogroepen, en symptomatische detecties). Screening deelname wordt berekend als de jaarlijkse proportie uitnodigbare mensen, vermenigvuldigd met de responsegraad (deelname indien uitgenodigd), vermenigvuldigd met de frequentie factor (iedere 24 maanden screenen komt uit op 0.5). Afhankelijk van de sensitiviteit en specificiteit vinden vals positieve en vals negatieve uitslagen plaats. Eventuele vals positieven worden bij het Multidisciplinair Oncologisch Consult ontdekt en keren daarna terug naar de respectievelijke gezondheidstoestand. Tijdens behandeling kan stadium progressie voorkomen, en een kleine portie van gevallen worden langdurig behandeld. Na behandeling volgt een stadium specifieke follow-up, waarbij telkens een kans bestaat op een terugkerende kanker (stadium specifiek). Het model registreert dit als een nieuwe detectie, maar deze wordt niet het BVO toegerekend. Het is vanuit al deze elementen mogelijk om te sterven aan niet-kanker-gerelateerde oorzaken. Stadium III en IV kennen een kanker-gerelateerde sterftekans. Figuur 4: Versimpelde weergave Markov Model 14 2.3 Screening parameters De screening parameters (alle invoer waarden die gezamenlijk bepalen of er een screening event plaatsvindt) worden binnen het model berekend op basis van rapportinformatie [6a, b, c]. De kans op een screening event is afhankelijk van leeftijd, risicogroep, gezondheidstoestand, en is onderscheiden in screening binnen en buiten het BVO. Indien er een screening plaatsvindt kan een onderliggende gezondheidstoestand bekend gemaakt worden naargelang de specificiteit en de sensitiviteit van de mammografie. In formule 2 worden de kansen op een screening event wiskundig uitgedrukt. Wat dit concreet betekent is dat borstkanker altijd een absolute kans heeft om gedetecteerd te worden door het vertonen van symptomen, ook in groepen die wel of niet screenen. Verder heeft elke risicogroep en leeftijdscombinatie een eigen mix van screening modaliteiten binnen en buiten het BVO. Tevens worden deze screening modaliteiten bijgestuurd door de onderliggende gezondheidstoestand: Screening binnen het BVO is waarschijnlijker bij lagere stadia borstkanker. Bij de afwezigheid van borstkanker (gezond of vatbaar) is er geen symptomatische kans, en zijn er ook geen gezondheidstoestand specifieke factoren die screening beïnvloeden. De BVO-screening frequentie in scenario B is 24 maanden voor alle screening leeftijden. In Scenario C worden 45tot 49-jarigen elke 24 maanden gescreend, en van 70 tot 74 elke 36 maanden [7]. De screening deelname tabellen zijn terug te vinden in appendix A.1. In Scenario A (beëindiging BVO) is aangenomen dat 50% van de huidige screeners bij het BVO zouden overstappen naar Spontane Screening. Formule 2: Kansen op een screening event. Symp (i) is de absolute kans om symptomatisch te worden per gezondheidstoestand i. RgS(rg, age) is de Risicogroep specifieke screening buiten het BVO, naargelang leeftijd. SpS(rg, age) is de Spontane screening die deze risicogroep naargelang leeftijd uitvoert. Inv(rg, age) is de uitnodigingsgraad per risicogroep en leeftijdsjaar. Rsp(rg, age) is de responsegraad op een uitnodiging per risicogroep en leeftijdsjaar. Freq(rg, age) is de screening frequentie per risicogroep en leeftijdsjaar. TF(i) en SF(i) zijn de gezondheidstoestand specifieke factors waarmee screening meer/minder vaak voorkomt. 15 2.4 Epidemiologische parameters Dit model gebruikt jaar-incidentie cijfers van het BCR [1] in combinatie met de Screening bevindingen van het CvKO [6a, b, c] om de prevalentie en transitie kansen te bepalen voor BK en DCIS. Het model hanteert voor de transitie kansen een algoritme gebaseerd op de Kolmogorov methode, en voor de prevalentie een algoritme dat de huidige incidentie afhankelijk van screening events extrapoleert naar de gehele bevolking. Hierdoor kan het model in de toekomst gemakkelijk voorzien worden van recente informatie uit publieke rapporten. Deze methodologie is ook toegepast in het voorgaande Dikke darmkanker model [10]. Een diepere uitleg en de resulterende epidemiologische parameters zijn terug te vinden in appendix A.2. 2.5 Klinische parameters Binnen dit model worden de klinische parameters voornamelijk exogeen ingevoerd. Het gaat hier over de sterftekansen door borstkanker, sterftekansen door andere oorzaken, de kansen dat borstkanker symptomatisch wordt, en de kansen dat na een behandeling van borstkanker er een terugval (cancer recurrence) plaatsvindt. Deze waarden zijn terug te vinden in appendix A.3 en werden afgeleid uit de literatuur. De utiliteiten voor een leeftijdsspecifiek levensjaar zonder borstkanker zijn gebaseerd op de schattingen van Belgische Utiliteit waarden [14]. De disutiliteiten voor borstkanker lopen op met het stadium, en nemen toe in het behandeling jaar, soortgelijk als in evaluatie-2015. De disutiliteiten zijn herrekenend op basis van schattingen voor borstkanker stadia, behandelingen, en de stabiele fase na behandeling [15, 16]. Tevens wordt er een disutiliteit van 0.02 aangerekend voor vals positieve resultaten [17]. Het overzicht van disutiliteiten is terug te vinden in de appendix A.4. 2.6 Gezondheidseconomische parameters De kosten gebruikt in dit model zijn op te delen in twee perspectieven. Het maatschappelijk perspectief bekijkt alle kosten toerekenbaar aan borstkankerscreening; de kosten voor het behandelen, screenen, eventuele overlijdens, en de kosten door verloren arbeidsproductiviteit. Het gezondheidszorg perspectief kijkt enkel naar de kosten die gemaakt worden binnen het gezondheidszorgsysteem. Een uitgebreide kosten specificatie kan gevonden worden in appendix A.4. De kosten voor het programma zijn ongeveer € 2M per jaar. Hiernaast kost iedere screening uitnodiging 51 cent, en kent iedere screening een additionele variabele kost van € 8,14 voor de tweede lezing en verwerking van de resultaten. Iedere digitale mammografie zelf kost €71,14 en een MRI-scan € 213,81. Deze waarden zijn gebaseerd op de RIZIV-nomenclatuur codes 16 [11]. De kosten voor het behandelen en opvolgen van borstkanker zijn tevens gebaseerd op nomenclatuur codes, alsmede op basis van specifieke kosten-impactstudies [12, 13]. Er wordt een disconteringsvoet van 3% toegepast op de kosten, en 1.5% op de baten. 2.7 Onzekerheid en sensitiviteitsanalyses In dit model worden er twee primaire sensitiviteitsanalyses uitgevoerd. Er zijn Tornado diagrammen waarbij de sensitiviteit van de kosten, baten en IKER voor wijzigingen in bepaalde parameters visueel wordt voorgesteld. Hierbij worden invoerwaarden relatief verhoogd of verlaagd (met 25%) om de relatieve impact op de kosteneffectiviteit te tonen. Dit geeft aan welke inputparameters de grootste invloed hadden op de resultaten. Daarnaast wordt ook een probabilistische sensitiviteit analyse (PSA) uitgevoerd. Dit is de belangrijkste sensitiviteitsanalyse, waarbij de onzekerheid rond de uitkomst bepaald kan worden. Voor deze PSA wordt de simulatie 2500 keer herhaald, elk met kleine variaties in de invoer parameters. Deze zijn in iedere simulatie anders, waardoor uiteindelijk 2500 variaties van de simulatie uitkomsten worden verzameld. Op basis van deze 2500 simulaties wordt een 95% confidence interval berekend, waarbinnen 95% van de IKER-waarden zich bevinden. Dit kan voorgesteld worden als een wolk van punten op het kosteneffectiviteitsvlak en in een kosteneffectiviteit aanvaardbaarheidscurve Cost-Effectiveness Acceptability Curve (CEAC) die de kans aangeeft dat screening kosteneffectief is voor een bepaalde kosteneffectiviteitsgrens. Ten laatste worden ook 3 specifieke invoer waarden apart getest op sensitiviteit: de proportie van huidige screeners die overstappen naar spontane screening (50% in de basecase), de proportie van vrouwen waarbij een MRI-scan wordt toegepast (35% in de basecase), en een hypothetische participatie verhogende campagne. 17 2.8 Aannames en verschillen met voorgaande modellen In de huidige evaluatie zijn de meest recente en accurate databronnen geselecteerd om een volledig nieuw model te construeren. Daarnaast zijn er meerdere grote wijzigingen in de modelstructuur die een substantiële impact hebben op de resultaten. De grootste wijzigingen staan vermeld in tabel 2 en worden verder toegelicht. De granulariteit van de cohort verwijst naar de detailstructuur waarin de populatie in het model bestaat. In de evaluatie-2015 werden 3 leeftijdscategorieën gedefinieerd, waarbij iedere groep uniforme utiliteiten, transitie kansen, en prevalenties had. In de huidige evaluatie is de cohort per jaar opgedeeld, met een maximumleeftijd van 100. Door een maximale leeftijd te hanteren ontstaat een onderschatting van de voordelen, echter is dit verwaarloosbaar klein. Het voordeel daarentegen is het voorkomen van een systematische overschatting door de exponentiele kansberekening. Hieraan gerelateerd is de looptijd en tijdshorizon van het model. Dit was 20 jaar in de evaluatie-2015, wat inhoudt dat er 20 jaar aan transities plaats konden vinden, en maximaal 20 jaar aan baten kon accumuleren. In dit model wordt de lifetime horizon gehanteerd, zodat alle vooren nadelen kunnen worden geaccumuleerd. Anders gezegd kan de volledige gezondheidsimpact van iedere geïnvesteerde euro in screening worden berekend. Een andere wijziging is de aanwezigheid van risicogroepen en risico gestratificeerd screenen. Dit is aanwezig in het huidige model, wat voorkomt dat de effecten van het BVO overschat zouden worden, terwijl deze eigenlijk buiten het BVO vallen. De analyse gaat uit van de huidige drie groepen [18], maar # Onderwerp van wijziging evaluatie-2015 evaluatie-2024 3 leeftijdscategorieën: Cohort per leeftijdsjaar, 50-59, 60-69, 69+ jaar. van 0 tot 100 jaar. 2Tijdshorizon van model 20 jaar, geen lifetime correctie. 100 jaar, lifetime horizon. 3Risico-gestratificeerd screenen Niet gemodelleerd. 3 verschillende risicogroepen in analyse, 4 in model. 4Follow-up staten Staten gespreid, terugval enkel naar distaal. Enkelvoudige staten, gespreide terugval. 5 Transitie kansen en prevalenties Literatuur. Endogene data verwerking van Vlaamse data. 6Screening-Waves Expliciet, vast Impliciet, variabel 1 Granulariteit van cohort Tabel 2: Globaal overzicht verschillen tussen de huidige en voorgaande evaluatie 18 het model bevat een 4e groep die eventueel voor een verlaagde risicogroep toegepast kan worden. Er is ook een verschil met de verwerking van de follow-up states die na een behandeling volgen. Het voorgaande model splitste follow-up op in tijdsvlakken, waarmee tijdsgebonden effecten op de korte termijn accurater verwerkt konden worden (zoals de kans op terugval). Hiertegenover was de terugval kanker altijd distaal/stadium III. Dit houdt in dat dat er bijvoorbeeld geen terugkerende contralaterale Ductaal Carcinoma in Situ kan plaatsvinden. Dit is in het huidige model omgedraaid, waarbij de types terugkerende kankers zowel leeftijd als stadium specifiek zijn, ten koste van de tijdsgebondenheid. Tenslotte verwerkt het huidige model endogeen invoer data vanuit StatBel, screening rapporten, en incidentie cijfers om tot transitie kansen en prevalenties te komen. Hiermee is het model toegespitst op de epidemiologische situatie in Vlaanderen en zou hierdoor accurater de kosteneffectiviteit voor Vlaanderen voorspellen. Tenslotte zijn screening waves (de screening modaliteit van om het jaar screenen) anders verwerkt. De voorgaande evaluatie verwerkte dit expliciet (dat wil zeggen er werd exact gescreend met 24 maanden tussen de screening), maar dit was door andere aanpassingen niet mogelijk in dit model. In dit model worden de waves impliciet meegenomen als een gemiddelde frequentie per jaar, met de mogelijkheid om deze frequentie te variëren voor bepaalde leeftijdsgroepen. Hoewel expliciet screenen een correctere simulatie is van het screening proces, is het effect hiervan binnen het model verwaarloosbaar. Samen met de aangepaste meest recente invoerwaarden van het model verklaren deze wijzigingen de grootste verschillen in conclusies en resultaten tussen de evaluatie-2015 en evaluatie-2024. 19 3. Resultaten 3.1 Inleiding In deze sectie worden de resultaten van het gezondheidseconomisch model toegelicht. Hierbij staan de kosteneffectiviteit resultaten voorop, omdat het model primair ontworpen is voor dit doeleinde. Hierbuiten zijn er ook bijkomende resultaten die zowel context geven aan de kosteneffectiviteitsuitkomsten en verdere informatie kunnen verschaffen over het screeningsprogramma. Het verdient hierbij echter wel de opmerking dat omdat het model ontworpen is om de kosteneffectiviteit te bepalen, het indirect niet ontworpen is om bijvoorbeeld de meest accurate schatting van de totale budgettaire impact van het screeningsprogramma te bepalen. Dit houdt in dat zulke resultaten als indicatief beschouwd moeten worden. Zoals uitgelegd in Sectie 1.2 zijn er 3 scenario’s die onderling worden vergeleken. Scenario A is het scenario waarin het programma wordt beëindigd. Scenario B is het scenario waarin de huidige screening wordt voortgezet, en Scenario C is het scenario waarin de Screening doelgroep wordt uitgebreid van 50 tot 69 jaar naar 45 tot 74 jaar. Om de kosteneffectiviteit te bepalen maken we 2 vergelijkingen: We vergelijken Scenario B (Huidige Screening) met Scenario A (Beëindiging BVO) om te bepalen of het huidige programma (nog steeds) kosteneffectief is. Daarnaast vergelijken wij Scenario C (Uitbreiding Screening) met Scenario B (Huidige Screening) om te bepalen of de uitbreiding kosteneffectief met het huidige programma als vertrekpunt. In Sectie 3.2 wordt de kosteneffectiviteit van deze vergelijkingen gerapporteerd in incrementele kosten, incrementele baten, en de IKER. Hierbij worden ook de effecten van bepaalde modelopties getoond. In Sectie 3.3 beschrijft de sensitiviteit van deze resultaten, ofwel hoe robuust de conclusies zijn tegen wijzigingen van de waarden van invoer parameters. In Sectie 3.5 worden de resultaten dieper gevalideerd aan de hand van tussenuitkomsten (zoals de distributie van gevonden kankers, het aantal uitgevoerde testen, en de mortaliteitsreductie).k 20 3.2 Kosteneffectiviteit Basis scenario’s 3.2.1 Huidige screening versus geen screening De incrementele kosten-utiliteitsanalyse van het Huidige Screeningsprogramma (scenario B) vergeleken met Geen Screening (scenario A) staat samengevat in tabel 3. De incrementele kosten en baten omvatten het totaal aan kosten en baten over de gehele tijdshorizon (100 jaar in de Base case analyse). De Base case analyse is het model instelling gericht op het zo realistisch mogelijk simuleren van de effecten van het programma. De bevindingen worden vanuit het maatschappelijk en het gezondheidszorg perspectief gerapporteerd. Hierbij wordt een kosteneffectiviteit threshold-waarde gehanteerd € 44,000 per QALY. Tevens wordt ook gekeken naar de uitkomstmaat in totale levensjaren i.p.v. QALYs, hierbij wordt de Quality-Of-Life buiten beschouwing gelaten. Basecase, Maatschappelijk € 452,330,512 46,735 € 9,679 Basecase, Gezondheidzorg € 468,875,075 46,735 € 10,033 Uitkomstmaat Levensjaren € 468,875,075 98,610 € 4,755 * Zonder vals-positieve penalties € 468,875,075 48,163 € 9,735 Zonder Risicogroepen € 427,744,298 40,295 € 10,615 Geen migratie aanpassing € 460,818,745 45,236 € 10,187 Restrictieve cohort (50-69 jaar) € 258,948,952 14,508 € 17,849 tijdshorizon 20 jaar € 331,998,448 12,129 € 27,372 tijdshorizon 50 jaar € 445,734,565 33,790 € 13,191 Analyse Huidige Screening versus Stoppen screening Kosten (€) Baten (QALY) Incrementele Incrementele IKER (€/QALY) Tabel 3: Kosteneffectiviteit Scenario B versus A *NB. Hierbij is de uitkomstmaat levensjaren (life-years gained) zonder Quality of Life correctie. 21 Tevens wordt de impact van specifieke model-opties weergegeven. Deze opties zijn: de impact van valspositieve uitslagen (een additionele kost en disutiliteit-penalty), het uitzetten van het risico-gestratificeerd screenen (d.w.z. iedereen valt in de default-groep), de verwachtte impact van populatie groei door migratie, en specifieke model-restricties zoals een gesloten cohort (d.w.z. geen nieuwe instroom van screeners) en een verkorte tijdshorizon (waarbij kosten en baten verzameling beperkt wordt tot 20 en 50 jaar). De opties om vals-positieve uitslagen, risicogroepen, en toekomstige populatie groei door migratie hebben geen substantiële impact op de kosteneffectiviteit. Wel zijn cohort restricties (een cohort van 50-69, en tijdshorizonnen van 20 en 50 jaar) van grote invloed op de IKER. Dit is echter te verwachten, gezien deze instellingen een rem plaatsen op de mogelijke baten van screening die kunnen plaatsvinden. Tenslotte is de IKER het laagst wanneer geen rekening wordt gehouden met de kwaliteit van levensjaren; € 4,755 per jaar. 3.2.2 Uitbreiding Screening versus huidige Screening De evaluatieresultaten van de Screening Uitbreiding (Scenario C: 45 tot 74 jaar oud) tegenover de Huidige Screening (Scenario B: 50 tot 69 jaar oud) staan in tabel 4 op de volgende pagina. Hierbij zijn dezelfde model opties meegenomen, alsmede de afweging om enkel uit te breiden naar de jongere doelgroep (45 tot 49 jaar) en enkel naar de oudere doelgroep (69 tot 74 jaar). De vergelijking tussen de Screening Uitbreiding en Geen Screening is terug te vinden in appendix B.1. Het uitbreiden van screening is volgens de meest realistische opzet van het model kosteneffectief, hoewel de marges kleiner zijn. Dit is op zichzelf te verwachten, gezien de incrementele baten proportioneel lager zijn in deze vergelijking. Het enkel uitbreiden naar enkel jongere of enkel oudere doelgroepen is geen gepland scenario, maar geeft aan dat in deze voorspellingen de grootste baten gegenereerd worden door de uitbreiding naar de jongere doelgroep (De uitbreiding naar enkel ouderen genereert negatieve baten, met name omdat de disutiliteiten verbonden aan de behandeling van kanker uniform zwaar wegen. In realiteit is het aannemelijk dat ouderen wellicht een minder zwaar behandeling regime ontvangen). Indien gekeken wordt naar de uitkomst “€ per gewonnen levensjaar” zou de screening uitbreiding een investering zijn van € 8,066 per gewonnen levensjaar. 22 Tabel 4 Kosteneffectiviteit Scenario C versus B. *NB. Hierbij is de uitkomstmaat levensjaren (life-years gained) zonder Quality of Life correctie. Basecase, Maatschappelijk € 280,232,425 16,356 € 17,133 Basecase, Gezondheidzorg € 265,682,493 16,356 € 16,244 Basecase, Enkel jonger € 141,128,226 13,140 € 10,740 Basecase, Enkel ouder € 165,639,708 4,633 € 35,752 Uitkomstmaat Levensjaren € 265,682,493 17,328 € 15,333 * Zonder vals-positieve penalties € 268,473,087 17,017 € 15,777 Zonder Risicogroepen € 259,544,600 15,691 € 16,541 Geen migratie aanpassing € 105,896,885 2,255 € 46,961 Restrictieve cohort (50-69 jaar) € 205,245,073 3,148 € 65,199 tijdshorizon 20 jaar € 256,769,136 11,575 € 22,183 tijdshorizon 50 jaar € 265,682,493 32,937 € 8,066 Analyse Uitbreiding Screening versus Huidige screening Kosten (€) Baten (QALY) Incrementele Incrementele IKER (€/QALY) 29 3.4.2 Distributie van de kosten In grafiek 2 worden de spreiding van de kosten per scenario verduidelijkt naar de maatschappelijke kosten, de kosten gelinkt aan sterfgevallen (EndOf-Life kosten), de detectie kosten (zowel de kosten voor het BVO als alle andere kosten die voortkomen uit het detecteren van borstkanker), de kosten voor behandeling en diagnose (ook wel treatment kosten), en de kosten voor de medische follow-up na de primaire behandeling van borstkanker. Deze kosten zijn gedeeld door het aantal personen in het model om tot de kost per persoon te komen. In de appendix B.4 zijn deze laatste drie kostencategorieën nog verder gespreid in specifieke kankers en detectie processen. Op volgorde van Scenario A naar B naar C zien wij dat de totale kosten toenemen met meer screenen. Meer screenen bespaart kosten voor follow-up en End-of-Life kosten, maar verhoogt de kosten voor de behandeling en detectie van borstkanker. De maatschappelijke kosten nemen in eerste instantie af tussen Scenario A en Scenario B. Echter nemen deze kosten weer toe tussen Scenario C en Scenario B. De dynamiek hierachter is complex, maar komt neer op het feit dat er met meer screening uiteindelijk meer mensen vrij nemen van het werk voor de behandeling en follow-up, wat niet volledig gecompenseerd wordt door het feit dat de borstkankers zich in een gunstig stadium bevinden. Binnen de detectie kosten zijn de vaste kosten voor het BVO van slechts van geringe invloed. Met name de kosten voor MRI Scan gebruik en de kosten voor digitale mammografieën zijn de voornaamste factoren in deze cluster van kosten. € 0 € 500 € 1,000 € 1,500 € 2,000 € 2,500 € 3,000 € 3,500 € 4,000 € 4,500 € 5,000 € 5,500 € 6,000 Scenario A Scenario B Scenario C Geconsolideerde kosten (p.p.) Kosten voor Medische followup Kosten voor behandeling en Diagnose Detectie Kosten End-of-Life Kosten Maatschappelijke kosten Grafiek 5: Spreiding van de kosten per scenario per persoon. 30 3.4.3 Mortaliteitsreductie door screening De berekening van de relatieve reductie in sterfte door borstkanker verloopt op een andere voet dan het voorgaande rapport. Allereerst is er in de huidige evaluatie sprake van een populatie die voor een groot gedeelte al veelvuldig gescreend is, waardoor de relatieve impact van ‘doorgaan’ met screening lager uitvalt. Of technisch gezien is de impact op sterfte door borstkanker van ‘nu stoppen’ met screenen minder groot is dan ‘nooit screenen’ in de voorgaande evaluatie. Hierbuiten is er ook een verschil in hoe het behandelproces van borstkanker is vormgegeven. In de eerste plaats is borstkanker behandeling in geringe mate verbeterd, waardoor algehele sterfte door borstkanker in alle scenario’s afneemt. Daarnaast is het in dit model mogelijk dat borstkanker tussen detectie en behandeling start in stadium doorontwikkeld. Dit zou anders het oneigenlijke gevolg hebben dat simpelweg het detecteren van borstkanker al een remmende werking heeft op de progressie. Tenslotte spelen ook de nooit-screeners een grotere rol in het huidige model, waardoor ook hierdoor de impact van screening relatief afneemt. Desalniettemin heeft zowel de huidige screening als een uitbreiding van het programma een duidelijke impact op de relatieve sterfte aan borstkanker (zoals zichtbaar in grafiek 3). Het voortzetten van screening reduceert borstkanker gerelateerde sterfte met een additionele 7.66%. Het uitbreiden van screenen reduceert de relatieve sterfte verder met een additionele 4.15%. 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% jaar 1 jaar 5 jaar 10 jaar 15 jaar 20 jaar 25 jaar 30 jaar 35 jaar 40 jaar 45 jaar 50 jaar 55 jaar 60 jaar 65 jaar 70 jaar 75 jaar 80 jaar 85 jaar 90 jaar 95 jaar 100 Cumulatieve sterfte Model jaren Relatieve reductie in mortaliteit door borstkanker Scenario A Scenario B Scenario C Grafiek 6: Relatieve sterfte aan borstkanker binnen model cohort. Waarden zijn relatief t.o.v. Scenario A. 31 4. Discussie en Conclusie 4.1 Inleiding In dit rapport zijn de methodiek en bevindingen beschreven van de gezondheidseconomische evaluatie van het Vlaams Bevolkingsonderzoek borstkanker. Hierbij is apart gekeken naar de kosteneffectiviteit van het huidige screeningsprogramma, en naar de kosteneffectiviteit van een uitgebreid programma (45tot 74jarigen). De Incremental Cost-Effectiveness Ratio (IKER) van het huidige programma is € 9,679 per QALY vanuit het maatschappelijk perspectief, en € 10,033 per QALY vanuit het gezondheidszorg perspectief in vergelijking met geen screening. Het uitgebreide programma heeft een hogere IKER, € 17,133 per QALY maatschappelijk, en € 16,244 per QALY vanuit het gezondheidszorg perspectief in vergelijking met het huidige programma. In deze sectie worden deze resultaten verder besproken. 4.2 Discussiepunten De voorgaande evaluatie uit 2015 schatte de IKER op € 28,439 (€ 35,956 geïndexeerd naar 2024 €), waarmee het screeningsprogramma in vergelijking met andere Europese landen 2 – 3 keer minder kosteneffectief was. In contrast met de voorgaande evaluatie is de huidige evaluatie rooskleuriger. Zoals besproken in sectie 2 kan dit voortkomen uit verscheidene bronnen: het gebruik van nieuwe data, een complexere modelstructuur, en het meenemen van een Lifetime horizon voor de kosten en baten. Dit laatste heeft waarschijnlijk de grootste impact op de huidige resultaten, gezien een tijdshorizon van 20 jaar in dit model een soortgelijke IKER oplevert (€ 27,372). Deze huidige resultaten sluiten ook aan bij andere Europese schattingen van de kosteneffectiviteit van borstkanker screening, waarbij de IKER vaak rond de € 10,000 valt [19, 20]. Desalniettemin is de huidige model insteek relatief conservatief gebleven in de aannames in wat er gebeurt bij een beëindiging van het screeningsprogramma en bij de uitbreiding van het programma. Bij een hypothetische beëindiging van het programma is aangenomen dat 50% van de huidige screeners blijvend opportunistisch blijft screenen (aanpasbaar in model). Dit is een aanname gemaakt op basis van de werkgroep vergaderingen, maar is in vergelijking met de schattingen van spontane screening uit 2015 ruim 2 keer zo hoog. Ook bij een uitbreiding naar 45 tot 74-jarigen is er zowel in het bepalen van de screening deelname als bij de epidemiologische basis conservatief gewerkt. Zowel de jongere als oudere groep nemen minder deel aan screening in vergelijking tot de huidige cohort van 50 tot 69-jarigen. Ook heeft de jongere doelgroep een relatief hogere prevalentie van DCIS. Hoewel de rol van DCIS in het krijgen van borstkanker nog een punt van onzekerheid is, is het in dit model ook conservatief behandeld als voornamelijk een bron 32 van overscreening. Ook heeft de behandeling en Follow-up van DCIS een negatieve impact op de maatschappelijke kosten, en heeft de detectie van een indolente DCIS een net-negatieve impact op de QALYs. Ondanks de conservatieve houding ten opzichte van dit soort aannames is ook de uitbreiding naar een grotere demografische cohort kosteneffectief. Dit sluit aan bij de aanbevelingen vanuit de Europese Unie [7], dat deze uitbreiding aanbeveelt voor alle lidstaten. Wel verdient deze uitbreiding een aantal kanttekeningen. Hoewel de uitbreiding als geheel kosteneffectief is, is het in de meeste simulaties wel een additionele investering in borstkanker behandeling. Ook is het vanuit de kosteneffectiviteit met name de uitbreiding naar de jongere doelgroep dat de meeste baten oplevert (hoewel ook enkel uitbreiden naar de oudere doelgroep kosteneffectief zou zijn). De uitbreiding heeft ook een negatieve impact op overscreening (met name bij de oudere doelgroep) en vals-positieve resultaten (met name bij de jongere doelgroep). Hoewel de uitbreiding een gunstig effect heeft op de volksgezondheid heeft het hiermee een negatieve impact op bepaalde Kritische Prestatie-Indicatoren van het screeningsprogramma. Zo zou bijvoorbeeld de proportie vals-positieve resultaten stijgen, zonder dat dit toewijsbaar is aan de kwaliteit van het screening programma. Het is belangrijk dit niet te vergeten bij het evalueren van een uitbreiding. Ook kan de huidige studie niet voorzien of een uitbreiding nog verdere gevolgen heeft op het gedrag van deelnemers. Dit sluit aan bij zowel een voordeel en nadeel van dit type model structuur, namelijk dat cohorten uniform gedrag vertonen over tijd, en homogeen zijn binnen de cohort. Dit houdt in dat screeningsgedrag, borstkanker epidemiologie, behandelingen, etc. allemaal constant blijven gedurende de looptijd van het model. Hoewel dit een standaard is voor gezondheidseconomische evaluaties, betekent dit dat de kosteneffectiviteit van een beleid onderhevig is aan toekomstige veranderingen. Tevens heeft het modelaspect van een homogene cohort ook een limitatie in bepaalde dynamieken. Zo is er bijvoorbeeld een proportie nooit-screeners die in dit model niet expliciet nooit deelneemt aan screening. Hier is in de geaggregeerde kosten en baten rekening mee gehouden, maar zorgt ervoor dat dit model niet de volledige complexe dynamiek van screening kan benaderen. Zo heeft een participatie campagne een verlagend effect op de IKER in het uitgebreide screeningsprogramma, maar een verhogend effect in het huidige programma. Dit kan gedeeltelijk komen omdat het model deze procentuele verhoging in deelname niet specifiek kan toespitsen op mensen die nooit of uiterst onregelmatig screenen. De conclusie is voor beide scenario’s onverminderd dat een participatie verhogende campagne kosteneffectief is, hoewel de IKER voor deze campagnes een grotere onzekerheidsmarge moet heeft. 33 Buiten de intrinsieke technische capaciteiten van een Markov-type model is de kosteneffectiviteit van borstkanker screening met name gevoelig voor het gebruik van MRI-scans bij vrouwen met hoog-densiteit borstweefsel. Het minder/meer gebruiken van MRI-scans veroorzaakt een grote verlaging/verhoging van de incrementele kosten, en daarmee een verbetering/verslechtering van de IKER. Ook dit is ondervonden in overige studies [19, 20] waar MRI-scans een soortgelijke impact hebben op de incrementele kosten. Dit houdt in dat eventuele prijsstijgingen gekoppeld met een toename in de inzet van MRI-scans een aanleiding kunnen zijn voor het herzien van de kosteneffectiviteit. Ditzelfde geld voor positieve ontwikkelingen. Er komen steeds meer indicaties dat Artificial Intelligence (AI) algoritmes zowel goedkoper als effectiever borstkanker kunnen detecteren op digitale mammografieën [21]. Dit zou in het kader van bevolkingsscreening de kosteneffectiviteit zeer gunstig kunnen beïnvloeden en tegelijkertijd de toegenomen werkdruk op radiologen verlichten. Buiten deze kanttekeningen zijn de resultaten van deze analyse eenduidig en coherent met de verwachtingen op basis van literatuur. Het huidige screeningsprogramma is kosteneffectief, en een uitbreiding van de doelgroep is eveneens kosteneffectief. Deze resultaten zijn robuust tegen enkelvoudige en meervoudige wijzigingen in de invoer parameters. De huidige screening is in ~99% van de gevallen kosteneffectief bij een threshold van €44,000 per QALY. De spreiding van IKERs bij de uitbreiding is breder, waarbij een 6.9% van de simulaties dominant is (d.w.z. altijd kosteneffectief). Van de resterende proportie is 96.4% kosteneffectief bij de gebruikelijke threshold. 4.3 Eindconclusie Op basis van deze gezondheidseconomische evaluatie concluderen wij dat het huidige screeningsprogramma waarbij gescreend wordt tussen 50 en 69 jaar kosteneffectief is vanuit het maatschappelijk perspectief met een IKER van € 9,679.00 per QALY en € 4,755 per gewonnen levensjaar in vergelijking met geen screening. Een uitbreiding van dit screeningsprogramma waarbij gescreend wordt tussen 45 en 74 jaar is eveneens kosteneffectief tegenover het huidige programma, met een IKER van € 17,133 per QALY en € 8,066 per gewonnen levensjaar. Deze resultaten zijn robuust tegen variaties in de invoer parameters. 34 5. Referenties [1] BCR. (2024, Mei). Belgian Cancer Registry; Tabellen op jaarbasis. Belgian Cancer Registry; Tabellen Op Jaarbasis. From ttp://kankerregister.org/Statistieken_tabellen_jaarbasis, accessed on 12/5/2024. [2] Momenimovahed, Z., & Salehiniya, H. (2019). Epidemiological characteristics of and risk factors for breast cancer in the world. Breast Cancer: Targets and Therapy, 11, 151–164. https://doi.org/10.2147/BCTT.S176070 [3] McGuire, A., Brown, J. A., Malone, C., McLaughlin, R., & Kerin, M. J. (2015). Effects of age on the detection and management of breast cancer. Cancers, 7(2), 908-929. [4] ECIS - European Cancer Information System, From https://ecis.jrc.ec.europa.eu, accessed on 8/5/2024, © European Union, 2024 [5] Basu P, Lucas E, Carvalho AL, Sauvaget C, Muwonge R, Herrero R, Sankaranarayanan R (2019). Cancer Screening in Five Continents. Lyon, France: International Agency for Research on Cancer. From: https://canscreen5.iarc.fr, accessed 16/5/2024. [6a] CvKO. (2020). Jaarrapport 2019. Bevolkingsonderzoek Vlaanderen. From https://borstkanker.bevolkingsonderzoek.be/sites/default/files/2022-12/Jaarrapport%202019.pdf, accessed on 8/5/2024 [6b] CvKO. (2022). Jaarrapport 2021. Bevolkingsonderzoek Vlaanderen. From https://borstkanker.bevolkingsonderzoek.be/sites/default/files/2022-12/Jaarrapport%202019.pdf, accessed on 8/5/2024 [6c] CvKO. (2023). Jaarrapport 2022. Bevolkingsonderzoek Vlaanderen. From https://borstkanker.bevolkingsonderzoek.be/sites/default/files/2022-12/Jaarrapport%202019.pdf, accessed on 8/5/2024 [7] European Commission Directorate-General for Health and Food Safety. Proposal for a Council Recommendation (CR) on strengthening prevention through early detection: a new approach on cancer screening replacing CR 2003/878/EC. From https://health.ec.europa.eu/publications/proposal-councilrecommendation-crstrengthening-prevention-through-early-detection-new-approach_en [8] M. Fobelets, L. Pil, K. Putman, L. Annemans (2016). Eindrapport: De kosteneffectiviteit van het bevolkingsonderzoek borstkanker in Vlaanderen: gezondheidseconomische evaluatie. [9] Drummond, M. F., Sculpher, M. J., Claxton, K., Stoddart, G. L., & Torrance, G. W. (2015). Methods for the economic evaluation of health care programmes. Oxford university press. [10] Lelie, M., Parmentier, R., Simoens, S., Annemans, L., & Putman, K. (2024). Cost-utility analysis of expanding the colorectal cancer screening policy in Flanders. Public Health, 231, 142-147. [11] Rijksinstituut voor ziekteen invaliditeitsverzekering. (RIZIV). Nomensoft: Nomenclatuur en pseudonomenclatuur van de geneeskundige verstrekkingen. From https://webappsa.rizivinami.fgov.be/Nomen/nl/search, accessed 28/04/2024. [12] Broekx, S., Hond, E. D., Torfs, R., Remacle, A., Mertens, R., D’Hooghe, T., ... & Simoens, S. (2011). The costs of breast cancer prior to and following diagnosis. The European Journal of Health Economics, 12, 311-317. 35 [13] UpToDate, Connor RF (Ed), Wolters Kluwer. accessed on 21/04/2024. [14] Van Wilder, L., Charafeddine, R., Beutels, P., Bruyndonckx, R., Cleemput, I., Demarest, S., ... & Devleesschauwer, B. (2022). Belgian population norms for the EQ-5D-5L, 2018. Quality of Life Research, 31(2), 527-537. [15] Global Burden of Disease Collaborative Network. Global Burden of Disease Study 2019 (GBD 2019) Risk Factors-Attributable Cancer Burden Estimates 2010–2019. Seattle, United States of America: Institute for Health Metrics and Evaluation (IHME), 2022. [16] Kaur, M. N., Yan, J., Klassen, A. F., David, J. P., Pieris, D., Sharma, M., ... & Xie, F. (2022). A systematic literature review of health utility values in breast cancer. Medical Decision Making, 42(5), 704719. [17] Li, L., Severens, J. L., & Mandrik, O. (2019). Disutility associated with cancer screening programs: a systematic review. PloS one, 14(7), e0220148. [18] Garmyn B, Govaerts F, Peremans L, Van Goethem M, Van Hal G, Van Limbergen E, Tjalma W. (2016) Richtlijn voor goede medische praktijkvoering: Borstkankerscreening. Antwerpen: Domus Medica. [19] Mühlberger, N., Sroczynski, G., Gogollari, A., Jahn, B., Pashayan, N., Steyerberg, E., ... & Siebert, U. (2021). Cost effectiveness of breast cancer screening and prevention: a systematic review with a focus on risk-adapted strategies. The European Journal of Health Economics, 22(8), 1311-1344. [20] Rashidian, A., Barfar, E., Hosseini, H., Nosratnejad, S., & Barooti, E. (2013). Cost effectiveness of breast cancer screening using mammography; a systematic review. Iranian journal of public health, 42(4), 347. [21] McKinney, S. M., Sieniek, M., Godbole, V., Godwin, J., Antropova, N., Ashrafian, H., ... & Shetty, S. (2020). International evaluation of an AI system for breast cancer screening. Nature, 577(7788), 89-94. De kosteneffectiviteit van het bevolkingsonderzoek naar borstkanker in Vlaanderen. Gezondheidseconomische evaluatie Appendix Gezondheidseconomisch rapport in opdracht van de Vlaamse Overheid Departement Zorg Auteur: Max Lelie Coauteurs: Bo vandenBulcke, Dr. Nick Verhaeghe, Dr. Lieven Annemans, Dr. Steven Simoens, Dr. Koen Putman Mei 2024 1 a. Inhoud a. Inhoud .............................................................................................................................................................................. 1 b. Figuren en tabellen .......................................................................................................................................................... ii c. Gebruikte termen en afkortingen .................................................................................................................................... iii Introductie ............................................................................................................................................................................. 1 A. Appendix: Onderzoeksmethodiek ................................................................................................................................. 2 A.1 Screening Deelname .................................................................................................................................................... 2 A.2 Epidemiologische parameters ..................................................................................................................................... 3 A.3 De Klinische Parameters .............................................................................................................................................. 5 A.4 Gezondheidseconomische Economische parameters .................................................................................................. 6 B. Appendix: Resultaten ................................................................................................................................................... 7 B.1 Vergelijking Screening Uitbreiding (C) en Geen Screening (A)..................................................................................... 7 B.2 Impact van micro-scenario parameters. ..................................................................................................................... 8 B.3 One-Way Sensitivity Analyse (Tornado Diagrammen) ................................................................................................ 9 B.4 Kostenspreiding grafiek ............................................................................................................................................. 11 ii b. Figuren en tabellen Figuur 1: Grafische impressie van de Backwards Kolmogorov methode in het schatten van Transitie Kansen ....................................................................................................................................................................... 3 Tabel 1: Screening Parameters per scenario voor de Default Risico Groep .................................................. 2 Tabel 2: Klinische parameters gebruikt in het model .................................................................................... 5 Tabel 3: Model kosten en verloren arbeidsdagen per event .......................................................................... 6 Tabel 4: Kosteneffectiviteit Scenario C versus A. ......................................................................................... 7 Tabel 5: Micro Scenario effecten op de IKER (Relatief) .............................................................................. 8 Grafiek 1: Populatie Spreiding ...................................................................................................................... 3 Grafiek 2:Distributie van borstkanker prevalentie naar Stadium en Leeftijd ................................................ 4 Grafiek 3: Grafische weergave van de kans om te sterven aan borstkanker in de vorm van 10-jaar overleving. ..................................................................................................................................................... 5 Grafiek 4: Disutiliteiten per gezondheidsstaat ............................................................................................... 6 Grafiek 5: Tornado Diagrammen One-Way sensitiviteit Analyse .............................................................. 10 Grafiek 6: Spreiding van de voorspelde kosten uit model naar behandeling, Followup, en detectie kosten. ..................................................................................................................................................................... 11 5 A.3 De Klinische Parameters De klinische parameters omtrent kans op symptomen, kans op terugval, en kans op te sterven zijn terug te vinden in tabel 2 en grafiek 3. De kans op symptomen is afkomstig uit het voorgaande model. De kans op een terugval komt voornamelijk uit de UpToDate guidelines van Wolter Kluwer, en de sterfte kans door borstkanker is gebaseerd op breastcancer survival studies. Hierbij is aangenomen dat Stadium I en II geen intrinsieke sterfte kennen. BK St. 0 BK St. I BK St. II BK St. III BK St. IV Kans op symptomen 0.148 0.166 0.2345 0.3645 0.6624 BK St. 0 BK St. I BK St. II BK St. III BK St. IV 10 jaar cumulatieve terugval 23.9% 14.6% 13.2% 24.0% 0.0% Indien terugval: naar BK St. 0 50.0% 0.0% 0.0% 0.0% 0.0% naar BK St. I 34.9% 74.1% 70.9% 0.0% 0.0% naar BK St. II 15.1% 14.4% 16.2% 70.9% 0.0% naar BK St.III 0.0% 11.5% 12.9% 16.2% 0.0% naar BK St. IV 0.0% 0.0% 0.0% 12.9% 0.0% Kans op Systematische detecties Kansen op terugval vanuit Followup Tabel 2: Klinische parameters gebruikt in het model 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0 - 4 jaar 5 - 9 jaar 10 - 14 jaar 15 - 19 jaar 20 - 24 jaar 25 - 29 jaar 30 - 34 jaar 35 - 39 jaar 40 - 44 jaar 45 - 49 jaar 50 - 54 jaar 55 - 59 jaar 60 - 64 jaar 65 - 69 jaar 70 - 74 jaar 75 - 79 jaar 80 - 84 jaar 85 - 89 jaar 90 - 94 jaar 95 - 99 jaar 10-Jaar overleving naar leeftijd en borstkanker stadium BK St. I & II BK St. III BK St. IV 6 A.4 Gezondheidseconomische Economische parameters De kosten (en verloren arbeidsdagen) gebruikt in het model worden weergeven in tabel 3. De disutiliteiten worden grafisch getoond in grafiek xxx. Kosten Digitale Mammografie € 71 € - € 71 0.0 Kosten MRI Scan € 214 € - € 214 0.0 Kosten Multidisciplinair oncologisch consult € 116 € 11 € 127 0.0 Kosten Behandeling en Diagnose BK St. 0 12,749€ 1,211€ 13,961€ 10.0 Kosten Behandeling en Diagnose BK St. I 14,462€ 1,374€ 15,836€ 15.0 Kosten Behandeling en Diagnose BK St. II 18,670€ 1,774€ 20,444€ 25.0 Kosten Behandeling en Diagnose BK St. III 25,005€ 2,375€ 27,380€ 35.0 Kosten Behandeling en Diagnose BK St. IV 28,605€ 2,718€ 31,323€ 55.0 Kosten voor Medische Followup BK. St. 0 € 392 € 37 € 430 0.3 Kosten voor Medische Followup BK. St. I € 392 € 37 € 430 0.3 Kosten voor Medische Followup BK. St. II € 568 € 54 € 621 2.0 Kosten voor Medische Followup BK. St. III € 3,851 € 366 € 4,217 25.0 Kosten voor Medische Followup BK. St. IV € 15,404 € 1,463 € 16,867 45.0 Sterfte door Borstkanker € 7,384 € - € 7,384 160.0 Sterfte door overige oorzaken € 5,731 € - € 5,731 160.0 Kosten per health event. RIZIV Patient Totaal Arbeidsdagen (€ 261 p.d.) Tabel 3: Model kosten en verloren arbeidsdagen per event 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 Gebruikte disutiliteiten per stadium Ongeïdentificeerd Behandel Jaar Medische Followup 7 B. Appendix: Resultaten B.1 Vergelijking Screening Uitbreiding (C) en Geen Screening (A) Hieronder volgt de tabel van incrementele kosten, baten, en ICERs van de vergelijking tussen het uitgebreide screening programma en het beëindigen van het screening programma. Vanuit deze insteek zijn de resultaten van een uitgebreid programma gunstiger dan de vergelijking tussen huidige screening en geen screening, maar beleidsmatig minder relevant gezien de keuze van de uitbreiding zou worden afgewogen tegenover doorgaan met het huidige programma. Basecase, Maatschappelijk € 732,562,937 63,091 € 11,611 Basecase, Gezondheidszorg € 734,557,568 63,091 € 11,643 Basecase, Enkel jonger € 593,458,738 59,875 € 9,912 Basecase, Enkel ouder € 617,970,220 51,368 € 12,030 Uitkomstmaat Levensjaren € 734,557,568 131,547 5,584€ Zonder vals-positieve penalties € 717,104,453 65,920 € 10,878 Zonder Risicogroepen € 681,709,614 57,312 € 11,895 Geen migratie aanpassing € 710,055,450 61,312 € 11,581 Volledig Gesloten cohort € 323,742,482 12,040 € 26,889 tijdshorizon 20 jaar € 531,876,505 15,402 € 34,533 tijdshorizon 50 jaar € 690,310,479 45,664 € 15,117 Analyse Uitbreiding Screening versus Huidige Screening Kosten Baten Incrementele Incrementele ICER 8 B.2 Impact van micro-scenario parameters. Enkele parameters zijn niet zozeer berekend op basis van technische gegevens, maar zijn discretionair of onzeker, maar hebben een sterk sturend effect binnen het model. Bijvoorbeeld een hypothetisch participatie-verhogende campagne (discretionair, een extra investering om screening participatie te verhogen), of de DCIS progressie kans naar BK st. I en de portie BVO-screeners die in Scenario A spontaan zal gaan screenen. De onderstaande tabel geeft deze wijzigingen en de effecten op de IKER weer. Voor elke parameter (bijvoorbeeld MRI-Scan proportie) staat de gebruikte waarde in de base case (35% van de screening scans) en dan de absolute wijziging (bijv. -15%) en het bijbehorende effect op de IKER (-5.9%). Gewijzigde variabele -15.0% -7.5% +7.5% +15.0% -5.90% -3.14% 2.75% 5.90% -2.5% -1.0% +1% +2.5% 2.98% 1.65% -1.31% -2.03% -20.0% -10.0% +10.0% +20.0% -1.29% -0.37% 0.26% 0.95% +1.0% +2.5% 0.87% 1.87% +3.0% +4.0% 3.22% 4.26% -15.0% -7.5% +7.5% +15.0% -13.18% -7.27% 3.06% 8.97% -2.5% -1.0% +1% +2.5% 3.46% 0.98% -3.82% -5.99% +1.0% +2.5% -7.54% -9.87% +3.0% +4.0% -10.12% -11.26% Participatie verhogende campagne, €100.000 per jaar. n/a Participatie verhogende campagne, €50.000 per jaar. n/a n/a n/a MRI-Scan proportie (35%) DCIS progressie kans (2.5%) Scenario C vergeleken met B IKER € 17,133 Participatie verhogende campagne, €100.000 per jaar. n/a n/a Scenario B vergeleken met A IKER € 9,679 Effect aanpassing op IKER MRI-Scan proportie (35%) (referentie) n/a DCIS progressie kans (2.5%) Spontane screening verhoging in Scenario A (50%) Participatie verhogende campagne, €50.000 per jaar. n/a 9 B.3 One-Way Sensitivity Analyse (Tornado Diagrammen) 0.30 0.25 0.20 0.15 0.10 0.05 0.00 0.05 0.10 0.15 0.20 0.25 Parameter: Kans op Symptomen Parameter: BK Incidentie Parameter: Response Graad Disutiliteit: Ongeidentificeerd Parameter: Spontane screening Disutiliteit: Borstkanker St. 4 Disutiliteit: FollowUp Parameter: Kans op terugkeerede BK Disutiliteit: Borstkanker St. 2 Disutiliteit: Behandeling Disutiliteit: Borstkanker St. 3 Disutiliteit: Vals Positief Disutiliteit: Borstkanker St. 1 Parameter: BK Prevelantie Disutiliteit: Borstkanker St. 0 Kosten: BVO programma Kosten: Digitale Mammografie Kosten: MRI Scan Kosten: Behandeling BK (St. 0, 1, 2) Kosten: Behandeling BK (St. 3, 4) Kosten: Followup BK (St. 0, 1, 2) Kosten: Followup BK (St. 3, 4) Kosten: End-of-Life Effect of van Parameter wijziging op de Incrementele Baten Tornado Diagram: One-Way Sensitivity op Baten Parameter -25% Parameter +25% 0.25 0.20 0.15 0.10 0.05 0.00 0.05 0.10 0.15 0.20 0.25 Parameter: Response Graad Kosten: Digitale Mammografie Kosten: MRI Scan Kosten: Behandeling BK (St. 0, 1, 2) Parameter: Spontane screening Parameter: Kans op Symptomen Parameter: BK Incidentie Kosten: Followup BK (St. 3, 4) Kosten: BVO programma Kosten: Followup BK (St. 0, 1, 2) Kosten: Behandeling BK (St. 3, 4) Parameter: Kans op terugkeerede BK Kosten: End-of-Life Parameter: BK Prevelantie Disutiliteit: Vals Positief Disutiliteit: Ongeidentificeerd Disutiliteit: Behandeling Disutiliteit: FollowUp Disutiliteit: Borstkanker St. 0 Disutiliteit: Borstkanker St. 1 Disutiliteit: Borstkanker St. 2 Disutiliteit: Borstkanker St. 3 Disutiliteit: Borstkanker St. 4 Effect of van Parameter wijziging op de Incrementele Kosten Tornado Diagram: One-Way Sensitivity op Kosten Parameter - 25% Parameter + 25% 10 In de bovenstaande grafieken worden de sensitiveit van de incrementele kosten, baten, en ICER op geselecteerde parameters getoond. Iedere parameter is ofwel verminderd met 25% (blauwe balken) of verhoogd met 25% (rode balken). De richting en lengte van de balk geven de resulterende effecten weer. Zo resulteert een 25% verlaging van de borstkanker incidentie in een ICER verhoging van ~26%. 0.15 0.10 0.05 0.00 0.05 0.10 0.15 0.20 0.25 0.30 Parameter: BK Incidentie Parameter: Kans op Symptomen Kosten: Digitale Mammografie Parameter: Response Graad Disutiliteit: Ongeidentificeerd Kosten: MRI Scan Kosten: Behandeling BK (St. 0, 1, 2) Parameter: Kans op terugkeerede BK Kosten: Followup BK (St. 3, 4) Disutiliteit: Borstkanker St. 4 Disutiliteit: Borstkanker St. 2 Disutiliteit: FollowUp Parameter: Spontane screening Kosten: BVO programma Kosten: Followup BK (St. 0, 1, 2) Kosten: Behandeling BK (St. 3, 4) Disutiliteit: Vals Positief Disutiliteit: Behandeling Disutiliteit: Borstkanker St. 3 Disutiliteit: Borstkanker St. 1 Parameter: BK Prevelantie Kosten: End-of-Life Disutiliteit: Borstkanker St. 0 Effect of van Parameter wijziging op de ICER Tornado Diagram: One-Way Sensitivity op IKER Parameter -25% Parameter + 25% 11 B.4 Kostenspreiding grafiek € 0 € 50 € 100 € 150 € 200 € 250 € 300 € 350 € 400 € 0 € 100 € 200 € 300 € 400 € 500 € 600 € 700 € 800 € 900 Scen. A Scen. B Scen. C Scen. A Scen. B Scen. C Distributie Kosten (p.p.) tussen behandeling, follow-up en screening. BK Followup St. IV BK Followup St. III BK Followup St. II BK Followup St. I BK Followup St. 0 BK Treatment St. IV BK Treatment St. III BK Treatment St. II BK Treatment St. I BK Treatment St. 0 Vals Positieve uitslagen MRI Scans Screenings Screenings Programma kosten Grafiek 6: Spreiding van de voorspelde kosten uit model naar behandeling, Followup, en detectie kosten.