Seniorforsker og professor Erik Nord har i sin artikkel om Markov-modellering (1) vært uklar angående noen ord og uttrykk. Under avsnittet om Monte Carlo-simulering påpeker han ganske riktig at man ved kohortberegning får anslag på gruppenivå, og at man på bakgrunn av kohortberegning ikke kan si noe om enkeltindivider.

Professor Nord skriver imidlertid også: «Ved Monte Carlo-simulering lages et forløp for hver enkelt pasient i kohorten», og med dette forvirres den gode leseren. Det er riktig at man kan simulere enkeltpasienter, slik Nord beskriver, men dette kalles vanligvis mikrosimulering (2, 3). Mikrosimulering innebærer at modellen «husker» tidligere helseforløp for den enkelte pasienten, slik at dette kan tas med i vurderingen av risiko for nye hendelser.

Begrepet Monte Carlo-simulering henspiller på kasinovirksomheten i byen av samme navn (4). Teknikken innebærer at punktestimatene i modellen blir erstattet av sannsynlighetsfordelinger, som det blir trukket tilfeldige verdier fra et stort antall ganger (som en rulett). For hver trekning kombineres verdiene fra alle sannsynlighetsfordelingene til et nytt overslag over kostnader og helsegevinst. Til slutt står man igjen med et stort antall par av estimerte kostnader og helsegevinster, som kan brukes til å regne ut like mange kostnadseffektivitetsratioer, eller presenteres for eksempel som punktskyer i kostnadseffektivitetsplanet.

Monte Carlo-simulering er vanlig benyttet både ved mikrosimulering og ved kohortberegning (kohortsimulering) (3), og begrepet er altså ikke nyttig for å skille mellom simulering av enkeltpasienter og grupper, slik Nord gjør.

Monte Carlo-simulering er spesielt nyttig for å kvantifisere den totale usikkerheten i modellen, men er i tillegg avgjørende for å produsere forventningsrette estimat når fordelingene er skjeve eller relasjonen mellom dem er ikke-lineære (5). Det er således ikke nødvendigvis riktig, slik Nord hevder, at simuleringen forventes å gi samme resultat som kohortberegningen.

Nords beskrivelse av hvordan man summerer kostnader og QALYs er pedagogisk, men ikke særlig praktisk for store modeller hvor antallet mulige forløp er flere millioner (6).

Litteratur

1. Nord E. Markov-modellering. Tidsskrift for den Norske laegeforening. 2014;134(21):2062-5.

2. Briggs AH, Weinstein MC, Fenwick EA et al. Model Parameter Estimation and Uncertainty: A Report of the ISPOR-SMDM Modeling Good Research Practices Task Force-6. ValueHealth. 2012;15(6):835-42.

3. Siebert U, Alagoz O, Bayoumi AM et al. State-transition modeling: a report of the ISPOR-SMDM Modeling Good Research Practices Task Force-3. MedDecisMaking. 2012;32(5):690-700.

4. Metropolis N. THE BEGINNING of the MONTE CARLO METHOD. Los Alamos Science. 1987;15(Special Issue):125-30.

5. Briggs AH, Claxton K, Sculpher M. Decision Modelling for Health Economic Evaluation. Gray A, Briggs AH, editors: Oxford University Press; 2006 2006.

6. Wisløff T, Selmer RM, Halvorsen S et al. Choice of generic antihypertensive drugs for the primary prevention of cardiovascular disease--a cost-effectiveness analysis. BMC CardiovascDisord. 2012;12:26.