economia da saúde na genômica

Economia da saúde no diagnóstico genético

Para a tomada de decisões, a economia da saúde é uma área fundamental em vários campos, dentre eles, o da genômica. Saiba mais neste artigo!

Este texto sobre a economia da saúde em genômica faz referência ao artigo: Cost-effectiveness frameworks for comparing genome and exome sequencing versus conventional diagnostic pathways: A scoping review and recommended methods, publicado em junho de 2022 na revista Genetics in Medicine.

As tecnologias de sequenciamento genético continuam a auxiliar a medicina e a melhorar a qualidade de vida da população. Para além da pesquisa clínica, os sequenciamentos de genoma e de exoma são úteis no diagnóstico de doenças e condições genéticas.

A implementação destas ferramentas nos serviços de saúde, entretanto, ainda não está concluída. Desta forma, é importante que tomadores de decisão entendam pontos-chave dos aspectos econômicos que tal implementação traz. 

Ficou interessado pelo tema? Acompanhe o texto para entender as recomendações propostas por Ferket e colaboradores para a elaboração de Análises de Custo-Efetividade para o uso do sequenciamento genético no diagnóstico!

A economia da saúde no contexto dos sequenciamentos genéticos

A economia da saúde é a área responsável por fornecer a informação econômica necessária para a tomada de decisão na área da saúde. Para isso, são empregados métodos da economia capazes de analisar, por exemplo, o comportamento de consumo e a eficácia de produtos e serviços de saúde. 

Desde a conclusão do Projeto Genoma Humano, o subsequente desenvolvimento das tecnologias na área em genômica aproximou esse campo da clínica médica. A utilização de pipelines de bioinformática, o Sequenciamento Massivo em Paralelo e a construção de Estudos de Associação Genômica Ampla são apenas alguns dos exemplos disso.

Estas ferramentas auxiliam profissionais da saúde a direcionarem a prevenção, o diagnóstico e a terapêutica adequada para cada caso, de forma a oferecer serviços de medicina personalizada.

Naturalmente, o emprego da tecnologia de ponta para fins clínicos traz consigo alguns custos, que costumam ser alvo de análise pelos setores administrativos de instituições públicas e privadas.

Uma das análises mais realizadas em economia da saúde é, sem dúvidas, a análise de custo-efetividade (ACE), que visa comparar os custos e efeitos (geralmente expressos em anos de vida ajustados pela qualidade – QALY) de diferentes cursos de ação em serviços de saúde.

Ou seja, as ACEs são acessórios importantes para a tomada de decisão informada entre gestores. Apesar disso, Ferket e colaboradores postulam que este tipo de análise ainda encontra obstáculos ao tratar de sequenciamentos genômicos e exômicos no diagnóstico. Alguns dos obstáculos citados pelos autores são:

  • Nomenclaturas inconsistentes;
  • Indefinição da perspectiva analítica adequada e do horizonte temporal;
  • Estimativa de custos de pouca acurácia;
  • Falta da identificação de parâmetros adequados;
  • Não-incorporação da efetividade do tratamento.

Para lidar com estas barreiras, os autores do artigo desenvolveram, através de uma análise de escopo, recomendações e estratégias de modelagem de ACEs, que podem servir como referencial teórico para gestores e legisladores durante comparação e decisão entre o uso do sequenciamento genético e das vias de diagnóstico convencionais.

Parâmetros utilizados no estudo de economia da saúde

Para a elaboração de modelos em forma de frameworks conceituais, os autores categorizaram alguns cenários para direcionar melhor suas análises. As categorias foram:

  • Testes pré-natais em fetos com suspeitas de anomalias congênitas;
  • Diagnóstico precoce em neonatos e crianças com suspeitas de distúrbios genéticos;
  • Testes genéticos para o câncer;
  • Triagem genética de recém-nascidos e adultos saudáveis.

Tendo em vista tais categorias, os pesquisadores iniciaram a revisão de escopo, utilizando revisões sistemáticas e meta-análises de avaliação econômica de sequenciamento genético. Na sequência, o conteúdo destes estudos foi identificado para a construção de representações gráficas, posteriormente validadas através do consenso entre especialistas.

A extração de dados foi realizada por camadas, a partir da estratégia PICOTS

  • População de interesse;
  • Intervenção;
  • Comparativo;
  • Outcomes (desfechos);
  • Timing – Duração da intervenção;
  • Setting – Contexto.

Os achados dos estudos em conformidade com os critérios de inclusão especificados pelos autores foram transformados em estratégias para Análises de Custo-Efetividade baseadas em modelos e seus resultados utilizam a métrica QALY.

O que é QALY?

O índice de Qualidade de vida ajustado pela qualidade (Quality-Adjusted Life Years) é uma métrica utilizada para comparar o número adicional de anos com qualidade de vida que um indivíduo (ou população) pode obter com a implementação de uma tecnologia.

Gráficos exemplificando níveis de saúde de acordo com o estudo.

Resultados: recomendações

Embora os resultados sejam segmentados por cenários, os autores fazem algumas considerações gerais quanto a construção de Análises de Custo-Efetividade baseadas em modelos para o sequenciamento de genoma e exoma como instrumento diagnóstico.

A modelagem nos testes pré-natais e no diagnóstico pediátrico deve levar em conta o número de testes executados entre diferentes estratégias, como no sequenciamento clínico versus testagem convencional.

A duração da intervenção também é um aspecto importante e que deve ser levado em conta. Modeladores devem incorporar o número de testes sequenciais e o tempo esperado para cada um deles, incluindo o tempo entre cada teste.

Outros custos que podem ser incorporados na análise são:

  • Coleta de amostra;
  • Testes a serem realizados (coleta de dados);
  • Análise de dados;
  • Divulgação dos dados;
  • Possível reanálise e inconclusividade;
  • Possível análise de outros membros da família.

Para a análise da efetividade, os autores recomendam utilizar parâmetros comuns e/ou extremos, como a taxa de sobrevivência, qualidade de vida e os custos em si. Além disso, quando forem evidentes, outros parâmetros podem ser incorporados, como a redução do encargo social e familiar.

Vejamos agora as recomendações específicas para cada cenário proposto.

Testagem pré-natal

As estratégias de sequenciamento para diagnóstico clínico de fetos com anomalias congênitas identificadas através de ultrassom devem ser preferencialmente baseadas no sequenciamento de exoma, com ou sem Análise Cromossômica por Microarray (CMA)

Ao determinar o aumento percentual do custo-efetividade de alternativas, contrafactuais do custo cumulativo do diagnóstico e do cuidado pós-parto devem ser levados em conta, bem como as taxas de diagnóstico e os desfechos da gravidez.

Diagnóstico na pediatria

Para o diagnóstico no contexto da pediatria, os autores recomendam que, no âmbito dos distúrbios monogênicos que necessitam de cuidado intensivo, o retorno qualitativo rápido das estratégias de sequenciamento devem ser comparadas com fluxos de trabalho tradicionais e com o tempo padrão de retorno.

Além disso, as estratégias de sequenciamento devem ser modeladas e comparadas com técnicas tradicionais de diagnóstico. Adicionalmente, inclui-se aí outras formas de testagem genética. Adicionalmente, deve ser realizada a avaliação destas estratégias nos diferentes estágios em que o diagnóstico pode ser feito.

De maneira similar, os QALYs e os custos devem ser modelados de maneira condicional quando se espera que os resultados e as melhorias de longo prazo sejam diferentes entre as estratégias comparadas.

Testagem genética no câncer

O tempo de análise a ser modelado na análise deve compreender a vida inteira do indivíduo, bem como os custos envolvidos. Adicionalmente, a modelagem dos custos cumulativos e dos QALYs pode ser realizada para ACEs que envolvam parentes de primeiro, segundo e terceiro grau, dentro do contexto dos testes para síndromes de predisposição hereditária ao câncer. 

Triagem de populações saudáveis (neonatos e adultos)

Para este caso, Ferket e colaboradores recomendam que os custos ao longo da vida, bem como os QALYs sejam modelados de forma a incluir as consequências incertas da detecção de variantes patogênicas de baixa penetrância, bem como os custos e melhorias na qualidade de vida incertas ao se armazenar dados de sequenciamento para reanálise.

Conclusão acerca da economia da saúde na genômica

Análises de Custo-Efetividade (ACE) são ferramentas importantes da economia da saúde e que devem ser utilizadas na tomada de decisão por parte de gestores e legisladores. 

Apesar disso, ao incluir o sequenciamento genético como instrumento de diagnóstico, estas análises esbarram em obstáculos como a falta de padronização de nomenclaturas e a baixa acurácia das estimativas.

Para auxiliar o correto desenvolvimento destas análises, Ferket e colaboradores desenvolveram recomendações para a construção de modelos de ACE. Para isso, foi realizada uma análise de escopo, tendo estudos de meta-análise e de revisão sistemática como base.

Dessa forma, os autores identificaram uma série de características a serem levadas em conta durante a construção dos modelos, que foram expressas segmentadamente através dos cenários propostos pelos próprios autores.

Por fim, os autores reconhecem as limitações existentes na medida dos desfechos em saúde utilizando a métrica QALY, embora ela seja recomendada pela literatura. Não obstante, as tecnologias de sequenciamento, colocam os autores, são ferramentas poderosas para o diagnóstico e seu uso tende a aumentar conforme os custos diminuem e os benefícios se tornam cada vez mais evidentes.