Три месяца работы, два миллиона рублей на исследование — и отказ комиссии по формированию перечня ЖНВЛП. Причина? Некорректный выбор модели фармакоэкономического анализа. Каждый второй заказчик приходит к нам в консалтинговую компанию ПроАксесс с одним вопросом: какую модель выбрать — Маркова, дерево решений или что-то принципиально другое? Разбираем ситуацию на реальных примерах.
Зачем вообще нужно фармакоэкономическое моделирование
Фармакоэкономическое моделирование — обязательный элемент досье при подаче заявки на включение в перечни (ЖНВЛП, ВЗН) и Программу госгарантий (ПГГ). Без него документы даже не рассматриваются. Модель позволяет оценить соотношение затрат и клинических результатов в длительной перспективе, спрогнозировать нагрузку на бюджет и сравнить новый препарат с текущим стандартом терапии.
Комиссия при Минздраве оценивает три параметра: адекватность выбранной модели характеру заболевания, корректность входных данных и валидность результатов. Провал хотя бы по одному пункту — основание для отрицательного заключения.
Нормативная база определена Постановлением Правительства РФ № 871, которое устанавливает порядок проведения клинико-экономической экспертизы. Методические рекомендации разрабатываются Центром экспертизы и контроля качества медицинской помощи Минздрава России.
Дерево решений: когда работает и когда нет
Модель «дерево решений» (decision tree) — простейший аналитический инструмент. Суть: в каждой точке ветвления (узле) пациент с определённой вероятностью переходит по одному из путей — к выздоровлению, ухудшению, побочным эффектам или летальному исходу. Каждому пути присваивается стоимость и клинический результат.
Где дерево решений оправдано:
- Острые заболевания с коротким горизонтом (до 12 месяцев) — пневмония, острый синусит, неосложнённые инфекции
- Ситуации с ограниченным числом исходов (2-4 варианта) и отсутствием циклических переходов
- Когда данных мало, а клиническое исследование имело короткий период наблюдения
- Экспресс-анализы для ранних этапов стратегического планирования (до подачи досье)
Ограничения дерева решений серьёзные. Модель не учитывает фактор времени напрямую — нельзя моделировать рецидивы, хронические обострения, кумулятивную токсичность. При попытке добавить больше узлов (более 4-5 уровней ветвления) структура становится необозримой: число конечных исходов растёт экспоненциально, а интерпретация результатов теряется.
Практический пример: для антибиотикотерапии внебольничной пневмонии дерево решений с горизонтом 14-28 дней — адекватный выбор. Комиссия примет такую модель без вопросов. Но если подать дерево решений для онкологического препарата с горизонтом 5 лет — прямой путь к отказу.
Марковская модель: золотой стандарт для хронических заболеваний
Модель Маркова оперирует понятием «состояний здоровья» (health states). Пациент в каждый момент находится в одном из предопределённых состояний и с определённой вероятностью переходит в другие состояния в каждом цикле. Длительность цикла определяется клинической логикой — месяц, квартал, год.
Ключевое допущение (Марковское свойство): вероятность перехода зависит только от текущего состояния, но не от предыстории. Пациент, пришедший в ремиссию после первого обострения, имеет ту же вероятность рецидива, что и пациент, вошедший в ремиссию после третьего.
Когда Марковская модель оптимальна:
- Хронические заболевания с выраженной стадийностью (онкология, ВИЧ, гепатит С, ревматоидный артрит)
- Горизонт моделирования 3-10+ лет (пожизненный)
- Необходимость учёта рецидивов, прогрессирования, перехода между линиями терапии
- Анализ «затраты-полезность» (CUA) с расчётом QALY
Классическая структура: «здоров → лёгкая степень → среднетяжёлая → тяжёлая → смерть» для хронического заболевания. Или «стабильное заболевание → прогрессирование → вторая линия терапии → паллиатив → смерть» для онкологии.
Входные данные для Марковской модели берутся из клинических исследований (вероятности переходов), тарифов ОМС и стоимости терапии (затраты на состояние), данных по качеству жизни (утилитарности, QALY-веса). Российская специфика: тарифы ОМС и КСГ должны быть актуальными, а не устаревшими на 2-3 года.
Полумарковские модели и микросимуляция: когда стандартного Маркова недостаточно
Марковское допущение (отсутствие памяти) не всегда корректно клинически. Пациент, находящийся в ремиссии 3 года, имеет меньшую вероятность рецидива, чем только что достигший ремиссии — объективная клиническая реальность для многих заболеваний.
Полумарковская модель (semi-Markov) решает проблему: вероятности переходов зависят от времени, проведённого в текущем состоянии. Технически каждое состояние получает дополнительный параметр «время пребывания», и матрица переходов обновляется в каждом цикле.
Микросимуляция (индивидуальное моделирование) идёт дальше. Вместо когорты пациентов с усреднёнными характеристиками модель прогоняет тысячи виртуальных пациентов, каждый со своим набором параметров: возраст, пол, коморбидности, генетические особенности. Метод Монте-Карло обеспечивает стохастический характер переходов.
Преимущества микросимуляции: точность прогнозов, возможность учёта гетерогенности популяции, моделирование редких событий. Минусы: требует огромного массива входных данных, вычислительно затратна, сложнее валидировать, а экспертам комиссии — проверять.
На практике в России полумарковские модели и микросимуляция используются реже. Комиссия по ЖНВЛП привыкла к стандартным когортным Марковским моделям. Если вы подаёте микросимуляцию, готовьтесь к дополнительным вопросам и обоснованию, почему стандартной когортной модели недостаточно.
Partitioned Survival Model: альтернатива Маркову в онкологии
В онкологической фармакоэкономике последнее десятилетие набирает силу модель разделённого выживания (Partitioned Survival Model, PSM). Принцип: площадь между кривыми выживаемости разделяет когорту на группы — «до прогрессирования», «после прогрессирования», «смерть».
PSM не требует оценки вероятностей переходов между состояниями. Достаточно двух кривых из клинического исследования: общей выживаемости (OS) и выживаемости без прогрессирования (PFS). Это принципиально упрощает модель, когда данных по переходам мало.
Когда PSM предпочтительнее Маркова:
- Онкологические препараты с данными по OS и PFS из рандомизированных исследований
- Ситуации, где оценить матрицу переходов затруднительно (например, перекрёстный дизайн исследования)
- Подача в зарубежные HTA-агентства (NICE в Великобритании предпочитает PSM)
Ограничения PSM: модель не описывает механизм прогрессирования заболевания, а лишь фиксирует пропорцию пациентов в каждом состоянии. При экстраполяции кривых за пределы наблюдения погрешность может быть существенной. Российская комиссия принимает PSM для онкологических досье, но потребует обоснования выбора параметрических моделей для экстраполяции (Вейбулл, лог-нормальная, гомперцовская и другие).
Анализ влияния на бюджет (BIA): не модель, но обязательный компонент
BIA — не альтернатива фармакоэкономической модели, а обязательное дополнение к ней. Если CEA/CUA показывает, что новый препарат эффективнее по соотношению затрат и результатов, BIA отвечает на вопрос: сколько это будет стоить бюджету в абсолютных цифрах?
Особенности BIA для российской комиссии:
- Горизонт планирования — 3 года (не 5, как в некоторых зарубежных рекомендациях)
- Размер целевой популяции рассчитывается от данных Росстата и регистров заболеваний
- Ежегодный прирост пациентов (инцидентность) учитывается отдельно
- Цены — зарегистрированные предельные отпускные (ПОЦП для ЖНВЛП) или расчётные
- Сценарии: «без нового препарата» и «с новым препаратом» на горизонте каждого из 3 лет
Типичная ошибка — занижение целевой популяции. Комиссия видит это сразу и задаёт вопросы. Лучше представить реалистичный расчёт с указанием источника данных по эпидемиологии (регистр заболеваний, данные ФОМС, публикации).
Как выбрать модель: алгоритм решения
Выбор модели — не вопрос предпочтений аналитика. Это функция от трёх параметров: характер заболевания, доступные данные, требования регулятора.
Решающие факторы:
- Острое заболевание с коротким горизонтом (до 1 года) → дерево решений
- Хроническое заболевание со стадийностью → когортная Марковская модель
- Онкология с данными по OS/PFS → PSM или Марков (оба допустимы)
- Редкое заболевание с гетерогенной популяцией → микросимуляция (с обоснованием)
- Заболевание, где «память» критична (длительность ремиссии влияет на прогноз) → полумарковская модель
Комиссия по ЖНВЛП не отвергает ни одну модель по типу. Отвергает по несоответствию: если модель не отвечает клинической реальности или входные данные взяты из неподходящих источников.
Специалисты ПроАксесс, работающие с фармакоэкономическим моделированием, рекомендуют до начала работы провести пре-консультацию с экспертами комиссии (формально — анализ прецедентов по аналогичным заявкам). Это позволяет понять ожидания регулятора и избежать пересчёта модели после получения замечаний.
Программное обеспечение для моделирования
TreeAge Pro — стандарт для деревьев решений и Марковских моделей. Удобен для построения сложных структур, имеет встроенные инструменты чувствительности. Стоимость лицензии — от $500/год для академических пользователей.
Microsoft Excel — как ни странно, большинство моделей в российских досье выполнены именно в Excel. Причина проста: прозрачность вычислений, возможность проверки каждой ячейки экспертом. Комиссия может запросить файл модели, и Excel с формулами даёт полную прозрачность.
R (пакеты heemod, hesim, BCEA) — для микросимуляций и сложных полумарковских моделей. Преимущество: воспроизводимость, версионирование кода, публикации. Минус: не каждый эксперт комиссии сможет проверить R-код.
Python (пакеты SimPy, PyDSTool) — набирает популярность для имитационного моделирования, особенно при работе с большими эпидемиологическими данными.
Практическая рекомендация: если подаёте в российскую комиссию, оптимален Excel с прозрачной структурой. Для сложных моделей с параллельной подачей за рубеж — TreeAge Pro или R с визуализацией.
Валидация модели: что проверяет комиссия
Даже технически безупречная модель может получить отказ, если не пройдена процедура валидации. Комиссия проверяет несколько аспектов, каждый из которых может стать камнем преткновения.
Внутренняя валидация. Верификация формул и расчётов. Все промежуточные результаты должны быть логически непротиворечивы. Если модель показывает, что через 5 лет в живых больше пациентов, чем на старте моделирования, это очевидная ошибка. Звучит абсурдно, но на практике такие баги встречаются при копировании формул в Excel.
Внешняя валидация. Сопоставление результатов модели с реальными данными. Если Марковская модель прогнозирует 5-летнюю выживаемость 60%, а по данным российских регистров реальная цифра составляет 35%, модель нуждается в калибровке. Источники для внешней валидации: данные ФОМС, Канцер-регистр, базы Росстата, публикации российских клиник.
Анализ чувствительности. Обязательны три вида: однопараметрический детерминистический (tornado diagram), многопараметрический детерминистический и вероятностный (PSA с 1000-5000 итераций). PSA даёт кривую приемлемости (CEAC), показывающую вероятность того, что препарат экономически эффективен при разных порогах готовности платить.
Порог готовности платить (WTP). В России официально утверждённого порога нет, но на практике комиссия ориентируется на 1-3 ВВП на душу населения за 1 дополнительный QALY. На 2026 год это порядка 1,5-4,5 млн рублей за QALY. Если ICER модели превышает верхнюю границу, потребуются дополнительные аргументы (бремя заболевания, отсутствие альтернатив, социальная значимость).
Дисконтирование. Стандарт для России: 3-5% годовых и для затрат, и для результатов. Выбор ставки дисконтирования должен быть обоснован. Модель без дисконтирования при горизонте более 1 года не принимается.
Особенности моделирования для орфанных препаратов
Отдельная категория со своими правилами. Орфанные заболевания (распространённость менее 10 случаев на 100 000 населения) создают специфические проблемы для моделирования:
- Малая выборка в клинических исследованиях (иногда 20-50 пациентов)
- Высокая неопределённость вероятностей переходов
- Стоимость терапии часто превышает пороги WTP в десятки раз
- Данные по естественному течению заболевания ограничены
Для орфанных препаратов допускаются послабления: более короткий горизонт моделирования, упрощённая структура модели, использование данных из зарубежных регистров при отсутствии российских. Но BIA должен быть абсолютно точным, поскольку именно бюджетное влияние часто становится решающим аргументом при принятии решения.
Многие орфанные заявки проходят через программу «14 нозологий» (теперь расширена до более чем 17 нозологий), где критерии несколько отличаются от стандартной процедуры ЖНВЛП. Здесь особенно ценен опыт работы с малыми выборками и байесовские подходы к оценке неопределённости. Комиссия допускает более широкие доверительные интервалы, если заявитель продемонстрирует понимание ограничений данных и адекватно их интерпретирует.
Типичные ошибки при выборе модели
За 12 лет практики наших экспертов в фармакоэкономике мы видели сотни отказов. Самые частые причины, связанные именно с моделированием:
Ошибка 1: дерево решений для хронического заболевания. Заказчик хочет сэкономить на моделировании. Результат: комиссия возвращает досье с замечанием «модель не отражает клиническое течение заболевания». Потеря: 3-6 месяцев на пересчёт.
Ошибка 2: завышенный горизонт без данных. Марковская модель на 20 лет при клиническом исследовании длительностью 2 года. Экстраполяция вероятностей переходов не обоснована, чувствительность к допущениям огромная. Решение: горизонт, обоснованный данными, плюс анализ чувствительности.
Ошибка 3: устаревшие тарифы ОМС. Тарифы обновляются ежегодно. Модель на тарифах двухлетней давности — основание для замечания. Всегда используйте актуальные КСГ и тарифное соглашение.
Ошибка 4: игнорирование анализа чувствительности. Детерминистический анализ чувствительности (одно- и многопараметрический) и вероятностный анализ (PSA) обязательны. Без них модель считается невалидированной.
Ошибка 5: несоответствие модели и препарата-сравнения. Если модель построена для сравнения с устаревшим стандартом терапии, который уже заменён в клинических рекомендациях — серьёзный пробел. Препарат сравнения должен соответствовать действующим КР.
Сравнение моделей на конкретных терапевтических областях
Разберём типовые ситуации по нозологиям, с которыми чаще всего обращаются компании:
Сахарный диабет 2 типа. Стандартный выбор — когортная Марковская модель с состояниями: «контроль гликемии → микрососудистые осложнения → макрососудистые осложнения → терминальная стадия → смерть». Горизонт — пожизненный. Утилитарности по EQ-5D для каждого состояния хорошо описаны в литературе. Комиссия ожидает именно такой подход.
Немелкоклеточный рак лёгкого (НМРЛ). PSM или Марков. При наличии данных OS/PFS из регистрационного исследования — PSM проще и адекватнее. Если препарат для второй-третьей линии и кривые незрелые, потребуется обоснование экстраполяции: лог-нормальная или Вейбулл, визуальная проверка соответствия, AIC/BIC критерии.
Ревматоидный артрит. Марковская модель с состояниями по шкале DAS28 или HAQ. Особенность: часто моделируют последовательные линии биологической терапии (switch модели). Комиссия внимательно смотрит на обоснование вероятностей switch-а между препаратами.
Антибиотики для внебольничных инфекций. Дерево решений, горизонт 14-30 дней. Исходы: клиническое выздоровление, неэффективность терапии (switch на другой антибиотик), побочные эффекты, летальный исход. Самый простой вариант, но требует данных о резистентности.
Рассеянный склероз. Марковская модель по шкале EDSS (расширенная шкала инвалидизации), обычно 10-21 состояние. Горизонт — пожизненный. Критично: вероятности переходов между EDSS-баллами должны быть из долгосрочных наблюдательных исследований, а не только из 2-летнего RCT.
Новые подходы: что приходит на смену классике
Фармакоэкономика не стоит на месте. Несколько трендов, которые уже появляются в международной практике и постепенно приходят в Россию:
Дискретно-событийное моделирование (DES). В отличие от Маркова с фиксированными циклами, DES моделирует события по мере их наступления. Пациент не ждёт конца цикла для перехода, событие происходит, когда происходит. Это точнее отражает реальность, но сложнее в реализации.
Сетевой мета-анализ (NMA) как входные данные. Когда прямых сравнительных исследований нет, сетевой мета-анализ позволяет получить непрямые сравнения для матрицы переходов. Российская комиссия принимает NMA, но требует обоснования транзитивности и согласованности сети.
Реальные данные (RWE) для валидации. Модели, построенные на данных клинических исследований, всё чаще требуют внешней валидации на реальных данных: регистрах, данных ФОМС, базах медицинских организаций. Это повышает доверие к результатам.
Мультисоставные модели. Комбинация дерева решений (для начального этапа) и Маркова (для долгосрочного наблюдения) в одной структуре. Например: острая фаза заболевания моделируется деревом (первые 4 недели), а дальше когорта распределяется по состояниям Марковской модели.
Специалисты ПроАксесс имеют опыт реализации кейсов с различными типами моделей, включая мультисоставные и DES-модели для орфанных заболеваний.
Что нужно знать заказчику перед началом моделирования
Если вы фармкомпания, планирующая подачу на включение в ЖНВЛП или ВЗН, подготовьте до начала работы:
- Данные клинических исследований (III фаза или как минимум II фаза с достаточной выборкой): кривые выживаемости, частоту событий, качество жизни (EQ-5D или SF-36)
- Определите компаратор: действующий стандарт терапии из клинических рекомендаций Минздрава РФ
- Подготовьте данные по стоимости терапии: цена курса, сопутствующая терапия, стоимость побочных эффектов
- Актуальные тарифы ОМС (КСГ) для целевой нозологии
- Эпидемиологические данные по РФ: распространённость, заболеваемость, половозрастная структура
Сроки моделирования зависят от сложности: дерево решений — 4-6 недель, когортный Марков — 8-12 недель, микросимуляция — 12-16 недель. Стоимость — от 800 000 до 3 000 000 рублей в зависимости от типа модели и объёма работ.
Отдельный нюанс: если компания планирует параллельную подачу в нескольких странах ЕАЭС, структуру модели лучше заложить универсальную, а входные данные (тарифы, эпидемиология, цены) менять для каждой юрисдикции отдельно. Это экономит ресурсы и ускоряет подготовку досье для взаимного признания.
А вы уже определились с типом модели для своего препарата? Или ещё ищете оптимальный подход? Делитесь опытом в комментариях — разберём сложные случаи вместе.
Нужна помощь с подготовкой фармакоэкономической модели для включения в перечни? Запишитесь на консультацию в ПроАксесс — наши эксперты с опытом работы в экспертных организациях при Минздраве помогут выбрать оптимальный подход и пройти комиссию с первого раза.
Частые вопросы
Какую модель выбрать для включения препарата в ЖНВЛП?
Зависит от характера заболевания. Для хронических — Марковская модель (золотой стандарт), для острых с коротким горизонтом — дерево решений, для онкологии — PSM или Марков. Комиссия оценивает адекватность модели клинической реальности.
Можно ли подать дерево решений вместо Марковской модели для хронического заболевания?
Технически можно, но высок риск замечания «модель не отражает клиническое течение». Дерево решений не учитывает рецидивы, стадийность и длительный горизонт. Для хронических заболеваний комиссия ожидает Марков.
Сколько стоит фармакоэкономическое моделирование?
Дерево решений — от 800 000 рублей, когортная Марковская модель — от 1 200 000 рублей, микросимуляция — от 2 000 000 рублей. Сроки: от 4 до 16 недель в зависимости от сложности. В стоимость входит модель, отчёт и анализ чувствительности.
Принимает ли российская комиссия Partitioned Survival Model?
Да, PSM принимается для онкологических досье. Потребуется обоснование выбора параметрических моделей для экстраполяции кривых и адекватный анализ чувствительности к параметрам экстраполяции.
Какое программное обеспечение рекомендуется для моделирования?
Для подачи в российскую комиссию оптимален Excel — максимальная прозрачность и возможность проверки. Для сложных моделей с параллельной подачей за рубеж — TreeAge Pro или R. Комиссия может запросить файл модели для проверки расчётов.