Research, design and development of SW tools for process management in the area of e-health: projection of future number of end-stage renal disease patients in Greece

Abstract

End Stage Renal Disease (ESRD) is the irreversible loss of kidney function, which can be due to various causes. Its treatment is one of the most costly chronic disease treatments. There are now approximately one million people worldwide living with ESRD and this number is predicted to increase in the future. The main reasons for the increasing incidence of ESRD worldwide are population ageing, the rapid increase of diabetes mellitus reaching epidemic proportions, and changes in age limits for treatment initiation. In Greece, during the period 2005-2009, 74% of the ESRD patients were on hemodialysis (HD), 7% on peritoneal dialysis (PD) and 19% were living with a functioning graft. The latter percentage brings Greece in the 26th place out of 36 countries in prevalence of functioning grafts worldwide. Cost-effectiveness analyses of these treatments have shown that RTx is overall the least expensive, followed by PD, while centre HD is the most expensive. Moreover, these treatments are also listed in the exact same order concerning the quality of life they provide to patients. The main reasons for the low RTx rate in Greece are the lack of organ donation, largely due to inadequate information, the inefficient organ distribution system, a high number of private HD centers not interested in RTx, as well as social factors. The objective of the present work was to implement a model for the projection of the ESRD patients" number by 2020 in Greece and investigate the impact of different scenarios of an increase in RTx. In addition, a cost-effectiveness analysis of the increase in RTx was performed. The projection was performed based on a Markov chain model. The Markov models are distinguished by their simplicity and their ability to accurately represent many clinical problems. A deterministic Markov chain model was implemented in order to predict the future number of prevalent ESRD patients in Greece. Monte Carlo techniques were applied in order to add robustness to the model. Thus two models of prediction were implemented, a Markov chain and a Markov Chain Monte Carlo (MCMC) model. Age-specific data (<45, 45-65, >65 age groups) on incident and prevalent ESRD patients’ number for Greece, available from the European Renal Association - European Dialysis and Transplant Association reports for the period 1998-2009, were used for the implementation. The basic component of the Markov chain is the transition matrix defining the probability for the patient to move between the four states, i.e. HD, PD, RTx and death. An iterative error minimization technique was used in defining the transition probabilities of the Markov chain, based on the data from 1998 to 2006. Both Markov chain and MCMC models were successfully validated based on data for the period from 2007 to 2009. In each model the ESRD incident patients’ number in Greece was predicted in a different way. For the Markov chain model three incidence rate scenarios were applied: low, medium and high. Additionally, two different approaches were proposed for the increase in RTx, one for each model. In the Markov chain model, two scenarios of RTx increase were applied on the number of prevalent patients. The first one was based on the assumption that the average number of transplants performed in Greece during the period 2005-2009 will double by 2020. The second one assumed that Greece will reach by 2020 the transplantation rate of Norway in 2009, the highest transplantation rate reported during that year worldwide. In the MCMC model, the increase of RTx was accomplished by increasing annually by 1% the number of incident patients receiving RTx and reducing accordingly the number of patients performing HD. The Markov chain model projected an increase in the number of prevalent patients’ in Greece by 19.3%, 24.4% and 42.2% in 2020 compared to 2009, depending on the incidence scenario applied. Similarly, the MCMC model projected a 25.0% prevalence increase. In the Markov chain model, the results of the increase in RTx indicated that in 2020 there will be a 64.6% (first scenario) or a 107.2% (second scenario) increase in the number of RTx patients compared to 2009, resulting in total saving of €50.2 and €1 12.37 million, respectively, for the period 2010-2020. Finally, the increase in RTx accomplished in the MCMC model indicated a 57.9% increase of patients living with a transplanted kidney, resulting in total saving of €68.2 million. The results of both models suggest that performing more kidney transplantations instead of HD would reduce the treatment costs for the country’s healthcare system, while at the same time it would improve the quality of life for a significant number of ESRD patients.

Η Τελικού Σταδίου Χρόνια Νεφρική Ανεπάρκεια (ΤΣΧΝΑ) είναι η μη αναστρέψιμη απώλεια της νεφρικής λειτουργίας, η οποία μπορεί να οφείλεται σε διάφορα αίτια. Η θεραπεία της είναι μία από τις πιο δαπανηρές όσον αφορά τις χρόνιες παθήσεις. Σήμερα, υπολογίζεται ότι περίπου ένα εκατομμύριο άνθρωποι παγκοσμίως ζουν με ΤΣΧΝΑ, ενώ ο αριθμός τους προβλέπεται να αυξηθεί στο μέλλον. Οι κύριοι παράγοντες αύξησης της επίπτωσης (δηλαδή του αριθμού των νεοεντασσόμενων ασθενών) της ΤΣΧΝΑ παγκοσμίως είναι η αύξηση της μέσης ηλικίας του πληθυσμού, η αλματώδης αύξηση του σακχαρώδους διαβήτη που λαμβάνει επιδημικές διαστάσεις, καθώς και οι αλλαγές στα ηλικιακά όρια για έναρξη θεραπείας. Στην Ελλάδα, κατά την περίοδο 2005-2009 το 74% ασθενών με ΤΣΧΝΑ έκανε αιμοκάθαρση, το 7% έκανε περιτοναϊκή κάθαρση και το 19% ζούσε με νεφρικό μόσχευμα. Το τελευταίο ποσοστό κατατάσσει την Ελλάδα στην 26η θέση ανάμεσα σε 36 χώρες παγκοσμίως όσον αφορά τον αριθμό των ασθενών που ζουν με μεταμοσχευμένο νεφρό. Η ανάλυση κόστους-αποτελεσματικότητας δείχνει πως η λιγότερο δαπανηρή θεραπεία της ΤΣΧΝΑ είναι η μεταμόσχευση, ακολουθούμενη από την περιτοναϊκή κάθαρση, ενώ η αιμοκάθαρση αναδεικνύεται ως η πιο δαπανηρή. Οι θεραπείες κατατάσσονται με την ίδια ακριβώς σειρά όσον αφορά και την ποιότητα ζωής που παρέχουν στους ασθενείς. Οι βασικές αιτίες για το χαμηλό ποσοστό μεταμοσχεύσεων στην Ελλάδα είναι η έλλειψη δωριζόμενων οργάνων, που οφείλεται κατά πολύ στην ελλιπή πληροφόρηση, η ανεπάρκεια του συστήματος διανομής οργάνων, ο υψηλός αριθμός ιδιωτικών κέντρων αιμοκάθαρσης, τα οποία δεν ενδιαφέρονται για μεταμοσχεύσεις, καθώς και κοινωνικοί παράγοντες. Ο σκοπός της παρούσας διατριβής ήταν η υλοποίηση ενός μοντέλου για την πρόβλεψη του αριθμού των ασθενών με ΤΣΧΝΑ στην Ελλάδα το 2020, καθώς επίσης και η διερεύνηση της επίδρασης διαφόρων σεναρίων αύξησης των μεταμοσχεύσεων. Επιπλέον, πραγματοποιήθηκε ανάλυση κόστους-αποτελεσματικότητας της αύξησης των μεταμοσχεύσεων. Η πρόβλεψη έγινε με βάση ένα μοντέλο Μαρκόφ. Τα μοντέλα Μαρκόφ διακρίνονται για την απλότητα αλλά και την ικανότητά τους να αναπαριστούν με ακρίβεια πολλά κλινικά προβλήματα. Για την παρούσα εργασία, υλοποιήθηκε ένα ντετερμινιστικό μοντέλο Μαρκόφ για την πρόβλεψη του μελλοντικού αριθμού των ασθενών με ΤΣΧΝΑ σε Θεραπεία Υποκατάστασης της Νεφρικής Λειτουργίας (ΘΥΝΛ) στην Ελλάδα. Επίσης, εφαρμόστηκαν τεχνικές Μόντε Κάρλο για μεγαλύτερη ευρωστία του μοντέλου. Ως εκ τούτου, υλοποιήθηκαν δύο διαφορετικά μοντέλα πρόβλεψης, ένα μοντέλο Μαρκόφ και ένα μοντέλο Μαρκόφ Μόντε Κάρλο. Για την υλοποίηση χρησιμοποιήθηκαν ηλικιακά δεδομένα (<45, 45-65, >65) του Ευρωπαϊκού Αρχείου Καταγραφής Νεφροπαθών (ERA-EDTA registry) που αφορούσαν νεοεντασσόμενους ασθενείς αλλά και ασθενείς που βρίσκονταν σε ΘΥΝΛ στην Ελλάδα την περίοδο 1998-2009. Ο σχεδιασμός μιας αλυσίδας Μαρκόφ βασίζεται στον πίνακα μετάβασης για υπολογισμό της πιθανότητας μετακίνησης του ασθενούς ανάμεσα στην Αιμοκάθαρση, την περιτοναϊκή κάθαρση, τη μεταμόσχευση και τον θάνατο. Για να υπολογιστούν οι πιθανότητες μετάβασης στην αλυσίδα Μαρκόφ, έγινε χρήση μιας επαναληπτικής τεχνικής μείωσης του σφάλματος με βάση τα ηλικιακά δεδομένα της περιόδου 1998-2006. Και τα δύο μοντέλα επαληθεύτηκαν επιτυχώς με βάση τα δεδομένα της περιόδου 2007-2009. Η πρόβλεψη του μελλοντικού αριθμού νεοεντασσόμενων ασθενών με ΤΣΧΝΑ στην Ελλάδα έγινε με διαφορετικό τρόπο σε κάθε μοντέλο. Στο μοντέλο Μαρκόφ, εφαρμόστηκαν τρία διαφορετικά σενάρια πρόβλεψης του ποσοστού επίπτωσης: χαμηλό, μεσαίο και υψηλό. Επιπλέον, σε κάθε μοντέλο ακολουθήθηκε διαφορετική προσέγγιση όσον αφορά την αύξηση του αριθμού των μεταμοσχεύσεων. Στο μοντέλο Μαρκόφ, εφαρμόστηκαν δύο σενάρια αύξησης των μεταμοσχεύσεων σε σχέση με τον αριθμό των ασθενών σε ΘΥΝΛ. Το πρώτο σενάριο βασίστηκε στην υπόθεση ότι ο μέσος αριθμός μεταμοσχεύσεων που έγιναν στην Ελλάδα κατά την περίοδο 2005-2009 θα διπλασιαστεί ως το 2020. Στο δεύτερο σενάριο θεωρήθηκε ότι η Ελλάδα θα φτάσει ως το 2020 το ποσοστό μεταμοσχεύσεων της Νορβηγίας το 2009, που ήταν το μεγαλύτερο παγκοσμίως για εκείνο το έτος. Στο μοντέλο Μαρκόφ Μόντε Κάρλο, η αύξηση του αριθμού των μεταμοσχεύσεων επιτεύχθηκε με ετήσια αύξηση κατά 1% του αριθμού των νεοεντασσόμενων ασθενών που θα έκαναν μεταμόσχευση, με αντίστοιχη μείωση του αριθμού των αιμοκαθαιρόμενων. Το μοντέλο Μαρκόφ προέβλεψε αύξηση του αριθμού των ασθενών σε ΘΥΝΛ στην Ελλάδα κατά 19.3%, 24.4% και 42.2% το 2020 σε σχέση με το 2009, ανάλογα με το εφαρμοζόμενο σενάριο επίπτωσης. Το μοντέλο Μαρκόφ Μόντε Κάρλο προέβλεψε αντίστοιχη αύξηση της τάξης του 25%. Στο μοντέλο Μαρκόφ, τα αποτελέσματα της αύξησης των μεταμοσχεύσεων έδειξαν ότι το 2020 θα υπάρξει αύξηση κατά 64.4% (πρώτο σενάριο) ή κατά 107.2% (δεύτερο σενάριο) του αριθμού των μεταμοσχευμένων ασθενών συγκριτικά με το 2009, με συνολική εξοικονόμηση 50.2 και 112.37 εκατομμύρια ευρώ αντίστοιχα, για την περίοδο 2010-2020. Τέλος, η αύξηση του αριθμού των μεταμοσχεύσεων στο μοντέλο Μαρκόφ Μόντε Κάρλο έδειξε αύξηση κατά 57.9% του αριθμού των ασθενών που ζουν με μεταμοσχευμένο νεφρό, με συνολική εξοικονόμηση 68.2 εκατομμύρια ευρώ. Τα αποτελέσματα και στα δύο μοντέλα καταδεικνύουν ότι η αύξηση του αριθμού των μεταμοσχεύσεων έναντι της αιμοκάθαρσης θα μείωνε το κόστος θεραπείας για το Σύστημα Υγείας της χώρας, ενώ ταυτοχρόνως θα βελτίωνε την ποιότητα ζωής για έναν σημαντικό αριθμό ασθενών με ΤΣΧΝΑ.