Escrito pela Professora Nancy Devlin, Diretora de Pesquisa da OHE e membro do Grupo EuroQol
EQ-5D é a medida mais amplamente utilizada de resultados reportados de pacientes (PRO) em todo o mundo. Há algumas décadas, tem sido utilizada em ensaios clínicos, estudos observacionais, inquéritos de saúde da população e – mais recentemente – na recolha de dados de rotina nos sistemas de saúde. Por ser um PRO genérico, e por ser acompanhado por ‘conjuntos de valores’ (também conhecidos como ‘utilitários’) utilizados no cálculo de QALYs (anos de vida ajustados à qualidade), o EQ-5D tornou-se a pedra angular da avaliação da tecnologia de saúde (HTA), afetando importantes decisões sobre o acesso a novos medicamentos.
Mas apesar de tudo isso, os dados do EQ-5D são frequentemente subnotificados e inadequadamente analisados. O resultado final é – se você coletar esses dados de seus pacientes, você deve estar comprometido em certificar-se de aprender o máximo possível com o que eles lhe dizem.
Então: para qualquer pessoa que recolha ou reporte dados EQ-5D, aqui estão as minhas recomendações para o que fazer com os dados EQ-5D. Isto aplica-se à versão original de três níveis, a EQ-5D-3L; à versão de cinco níveis, EQ-5D-5L; à versão amiga das crianças, EQ-5D-Y – e, provavelmente, a qualquer instrumento PRO.
1. O que não fazer – não pule diretamente para ‘utilidades’ ou uso de partituras de qualquer tipo para resumir os dados dos pacientes
OK: você coletou dados do EQ-5D. Isso é ótimo por muitas razões! O EQ-5D é uma forma fantástica de medir resultados de saúde de uma forma genérica que pode ser comparada entre áreas de doenças. Um monte de pacientes/pessoas marcaram caixas para descrever a sua saúde nas cinco dimensões. Uma abordagem comum é resumir essas respostas em um único número em uma escala ancorada em 1 (saúde total) usando os conjuntos de valores disponíveis para esse fim (Szende et al 2007). Isso torna a análise dos dados muito mais fácil: afinal de contas – estatisticamente, números únicos são mais fáceis que dados categóricos.
Job feito? Errado!
Você deve saber que:
- Não há uma forma ‘neutra’, ou ‘objetiva’ de resumir dados EQ-5D (ou dados de qualquer medida PRO, já agora!)
- O que quer que seja ‘conjunto de valores’ que você use para resumir seus dados EQ-5D, ele irá introduzir uma fonte exógena de variância na inferência estatística (Parkin, Devlin e Rice 2010) – ou seja, variância que não vem dos dados que seus pacientes lhe deram. Conclusões sobre se existem diferenças estatisticamente significativas entre diferentes populações ou grupos de pacientes – ou entre diferentes ramos de um ensaio clínico – são afetadas por qual conjunto de valores é usado. Existem diferenças importantes entre as propriedades estatísticas dos vários conjuntos de valores disponíveis para o EQ-5D. (Para mais informações sobre este assunto, ver Parkin et al 2014. Estamos atualmente analisando essas mesmas coisas em relação aos dados do EQ-5D-5L – que em breve relataremos em Feng et al 2016).
- Esteja ciente de onde vêm os valores! Os valores vêm de estudos de “preferência declarada”: por convenção, estes estudos coletam opiniões de membros do público em geral – a quem é pedido que imaginem viver com diversos problemas de saúde. Sabemos que existem diferenças entre o público em geral e os pacientes no que diz respeito às suas opiniões e pontos de vista sobre o quão bons ou maus são os problemas de saúde. Estes conjuntos de valores baseados em preferências foram desenvolvidos com um propósito específico em mente: estimar os QALYs. Se você não estiver usando dados EQ-5D para estimar QALYs, pode não haver uma razão muito forte para usar conjuntos de valores para resumir dados EQ-5D.
Note – nada disso é uma crítica ao EQ-5D – se alguma coisa, o contrário! O EuroQol Group está aberto sobre este tipo de questões e tem pesquisado extensivamente sobre elas. Todas as outras ORP genéricas e específicas da condição têm exactamente os mesmos problemas – eles simplesmente não dizem muito sobre isso.
2. Veja as respostas dos pacientes aos itens da pergunta (dimensões)
Não subestime a importância e utilidade de uma boa e antiquada estatística descritiva! A estatística descritiva dos dados PRO é subvalorizada e subreportada em artigos, o que é uma vergonha.
Summarizar os dados EQ-5D pelos conjuntos de valores não diz muito sobre quais aspectos da saúde do paciente ou da população foram mais afetados pela sua condição, ou melhorados pelo tratamento. Para saber sobre isso, você precisa olhar para os dados que os pacientes realmente lhe deram: as caixas que eles marcaram nas perguntas do EQ-5D. Por exemplo, você deve sempre informar o número e a porcentagem de pacientes que relatam cada nível de problema em cada dimensão do EQ-5D. Se você quiser simplificar as coisas, você também pode colapsar os níveis 2 e 3 juntos, e relatar o número reportando ‘não’ problemas, e o número reportando ‘qualquer’ problema.
Além de descrever a saúde do paciente em um momento, você pode estar interessado em descrever as mudanças na saúde do paciente – por exemplo, antes ou depois da cirurgia, ou em vários momentos de um ensaio clínico, em comparação com a linha de base.
Isso também pode ser feito no nível das dimensões da EQ-5D. Novamente – a estatística descritiva pode lhe dizer muito. Por exemplo, quando observamos a mudança no número e na percentagem de pacientes de substituição do quadril do NHS que relataram problemas por dimensão (ver Tabela 1 abaixo), antes e depois da cirurgia, descobrimos que houve melhorias bastante notáveis na ansiedade e depressão dos pacientes, no autocuidado e na dor/desconforto – não apenas na mobilidade (Devlin et al 2010). Na verdade, o que foi impressionante foi que nenhum paciente tinha um “nível 3” de mobilidade antes da cirurgia, portanto as únicas melhorias possíveis como resultado da cirurgia foram de “alguns” para “não” problemas. A razão? O nível 3 na dimensão da mobilidade EQ-5D-3L está ‘confinado à cama’ – e mesmo os pacientes com mobilidade muito fraca devido a problemas na anca não estão presos na cama. Isso é um problema com a EQ-5D-3L – como já apontamos anteriormente (Oppe et al 2011) – e foi corrigido na nova EQ-5D-5L (Herdman et al 2014). Nenhuma destas coisas teria sido aparente se os dados destes pacientes tivessem sido analisados apenas em termos das utilidades.
Source: Devlin et al (2010)
3. Resumir a mudança sem usar conjuntos de valores
Tabelas como a mostrada acima podem ser muito informativas – mas são complicadas de se ver, e às vezes é necessário um resumo geral. A boa notícia é que é fácil resumir as mudanças no estado de saúde do EQ-5D, usando apenas os dados que os pacientes lhe deram.
Em 2010, chegamos a uma forma de fazer isso, com base nos princípios de uma melhoria de Pareto em Economia do Bem-Estar – a Classificação de Pareto da Mudança da Saúde (PCHC) (Devlin et al 2010). A idéia é simples: um estado de saúde EQ-5D é considerado “melhor” do que outro se for melhor em pelo menos uma dimensão, e não é pior em nenhuma outra dimensão. E um estado de saúde EQ-5D é considerado ‘pior’ do que outro se for pior em pelo menos uma dimensão, e não é melhor em nenhuma outra dimensão. Usando esse princípio para comparar os estados de saúde de um paciente EQ-5D entre quaisquer dois períodos de tempo, existem apenas 4 possibilidades:
– Seu estado de saúde é melhor
– Seu estado de saúde é pior
– Seu estado de saúde é exatamente o mesmo
– As mudanças na saúde são ‘mistas’: melhor em uma dimensão, mas pior em outra.
– Aplicando isto aos dados das próteses da anca, verificamos que menos de 5% não tiveram alteração, 82% melhoraram a saúde, menos de 5% tiveram pior saúde, e menos de 10% tiveram uma alteração ‘mista’ (Devlin et al 2010). Em outras palavras, esta análise simples fornece um resumo muito claro do que está acontecendo com a saúde dos pacientes como resultado da cirurgia do quadril – sem depender de conjuntos de valores. Ela também destacou diferenças importantes nos benefícios da cirurgia do quadril, em comparação com outros tipos de cirurgia eletiva.
Existem também outras formas de resumir os dados do EQ-5D. Não vou entrar em todas elas aqui – mas há uma variedade de abordagens, e algumas têm limitações importantes como forma de resumir os dados dos pacientes. Um exemplo desta última é aproximar a ‘gravidade’ geral de um estado pela sua ‘pontuação de soma de níveis’, que simplesmente soma os níveis em cada dimensão. O melhor estado de saúde EQ-5D-3L envolve não ter problemas em nenhuma dimensão. Nenhum problema’ = 1, portanto nenhum problema (1+1+1+1+1) = 5. O problema mais grave em qualquer dimensão = 3, portanto o pior estado de saúde é (3+3+3+3+3+3) = 15. Cada outro estado de saúde na EQ-5D-3L terá uma pontuação de nível entre o melhor (5) e o pior (15). Isto também pode ser aplicado ao EQ-5D-5L, onde o melhor é novamente 5, e o pior é (5+5+5+5+5+5) = 25. Estas pontuações de soma de nível podem ser úteis em algumas situações – mas existem limitações óbvias. É uma pontuação sumária muito grosseira – por exemplo, 22222, 33211 e 11233 têm todas a mesma pontuação de soma de nível (= 10). E cada pontuação contém um número muito diferente de perfis potenciais (5 e 15 têm apenas um perfil cada; enquanto a soma de nível 10 contém 51 perfis). Além disso, só porque pesa as dimensões igualmente não significa que seja ‘livre de julgamento de valor’ – a ponderação igual das dimensões representa em si mesma uma visão sobre sua importância (Parkin et al 2010).
4. Use seus dados EQ-VAS!
O EQ-VAS é uma escala de 0-100 onde os pacientes são solicitados a indicar sua saúde geral hoje. Nós (falando aqui como um membro do Grupo EuroQol!) consideramos que é uma parte integrante do questionário EQ-5D – mas muitas vezes é completamente ignorado e não é relatado (ou pior ainda – alguns usuários o descartam da coleta de dados, apesar de ser parte do instrumento de copyright!) O EQ-VAS oferece informações importantes e complementares às informações sobre o estado de saúde que os pacientes fornecem quando auto-relatam a sua saúde no EQ-5D. Na verdade, o EQ-5D é único como um instrumento PRO na geração de dados mostrando a avaliação geral e própria dos pacientes sobre sua saúde. Não a visão de outra pessoa sobre quão bom ou mau é o seu estado geral de saúde, se ela imagina estar nele, mas a visão da pessoa que realmente o experimenta. Isso soa como informação útil – e é.
Por exemplo, o EQ-VAS pode capturar problemas que não são capturados dentro das 5 dimensões do EQ-5D – revelando potencialmente algumas lacunas no EQ-5D relevantes para grupos particulares de pacientes (ver Feng et al 2014). Isso ajuda a interpretar os dados da EQ-5D que você coletou, e se pode haver alguma razão para sugerir que ela não captura totalmente os efeitos dos problemas de saúde.
Não está convencido? Dê uma olhada neste diagrama, que foi gerado a partir da vasta quantidade de dados detidos pelo EuroQol Group. Existe um EQ-VAS em forte declínio por idade para aqueles que relatam problemas no EQ-5D (ou seja, à medida que a idade aumenta, o mesmo acontece com os problemas relatados nas cinco dimensões e também com a saúde geral dos pacientes auto-avaliados no EQ-VAS). Mas, curiosamente, o EQ-VAS diminui com a idade, mesmo entre os pacientes que não relatam problemas no EQ-5D. Isto sugere que a EQ-VAS está medindo algo um pouco diferente e adicional às coisas nas 5 dimensões.
5. Por último mas não menos importante: se você precisa usar um conjunto de valores para resumir seus dados EQ-5D – por exemplo, para estimar QALYs – certifique-se de fazer análise de sensibilidade para conjuntos de valores alternativos.
conjuntos de valores são um produto das decisões dos pesquisadores sobre quais métodos usar, e como modelar os dados. Essas decisões podem potencialmente ter um efeito não trivial sobre as características dos valores que são gerados – por exemplo, qual é o valor mínimo, e quantos valores negativos existem, e como é a distribuição dos valores. Há uma falta de consenso entre os pesquisadores sobre quais métodos são ‘melhores’, e métodos diferentes, tanto para eliciar valores quanto para modelá-los, podem levar a resultados diferentes.
A implicação é que os valores a serem aplicados aos dados EQ-5D têm alguma incerteza associada a eles. Mas então, assim como as evidências sobre muitas outras coisas na análise de custo-eficácia, como a eficácia das novas tecnologias, e seus custos. Assim – como qualquer outro parâmetro incerto em um modelo de custo-benefício, a implicação é que os analistas devem certificar-se de verificar se suas conclusões sobre custo-benefício são sensíveis à escolha do conjunto de valores. E, onde os conjuntos de valores reportam intervalos de confiança (que todos eles deveriam!) esses intervalos de confiança também devem fazer parte da análise de sensibilidade na análise de custo-eficácia.
Quer saber mais? Referências selecionadas:
Devlin N, Parkin D, Browne J. (2010). Usando o EQ-5D como uma ferramenta de medição de desempenho no NHS. Health Economics 19(8):886-905.
Parkin D, Devlin N, Rice N. (2010) Análise estatística dos perfis do EQ-5D: o uso de conjuntos de valores inferência de viés? Tomada de decisão médica 2010; 30:556-565