You are on page 1of 18

1.3.1.

Estructura y caracterstica de la simulacin de eventos discretos


Modelo de simulacin de eventos discretos (MSED) (Una aproximacin a travs de ejemplos enfocados al tratamiento de pacientes) MSED y tcnicas de simulacin Los MSED se utilizan para estudiar sistemas y procesos cuyo estado va cam iando con el tiempo de forma discreta! por lo "ue permiten conceptualizar el curso de una enfermedad y su manejo en trminos de los eventos "ue pueden suceder durante el modelado! y cuyo impacto afecta tanto a los pacientes como a otros componentes del sistema (p# ej#! el uso de recursos)# Estos modelos representan procesos y situaciones complejas! en funcin de los eventos "ue puedan ocurrir! por lo "ue pueden representar tanto situaciones cl$nicas (a%udizacin de un proceso! descompensacin patol%ica! aparicin de una nueva situacin cl$nica)! como una determinada utilizacin de recursos sanitarios relacionados con dic&as situaciones# 'simismo! las pro a ilidades de "ue ocurran cada uno de los eventos se%(n se asocian con las caracter$sticas personales de los pacientes# )odos estos elementos! en conjunto! simulan la evolucin natural de la enfermedad o proceso analizado! as$ como la &istoria de los pacientes cuya simulacin se realiza en el modelo# *or todo ello! y dado "ue en el mundo real es frecuente encontrarse con procesos y sistemas cuyo an+lisis! mediante mtodos matem+ticos! resulta extraordinariamente complejo o incluso imposi le de llevar a ca o! el uso de MSED permite resolver pro lemas de esta $ndole# En tales circunstancias! la alternativa m+s eficaz para afrontar este tipo de estudios consiste en construir unos modelos l%ico,matem+ticos de forma "ue permitan imitar o simular el comportamiento del mundo real# -omo resultado de repetir dic&a simulacin un n(mero suficiente de veces! se o tendr+ un &istrico artificial de o servaciones so re el comportamiento del sistema o proceso# ' partir de dic&as o servaciones! y utilizando tcnicas de an+lisis estad$stico! ser+ posi le extraer conclusiones so re el funcionamiento de dic&o sistema#

Etapas de los MSED El dise.o! el desarrollo y el an+lisis de resultados de una simulacin es un proceso sofisticado! "ue re"uiere del analista unos m$nimos conocimientos so re pro%ramacin! matem+ticas! estad$stica! %estin de proyectos y tam in so re el propio sistema estudiado# La principal caracter$stica de un sistema de eventos discretos es "ue el sistema est+ determinado por una secuencia de eventos "ue ocurren en momentos aleatorios de tiempo t1, t2### y el cam io de estado del sistema tiene lu%ar en esos instantes# Los pacientes son las entidades del sistema y los diferentes eventos ser+n las visitas y cam ios de estado de salud (respuesta) desde un nivel asal al final! tras la toma de un tratamiento farmacol%ico "ue modificar+ la fisiolo%$a del paciente o la aplicacin de una tecnolo%$a sanitaria# -uando se escri e un pro%rama de simulacin para MSED se puede realizar una aproximacin del es"uema temporal de funcionamiento de las entidades en el sistema# 's$! de er+ descri irse la secuencia de eventos y actividades "ue realizar+n las entidades durante su estancia en el sistema y cmo se modificar+n# 'l%unos de los sistemas m+s estudiados son los pro lemas de colas "ue se aplican en determinadas situaciones! como la espera "ue de en tener los pacientes entre visita y visita! si los centros donde son tratados no pueden a sor er toda su demanda (p# ej#! en un centro e instante de tiempo slo puede ser tratado un paciente a la vez)# ' modo de resumen! para llevar a ca o la simulacin del sistema se de en se%uir una serie de etapas! ampliamente identificadas y discutidas en la literatura cient$fica (/i%ura)0

1. /ormulacin de la pro lem+tica y determinacin de los o jetivos0 consiste en esta lecer de forma clara! cu+l es el pro lema "ue se pretende a ordar! "u o jetivos %lo ales se desean alcanzar y con "u recursos ser+ necesario contar para lo%rarlos en el tiempo previsto# 2. Modelado del sistema0 se trata de crear el dise.o del sistema "ue permita su simulacin por ordenador# El modelo de er+ reflejar convenientemente la estructura interna del sistema y sus caracter$sticas! de modo "ue los resultados "ue se deriven sean extrapola les al sistema real# *or ejemplo! resultar+ fundamental modelar los fenmenos aleatorios del sistema mediante

distri uciones

estad$sticas!

como

la

interrupcin

del

tratamiento!

la

&ospitalizacin por ur%encias u otro evento# *ara llevar esto a ca o! ser$a interesante disponer de una serie &istrica de o servaciones so re el comportamiento de dic&os fenmenos aleatorios! como los resultados de un ensayo cl$nico! un metaan+lisis o un re%istro de pacientes# 3. 1mplementacin del modelo en el ordenador# El modelo desarrollado desde el punto de vista terico &a de ser implementado en el ordenador a travs de al%(n software espec$fico# M+s adelante! se descri en las principales caracter$sticas de cada una de las &erramientas inform+ticas disponi les# 4. 2erificacin del pro%rama0 compro acin de la correcta implementacin del modelo en el ordenador# *ara ello! de emos compro ar "ue el pro%rama resultante se comporta se%(n lo deseado! es decir! "ue los resultados de en ser co&erentes para las diversas com inaciones de varia les de entrada(inputs) del modelo! y no &a &a ido nin%(n error sint+ctico a la &ora de pro%ramar las diferentes instrucciones# 5. 2alidacin del modelo# -onsiste en compro ar "ue el modelo refleja convenientemente el mundo real# *ara ello! se procede a comparar! para distintas com inaciones de varia les de entrada! los resultados "ue produce el modelo con los o serva les en el sistema real# En dic&o proceso de validacin es frecuente el uso de tcnicas estad$sticas "ue permitan comparar dos conjuntos de datos34# 6. Dise.o de la simulacin y prue as piloto# Una vez aceptado el modelo como v+lido! el si%uiente paso es dise.ar las caracter$sticas del experimento o experimentos de simulacin "ue se van a llevar a ca o! es decir! responder a pre%untas como cu+l ser+ el n(mero de iteraciones! las varia les de entrada empleadas! la conveniencia de usar tcnicas de reduccin de la varianza# Suele ser de %ran utilidad la realizacin de prue as piloto (simulaciones cortas) "ue proporcionen orientaciones so re cmo conviene afrontar el estudio y calcular el n(mero de rplicas necesarias#

7. Ejecucin de la simulacin# Se procede a llevar a ca o la simulacin esta lecida en el paso anterior# 8. 'n+lisis de resultados# Los resultados procedentes de un experimento de simulacin suelen re"uerir un an+lisis estad$stico no trivial "ue permita o tener informacin (til so re el comportamiento analizado# 9. Documentacin del experimento# Una vez finalizado el experimento! ste de e ser convenientemente documentado! de modo "ue se fomente su credi ilidad y la validez de las conclusiones o tenidas# -omponentes de los modelos de simulacin de eventos discretos (MSED) 5eloj de simulacin *uesto "ue en este tipo de simulacin se est+ considerando la evolucin temporal del sistema! cuyo estado se modifica slo en instantes discretos de tiempo a causa de la aparicin de al%(n evento! ser+ necesario introducir un 6reloj de simulacin7 "ue re%istre el tiempo virtual transcurrido desde la puesta en marc&a del sistema! y "ue permita referenciar el instante exacto en "ue ocurre cada uno de los eventos# Es importante no confundir el tiempo virtual "ue marca el reloj de simulacin con el tiempo de computacin! el cual re%istra el tiempo real transcurrido desde "ue la simulacin se puso en marc&a# El tiempo marcado por el reloj de simulacin &ace expl$cito el paso del tiempo a lo lar%o del modelo# Esto &ace posi le se.alar el comienzo y el final de la simulacin! y la aparicin de eventos cl$nicos en su momento exacto! sin necesidad de ciclos de duracin fija# Esto permite una simulacin m+s eficiente y realista en funcin de la aparicin de los eventos durante el curso de la enfermedad en los pacientes# )am in permite la creacin de relojes secundarios "ue marcan tiempos importantes! como la estancia &ospitalaria! el tiempo de ausencia de efectos adversos o la supervivencia#

*uesto "ue los cam ios en el sistema se producen slo cuando ocurre al%(n evento! "ueda claro "ue el estado del sistema no sufrir+ nin%una variacin entre 8 eventos consecutivos# Este &ec&o da sentido a una de las pol$ticas m+s &a ituales para controlar el reloj de simulacin0 si se sa e "ue el evento n se aca a de producir en el instante virtual actual tn! y "ue el evento n 9 3 se producir+ en el instante virtual tn93! dado "ue entre am os instantes no pasar+ nada de inters! se 6avanzar+7 el reloj de simulacin &asta el instante tn93! y se asi%nar+ dic&o instante a la varia le del pro%rama "ue representa el reloj de simulacin# )ras avanzar el reloj &asta el instante tn93! se lleva a ca o la actualizacin de las varia les de estado y estad$sticas del sistema# Este proceso de 6avance &asta el si%uiente evento y actualizacin de varia les7 se repite de forma indefinida &asta "ue se verifi"ue al%una condicin de fin de la simulacin# Entidades Son los elementos din+micos "ue se simulan a travs del modelo! cam ian de estatus! afectan y son afectados por otras entidades y son los prota%onistas de los eventos cl$nicos de estudio del modelo# :ormalmente! en la simulacin de una enfermedad se representan pacientes! pero pueden representarse tam in distintos componentes! como enfermeras! familiares o mdicos# Estas entidades suponen una diferencia importante respecto a los +r oles de decisin o a los modelos de Mar;ov! en los cuales se especifican los resultados cl$nicos! estados o transiciones de los pacientes! pero stos en s$ no son caracterizados como elementos expl$citos del modelo! tal como ocurre en los MSED#

'tri utos Son las caracter$sticas de las entidades! con las cuales se descri en y diferencian# *or ejemplo! son atri utos de los pacientes! como la edad! el sexo!

la duracin de su enfermedad! la %ravedad de sta y el cumplimiento del tratamiento# Un atri uto importante en las evaluaciones econmicas! fundamental en los estudios de coste,utilidad! ser$a la calidad de vida# <sta se puede estudiar de forma detallada incluyndola mediante un atri uto# )odas las entidades tienen los mismos tipos de atri utos! pero con diferentes valores para cada entidad= los valores de los atri utos est+n! por tanto! li%ados a una entidad concreta# *or ejemplo! todos los pacientes tienen 6edad7 o 6presin arterial7! pero cada uno po,see un valor espec$fico# El atri uto puede asi%narse como un valor espec$fico! una muestra de una distri ucin o el resultado de una expresin (p# ej#! de una ecuacin condicional)# Eventos Es todo a"uello "ue puede ocurrir durante la simulacin en funcin del proceso "ue estamos estudiando# *or ejemplo! un evento puede ser un efecto adverso! una admisin &ospitalaria! el alta del &ospital! un cam io de dosis o una aja la oral# El concepto de evento va m+s all+ de las transiciones de los modelos de Mar;ov! ya "ue la aparicin de un evento no necesariamente implica el cam io de estado de salud del paciente (p# ej#! una visita al mdico)# ' pesar de "ue &ay una secuencia temporal dada! los eventos pueden suceder de forma casi simult+nea y pueden &acerlo en cual"uier secuencia l%ica en relacin con la &istoria plausi le del proceso de estudio (p# ej#! fallo en un r%ano diana o fallo multior%+nico en un paciente con sepsis)# 'l contrario "ue en los modelos de Mar;ov! estos eventos no presentan nin%(n tipo de restriccin de memoria# Los ries%os de "ue los diferentes eventos ocurran pueden tomar la forma de funciones dependientes de los datos y depender de al%unos atri utos y varia les# Estas funciones pueden cam iar durante la simulacin#

2aria les Las varia les definen el modelo y reflejan una caracter$stica del conjunto! no de entidades espec$ficas# Son especificaciones "ue se mantienen a lo lar%o del modelo! aun"ue sus valores pueden cam iar durante el proceso de simulacin! y van a definir el entorno de la simulacin afect+ndolo a lo lar%o de todo el proceso# Las varia les de uso com(n son0 el &orizonte temporal (duracin de la simulacin)! las tasas de descuento para los costes y los eneficios! las tasas de incidencia! la proporcin de cada tratamiento al inicio! la tasa de admisin o la perspectiva de uso# Slo &ay una copia de cada varia le "ue se mantiene para todo el modelo# 5ecursos Definidos en un tiempo determinado! su consumo lleva asociado el %asto de una serie de unidades de dic&os recursos en momentos de tiempo concretos# En el +m ito sanitario estos recursos se pueden dividir en personas (mdicos! enfermeras! cuidadores)! ienes (medicamentos! prue as de la oratorio)! espacios (camas &ospitalarias! "uirfanos) y otros# 'l%unos recursos pueden consumirse de manera simult+nea en un momento dado! pero lo m+s frecuente es "ue las entidades ten%an "ue competir por estos recursos! "ue adem+s tienen un coste unitario de uso# Un recurso puede tener diferentes unidades de capacidad (pensemos! por ejemplo! en las camas en una sala de emer%encia o en el n(mero de mdicos en una zona %eo%r+fica determinada)#

'cumuladores estad$sticos Son varia les "ue acumulan la informacin de lo "ue &a pasado sin participar en el suceso mismo! es decir! son pasivos# Dependen de la caracterizacin de los resultados pedidos al modelo# 'l final de la simulacin! se usan para o tener el resultado final! y las medidas de stos (cocientes coste

efectividad)#

'l%unos

ejemplos

de

acumuladores

estad$sticos

son

la

supervivencia! los costes asociados a los pacientes o el n(mero de visitas en un tiempo determinado# -olas -uando un paciente utiliza un determinado recurso! ste deja de estar disponi le para el resto de los pacientes! lo cual puede %enerar colas en el sistema# Esta situacin no suele tenerse en cuenta en otro tipo de modelos! en los "ue los recursos parecen %ozar de una capacidad infinita (lo cual est+ alejado de la m+xima de la escasez de recursos en funcin de las necesidades de la po lacin! "ue es una caracter$stica de la toma de decisiones en sanidad)# Esta conceptualizacin est+ vinculada a la idea del coste de oportunidad de los recursos en la propia estructura del modelo# 5etrasos Se pueden %enerar 8 tipos de retrasos0 expl$citos! "ue son los "ue se %eneran por al%(n tipo de accin o proceso (p# ej#! la duracin de los ex+menes mdicos)! e impl$citos! causados por otras acciones o condiciones en la simulacin del modelo (p# ej#! colas para acceder a una prue a dia%nstica)# Ecuaciones de ries%o y %eneradores de n(meros aleatorios Las primeras se refieren a ecuaciones "ue se aplican de forma individual a cada individuo del modelo! y pueden ser0 funciones (lineales! lo%ar$tmicas! de ries%o etc#) o distri uciones estad$sticas de pro a ilidad (normal! exponencial! >ei ull! eta! %amma! etc#)# Los n(meros aleatorios del se %eneran y se mediante asan en al%oritmos varia les

computacionales avanzados para ase%urar la aleatorizacin y crear el comportamiento estoc+stico modelo! pseudoaleatorias! creadas a travs de un procedimiento determin$stico# En la mayor$a de las simulaciones! los experimentos tienen por o jetivo o tener valores medios de los resultados de sus distri uciones pro a il$sticas# ?ay numerosos estudios so re %eneracin de n(meros aleatorios y tcnicas de

simulacin! as$ como de su optimizacin! "ue "uedan fuera del a asto de este art$culo3@!3A,8@# /uncionamiento y soft>are para su realizacin -mo funciona un MSED El desarrollo del modelo comienza por la definicin y creacin de la po lacin o jetivo mediante la especificacin de las caracter$sticas de los pacientes "ue ser+n simulados# 's$! el modelo se alimenta con informacin proveniente de ensayos cl$nicos! evidencia pu licada y otros estudios! a partir de los cuales el investi%ador puede %enerar una serie de al%oritmos y caminos por los "ue el paciente puede transitar y "ue sirve para dise.ar la &istoria de la enfermedad o proceso evaluado en el modelo# Si estudiamos 8 alternativas de tratamiento excluyentes! los pacientes para los "ue estas terapias estn indicadas pueden someterse a una u otra intervencin# La metodolo%$a "ue se si%ue para evaluar am as terapias es %enerar aleatoriamente unos valores de entrada de las varia les "ue conforman el perfil cl$nico y sociodemo%r+fico de los pacientes "ue se van a simular# 'l inicio de la simulacin se %eneran pares de individuos 6%emelos7! es decir! con los mismos valores! "ue acceden a cada una de las 8 estrate%ias de tratamiento comparadas en el modelo! de tal forma "ue la diferencia en el tratamiento "ue se les aplica a cada %emelo es la (nica distincin entre ellos a la entrada del modelo# El es"uema t$pico de simulacin de un MSED se presenta en la fi%ura# La simulacin arranca con la puesta en marc&a del reloj de simulacin! tras lo cual se da la lectura de los diferentes valores iniciales! introducidos en l! como las caracter$sticas de la po lacin! los detalles del manejo de los eventos y los costes en funcin del tratamiento asi%nado# Estos valores de entrada son almacenados y le$dos por el modelo dise.ado en el soft>are de simulacin empleado# /i%ura# Motor de simulacin de un modelo de simulacin de eventos discretos

' los pacientes creados se les asi%na unas caracter$sticas asadas en las distri uciones de partida (p# ej#! sexo! edad! valores asales de entrada de incapacidad o enfermedad! etc#)# En este punto! se estima la expectativa vital de cada individuo# La persona "ue realiza el an+lisis define el tama.o de la co&orte de pacientes "ue reci ir+ cada tratamiento (p# ej#! 3#@@@) y el n(mero de rplicas (n(mero de veces "ue toda la simulacin ser+ repetida)# *rocedimientos de evaluacin y an+lisis de los resultados de los MSED El (ltimo paso es analizar los resultados o tenidos al ejecutar el modelo varias veces para poder inferir el efecto de la intervencin evaluada# Una vez o tenidos los resultados al ejecutar el modelo! stos se eval(an a travs del an+lisis de sensi ilidad#

Ejemplo de uso de MSED *ara ilustrar los modelos MSED! partiremos de un ejemplo en el "ue se eval(a un proceso de pacientes con enfermedad cardiovascular! "ue presentan radicardia! para la cual estar$a indicada la implantacin de un marcapasos#

*odr$amos implantar 8 tipos diferentes de marcapasos0 marcapasos de estimulacin monocameral (slo en ventr$culo)! o 221(5)! o DDD(5)# Los pacientes implantados pueden sufrir diferentes eventos ien un marcapasos de estimulacin icameral (estimulacin auricular y ventricular)! o

cardiovasculares con el tiempo! como fi rilacin auricular (/') o accidente cere rovascular ('-2)! efectos adversos! como el s$ndrome del marcapasos! o incluso morir# Dependiendo de la efectividad de los 8 tipos de marcapasos! estos eventos se podr$an dar en diferente proporcin de pacientes y tardar$an m+s o menos tiempo en suceder! producirse en momentos diferentes o incluso coincidir en el tiempo= por ello! el uso de un modelo de Mar;ov no es apropiado# Dic&os eventos llevar+n asociados una utilizacin de recursos! "ue implican costos y cam ios en la evaluacin cl$nica del paciente! e incluso valores de su calidad de vida! si sta se &a incorporado en el an+lisis del estudio# Este proceso se resume en la fi%ura# /i%ura# Ejemplo del proceso de simulacin en un modelo de eventos discretos en radicardia

Se simulan pacientes con una serie de caracter$sticas de entrada en el modelo0 sociodemo%r+ficas (edad y sexo)! factores de ries%o (presin arterial! dia etes! enfermedad vascular previa) y tipo de indicacin para el marcapasos

( lo"ueo de rama! o enfermedad del nodo sinusal)# *ara cada uno de los pacientes simulados se %enera un %emelo! el cual presenta las mismas caracter$sticas asales y slo se diferencia en la intervencin del modelo evaluado a la "ue es sometido (uno de los %emelos va por la ruta de implantacin de marcapasos monocamerales y otro por la de icamerales)# Los pacientes transitar+n por el modelo durante los eventos cl$nicos de estudio (/'! '-2! muerte! supervivencia li re de enfermedad! s$ndrome del marcapasos y otras complicaciones)! as$ como los costes asociados a la utilizacin de recursos "ue suponen dic&a diferencia de eventos (fi%ura)# Ejemplo del motor del modelo de simulacin de eventos discretos en pacientes con radicardia! en el "ue se representa la l%ica del MSED anteriormente expuesto#

Los datos cl$nicos "ue alimentan el modelo son0 el re%istro rit+nico de marcapasos! los ensayos cl$nicos MBS) y -)B** y el /ramin%&am ?erat Study# Se realizan 3@@ simulaciones de 3#@@@ pares de pacientes durante C

a.os! los eneficios se descontaron al 3!CD anual y los costes al 4D! tal como aconseja el :1-E# El resultado del modelo indica "ue supone un coste adicional medio en los pacientes implantados con marcapasos icamerales de EF li ras por paciente! y un incremento de @!@G '2'-! con un cociente costeHefectividad incremental de EAA li ras por '2'-= estos resultados son consistentes durante el an+lisis de sensi ilidad realizado# Soft>are en simulacin de modelos de eventos discretos 'un"ue la pro%ramacin de este tipo de modelos puede &acerse a travs de &ojas de c+lculo como Excel! sta slo se usa para modelos muy simplificados# *ara modelos m+s complejos se utilizan pa"uetes de soft>are espec$ficos# *or ello! una de las primeras decisiones importantes consiste en seleccionar "u tipo de soft>are se utilizar+# Las opciones posi les son +sicamente dos0 3# Usar un len%uaje de pro%ramacin (-H-99! *ascal! Iava! 2isual Jasic! etc#)# Esta opcin implica! en principio! tener "ue modelar todos los detalles del sistema! lo cual a su vez supone un elevado coste respecto al tiempo de desarrollo del proyecto# ?ay "ue tener presente! sin em ar%o! "ue en los (ltimos a.os se &an desarrollado li rer$as de funciones y clases de o jetos para -H-99! *ascal! Iava e incluso 2J#:et! "ue permiten a%ilizar este proceso de modelado# *or otra parte! al optar por un len%uaje de pro%ramacin %eneral! se dispone de una mayor flexi ilidad a la &ora de construir el modelo y! adem+s! el cdi%o resultante puede ser muy eficiente y r+pido de ejecutar (especialmente cuando se usa -H-99)# 8# Usar pro%ramas de simulacin (len%uajes de simulacin y simuladores) de +m ito %enrico ('rena! S1MS-51*) 11#C! '>eSim! S1M*LE99! Extend! K*SSH?! Micro Saint! MBDS1M 111! LeanSim! S1KM'! Simul L)# Esta opcin puede acortar si%nificativamente el tiempo re"uerido para desarrollar el proyecto! puesto "ue no ser+ necesario desarrollar desde cero todos los detalles de la simulacin0 este tipo de pro%ramas suele incluir un len%uaje de

pro%ramacin especialmente orientado a la simulacin! as$ como li rer$as de clases! o jetos o funciones "ue a%ilizan el modelado del sistema! la o tencin de valores aleatorios! la %eneracin de informes! el an+lisis estad$stico de resultados! etc# ' cam io de ello! se prescinde de un cierto %rado de flexi ilidad con respecto a la opcin anterior# 2entajas e inconvenientes de la simulacin de eventos discretos 2entajas del uso de MSED Los MSED tienen ventajas muy si%nificativas! por ejemplo! con respecto a la po lacin de estudio! ya "ue facilitan el dise.o de la po lacin! teniendo en cuenta las caracter$sticas fundamentales "ue la definen0 perfiles de ries%o! indicaciones y contraindicaciones de las terapias! flexi ilidad en la asi%nacin de los costes a cada una! asi%nacin de valores de calidad de vida y utilidades se%(n las caracter$sticas de cada paciente# 'dem+s! tienen capacidad de manejar la po lacin de una manera din+mica y vinculada a los eventos "ue realmente suceden en la &istoria natural de la enfermedad en cada paciente# Los MSED permiten dise.ar una estructura m+s clara! de forma "ue los eventos a los "ue se someten los pacientes! as$ como sus consecuencias! son m+s expl$citos! y en el "ue las alternativas! a travs de las "ue los pacientes discurren! suelen representarse de una forma m+s transparente# 'dem+s! la estructura del modelo se puede cam iar f+cilmente! lo "ue permite un an+lisis de sensi ilidad estructural# Btra ventaja importante de los MSED es la varia le tiempo! ya "ue en este caso se considera de forma expl$cita en el dise.o del modelo! y no se restrin%e a ciclos fijos e invaria les! de modo "ue las unidades "ue se manejan son adecuadas al pro lema o evento "ue se analiza en cada momento# 'dem+s! los MSED permiten el uso de diferentes tiempos! en funcin de los eventos "ue vayan a suceder y en los momentos "ue se vayan a producir# 5especto a los resultados! los MSED permiten contemplar resultados m(ltiples! lo "ue se adecua m+s a la realidad! puesto "ue realmente una enfermedad o situacin evaluada mediante tcnica de modelado puede tener

diferentes puntos finales "ue &an de considerarse de forma simult+nea a la &ora de evaluar el resultado %lo al de las intervenciones# Esto se realiza de una manera muc&o m+s sencilla y natural con este tipo de modelos! dado "ue manejan de forma desa%re%ada los costes y los recursos utilizados! producen diferentes medidas de eficacia! como el tiempo li re de enfermedad! la recuperacin y la salida del &ospital! el cam io de clase funcional o la ausencia de episodios# 'dem+s! informan so re los resultados intermedios en los diferentes momentos de definidos en la simulacin (a los 4 meses de tratamiento! al a.o! a la aparicin de complicaciones o muerte)! y ofrecen simult+neamente resultados desde varias perspectivas (comprador! sistema sanitario! sociedad)! sin necesidad de volver a ejecutar el modelo# 'simismo! los MSED permiten un estudio m+s realista de los tratamientos evaluados0 cam ios de dosis! comienzo y monitorizacin! prue a de dosis o per$odo de lavado farmacol%ico previo a un cam io de tratamiento# )am in es posi le! mediante al%unos pro%ramas de simulacin avanzada! animar el modelo! lo cual permite visualizarlo de una forma clara mejorando su transparencia# 1nconvenientes de los MSED En %eneral! el uso de los MSED conlleva tam in una serie de limitaciones# *or un lado! re"uieren mayor cantidad de datos y pueden necesitar un mayor tiempo de ejecucin "ue los modelos de Mar;ov! si no disponemos de simuladores de alto rendimiento# El an+lisis de sensi ilidad empleado suele ser multivariante! lo cual aumenta todav$a m+s el tiempo de c+lculo# Btra limitacin es el escaso acceso al soft>are necesario para pro%ramar este tipo de modelos! o ien la falta de un entrenamiento adecuado de sus usuarios! especialmente en el caso de simuladores complejos! como 'rena o LeanSim# Su pro%ramacin tam in suele ser costosa con respecto al tiempo necesario para su implementacin# 'un"ue es posi le implementar este tipo de modelos por medio de pro%ramas como Excel! pro%ramando macros en 2isual Jasic para 'plicaciones (2J')# Es poco usual realizarlo a travs de esta

plataforma! ya "ue tiene ciertas limitaciones importantes! como por ejemplo el motor de %eneracin de n(meros seudoaleatorios no es suficientemente ueno desde el punto de vista estad$stico o la velcidad de ejecucin del cdi%o 2J' es relativamente aja# /uente0 5odr$%uez! Ios# Serrano! David# Monlen! )ony# -aro! Iaime# Kaceta Sanitari# Jarcelona 8@@L# &ttp0HHscielo#isciii#esHscielo#p&pMpidNS@83F, G3338@@L@@@8@@@38OscriptNsciParttext

You might also like