search for




 

Value of Information for Decision Making under Uncertainty
Yakhak Hoeji 2020;64(1):1-7
Published online February 29, 2020
© 2020 The Pharmaceutical Society of Korea.

Eun-A Lim, Daewon Kang, Gyeong-Seon Shin, and Sang-Eun Choi#

College of Pharmacy, Korea University
Correspondence to: Sang-Eun Choi, College of Pharmacy, Korea University, 2511 Sejongro, Sejong city, South Korea
Tel: +82-44-860-1617, Fax: +82-44-860-1617 E-mail: sechoi@korea.ac.kr
Received November 29, 2019; Revised December 31, 2019; Accepted January 9, 2020.
Abstract
The value of information (VOI) is the value of additional information, as a quantitative estimate which presents the result as a monetary value. The VOI helps to make decisions under uncertainty. The importance of VOI is growing due to the increase of early market approval of new technologies. The theoretical framework of VOI is based on the Bayesian decision theory. VOI analysis estimates the expected costs associated with making a wrong decision due to uncertainty. This implies that a new information is more valuable when a VOI is large. There are parametric and nonparametric methods to estimate VOIs and non-parametric methods are commonly used. To estimate VOI, a non-parametric method calculates the difference of potential values between decision with perfect information and decision under uncertainty. The decision to conduct a new research is made when the population VOI estimate is larger than the expected cost of conducting the additional research. There are three key measurements in VOI. The expected value of perfect information (EVPI) is perfect information for the whole parameters, the expected value of perfect parameter information (EVPPI) is perfect information for a parameter or a set of parameters, and the expected value of sample information (EVSI) provides information of new study design. VOI analysis may require a lot of computational time but efficient software programs have been introduced.
Keywords : Early economic evaluation, value of information, VOI, decision uncertainty, EVPI
서 론(Introduction)

신약 및 신의료기술(이하 “신의료기술”)의 급여 적용은 환자의 접근성을 높이지만, 만약 이러한 급여결정이 잘못된 경우라면 한정된 자원으로 인해 사회는 이에 따른 기회비용을 치르게 된다. 급여결정 오류는 근거자료가 불충분한 경우 필연적으로 발생할 수 있는 문제이다. 모든 근거자료가 충분히 확보된 후 급여를 결정하게 된다면, 급여결정 오류는 줄일 수 있으나 결국 접근성 문제를 초래하게 된다. 특히 치료제가 없는 중증질환을 앓고 있는 환자에서 신의료기술의 접근성은 매우 중요한 문제이다.

최근 각국은 허가 단계에서 접근성을 높이기 위한 제도를 도입하여 임상시험 3상까지 완료하지 않았더라도 허가를 허용하기도 한다. 예로 우리나라 식품의약품안전처의 ‘신속심사제도(조건부허가)’, 유럽 European Medicine’s Agency ‘adaptive path-ways’, 미국 FDA ‘fast tract’ 등이 있다.1) 가령, 우리나라의 조건부허가제도의 경우 2상 임상을 완료하면 조건에 부합한 경우 허가를 받아 시장 출시가 가능하다. 급여 결정단계에서 경제성평가를 수행하고자할 때, 결국 이렇게 조기 허가를 받은 신의료기술에 대한 근거수준은 미흡할 수밖에 없다. 이로 인해 결국 의사결정의 불확실성은 더욱 커지게 될 것이다. 이러한 근거수준의 불확실성 하에서 현재의 근거수준에서 의사결정을 할 것인지 아니면 추가정보가 필요할지 결정하고, 추가연구를 수행하는 경우 표본수 등에 대한 최적의 연구 설계에 대한 정보를 제공하는 것이 value of information (VOI)이다. 즉, VOI는 추가정보의 가치라고 할 수 있으며 이를 금전적 크기의 수치로 제공하는 양적평가 방법이다.

보건의료 분야에서 VOI 분석은 1999년 Claxton이 처음으로 연구의 우선순위를 결정하기 위한 방법으로 Bayesian 접근법을 적용한 VOI를 제안하였고, health technology assessment (HTA)에는 2004년에 처음 VOI 연구가 포함되었다.2) 현재 VOI 관련 연구 및 그 중요도는 점차 증가하는 추세이다.2,3) 네델란드는 2016년 새롭게 갱신된 경제성평가 가이드라인에서 VOI 분석을 포함하도록 명시하였다.4) 또한 ISPOR-SMDM Modelling Good Research Practices Task Force에서는 불확실성을 줄이기 위해 추가연구가 필요한 경우 VOI 분석으로 제시할 것을 권고하고 있다.5)

그러나 발생 가능한 모든 불확실성을 포함하여 분석하는 것이 현실적으로 연구자들에게 어려운 문제일 수 있고,3,6) 분석이 가능하더라도 분석을 수행할 수 있는 연구자 수가 매우 제한적이다.7) 이는 아직 VOI 방법론에 대한 지식의 전파 및 이해가 부족하기 때문으로 지적된다.7,8) 이러한 이유로 최근 VOI 분석의 중요성은 커지고 있지만 아직 활발하게 진행되지 못하고 있는실정이다. 특히 우리나라를 포함한 아시아 국가에서는 VOI 연구가 거의 전무한 실정이다.8)

이에 본 연구에서는 VOI의 개념 및 분석법, 결과에 대한 해석 및 함의 등 전반적인 이해를 돕고자 한다. 또한 VOI를 활용한 연구들의 최근 동향을 통해 VOI가 어떻게 활용되고 있는지 이해를 높이고자 한다. 마지막으로 VOI 분석 관련 프로그램에 대해 간략히 소개하고, 수행 과정에서 주의해야할 관련 이슈에 대해 논의하고자 한다. VOI 분석은 특히 조기 시장진입으로 상대적으로 불확실성이 큰 신의료기술의 급여결정 시에 보다 합리적인 의사결정을 하는데 도움을 줄 것이다. 따라서 본 연구는 변화하는 보건의료 환경에 맞춰 연구자, 신의료기술 개발자 및 의사결정권자들의 VOI 분석을 실무에서의 적용을 고취시킬 것으로 기대한다.

VOI 기본개념 및 종류

한정된 자원 내에서 경제성평가 결과에 따른 의사결정은 비용효과성 여부와 불확실성의 크기 두 가지를 고려한다. 현재의 정보 하에서 의사결정은 기대(평균) 비용효과성 결과에 따라 결정된다. 그러나 의사결정에 대한 불확실성이 존재하는 경우, 잘못된 의사결정을 내릴 가능성이 있다.9) 잘못된 의사결정은 결국 보건의료체계 혹은 사회에 기회비용을 야기한다. 따라서 필요한경우 불확실성을 없애기 위한 추가정보(예. 임상시험)가 요구된다. 추가정보를 얻기 위해서는 결국 비용이 소요되기 때문에 현재의 정보 하에서 신의료기술을 채택해야할지, 아니면 추가정보가 필요할지에 대한 의사결정이 필요하다. 이러한 의사결정은 추가정보가 지니는 가치에 따라 결정될 것이다. 이 때 추가정보의 가치를 VOI라고 하며, 의사결정의 근거로 사용될 수 있다.9,10)

VOI의 기본원리는 베이지안 통계이론에 기초한다. 베이지안 이론에서 확률은 발생빈도가 아닌 발생 가능한 수치에 대한 믿음의 정도(degree of belief)를 의미한다. 이전의 믿음, 즉 사전확률은 새로운 정보를 통해 업데이트되어 사후확률을 얻게 된다.11)이처럼 VOI 분석에서 새로운 결과는 현재의 정보에 기초하여 예측되고, 여기에 새로운 정보가 추가되면 통합되어 새롭게 업데이트된 결과가 추정된다.11) VOI 분석은 기본적으로 불확실성으로 인한 기대비용(기대기회손실: expected opportunity loss)을 추정하는 방법이다.9) 불확실성으로 인한 기대비용은 현재의 정보 하에서 잘못된 의사결정을 내릴 확률과 잘못된 의사결정으로 인한 기회손실 크기를 곱해서 얻어진다.10,11) 불확실성에 대한 기대비용이 크다는 것은 불확실성을 없애기 위한 새로운 정보의 가치가 크다는 것과 같다고 할 수 있다.10,11)

VOI는 분석에 포함하는 파라미터의 범위 및 분석 목적에 따른 몇 가지 측정법이 있다. 우선 the expected value of perfect information (EVPI)는 비용효과 분석에 포함된 가능한 모든 파라미터를 포함하는 방법으로, 불확실성이 없는 완벽한 정보의 가치를 토대로 추가정보가 필요한지를 결정한다. 반면, the expected value of perfect parameter information (EVPPI)는 특정 파라미터(또는 파라미터들의 그룹)만을 분석에 포함하는 방법으로, 의사결정 불확실성 측면에서 관심 파라미터만 포함하고 불확실성이 없는 파라미터는 제외하는 방법으로 불확실성에 가장 크게 영향을 미치는 파라미터를 파악할 수 있다.9) 이러한 개별 EVPI 및 EVPPI에 대한 전체 대상 인구집단에서 정보의 가치를 population EVPI 및 EVPPI (pEVPI 및 pEVPPI)라 하고, 이 결과와 새로운 정보를 얻는데 소요되는 비용을 비교하여 추가연구를 수행할 것인지를 결정한다. 한편, EVPI와 EVPPI는 완벽한 추가정보 가치의 상한으로 불확실성을 없애기 위한 추가연구가 필요한지에 대한 정보는 제공하지만, 연구의 표본수가 유한한 경우 달성될 수 없다. 이 때 대상 환자수 등에 대한 적절한 연구 설계를 추정하기 위한 방법으로 the expected value of sample information (EVSI)이 있다.12) EVSI를 통해 최적의 표본수가 결정되면, EVSI 결과와 연구를 수행하는데 소요되는 비용의 차이를 통해 최종적으로 추가연구로부터 얻을 수 있는 순편익의 크기가 구해진다. 이때의 순편익을 the expected net benefit of sampling (ENBS)이라 한다.9)

VOI 분석에서 고려하는 불확실성의 범위

ISPOR VOI Task Force에서는 경제성평가 분석에서 나타날 수 있는 불확실성에 대해 다음과 같이 분류하고 있다.13) 첫째, 표본을 통해 모집단을 추정하는 과정에서 발생하는 불확실성으로 파라미터 불확실성 또는 이차 불확실성(second-order uncertainty)이 있다. 둘째, 경제성평가 분석 모델의 구조와 가정에서 기인하는불확실성으로 구조적 불확실성이 있다. 셋째, 연구 집단 내 성별, 연령, 동반질환 등 개인별 차이에 의해 발생하는 불확실성으로 확률적 불확실성 또는 일차 불확실성(first-order uncertainty)이 있다. 그 밖에 경제성평가에 적용하는 분석 방법론에 따른 불확실성으로 방법론적 불확실성이 있고, 집단(예. 남성과 여성)간 이질성에 따른 불확실성 등이 있을 수 있다.

그런데 확률적 불확실성은 추가연구에 의해 줄일 수 있는 것이 아니다. 또한, 방법론적 불확실성 및 이질성은 절대적 기준이 없기 때문에 ISPOR VOI Task Force 에서는 VOI 분석에서 고려하지 않는다. 따라서 VOI 분석에는 파라미터 불확실성과 구조적 불확실성만을 고려한다. 다만 구조적 불확실성을 VOI 분석에 포함하고자 할 경우에는 이를 파라미터화(parameterization)하는 것이 필요하며, 이것이 불가한 경우 시나리오 분석을 권고하고 있다.

한편 VOI에서 불확실성과 관련하여 유의할 점은 의사결정 불확실성의 특성을 이해하는 것이다. 경제성평가에 따른 의사결정은 비용효과 결과(incremental cost-effectiveness ratio, ICER)의 크기에 의해서만 결정되는 것이 아니고, 비용효과성 역치(threshold)가 함께 고려된다는 점이다. 즉 파라미터의 불확실성이 존재한다고 해서 반드시 의사결정 불확실성이 존재한다고 할 수는 없다. 가령 특정 선택대안의 비용효과성 결과가 압도적으로 우월한 경우에는, 파라미터의 불확실성이 존재하더라도 여전히 모든 불확실성의 범위에서 비용효과적으로 나타나 의사결정의 불확실성은 발생하지 않을 수 있다. 결론적으로 VOI는 의사결정에 대한 불확실성과 관련이 있다.

VOI 분석법 및 결과에 영향을 미치는 요인

경제성평가 결과에 따른 급여에 대한 의사결정을 위한 VOI계산은 선택대안의 증분 순편익(incremental net-benefit, INB)에 기초한다. 이때 계산법은 INB가 정규분포 하는 것으로 가정하는 모수적 방법과 Monte Carlo 시뮬레이션에 의한 비모수적 방법이 있다. 그런데 INB를 구성하는 비용 및 효과는 일반적으로 동일 자료원이 아닌 다양한 자료원에서 얻기 때문에 정규분포가 아닐 가능성이 높으므로 주로 비모수적 분석방법이 사용된다.9,12)

모수적 방법은 비용효과성 역치와 INB의 평균 및 분포에 따른다(Table 1). 비모수적 방법은 완벽한 정보 하에서 각 샘플링을 통해 얻을 수 있는 최대 순편익들의 기댓값과 현재 정보 하에서 선택하게 될 최대 기대 순편익의 차에 의해 구한다.

Equations for VOIs calculation

VOI Equation
EVPI 1) Parametric method
EVPI=λ*σ0*L(|η0|/σ0)
λ=cost-effectiveness threshold
σ0=prior standard deviation of the prior mean incremental net benefits (η0)
L(|η0|/σ0)=unit normal loss integral for |η0|/σ00=prior mean incremental net health benefit)
2) Non-parametric method
EVPI=Eθ[maxjNB(j,θ)]maxj[EθNB(j,θ)]
Eθ[maxjNB(j,θ)]: the average of the maximum net-benefit with perfect evidence
maxj[EθNB(j,θ)]: maximum expected net-benefit given the existing evidence
*j: alternative interventions, θ: all uncertain parameters

pEVPI pEVPI=EVPI*(P0+Σt=1TIt(1+r)t)
P0=Prevalent population
It=Incidence in period
T=Total number of periods for which information from research would be useful
r=Discount rate

EVPI, expected value of perfect information; pEVPI, population expected value of perfect information; VOI, value of information.



Table 2는 Monte Carlo 시뮬레이션에 의한 계산으로 5회 샘플링을 가정한 경우이다. 현재의 정보 하에서는 A약과 B약의 기대 순편익이 각각 1,200원과 1,300원이므로 둘 중 최대 기대순편익을 가지는 B약을 채택할 것이다. 그런데 완벽한 정보가 있는 경우 1, 3번째 샘플링에서는 B약을 선택하고, 2, 4, 5는 A약을 선택하여 기대 순편익은 1,380원이 된다. 즉 불확실한 정보로 인해 잃게 되는 평균 기대손실(또는 완벽한 정보의 가치)은 완벽한 정보 하에서 얻을 수 있는 순편익 1,380원에서 불확실성하에서 얻는 순편익 1300을 뺀 80원이고, 이것이 바로 EVPI이다.8,9)

An example of EVPI calculation using a non-parametric method

iteration Net monetary benefit (KRW)a) Maximum net benefit Opportunity loss

Treatment A Treatment B
1 900 1,200 1,200 0
2 1,200 1,000 1,200 200
3 1,400 2,000 2,000 0
4 1,100 1,000 1,100 100
5 1,400 1,300 1,400 100
Expected net-benefit 1,200 1,300 1,380 ※EVPI=80
Optimal decision given current evidence Decision with perfect information [EVPI=average of maximum net benefits for each iteration−maximum expected net benefit of all iterations]=1,380−1,300

Note: Table 2 is modified from Briggs et al. (Oxford University Press, 2006).

EVPI, expected value of perfect information.

a)[Net monetary benefit=health outcome×threshold-cost].



VOI는 Table 1의 정규분포에 따른 수식 (1)에서 보는 바와 같이, 비용효과성의 역치를 나타내는 λ, INB 분포의 분산 및 평균의 크기에 영향을 받는다. 비용효과성의 역치가 증가하면, 의사결정의 불확실성은 감소하지만 기회손실이 증가되어 결과적으로 VOI는 증가한다.9,11) 예를 들면, 비용효과성 결과인 ICER가 비용효과성 역치보다 큰 경우 신의료기술은 당연히 채택되지 않을 것이고 이 경우 의사결정 불확실성이 낮아 VOI도 낮다. 이때 비용효과성에 대한 역치가 ICER 크기까지 증가하면, 의사결정의 불확실성이 크게 증가하여 결과적으로 VOI도 크게 증가한다. 그런데 역치가 ICER보다 더욱 크게 증가하면 의사결정에 대한 불확실성은 상대적으로 감소하게 될 것이지만, 기회손실은 증가하게 된다. 결론적으로 VOI는 ICER와 비용효과성 역치가 같을 때 가장 크다.9) 한편 선택대안의 비용효과성이 높아INB 평균이 클수록 VOI는 감소하고, 파라미터 불확실성이 낮아INB 분산이 작을수록 의사결정의 불확실성이 낮아져 VOI는 감소한다.

보건의료분야에서 VOI 활용

VOI 활용은 크게 세 가지로 구분할 수 있다. 첫째, 신의료기술의 급여에 대한 의사결정에서 유용하게 활용될 수 있다. 둘째, 다양한 서로 다른 새로운 연구의 우선순위를 결정하는데 유용하게 활용될 수 있다. 셋째, 신속심사 등을 통해 조기 허가받은 신의료기술의 추가연구 결정에 사용될 수 있다. 가령, 추가연구의 가치가 없는 경우(예. ENBS≤0) 더 이상 추가 개발은 중단될 것이다. 이 밖에도 새로운 최적의 연구의 설계에 활용하는 등 다양한 분야에서 VOI는 활용될 수 있다.9)

한편 Claxton et al.14,15)은 비용효과성 결과, VOI 결과 및 추가연구에 소요되는 비용에 기초하여 신의료기술의 급여 결정에 대해 다음의 4가지 기본 틀을 개발하였다(Fig. 1). 첫째, 비용효과성은 있으나 VOI 결과는 추가연구에 소요되는 비용보다 낮아 더 이상 추가연구의 가치가 없는 경우로, 현재의 정보 하에서급여를 채택한다. 둘째, 비용효과성이 있고 VOI 결과는 추가연구에 소요되는 비용보다 높아 추가연구의 가치가 있는 경우로 신의료기술을 환자가 즉시 사용할 수 있도록 하지만, 사용하는동안 새로운 정보를 수집하여 비용효과성이 지지되는 경우에 한해서 급여한다. 셋째, 비용효과성은 없으나 VOI 결과는 추가연구에 대한 비용보다 높아서 추가연구의 가치가 있는 경우로, 연구 참여자에 한해서 급여를 인정한다. 넷째, 비용효과성이 없고 VOI 결과가 추가연구에 대한 가치가 없는 경우로, 현재의 정보 하에서 바로 급여가 되지 않고 추가연구도 수행하지 않도록 한다.

Fig. 1. Reimbursement decision according to cost-effectiveness, VOI and cost of additional research.
VOI를 활용한 연구의 최근 동향

최근 VOI 연구가 실제 어떻게 활용되고 있는지 연구의 동향을 파악하고자, PupMed 서치엔진을 이용하여 2015년 1월 1일부터 2019년 11월 5일 현재까지 VOI 관련 검색어를 모두 포함하여 체계적 문헌고찰을 수행하였다. 이때 사용한 검색어는 “value of information”, “expected value of perfect information”, “expected value of perfect parameter information”, “expected value of sample information”, “expected net benefit of sampling”이다. 검색결과, 총 326편의 문헌이 검색되었다. 이 중에서 리뷰문헌, VOI 방법론과 관련된 문헌, 초록 확인이 불가한 문헌, 임상시험 프로토콜을 게재한 문헌으로 결과를 알 수 없는 문헌(2편)을 제외한 총 104편의 문헌을 대상으로 VOI 분석이 어떤 목적으로 수행되었는지에 대해 분석하였다(Table 3).

Studies using VOI analysis published in the last five years

The use of VOI No. of studies
1) To help reimbursement decision-making or further research decision on uncertainty in cost-effectiveness studies. 79
Note: Two analyses in a study: further research decision and research design (two studies).
2) Research prioritization decision. 10
Note: Two analyses in a study: research design and priority (one study).
3) Study design decision: sample size, study type, et al. 6
4) Further research progression decision.
- Decision of further researches after preliminary clinical trials. 4
- Regular evaluation to find the optimal length of patient registries period. 1
5) Comparative evaluation of before and after additional data acquisition.
- To change therapeutic guidance. 1
- To change decision-making for reimbursement. 1
- To assess the quality of data (expert opinion). 1
6) To evaluate different evidence thresholds for different therapeutic approach. 1
Total 104


분석에 포함된 VOI의 대다수 연구(79편)는 경제성평가 결과에 대한 의사결정과 관련하여 추가연구 진행여부 결정에 활용된 것으로 나타났다. 이 때 의사결정의 불확실성으로 인해 추가연구를 수행하도록 결론을 내린 연구는 전체 79편중에서 50편이 해당되었다. 그 다음으로 높인 빈도를 보인 연구는 연구의 우선순위를 결정과 관련된 연구로 총 10편이었다. 한편 임상시험의 예비연구 단계에서 연구의 진행여부를 결정하기 위해 VOI가 활용되었고(4편), 레지스트리 연구의 지속여부 결정을 위해VOI가 활용되었다(1편).16) 또한 와파린 용량결정에 이용되는 두 방법의 적정성을 평가하기 위한 방법으로 자료축적 전후의 VOI변화를 비교하여 적정한 치료지침을 제시하는데 활용되었고17), 위험회피 의사결정자가 의사결정 과정에서 어떤 의사결정 역치를 사용하였는지 추론하기 위해 VOI가 활용되는18) 등 다양하게 활용될 수 있음을 보여준다.
VOI 분석의 순서 및 관련 분석 프로그램

VOI 분석을 위해서는 우선 비용효과성 분석을 위한 적절한 경제성평가 모형을 구축하여야 한다. 그 다음으로 현재 정보 하에서 가능한 모든 불확실성에 대해 파라미터화하여 확률론적 민감도분석 모형을 구축하는 것이 중요하다. 확률론적 민감도분석결과로부터 특정 비용효과성 역치에서 EVPI를 계산할 수 있다. 그러나 현실적으로 완벽한 EVPI를 수행하는 것은 불가능할 수 있다.19) EVPI 결과를 얻은 후, 해당 신의료기술의 혜택을 받을가능성이 있는 전체 환자집단을 추정하여 pEVPI를 계산한다. pEVPI가 추가연구를 수행하는데 소요되는 비용보다 것보다 큰경우, 특정 파라미터 연구에 대한 우선순위를 정하기 위해 EVPPI를 분석한다. 이 때 의사결정에 영향을 미치는 파라미터만을 포함하도록 한다.9) EVPPI 분석은 향후 수행할 연구 설계를 고려하여 그룹화(예. 질병의 기저특성의 경우 관찰연구, 효과의 경우 무작위배정연구 등)하여 그룹 EVPPI를 우선 구한다. 특히 파라미터간 서로 상관관계가 있는 경우 그룹화가 필요하다. 그 결과 유의미한 결과를 보이는 그룹에 포함된 개별 EVPPI를 분석하는 것이 효율적이다. 마지막으로 EVPI에서와 마찬가지로 pEVPPI를 추정하여 추가연구 여부를 결정한다. pEVPPI 결과만으로도 연구 설계에 대한 정보를 제공하지만, 표본 수 등 보다 구체적인 정보가 위해서는 마지막으로 EVSI를 분석한다.9)

EVPI 분석 프로그램은 기본적으로 확률론적 민감도분석을 수행하는 도구를 사용하여 쉽게 분석이 가능하다. 예를 들어 흔히 사용하는 spreadsheets, 통계 패키지(Stata 등), 프로그래밍 언어(R, WinBUGS 등) 등 다양하다. 그런데 EVPPI는 관심 파라미터에 대해 일차적으로 시뮬레이션하고, 여기서 생성된 새로운 값을 포함한 전체 파라미터에 대해 다시 시뮬레이션을 수행하는 이른바 “double loop Monte Carlo scheme” 구조로 계산이 훨씬 복잡하고 많은 시간이 소요된다.9) 다행히 EVPI뿐 아니라 EVPPI도 R packages와 웹사이트에서 무료로 제공하는 프로그램을 이용하여 비교적 빠르고 쉽게 이용 가능하다. 웹 기반 도구로는the Sheeld Accelerated Value of Information (SAVI)20)와 the BCEA R package 프로그램인 BCEAweb21)이 있다. 그러나 다차원적 설계를 필요를 하는 EVSI의 경우 반복적인 작업을 수행해야 하므로 많은 시간이 요구된다. 그러나 이를 단순화하는 프로그램을 개발하는 것은 아직까지는 해결해야할 과제이다.13)

VOI 분석관련 이슈 및 고려사항

신뢰할 수 있는 VOI 분석 결과를 도출하기 위해 VOI 결과에 영향을 미치는 요인에 대해 체계적 문헌고찰 연구를 수행한Koffijberg et al.3)이 제시한 결과와 ISPOR VOI task force13) 팀에서 권고하는 주요 내용은 다음과 같다. 첫째, VOI 분석은 경제성평가 분석모형을 통해 수행되므로 기본적으로 적절한 모형의 구축이 필요하다. 타당한 모형, 자료의 질, 적절한 파라미터 추정 및 자료의 통합, 이질적인 연구의 포함여부가 중요하다. 둘째, 적절한 확률적 민감도분석의 구축이 필요하다. 모델구축은 자료의 이용가능성이 아닌 현재의 모든 자료에 대한 불확실성이 구체화되어 고려되어야 한다. 자료의 부족으로 제외한 파라미터는 결국 VOI 분석에서 누락될 것이다. 셋째, VOI에 대한 분석관점은 불확실성 문제가 있는 분야의 관점으로, 경제성평가의 관점과는 다를 수 있다. 가령 사용 중인 약의 불확실성을 줄이기 위해 추가연구가 수행되어야 하는 경우, 연구비를 지원하는 산업계 관점과 약의 사용에 따른 부작용 등에 의한 비용을 사회가 지불해야하므로 사회적(또는 지불자) 관점 둘 다 의미가 있다. 넷째, VOI 분석은 시간을 요하는 작업으로 Monte Carlo샘플링 횟수가 결과에 영향을 미칠 수 있다. 특히 EVPPI와 EVSI계산은 매우 많은 시간이 소요되므로 대개 추정치가 사용되는데 이 과정에서도 결과에 영향을 미칠 수 있다. 다섯째, VOI 분석은 비용효과적인 대안이 임상에서 100% 사용되는 것을 가정하지만, 의료진 및 환자의 순응도 문제 등으로 인해 실제는 100%적용되지 않는 점도 영향을 미친다. 또한 미래 연구결과의 실제 적용에는 지연이 발생한다. 여섯째, 혜택을 받는 대상 인구집단에 대한 명확한 정의가 필요하다. 만약 신환에서 혜택이 있는 경우라면 유병률이 아닌 발생률에 기초하여야 한다. 또한 타당한 분석기간에 대한 명시적 설명이 필요하다. 의사결정이 추가정보를 수집한 이후로 늦춰지는 경우, 연구에 포함된 환자들은 일반적으로 추가정보의 혜택을 받지 않을 것이므로 이 수는 혜택 대상자수에서 제외되어야 한다. 일곱째, 미래에 약가 변화, 새로운 정보에 의한 기존 정보의 변경 및 대체제 도입에 따른 영향을 받을 수도 있다.

결론(Conclusion)

Fast tract 등으로 허가된 신의료기술의 조기 경제성평가를 수행해야 하는 상황에서 정보는 제한적이며 불확실성을 피하는 것은 불가하다고 할 수 있다. VOI는 보건의료분야에서 경제성평가 결과 현재의 정보 조건 하에서 신기술을 채택하여 급여를 할 수 있는가, 아니면 추가정보를 필요로 하는가, 추가정보를 요하는 경우 어떤 연구 설계가 필요한지에 대한 양적인 수치를 제공해 준다. 즉, VOI는 불확실성의 크기가 아니라 불확실성을 없애기 위한 새로운 정보의 가치의 크기를 의미한다. VOI에서 관련된 불확실성은 파라미터 자체의 불확실성보다는 의사결정 불확실성과 관련이 있다. 의사결정 불확실성은 비용효과성 결과뿐 아니라 비용효과성 역치가 중요한 요인으로 작용한다.

이처럼 특정 비용효과성 역치하에서 의사결정을 하고자 할 때, VOI는 매우 이해하기 쉽도록 명시적으로 결과를 제시하지만 분석을 수행하는 과정은 결코 용이하지 않다. 더욱이 적절하게 수행하는 것은 더욱 어렵다고 할 수 있다. 특히 , 관련된 모든 불확실성을 파라미터화하고 타당한 가정을 하는 것이 중요하기 때문이다. 그러나 다행스러운 점은 이 과정을 적절하게 수행하기만 한다면, 적어도 VOI를 산출하는 작업은 웹사이트에서 무료로 제공하는 프로그램을 사용하여 비교적 빠르고 쉽게 수행이 가능하다는 점이다. 그러나 반복적인 작업을 수행해야하는 EVSI의 경우, 시간을 줄일 수 있는 간편한 도구 개발은 여전히 과제로 남아있다.

최근 Fast tract 등의 확대로 조기 경제성평가가 증가하는 상황에서 네델란드의 2016년 경제성평가 지침에 불확실성에 대한 VOI 분석을 포함할 것을 명시한 것을 시작으로, 아일랜드의 2019년 경제성평가 지침22)에서도 포함하도록 하도록 명시하고 있다. 또한, 캐나다 Canadian Agency for Drugs and Technologies in Health (CADTH)23)에서는 추가연구가 필요하다는 의사결정을 위해서는 VOI 결과를 제시하도록 하고 있고, 호주 Medical and Scientific Advisory Council (MASAC)24)에서는 불확실성과 관련하여 VOI를 언급하고 있으며, 영국 the National Institute for Health and Care Excellence (NICE)25)에서는 급여결정과 관련하여 간접적으로 언급하고 있으며, 미국25)에서도 불확실성과 관련하여 VOI를 제시하도록 권고하는 등 그 중요성이 커지고 있는 추세이다. VOI는 전혀 새로운 개념이 아니고 기존의 확률론적 민감도분석을 응용하여 산출이 가능하기 때문에 경제성평가 지침에 확률론적 민감도분석을 제시하도록 하고 있는 각국의 평가기관에서 도입은 점차 증가할 것으로 사료된다. 또한 앞서 논의한 바와 같이 VOI를 활용한 연구는 급여에 대한 의사결정, 연구의 우선순위 결정, 연구의 지속여부 결정뿐 아니라 치료의적정성평가 등 다양하게 활용될 수 있다. 그럼에도 불구하고 이러한 VOI 연구는 유럽을 중심으로 북미, 호주에서만 대부분 진행되고 있는 실정이고 국내에서는 현재 VOI 관련 연구가 전무한 만큼 효율적인 신의료기술의 평가를 위해 VOI 연구에 대한 적극적인 관심이 필요할 것으로 사료된다.

감사의 말씀(Acknowledgment)

본 연구 성과는 2019년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행되었습니다(No. 2017R1A2 B1003846).

Conflict of Interest

모든 저자는 이해 상충을 가지고 있지 않음을 선언한다.

References
  1. Park, S. : Expedited Drug Development and Approval Programs of the US and EU. Yakhak Hoeji 61, 147 (2017).
    CrossRef
  2. Mohiuddin, S., Fenwick, E. and Payne, K. : Use of value of information in UK health technology assessments. Int. J. Techno.l Assess. Health Care 30, 553 (2014).
    Pubmed CrossRef
  3. Koffijberg, H., Rothery, C., Chalkidou, K., and Grutters, J. : Value of Information Choices that Influence Estimates: A Systematic Review of Prevailing Considerations. Med. Decis. Making. 38, 888 (2018).
    Pubmed CrossRef
  4. Versteegh, M., Knies, S. and Brouwer, W. : From Good to Better:New Dutch Guidelines for Economic Evaluations in Healthcare. Pharmacoeconomics. 34, 1071 (2016).
    Pubmed CrossRef
  5. Briggs, A. H., Weinstein, M. C., Fenwick, E. A., Karnon, J., Sculpher, M. J. and Paltiel, A. D. : ISPOR-SMDM Modeling Good Research Practices Task Force. : Model parameter estimation and uncertainty: a report of the ISPOR-SMDM Modeling Good Research Practices Task Force-6. Value Health 15, 835 (2012).
    Pubmed CrossRef
  6. Gc, V. S., Suhrcke, M., Hardeman, W., Sutton, S. and Wilson, E. C. F. : Very Brief Interventions Programme Team. : CostEffectiveness and Value of Information Analysis of Brief Interventions to Promote Physical Activity in Primary Care. Value Health. 21, 18 (2018).
    Pubmed CrossRef
  7. Bindels, J., Ramaekers, B., Ramos, I. C., Mohseninejad, L., Knies, S., Grutters, J., Postma, M., Al, M., Feenstra, T. and Joore, M. :Use of Value of Information in Healthcare Decision Making:Exploring Multiple Perspectives. Pharmacoeconomics 34, 315 (2016).
    Pubmed KoreaMed CrossRef
  8. Dilokthornsakul, P., McQueen, R. B., Chaiyakunapruk, N., Spackman, E., Watanabe, J. H. and Campbell, J. D. : Value of Information in Asia: Concepts, Current Use, and Future Directions. Value Health Reg. Issues 9, 99 (2016).
    Pubmed CrossRef
  9. Andrew Briggs, Karl Claxton, Mark Sculpher. : Decision modelling for health economic evaluation. Oxford University Press (2006).
  10. Claxton, K., Sculpher, M. and Drummond, M. : A rational framework for decision making by the National Institute For Cliical Excellence (NICE). Lancet 360, 711 (2002).
    CrossRef
  11. Wilson, E. C. : A practical guide to value of information analysis. Pharmacoeconomics 33, 105 (2015).
    Pubmed CrossRef
  12. McKenna, C., McDaid, C., Suekarran, S., Hawkins, N., Claxton, K., Light, K., Chester, M., Cleland, J., Woolacott, N. and Sculpher, M. : Enhanced external counterpulsation for the treatment of stable angina and heart failure: a systematic review and economic analysis. Health Technol. Assess 13, 1 (2009).
    Pubmed CrossRef
  13. ISPOR Asia Pacific, Tokyo. : Value of Information (VOI) Analysis:Principles, Applications and Good Practice Recommendations (2018). Available at: https://www.ispor.org (accessed on Sep 27, 2019).
  14. Claxton, K., Palmer, S., Longworth, L., Bojke, L., Griffin, S., McKenna, C., Soares, M., Spackman, E. and Youn, J. : Informing a decision framework for when NICE should recommend the use of health technologies only in the context of an appropriately designed programme of evidence development. Health Technol. Assess 16, 1 (2012).
    Pubmed CrossRef
  15. Claxton, K., Palmer, S., Longworth, L., Bojke, L., Griffin, S., Soares, M., Spackman, E. and Rothery, C. : A Comprehensive Algorithm for Approval of Health Technologies With, Without, or Only in Research: The Key Principles for Informing Coverage Decisions. Value Health 19, 885 (2016).
    Pubmed CrossRef
  16. McCullagh, L., Schmitz, S., Barry, M. and Walsh, C. : Examining the Feasibility and Utility of Estimating Partial Expected Value of Perfect Information (via a Nonparametric Approach) as Part of the Reimbursement Decision-Making Process in Ireland: Application to Drugs for Cancer. Pharmacoeconomics 35, 1177 (2017).
    Pubmed CrossRef
  17. Dhanda, D. S., Guzauskas, G. F., Carlson, J. J., Basu, A. and Veenstra, D. L. : Are Evidence Standards Different for Genomicvs. Clinical-Based Precision Medicine? A Quantitative Analysis of Individualized Warfarin Therapy. Clin. Pharmacol. Ther. 102, 805 (2017).
    Pubmed KoreaMed CrossRef
  18. Guzauskas, G. F., Basu, A., Carlson, J. J. and Veenstra, D. L. :Are There Different Evidence Thresholds for Genomic Versus Clinical Precision Medicine? A Value of Information-Based Framework Applied to Antiplatelet Drug Therapy. Value Health 22, 988 (2019).
    Pubmed CrossRef
  19. Retèl, V. P., Grutters, J. P., van Harten, W. H. and Joore, M. A. :Value of research and value of development in early assessments of new medical technologies. Value Health 16, 720 (2013).
    Pubmed CrossRef
  20. The Sheeld Accelerated Value of Information. Available at: http://savi.shef.ac.uk/SAVI/ (accessed on Jul 27, 2019).
  21. The BCEA R package. Available at: https://egon.stats.ucl.ac.uk/projects/BCEAweb/ (accessed on Jul 27, 2019).
  22. Health Information and Quality Authority (HIQA): guidelines for the economic evaluation of health technologies in ireland. (2019). Available at: https://www.hiqa.ie/sites/default/files/2019-07/HTAEconomic-Guidelines-2019.pdf (accessed on Dec 27, 2019).
  23. Medical Services Advisory Committee (MSAC): Technical Guidelines for preparing assessment reports for the Medical Services Advisory Committee-Service Type: Investigative. (2017). Available at: http://www.msac.gov.au/internet/msac/publishing.nsf/Content/assessment-groups (accessed on Dec 27, 2019).
  24. Canadian Agency for Drugs and Technologies (CADTH):Guidelines for the Economic Evaluation of Health Technologies:Canada-4th Edition (2017) Available at: https://www.cadth.ca/about-cadth/how-we-do-it/methods-and-guidelines/ (accessed onDec 27, 2019).
  25. ISPOR Europe, Cophenhagen, Short Course Program. : Value of information (VOI) analysis. (2019).


February 2020, 64 (1)
Full Text(PDF) Free

Social Network Service
Services

Cited By Articles
  • CrossRef (0)