Soutenance de thèse de Ru HAN

Ecole Doctorale
Sciences de la Vie et de la Santé
Spécialité
Biologie-Santé - Spécialité Recherche Clinique et Santé Publique
établissement
Aix-Marseille Université
Mots Clés
hépatite C chronique,fardeau de la maladie,évaluations pharmacoéconomiques,allocation des ressources,modèle d'optimisation contraint,
Keywords
chronic hepatitis C,burden of disease,pharmacoeconomic evaluations,resource allocation,constrained optimization model,
Titre de thèse
Développement d'un modèle d'optimisation contraint pour optimiser l'allocation des ressources dans le traitement de l'hépatite C
Development of a constrained optimization model to optimize the allocation of resources in the treatment of hepatitis C
Date
Jeudi 9 Décembre 2021 à 10:00
Adresse
Online via ZOOM
Online via ZOOM
Jury
Examinateur Mme Christine LE CLAINCHE Université de Lille
Directeur de these M. Mondher TOUMI Aix Marseille Université
CoDirecteur de these M. Clément FRANCOIS Aix Marseille Université
Rapporteur M. Thomas RAPP Université de Paris
Rapporteur M. Hans-Martin SPÄTH University Claude Bernard Lyon 1

Résumé de la thèse

L'allocation actuelle des ressources dans le cadre de l'évaluation des technologies de la santé (HTA) repose principalement sur l'analyse coût-efficacité (CEA) et l'analyse d'impact budgétaire (BIA), qui ignorent généralement les contraintes de mise en œuvre et l'accessibilité financière. Les objectifs de cette thèse sont de développer un outil de modélisation analytique de décision alternatif, une modélisation d'optimisation sous contrainte, de présenter comment ce modèle pourrait aider pour des recommandations pratiques sur l'allocation du budget de la santé et de mettre en évidence l'utilisation de techniques d'optimisation dans la résolution de problèmes de prise de décision dans le monde réel. Ce modèle a été développé dans le contexte de l'hépatite C chronique (CHC), une maladie infectieuse à progression lente résultant du virus de l'hépatite C (VHC) et causant un lourd fardeau pour la santé publique. L’arrivée de nouveau traitments, parmi les plus coûteux à leur époque, ont généré beaucoup de débats et de tension, et ont conduit à être recommandés dans certaines populations et tardivement dans la maladie. Ces restriction se sont faites principalement sur la base d’analyse coût-efficacité, ce qui peut poser des problèmes car, bien que complétées par des analyses d’impact budgétaire, elle ne permettent pas d’intégrer complètement la notion d’affordabilité. Le seuil de rentabilité dans le CEA ne résout pas directement le problème selon lequel le marqueur de décision est contraint par un budget fixe, et n’informe pas la capacité à financer une nouvelle intervention plus coûteuse même si elle peut présenter un bon rapport qualité-prix. La modélisation d'optimisation sous contrainte apparait une approche particulièrement utile dans ce contexte, d’autant plus que les applications de cette optimisation sont encore rares en santé et plus particulièrement en terme d’éaluation des médicaments. Afin de développer la modélisation d'optimisation sous contrainte, plusieurs étapes ont été nécessaires. • Evaluation de la morbidité des CHC • Description fine de l’hsitoire naturelle en particulier pour les groupes à risque • Développement d’un modèéle simulant la maladie • Intégration du modèle de simulation dans le modèle d'optimisation sous contrainte Enfin, nous présentons des recommandations destinées aux chercheurs et décideurs en santé Notre analyse sur le VHC montre que la modélisation d'optimisation contrainte est flexible et implémentable pour aborder directement l'accessibilité financière de la prise de décision en matière de soins de santé, ce qui remédie à l'un des inconvénients méthodologiques importants du processus traditionnel d' HTA.

Thesis resume

Current resource allocation within health technology assessment (HTA) relies primarily on the cost-effectiveness analysis (CEA) and budget impact analysis (BIA), which typically ignore implementation constraints and affordability. The objectives of this thesis are to develop an alternative decision-analytic modelling tool, a constrained optimization modelling, to present how this optimization could help for practical recommendations on the allocation of healthcare budget and highlight the use of optimization techniques in solving real-world decision-making problems. This model was developed in the setting of chronic hepatitis C (CHC), a slowly progressing infectious disease arising from hepatitis C virus (HCV) and causing substantial public health burden. The advent of the new treatments of CHC, due to the high acquization costs, gave rise to much debate and controversy, and led to the recommendation of these highly effective but expensive treatments to the certain patients in the late stage of disesase. These restrictions on the recommendation were made mainly on the basis of the CEA, which can bring about the problems because it does not allow for the concept of affordability to be fully and quantitively integrated, even though supplemented by the BIA. The cost-effectiveness threshold in CEA does not directly address the problem that decision-marker are constrained by a fixed budget and may not be able to fund new, more expensive intervention even thought they might present good value for money. Constrained optimization modeling appears to be a particularly useful approach in this context, especially when the applications of this optimization method are still rare in healthcare and more particularly in drug economic evaluations. In order to develop the constrained optimization modelling for the resource allocation of CHC, several steps were necessary. • Assessment of the disease burden and morbidity of CHC • Detailed description of the natural history, in particular for groups at risk • Development of a model simulating the disease progression • Integration of the simulation model into the constrained optimization programming Finally, we present recommendations for healthcare researchers and decision-makers. Our analysis on HCV shows that the constrained optimization modelling is flexible and implementable to directly address affordability of healthcare decision-making, which remedies the methodological drawback behind the traditional HTA process.