· web views • format du rapport technique - efficience • décembre 20203. retrouvez tous nos...

ÉVALUER LES TECHNOLOGIES DE SANTÉ

GUIDE

Format du rapport technique - EfficienceDocument support pour le dépôt d’un dossier d’analyse de l’efficience auprès de la CEESP

29 janvier 2021

SommaireSommaire

Instructions aux industriels

1. Contexte de la demande1.1. Description de la pathologie

1.2. Description du mécanisme d’action du produit

1.3. Description de la prise en charge actuelle et de la place revendiquée du produit dans la stratégie thérapeutique

1.4. Recensement et description des options thérapeutiques*

1.5. Description de la population cible

1.6. Impacts revendiqués du produit

1.7. Études et développements en cours

2. Synthèse des données cliniques2.1. Synthèse des données d’efficacité

2.2. Synthèse des données de tolérance

2.3. Synthèse des données d’observance

2.4. Synthèse des données disponibles en pratique courante

3. Synthèse des évaluations économiques3.1. Synthèse des évaluations économiques produites dans le cadre d’une soumission à une

agence d’évaluation des technologies de santé (HTA)

3.2. Synthèse des évaluations économiques publiées

4. Objectif et choix structurants4.1. Objectif de l’analyse de l’efficience

4.2. Analyse économique et choix du critère de résultat

4.3. Perspective

4.4. Horizon temporel et actualisation

4.5. Population d’analyse

4.6. Interventions comparées

5. Modélisation5.1. Population simulée et sous-populations spécifiques

5.2. Structure du modèle

5.3. Prise en compte de la dimension temporelle

5.4. Intégration des données cliniques dans le modèle

5.5. Synthèse des hypothèses et choix méthodologiques concernant la modélisation

5.6. Identification, mesure et valorisation des utilités (méthode)

5.7. Identification, mesure et valorisation des coûts (méthode)

Format du rapport technique - Efficience • janvier 2021 2

5.8. Validation du modèle

5.9. Analyse de l’incertitude (méthode)

6. Résultats de l’analyse de référence6.1. Résultats désagrégés (analyse principale)

6.2. Résultats de l’analyse coût-résultat

6.3. Exploration de l’incertitude

7. Résultats des analyses de scénario

8. Analyses complémentaires

9. Discussion et conclusion

Glossaire

Références bibliographiques

Abréviations et acronymes


Instructions aux industrielsCe modèle de document est à destination des industriels qui déposent une analyse de l’efficience auprès de la CEESP dans le cadre de l’article R. 161-71-3 du Code de la sécurité sociale. Il spécifie les informations attendues dans le rapport technique de l’analyse de l’efficience. Le rapport technique de l’analyse d’impact budgétaire fait l’objet d’un autre modèle de document.

Selon l’article R. 161-71-3 du Code de la sécurité sociale, la CEESP « émet un avis sur l’efficience prévisible ou constatée de la prise en charge par l’Assurance maladie du produit de santé ou de la technologie ». L’information apportée par l’industriel doit donc permettre de documenter l’efficience du produit ou de la technologie sur l’ensemble de l’indication sur laquelle la Commission de la transparence (CT) ou la Commission nationale d'évaluation des dispositifs médicaux et des technologies de santé (CNEDIMTS) émet un avis de remboursement par l’Assurance maladie.

Ce document constitue également un format de présentation pour le rapport technique.

Cette notice de l’utilisateur n’est pas un guide méthodologique.

L’objectif est de clarifier les éléments indispensables à la HAS pour expertiser l’analyse de l’efficience soumise par l’industriel

Les exemples repris pour illustrer les présentations attendues ne peuvent en aucun cas être considérés comme des éléments de méthodologie. Les principes méthodologiques adoptés par la HAS en matière d’évaluation économique sont présentés dans le guide méthodologique « Choix méthodologiques pour l’évaluation économique à la HAS » disponible sur le site de la HAS.

Le rapport technique décrit en toute transparence la méthodologie retenue par l’industriel et il présente les résultats obtenus. Au-delà du caractère technique de ce type de rapport, il est rappelé l’importance primordiale attachée par la HAS à l’explicitation des arguments qui ont motivé les choix méthodologiques retenus par l’industriel et à l’interprétation des résultats en cohérence avec l’objectif de l’analyse, la méthode mise en œuvre et le niveau d’incertitude générée.

Le rapport technique doit être rédigé en français, dans un style précis et rigoureux. Il doit être aussi concis et informatif que possible et ne pas excéder 200 pages, sans compter les annexes. Des annexes peuvent être utilisées pour apporter des informations explicatives complémentaires qui dépassent le niveau de détail requis dans le rapport. Des annexes du rapport technique en anglais sont acceptées.

Objectifs généraux d’un rapport technique Présenter le contexte et l’objectif de l’analyse. Présenter les choix méthodologiques retenus ainsi que les sources de données utilisées. Expliciter et justifier un éventuel décalage avec les recommandations de la HAS. Valider l’approche méthodologique suivie. Présenter les résultats de l’analyse principale et les résultats des analyses de sensibilité. Discuter les résultats, en explorant leur degré d’incertitude. En tirer une conclusion informative et

non ambiguë. Présenter, le cas échéant, les analyses complémentaires réalisées.

Les termes suivis d’un astérisque (*) sont définis dans le glossaire.


https://www.has-sante.fr/upload/docs/application/pdf/2020-07/guide_methodologique_evaluation_economique_has_2020_vf.pdf

https://www.has-sante.fr/upload/docs/application/pdf/2020-07/guide_methodologique_evaluation_economique_has_2020_vf.pdf

1. Contexte de la demande Objectif. Synthétiser les principales informations sur le produit et sur le contexte thérapeutique dans lequel s’inscrit la demande déposée par l’industriel.

1.1. Description de la pathologieObjectif. Synthétiser les caractéristiques de la pathologie utiles pour éclairer l’analyse de l’efficience.

‒ Présenter les éléments relatifs à l’histoire naturelle de la pathologie et décrire les conséquences de la pathologie sur l’état de santé (morbidité et mortalité, handicaps, séquelles, complications, qualité de vie, etc.).

‒ Présenter les données disponibles pour la France, à défaut les données internationales, qui permettent d’estimer l’impact de la pathologie sur la santé des patients.

‒ Indiquer les conséquences économiques et sociales de la pathologie lorsque celles-ci peuvent être documentées.

Renvoyer pour les détails aux paragraphes concernés dans le dossier médico-technique (spécifier les pages).

1.2. Description du mécanisme d’action du produitObjectif. Présenter de manière vulgarisée le mécanisme d’action du produit et le caractère potentiellement innovant qu’il représente par rapport à l’arsenal thérapeutique actuellement disponible.

Renvoyer pour la présentation scientifique aux paragraphes concernés dans le dossier médico-technique (spécifier les pages).

1.3. Description de la prise en charge actuelle et de la place revendiquée du produit dans la stratégie thérapeutique

Objectif. Synthétiser les éléments relatifs à la prise en charge actuelle des patients atteints de la pathologie et à la place revendiquée pour le produit dans cette prise en charge.

‒ Décrire la stratégie thérapeutique pour chacune des formes cliniques et chacun des stades de la maladie concernée.

‒ Identifier les recommandations/conférences de consensus existantes (internationales, européennes et françaises, avis d’experts le cas échéant).

‒ Faire un état des lieux des pratiques en France, en précisant si le parcours de soins est soumis à des variabilités ou s’il est standardisé.

Cette description permettra de définir la place du produit dans la stratégie thérapeutique. En cas de primo-inscription ou d’extension d’indication, identifier clairement les modifications potentielles liées à l’introduction du produit. En cas de réinscription, identifier clairement la place actuelle du produit dans la stratégie thérapeutique.

Renvoyer pour les détails aux paragraphes concernés dans le dossier médico-technique (spécifier les pages).


1.4. Recensement et description des options thérapeutiques*Objectif. En lien avec le paragraphe précédent, lister de manière exhaustive l’ensemble des options thérapeutiques dans l’indication définie par l’AMM (y compris les options palliatives, les options non médicamenteuses, etc.). Si l’indication, pour laquelle une ASMR / ASA I à III est revendiquée, est restreinte par rapport à l’indication de l’AMM, identifier les options disponibles dans cette indication restreinte.

Il ne s’agit pas ici d’anticiper le choix des comparateurs qui seront introduits dans l’analyse de l’efficience, mais de lister toutes les options possibles en pratique clinique, qu’elles soient effectivement mobilisées ou non.

A minima, seront listées toutes les options thérapeutiques définies dans les recommandations des agences d’évaluation en santé et des sociétés savantes nationales ou internationales, ainsi que les options identifiées dans les pratiques courantes (y compris, le cas échéant, les options prescrites hors AMM).

Tableau 1. Exemple de tableau pour présenter les options disponibles

Options thérapeutiques

Statut (AMM/CE)

Date d’AMM, marquage CE

Si AMM / marquage CE

Contexte administratif

Place dans la stratégie par rapport au produit évalué

Posologie, voie d’administration / méthode d’implantation

Produit AMM

(09/2009)

Libellé de l’AMM

Date d’ATU (10/2009)

SMR/ASMR (12/2009)

Substituabilité parfaite/partielle

Produit Hors AMM Complémentarité

Produit CE

(06/2017)

Libellé du marquage CE

SA/ASA Complémentarité dans le cadre d’un test compagnon

Produit AMM (09/2017) Séquences de traitement

Dans le cas d’une classe thérapeutique comportant un nombre très important de médicaments, la description portera sur la classe, en précisant le nombre de médicaments princeps, les princeps les plus prescrits, et le nombre de génériques disponibles.

Il est demandé que les évolutions attendues à court terme soient clairement documentées.‒ Identifier les nouvelles molécules, actes ou dispositifs, dont l’arrivée est attendue dans un

délai de 12 mois.‒ Identifier, le cas échéant, les molécules qui vont tomber dans le domaine public dans un délai

de 12 mois.

1.5. Description de la population cibleObjectif. Estimer la taille de la population cible correspondant à l’indication de l’AMM ou au marquage CE et, le cas échéant, la population cible correspondant à l’indication pour laquelle une ASMR/ASA I à III est revendiquée, si elle est plus restreinte que celle de l’AMM.

Tout calcul de la population cible nécessite de :


‒ Présenter l’estimation de la population cible par une figure (diagramme de flux), précisant les chiffres nécessaires au calcul et leur source.

‒ Référencer toutes les sources de données utilisées pour estimer la population cible.‒ Décrire les caractéristiques connues de la population française correspondant à la population

cible et, le cas échéant, à la population cible de l’indication pour laquelle une ASMR/ASA I à III est revendiquée : âge, sexe, sévérité de la pathologie, et toute autre caractéristique pertinente. En l’absence de données françaises suffisantes, des données étrangères peuvent être présentées en discutant leur transposition pour la France.

Dans le cas où le produit est déjà remboursé dans d’autres indications, estimer la part que représente la population cible de ce dossier dans la population cible totale correspondant à l’ensemble des indications pour lesquelles le produit a obtenu une AMM ou un marquage CE.

1.6. Impacts revendiqués du produitObjectif. Identifier les impacts attendus sur les critères mentionnés dans le Code de la sécurité sociale (organisation des soins, pratiques professionnelles, conditions de prise en charge des malades).

‒ Rappeler les impacts revendiqués dans le formulaire de dépôt.‒ Détailler les arguments justifiant la revendication de chacun de ces impacts, en les étayant, le

cas échéant, par des données.

1.7. Études et développements en coursObjectif. Identifier les données qui pourraient être disponibles dans le futur dans la même indication et identifier les futures indications potentielles.

‒ Présentation des travaux/études en cours susceptibles d’apporter de nouvelles données dans l’indication d’AMM et, le cas échéant, dans l’indication pour laquelle une ASMR/ASA I à III est revendiquée (préciser le délai de disponibilité de ces données).

‒ Présentation des travaux/études en cours susceptibles de donner lieu à une demande d’extension d’indication dans le domaine thérapeutique ou non, dans les prochaines années.


2. Synthèse des données cliniquesObjectif. Présenter un état des lieux des données cliniques disponibles pour le produit évalué et une synthèse des résultats justifiant la revendication d’un impact du produit évalué sur la morbi-mortalité (réduction de la mortalité, événements morbides évités, meilleure tolérance, amélioration de l’observance*, amélioration de la qualité de vie, etc.) :

‒ Présenter les données cliniques dans l’indication d’AMM et, le cas échéant dans l’indication pour laquelle une ASMR/ASA I à III est revendiquée si elle est plus restreinte que celle de l’AMM ;

‒ Identifier les connaissances disponibles pour documenter les critères de résultat utiles à l’analyse de l’efficience ;

Dans cette partie, il ne s’agit pas de procéder à la sélection des données qui seront retenues pour l’analyse de l’efficience, que ce soit pour documenter l’analyse principale ou les analyses de sensibilité.

Les données présentées doivent être cohérentes avec les éléments soumis à la commission de Transparence (CT) ou à la commission nationale d’évaluation des dispositifs médicaux et des technologies de santé (CNEDIMTS).

2.1. Synthèse des données d’efficacitéObjectifs. Présenter l’ensemble des données disponibles sur le produit évalué dans l’indication d’AMM et, le cas échéant dans l’indication pour laquelle une ASMR/ASA I à III est revendiquée si elle est plus restreinte que celle de l’AMM. Présenter l’ensemble des données disponibles sur les comparateurs potentiels, y compris celles qui ne seront pas retenues en analyse principale.

Le choix des données retenues pour l’analyse principale et les analyses de sensibilité seront justifiées dans la partie source des données (cf. modélisation).

2.1.1. Données issues des études cliniques réalisées sur le produit évalué dans l’indication demandée au remboursement

Objectif. Présenter de façon détaillée l’essai ou les essais clinique(s) pivot(s) sur lequel(lesquels) repose(nt) l’obtention de l’AMM pour le produit évalué et le cas échéant, les données sur lesquelles reposent la demande de remboursement si celle-ci est différente de l’indication d’AMM.

Identifier les critères utiles à l’analyse de l’efficience. S’il s’agit de critères prédictifs de la morbi-mortalité, présenter les éléments démontrant la relation entre ces critères prédictifs et la morbi-mortalité.

Les principaux éléments sont présentés, sous la forme de tableaux si possible :‒ la méthodologie de(s) étude(s) ;‒ les résultats sur le critère principal et les critères secondaires (estimation de la taille de l’effet

avec l’intervalle de confiance) ; ‒ les principaux éléments nécessaires à l’interprétation des résultats (comparateur, analyse en

intention de traiter ou per protocole, effectif et caractéristiques de la population incluse, méthode de gestion du risque alpha, cross over, etc.) 1. ;

‒ les analyses en sous-groupes (selon une stratification ou celles prévues au protocole et celles réalisées post-hoc).

1 Des renvois peuvent être faits vers des annexes techniques ou des pages du dossier médico-technique.


Discuter la qualité méthodologique des données pertinentes pour l’analyse de l’efficience (maturité des données, significativité, biais potentiel, etc.).

Préciser, le cas échéant, l’existence d’études supplémentaires ou en cours, dont les résultats sont susceptibles d’être disponibles dans les 12 prochains mois (résultats présentés en congrès par exemple).

2.1.2. Autres sources de données d’efficacité portant sur le produit évalué ou les options thérapeutiques recensées

Objectifs. Identifier les données disponibles pour le produit évalué ou les options thérapeutiques par une revue systématique de la littérature et les présenter. Présenter, le cas échant, les comparaisons identifiées ou réalisées dans le cadre du dossier soumis. Parmi les données disponibles, le choix des données retenues pour l’analyse principale et les analyses de sensibilité seront justifiées dans la partie source des données (cf. modélisation).

La recherche documentaire est présentée et précise, le cas échéant, les critères de sélection ou d’exclusion des études identifiées (diagramme de flux).

Les analyses réalisées par l’industriel sont présentées et leur méthode est détaillée.

Toute comparaison directe ou indirecte issue de la littérature ou réalisée par l’industriel2 nécessite de :

‒ Présenter les études cliniques sur le produit évalué ou les comparateurs intégrées dans ces comparaisons (ECR, autres types d’études cliniques).

‒ Pour toutes comparaisons, présenter la méthode utilisée : comparaison directe, comparaison indirecte, comparaison indirecte ajustée sur données individuelles de type MAIC3. Pour les comparaisons indirectes, présenter le réseau en justifiant le choix de la méthode retenue.

‒ Pour toutes comparaisons réalisées par l’industriel, présenter les études disponibles (cf. revue de la littérature), les études incluses et celles qui ont été exclues en justifiant les choix effectués.

‒ Présenter de façon synthétique l’approche statistique mise en œuvre pour l’estimation des effets relatifs.

‒ Présenter de façon synthétique les résultats pertinents pour l’analyse de l’efficience, avec les intervalles de confiance : résultats individuels des essais inclus, résultats agrégés et, lorsqu’il y a un réseau, les résultats de chaque comparaison en distinguant les estimations directes et indirectes.

‒ Présenter l’analyse de la qualité de la comparaison (méthode retenue pour évaluer4 la qualité et principales conclusions quant aux biais potentiels, à l’hétérogénéité etc.).

Si plusieurs méta-analyses ou autres types d’analyses susceptibles de documenter l’efficacité comparative des traitements, sont disponibles dans la littérature, un tableau synthétique peut être utilisé.

2 Pour les comparaisons directes ou indirectes réalisées dans le cadre de l’analyse soumise, les rapports détaillant la méthode doivent être fournis en annexe. 3 Dans le cas des comparaisons indirectes, préciser le type de réseau connecté ou déconnecté, l’approche statistique. La sélection des variables d’interaction modifiant l’effet traitement évalué et la distribution de ces variables dans les différents essais retenus dans le réseau est à documenter. La cohérence des populations étudiées dans les comparaisons indirectes ajustées avec la population d’analyse est à discuter. 4 Ex. revue Cochrane, approche GRADE (Balshem, Helfand, & Schûnemann, 2011) (Guyatt, Oxman, & Sultan, 2013) (Puhan, Schünemann, & Murad, 2014), utilisation de l’application CINeMA (Nikolakopoulou, Higgins, & Papakonstantinou, 2020) (Papakonstantinou, Nikolakopoulou, & Higgins, 2020).


Les essais cliniques inclus dans les comparaisons directes ou indirectes sont présentés, par exemple dans le tableau synthétique ci-dessous.

Tableau 2. Exemple de présentation des études cliniques incluses dans la comparaison directe ou indirecte

Étude clinique Essai 1 Essai 2 …

Design de l’étude et principales caractéristiques (ECR, ouvert, en aveugle, cross-over)

Population

Traitements comparés

Médiane de suivi

Principales caractéristiques de la population incluse

Résultats sur le(s) critère(s) d’efficacité (HR, IC 95%)

Tableau 3. Exemple de présentation de la qualité de la comparaison : dimensions de crédibilité à renseigner dans le cas d’une méta-analyse en réseau (GRADE)

Risque de biais (intra étude)

Identification des biais associés au protocole des études

Incohérence / Hétérogénéité

Deux axes

Hétérogénéité : variabilité des estimations d’effet entre les essais de comparaison directe

Incohérence : variabilité entre les estimations directes et indirectes

« Indirectness » Deux axes

Pertinence : similarité entre le périmètre des preuves et la question d’intérêt (critère d’évaluation, population, interventions)

Transitivité : similarité des études de comparaison directes introduites dans la méta-analyse en réseau

Imprécision Intervalle de confiance large ou incluant / “étant proche” d’un effet nul

Biais de publication

Biais généré par la non-publication de certains résultats

2.2. Synthèse des données de toléranceObjectif. Présenter de manière synthétique les données de tolérance disponibles pour le produit évalué dans les études cliniques comparatives recensées à la section 2.1.1.

Pour l’(les) essai(s) pivot(s) associé(s) au produit évalué, pour chaque bras de l’étude, indiquer la fréquence de survenue des évènements indésirables et qualifier le degré de gravité. Indiquer la part des arrêts de traitement dus à des évènements indésirables.

Présenter de manière synthétique, les autres données de tolérance disponibles pour le produit évalué, issues de sources considérées comme pertinentes pour documenter l’évaluation économique réalisée (méta-analyses en réseau en particulier).

Pour chacun des comparateurs, présenter pour chaque comparateur la fréquence de survenue des évènements indésirables et qualifier le degré de gravité. Si plusieurs études sont disponibles pour les comparateurs potentiels, présenter les données issues de chaque étude dans un tableau.


2.3. Synthèse des données d’observanceObjectif. Présenter de manière synthétique les données disponibles pour le produit évalué en matière d’observance*, de persistance* et, le cas échéant, d’adhésion thérapeutique*.

Indiquer les taux d’arrêts prématurés de traitement et les taux de sortie d’étude dans les essais.

2.4. Synthèse des données disponibles en pratique courante Objectif. Présenter les données françaises disponibles en pratique (p.ex. étude de marché, étude de pratique, données recueillies dans le cadre d’une ATU ou d’une RTU), pour documenter par exemple (liste non exhaustive) :

‒ la place dans la stratégie thérapeutique du produit et des options thérapeutiques décrites en 1.3. (cf. volumes de prescription et/ou de vente) ;

‒ la population rejointe et ses caractéristiques cliniques et démographiques ;‒ les conditions de prescription (posologie moyenne et durée moyenne) et, si possible, la

distribution de la population en fonction des conditions de prescription ;‒ les co-prescriptions éventuelles ;‒ l’efficacité observée sur des critères définis dans les protocoles ;‒ les événements indésirables observés ;‒ les études en vie réelle réalisées dans d’autres pays éventuellement.


3. Synthèse des évaluations économiques Objectif. Documenter les choix méthodologiques qui ont pu être retenus dans les différentes évaluations réalisées sur un même produit. La validation croisée de l’analyse soumise s’appuie sur la disponibilité d’autres évaluations (cf. partie validation).

3.1. Synthèse des évaluations économiques produites dans le cadre d’une soumission à une agence d’évaluation des technologies de santé (HTA)

Indiquer si des analyses coût-résultats (ACR) du produit ont été soumises auprès d’autres agences d’évaluation des technologies de santé (HTA). Si oui, une synthèse des choix structurants, de la méthode d’analyse et des résultats de ces évaluations est attendue. Il est possible de présenter les principaux éléments dans un tableau de synthèse.

Dans le cas où plusieurs versions d’une même évaluation ont été produites, seule la version finale (le cas échéant, il s’agira de la version révisée par l’agence d’évaluation des technologies de santé) est présentée.

Indiquer, le cas échéant, la conclusion rendue par l’agence d’évaluation des technologies de santé. Sinon, indiquer la date prévisionnelle de publication des conclusions si elle est connue.

Le rapport final doit être intégré dans les annexes bibliographiques.

Tableau 4. Résumé des évaluations économiques soumises à une agence d’HTA (exemple)

Référence Type de modèle

PerspectiveHorizon temporel

Population(s) simulée(s)

Comparateurs

Résultats (RDCR)

Agence HTA

Pays

Date soumission

Date publication

Agence HTA

Pays

Date soumission

Date publication

Etc.

3.2. Synthèse des évaluations économiques publiéesRecenser les ACR publiées et indiquer leurs principales caractéristiques et résultats quantitatifs dans un tableau de synthèse (cf. tableau ci-dessous pour exemple). Synthétiser les conclusions déduites de ces évaluations.


Renvoyer à une annexe pour (1) décrire la méthode de recherche documentaire utilisée pour identifier les évaluations économiques publiées, (2) présenter un diagramme indiquant le nombre d’études économiques incluses et exclues, (3) présenter de manière synthétique la méthodologie et les résultats des études.

La version électronique des publications retenues doit être fournie dans les annexes bibliographiques.

Tableau 5. Résumé des évaluations économiques publiées (exemple)

Référence Type de modèle

PerspectiveHorizon temporel

Population(s) simulée(s)

Comparateurs Résultats (RDCR)

Auteur, date de publication

Pays

Auteur, date de publication

Pays

Etc.


4. Objectif et choix structurants4.1. Objectif de l’analyse de l’efficienceObjectif. Présenter l’objectif de l’analyse de l’efficience et sa cohérence avec la demande de remboursement.

Une attention particulière doit être apportée à la définition de l’objectif de l’analyse, laquelle ne se réduit pas à la traduction littérale d’un calcul économique (p.ex. estimer le ratio coût-résultat d’une intervention par rapport à une autre).

L’objectif est en particulier défini en fonction de l’indication d’AMM, et le cas échant en fonction des différents niveaux d’ASMR revendiqués, de la nature de la demande réglementaire (p. ex. primo-inscription ou extension d’indication), mais également en fonction de la capacité des données disponibles à fonder une évaluation de l’efficience ou à documenter d’autres critères économiques à définir (p.ex. si la frontière d’efficience ne peut être construite par manque d’un comparateur pertinent).

Plusieurs objectifs peuvent être définis parallèlement.

Les exemples ci-dessous sont donnés à titre purement informatif et ne sont pas exhaustifs.‒ Exemple 1. Afin de documenter la demande de primo-inscription et le niveau de prix

revendiqué, l’évaluation a pour objectif d’analyser l’efficience du produit dans la stratégie thérapeutique considérant toutes les options thérapeutiques.

‒ Exemple 2. Afin de documenter la demande de réévaluation du produit et le niveau de prix revendiqué par rapport au prix existant (maintien ou révision), l’évaluation a pour objectifs, d’une part, de confirmer le niveau d’efficience anticipée du produit lors de la primo-inscription et, d’autre part, d’analyser l’efficience actuelle du produit dans la stratégie thérapeutique considérant toutes les options thérapeutiques.

‒ Exemple 3. Afin de documenter la demande d’extension en 1re ligne de traitement et le niveau de prix revendiqué par rapport au prix existant (maintien ou révision), l’évaluation a pour objectifs, d’une part, d’estimer l’efficience de la stratégie incluant le produit en 1re ligne par rapport à la stratégie incluant le produit en 2e ligne et, d’autre part, d’analyser l’efficience actuelle du produit dans la stratégie thérapeutique de 1re ligne considérant toutes les options thérapeutiques.

‒ Exemple 4. Afin de documenter la demande de primo-inscription et le niveau de prix revendiqué, l’objectif de l’évaluation est, d’une part, d’évaluer l’efficience du produit dans l’indication de l’AMM et, d’autre part, d’évaluer l’efficience du produit dans chacune des deux sous-populations pour lesquelles une ASMR de niveau différent est revendiquée.

En référence au guide méthodologique HAS, il est rappelé que l’objectif de l’évaluation conditionne les choix structurants de l’évaluation, en particulier le choix des comparateurs et de la population d’analyse*.

4.2. Analyse économique et choix du critère de résultatObjectif. Définir le type d’analyse coût-résultat proposée en analyse de référence* (analyse coût-utilité, analyse coût-efficacité) et argumenter ce choix au regard des impacts revendiqués sur la santé. Préciser le critère de résultat retenu : année de vie ajustée sur la qualité de vie (QALY) ou année de vie (AV).


Indiquer si des analyses complémentaires* sont présentées (p.ex. analyse coût-bénéfice, estimation des coûts indirects, analyse sur un autre critère de résultat, études de qualité de vie).

4.3. PerspectiveObjectif. Expliciter la perspective retenue pour l’analyse principale* en précisant les parties prenantes concernées par la demande soumise, soit parce qu’elles sont affectées en termes d’état de santé (y compris la qualité de vie), soit parce qu’elles participent à la production de la prise en charge globale du patient (y compris les patients et leur entourage, le secteur médico-social, ou tout autre secteur impliqué).

Justifier le choix de la perspective en particulier, si une des parties prenantes ne peut être intégrée (p.ex. les aidants proches ou le secteur médico-social), discuter l’impact potentiel de l’absence de sa prise en compte sur les conclusions de l’évaluation.

4.4. Horizon temporel et actualisation

4.4.1. Choix de l’horizon temporelObjectif. Expliciter l’horizon temporel retenu entre vie entière* ou à durée déterminée*.

Justifier ce choix en cohérence avec :‒ l’histoire naturelle de la maladie ;‒ le mécanisme d’action du produit ;‒ la persistance des conséquences du traitement ;‒ les données disponibles sur l’espérance de vie des patients ;‒ l’incertitude générée par l’extrapolation des données.

4.4.2. Choix du taux d’actualisationObjectif. Expliciter le taux d’actualisation retenu dans l’analyse principale*.

4.5. Population d’analyse

4.5.1. Identification de la population d’analyseObjectif. Définir la population d’analyse*, c’est-à-dire la population sur laquelle l’efficience est analysée, en cohérence avec l’indication sur laquelle la commission de la transparence (CT) ou la commission nationale d'évaluation des dispositifs médicaux et des technologies de santé (CNEDIMTS) émet un avis de remboursement par l’Assurance maladie.

Développer les arguments justifiant, le cas échéant, que la population d’analyse pour l’évaluation de l’efficience soit restreinte par rapport à la population concernée par l’AMM ou la demande de remboursement.

4.5.2. Identification de sous-populations d’analyseObjectif. Préciser si des analyses en sous-population sont pertinentes au regard d’une hétérogénéité des effets du produit, des coûts ou des options thérapeutiques. Indiquer selon quelles caractéristiques les sous-populations d’analyse sont identifiées (p.ex. démographiques (sexe, âge), liées à la pathologie (degré de sévérité) ou à la prise en charge, ou selon tout autre critère pertinent).


Le cas échéant, des sous-populations sont identifiées correspondant à chacun des niveaux d’ASMR revendiqués.

4.6. Interventions comparéesObjectif. Justifier le choix des comparateurs5 retenus dans l’évaluation à partir des options thérapeutiques identifiées dans le paragraphe relatif au contexte clinique (section 1.4), en argumentant le choix d’inclure ou d’exclure chacune des options thérapeutiques identifiées a priori.

Pour chacune des options thérapeutiques non retenue comme comparateur dans l’évaluation de l’efficience, discuter de la conséquence potentielle de son exclusion sur la conclusion de l’évaluation et son interprétation en termes d’efficience (cf. objectif de l’évaluation).

Si un comparateur recouvre plusieurs modalités de soins (p.ex. traitement au choix du médecin, soins de support*), une description précise des modalités qui le constituent est attendue, y compris pour les modalités non médicamenteuses.

Tableau 6. Exemple de tableau pour présenter les comparateurs retenus

Options thérapeutiques (cf. Tableau 1)

Taux d’utilisation en pratique courante en France

(Source : bases de données de vente, étude de marché, données observationnelles, avis d’experts, etc)

Données cliniques disponibles (cf. partie 2.1.2)

Inclus / exclus

Justification

Impact sur la portée de la conclusion+

Étude 1 (source) Étude 2 (source)

Produit 20,2 % 37,4 %

Produit 79,8% 62,6%

Produit -

Produit

Produit

+ L’impact sur la portée de la conclusion pourra être qualifié de mineur ou important selon que l’exclusion de l’option est attendue modifier ou non la frontière d’efficience.

5 Dans ce document, le terme de comparateur désigne les options thérapeutiques introduites in fine dans l’évaluation économique.


5. ModélisationEn introduction de cette partie, présenter le contexte de développement du modèle (adaptation d’un modèle ou modèle de novo, comité scientifique, société(s) prestataire(s) impliquée(s) dans le développement).

5.1. Population simulée et sous-populations spécifiquesObjectif. Décrire la population simulée* dans le modèle : taille de la cohorte le cas échéant, caractéristiques à l’entrée dans le modèle (âge, sexe, sévérité, autres…).

Indiquer si les sous-populations identifiées au paragraphe 4.5.2 sont simulées. Justifier, le cas échéant, l’absence de simulation. Décrire, pour chaque sous-population simulée*, les caractéristiques à l’entrée dans le modèle (âge, sexe, sévérité, autres).

Mettre en évidence et justifier, le cas échéant, toute différence de périmètre entre la population simulée* (p.ex. population incluse dans un essai) et la population d’analyse* définie dans le paragraphe 4.5.

Discuter de la représentativité de la population simulée* et des sous-populations simulées par rapport à la population d’analyse, sur la base des données disponibles concernant les caractéristiques de la population traitée en France. Les différentes sources de données disponibles pour documenter la population à traiter en France sont à présenter brièvement (type d’étude, objectif, temporalité, population, etc. cf section 1.5).

5.2. Structure du modèle

5.2.1. Type de modèle retenuObjectif. Présenter le type de modèle retenu (p.ex. arbre de décision, modèle de Markov, modèle d’aire sous la courbe, modèle de simulation individuelle) et justifier ce choix, en particulier en référence à la description de l’histoire naturelle de la maladie et du parcours de soins.

Discuter le choix du type de modèle par rapport aux modèles développés dans la pathologie et publiés (y compris les modèles n’incluant pas le produit).

5.2.2. Description et justification de la structure du modèleObjectif. Décrire la structure du modèle (p.ex. états, événements et liaisons).

Justifier chacun de ces choix (p.ex. données cliniques, recommandations professionnelles, avis d’experts, etc.). Discuter et justifier la structure du modèle par rapport aux modèles développés dans la pathologie.

En particulier, le cas échéant, recenser les événements pouvant intervenir au cours d’un cycle en les distinguant selon qu’ils entraînent la transition vers un autre état du modèle (événements transitionnels*) ou non (événements intercurrents*).

Pour les événements intercurrents6*, justifier la méthode de sélection des événements modélisés, identifier les conséquences de leur survenue (désutilité, coût, etc.), en explicitant la méthode d’intégration dans le modèle (p.ex. sur un seul cycle ou tout au long de la durée de simulation).

6 Parmi les événements intercurrents les plus fréquents, citons les évènements indésirables, les arrêts de traitement, la survenue d’un événement de soin (p.ex. une hospitalisation).


Lorsque plusieurs modèles sont combinés (p.ex. : arbre de décision et modèle multi-états), la transition des individus d’un modèle à un autre doit être décrite aussi précisément que possible.

Présenter graphiquement le modèle avec une légende explicite.

5.3. Prise en compte de la dimension temporelleLes rubriques ci-dessous doivent être renseignées lorsqu’elles s’appliquent au type de modèle retenu.

5.3.1. Durée des cyclesObjectif. Dans le cas d’un modèle multi-états de transition, définir la durée des cycles et la justifier au regard de l’évolution de la maladie ou de la prise en charge.

Si une correction de demi-cycle est appliquée, décrire la manière dont elle intervient dans le modèle.

5.3.2. Durée de la simulationObjectif. Préciser la durée de la simulation en cohérence avec l’horizon temporel défini.

Si un horizon temporel vie entière* est retenu, indiquer la durée de simulation à partir de laquelle tous les patients sont décédés et discuter de sa plausibilité. Si une durée maximale de simulation est appliquée au modèle, la justifier au regard de la nature de la pathologie ou de l’espérance de vie des patients et préciser la calibration des données appliquée afin de s’assurer que la totalité des patients sont décédés à la fin de la durée maximale de simulation.

Si la durée de simulation correspond à un horizon temporel prédéfini (jusqu’à un âge prédéfini ou pour une durée prédéfinie), indiquer la proportion de patients encore en vie au moment où la durée maximale de simulation est atteinte.

5.3.3. Hypothèses d’extrapolationObjectif. Présenter l’ensemble des hypothèses d’extrapolation du modèle.

Formuler chacune des hypothèses qui fondent l’extrapolation à long terme des données observées sur les périodes de suivi des études, en particulier les hypothèses liées aux effets de traitement relatifs entre le produit évalué et ses comparateurs, mais également les hypothèses sur les scores d’utilité, les ressources consommées, etc.

Il ne s’agit pas dans ce paragraphe de décrire les techniques retenues pour extrapoler les données (cf. partie suivante) mais d’expliciter les hypothèses retenues pour simuler l’évolution des variables modélisées dans le temps7.

‒ Indiquer l’ensemble des variables du modèle pour lesquelles une extrapolation au-delà de la durée observée des données est nécessaire.

‒ Indiquer, pour chaque variable, la date ou la durée de simulation à partir de laquelle les données sont extrapolées.

‒ Expliciter les hypothèses qui fondent l’extrapolation des données au-delà de leur période d’observation (p. ex. hypothèse de persistance totale ou partielle d’un l’effet traitement relatif après arrêt du traitement, hypothèse de stabilité de la qualité de vie moyenne, hypothèse de décroissance de la qualité de vie avec l’âge, hypothèse d’augmentation des coûts de suivi de la pathologie).

7 Il ne s’agit pas que des hypothèses pour lesquelles des fonctions d’extrapolation sont mobilisées, mais de toute hypothèse de simulation au-delà des données observées.


‒ Justifier chacune des hypothèses d’extrapolation.

5.4. Intégration des données cliniques dans le modèle

5.4.1. Méthodes retenues pour documenter l’efficacité dans le modèleObjectifs. (1) justifier la sélection des sources de données cliniques pour le produit et ses comparateurs ; (2) spécifier les méthodes d’estimation retenues pour modéliser le résultat de santé final (par ex. spécification des courbes de survie par ajustement des données puis extrapolation, estimation des probabilités de transition, etc.).

5.4.1.1. Sélection des sources pour l’efficacité

Indiquer les sources de données retenues pour documenter l’efficacité dans le modèle parmi les sources présentées dans la section 2 et rappeler les principaux résultats utiles pour l’analyse de l’efficience.

5.4.1.2. Méthode d’estimation de l’efficacité

Détailler l’approche méthodologique retenue pour estimer l’efficacité dans le modèle à partir des données cliniques identifiées ci-dessus, ainsi que les méthodes d’extrapolation mises en œuvre au-delà de la durée de suivi des données disponibles.

Il peut s’agir de décrire :‒ une méthode d’estimation des courbes de survie8 (p.ex. modèle de risque proportionnel,

approche par morceaux, méthode d’ajustement et d’extrapolation des données par une fonction paramétrique) ;

‒ une méthode de calibration des données ;‒ une méthode d’estimation des probabilités de transition ;‒ l’application d’une équation de risque ;‒ etc.

Compte tenu de l’influence de cette partie de l’analyse sur les résultats du modèle, la méthode doit être présentée le plus clairement possible en distinguant chacun des éléments du processus d’estimation. Chacun des choix méthodologiques retenus doit être justifié.

Si des experts ont été sollicités, le préciser et renvoyer à une annexe spécifique pour plus de détails sur la consultation d’experts9.

5.4.1.3. Données intégrées dans le modèle

Présenter les résultats issus des méthodes décrites ci-dessus (p.ex. courbes de survie appliquées dans le modèle, matrices de transitions, etc.).

8 Lorsque des courbes de Kaplan-Meier sont utilisées, le nombre de patients à risque doit être systématiquement présenté en regard des courbes.9 Description complète de la méthode (identification des données documentées par avis d’experts, critères de sélection des experts, nombre d’experts sollicités et nombre d’experts ayant répondu, déclaration de liens d’intérêts potentiels, méthode de recueil de leur avis, questions posées et réponses formulées, méthode d’agrégation - médiane, moyenne- et distribution des réponses).


5.4.2. Estimation des probabilités d’occurrence associées aux événements intercurrents

Objectifs. (1) justifier la sélection des sources de données pour documenter les événements intercurrents* ; (2) spécifier les méthodes d’estimation retenues pour modéliser ces événements et la manière dont sont intégrés les résultats dans le modèle pour le produit et ses comparateurs.

Les rubriques ci-dessous doivent être renseignées lorsqu’elles s’appliquent au type de modèle retenu.

5.4.2.1. Événements indésirables‒ Identifier les sources retenues en renvoyant à la section 2.2. Si d’autres sources de données

sont nécessaires, le justifier. Renvoyer, dans ce cas, à une annexe pour décrire la méthode de recherche documentaire, la méthode de sélection des sources possibles et, le cas échéant, la méthode de synthèse des données.

‒ Décrire et justifier la méthode de sélection des données incorporées dans le modèle. Toute exclusion d’une source de données identifiée ci-dessus est mentionnée de manière explicite et justifiée.

‒ Détailler la méthode selon laquelle les fréquences ont été calculées à partir des données cliniques retenues. Indiquer si une transformation des données sources a été nécessaire (p.ex. : calibration, adaptation à la durée du cycle du modèle, hypothèse de survenue au 1er

cycle, etc.).‒ Si des éléments cliniques indiquent que ces fréquences évoluent dans le temps, préciser si

cela est pris en compte dans le modèle et selon quelle méthode. Justifier, le cas échéant, que cela ne soit pas pris en compte et discuter de l’impact potentiel sur les résultats de la simulation.

‒ Préciser comment la probabilité d’occurrence est appliquée dans le modèle pour estimer l’impact sur les coûts ou les résultats de santé (au premier cycle, à chaque cycle).

5.4.2.2. Arrêts de traitement

Idem

5.4.2.3. Autre événement intercurrent

Idem

5.5. Synthèse des hypothèses et choix méthodologiques concernant la modélisation

Objectif. Synthétiser sous la forme d’un tableau les principales hypothèses sur lesquelles repose la modélisation, ainsi que les analyses de sensibilité qui seront réalisées pour tester leur influence sur les résultats de l’évaluation.

Tableau 7. Synthèse des hypothèses et des choix de modélisation (pour exemple)

Libellé Hypothèses Justification/référence Analyse de sensibilité

Modélisation

Modélisation des transitions

Après un AVC, aucune transition vers l’état de

Avis d’expert Non


santé décès non cardiovasculaire

Modélisation des arrêts de traitement

Application immédiate des probabilités de transition du bras placebo

Mode d’action du produit Application d’un effet traitement résiduel sur 4 cycles

Modélisation des effets indésirables

Application d’une désutilité et d’un coût moyens sur le 1er cycle

Non

Modélisation des séquences de traitement

Absence de traitement actif après la 2e ligne

Recommandation (référence) Non

Durée de traitement jusqu’à progression

Résumé des caractéristiques du produit

Durée de traitement maximale de 18 cycles

Population simulée

Taux de LDLc à l’inclusion

165 mg/dL Essai pivot 130 mg/dL

Age moyen à l’entrée du modèle

70 ans Essai pivot 75 ans (source : ATU)

Risque de base Application d’un facteur de correction du risque de base observé dans l’essai

Risque cardiovasculaire inférieur en France (référence)

Risque de base non ajusté

Gestion de la dimension temporelle

Durée de simulation Durée maximale de 20 ans Espérance de vie en vie réelle (référence)

Durée maximale de 10 ans

Jusqu’à l’âge de 90 ans Jusqu’à l’âge de 75 ans

Durée des cycles 1 mois RCP des traitements 1 mois sur les 12 premiers mois puis 6 mois

Extrapolation de l’effet traitement

Début de l’extrapolation après 24 semaines

Disponibilité des données cliniques (référence)

Début de l’extrapolation après 36 semaines en utilisant les résultats d’une étude d’extension

Hypothèse d’un effet rémanent après l’arrêt du traitement

Réduction de l’effet traitement de 50% après 5 ans

HR=1 après 8 ans

Extrapolation de l’utilité Score d’utilité constant dans le temps

Données issues de la littérature Réduction des scores d’utilité avec l’âge

Intégration des données cliniques dans le modèle

Simulation de l’efficacité du produit

Identique quelle que soit la ligne de traitement

Essais cliniques (références) Baisse de l’effet de traitement en fonction du nombre de traitement antérieur

Ajustement par la fonction de Weibull

Coefficients AIC et BIC et appréciation des experts cliniques

Fonction Log logistique

Modèle en 2 morceaux Mécanisme d’action et hypothèse des risque proportionnels invalidée

Modèle en 1 morceau


5.6. Identification, mesure et valorisation des utilités (méthode)Objectifs. Identifier les éléments susceptibles d’avoir un impact sur la qualité de vie (mode d’administration d’un traitement ou d’implantation d’un dispositif, évènements indésirables liés aux interventions comparées, hospitalisations, complications, comorbidités, etc.). Mesurer et valoriser cet impact.

Si un des éléments identifiés ne peut pas être intégré dans l’analyse principale*, le justifier et discuter de l’impact attendu sur le résultat.

5.6.1. Sources de donnéesObjectif. Lister de manière exhaustive les sources disponibles, les présenter et décrire la méthode de sélection des sources retenues pour documenter le modèle.

Dans cette section : ‒ Identifier tous les éléments du modèle pour lesquels un score d’utilité devra être documenté

(p.ex. états du modèle, évènements indésirables liés au traitement, hospitalisation, etc.).‒ Recenser les sources de données disponibles pour chacun d’eux (essais cliniques, étude de

qualité de vie, évaluations économiques) et présenter pour chacune sous forme d’un tableau synthétique : la population d’étude, la méthode de recueil et de valorisation, les scores d’utilité. Renvoyer à une annexe pour décrire la méthode de recherche documentaire, la méthode de sélection des sources possibles et, le cas échéant, la méthode de synthèse des données.

‒ Présenter la méthode de sélection des sources de données retenues pour documenter le modèle et décrire pour chacune : les caractéristiques des états de santé évalués en justifiant la correspondance entre ces

états de santé et les états définis dans le modèle ; les caractéristiques de la population interrogée en justifiant la transposabilité des scores

d’utilité à la population simulée ; les caractéristiques des méthodes de recueil et de valorisation (p.ex. points de recueil,

méthode de recueil, effectifs par état de santé). Décrire la méthode de traitement des données manquantes, le cas échéant.

‒ Discuter les limites des sources de données sélectionnées.

Si des experts ont été sollicités, le préciser et renvoyer à une annexe spécifique pour plus de détails sur la consultation d’experts10.

5.6.2. Intégration dans le modèleObjectif. Présenter et expliciter les données d’utilité intégrées dans le modèle.

Lorsque l’estimation des scores d’utilité associés aux états du modèle ou aux événements intercurrents* est obtenue par transformation des données brutes, la méthode appliquée doit être clairement présentée et référencée (p.ex. méthode de régression, méthode fondée sur la proximité du décès, prise en compte des mesures répétées).

10 Description complète de la méthode (Identification des données documentées par avis d’experts, critères de sélection des experts, nombre d’experts sollicités et nombre d’experts ayant répondu, déclaration de liens d’intérêts potentiels, méthode de recueil de leur avis, questions posées et réponses formulées, méthode d’agrégation - médiane, moyenne- et distribution des réponses).


Toutes les hypothèses doivent être explicitées et justifiées (cf. ci-dessous pour exemple).‒ Hypothèse 1. Les scores d’utilité sont supposés dépendants ou indépendants du traitement

reçu.‒ Hypothèse 2. Les scores d’utilité associés à chaque état du modèle sont considérés comme

constants dans le temps. Si ce n’est pas le cas, décrire comment cela est pris en compte dans le modèle (p.ex. application d’une décroissance de l’utilité en fonction de l’âge).

‒ Hypothèse 2. Le score d’utilité de l’état de santé 1 du modèle est supposé équivalent à celui estimé pour un autre état de santé ou à partir d’une source externe.

Tableau 8. Synthèse des données d’utilité (pour exemple)

État ou événement Valeur d’utilité (ou désutilité)

IC95% Référence

État 1 du modèle Utilité état_1

État 2 du modèle Utilité état_2

Etc. …

Événement indésirable 1 (dés) utilité 1

Événement indésirable 2 (dés) utilité 2

Etc. …

Autre événement (dés) utilité X

Etc. …

5.6.3. Synthèse des hypothèses et choix méthodologiques concernant la mesure et la valorisation de la qualité de vie

Objectif. Synthétiser sous la forme d’un tableau les hypothèses principales sur lesquelles repose l’estimation de la qualité de vie, ainsi que les analyses de sensibilité qui seront réalisées pour tester leur impact sur les résultats de l’évaluation.

Tableau 9. Hypothèses et analyses de sensibilité spécifiques à l’évaluation de la qualité de vie (pour exemple)

Libellé Hypothèse Justification/référence Analyses de sensibilité

Scores d’utilité associés aux états du modèle

Indépendant du traitement reçu

Pas de différence significative dans l’essai pivot

Application d’une utilité spécifique aux traitements

Ajustement des utilités en fonction de l’âge

Age français supérieur Absence d’ajustement sur l’âge

Hypothèse d’équivalence

U(état stable post-événement) est identique à U(prévention primaire)

Avis d’expert Non

U(post-progression) est stable sur toute la durée dans l’état post-progression

Données de qualité de vie recueillies au moment de la progression

Dégradation de l’utilité au cours du temps

Désutilité associée aux événements indésirables (EI)

Désutilité de EI1 identique à EI2

Absence de données Non



Absence de désutilité associées aux EI

Les utilités spécifiques aux traitements incorporent l’impact sur la qualité de vie de l’efficacité, des EI, et du mode d’administration.

Introduction de désutilités par EI.

5.7. Identification, mesure et valorisation des coûts (méthode)Objectif. Identifier, mesurer et valoriser les postes de coûts pris en compte dans l’analyse principale* (p.ex. acquisition, administration, suivi, évènements indésirables, hospitalisations, autres recours aux soins, transports, fin de vie).

Indiquer les postes de coût identifiés, et comment ces postes ont été mesurés et valorisés dans le contexte français et justifier, le cas échéant, les postes de coûts non pris en compte et l’impact potentiel sur les résultats du modèle en fonction des comparateurs.

5.7.1. Méthode d’estimation des coûts par posteObjectif. Présenter, pour chaque poste de coût, la méthode de mesure des ressources consommées ainsi que la méthode de valorisation.

Indiquer l’unité monétaire et l’année de référence retenues pour la valorisation (p.ex. Euro 2021) et, le cas échéant, la méthode appliquée pour exprimer les coûts dans cette unité de référence (par ex. parité de pouvoir d’achat, inflation).

5.7.1.1. Coûts relatifs aux traitements médicamenteux (pour exemple, acquisition, administration, événements indésirables)

Mesure des ressources consommées

Objectifs. Décrire la méthode d’identification des sources disponibles permettant d’estimer le volume de ressources consommées associé au poste de coût. Justifier les choix lorsque plusieurs sources sont disponibles ou les hypothèses retenues en l’absence de sources identifiées.

Lorsque la mesure s’appuie sur les recommandations en vigueur, identifier l’ensemble des recommandations disponibles et justifier les choix effectués si la mesure diffère entre elles.

Présenter les mesures associées au poste de coût qui sont appliquées dans le modèle et préciser si des hypothèses sont formulées. Par exemple, pour les coûts d’acquisition d’un traitement, indiquer si une hypothèse sur les unités non consommées est appliquée en fonction du conditionnement du produit, si le traitement dépend de la surface corporelle, si une hypothèse d’observance* ou de persistance* est appliquée, etc.

Si des experts ont été sollicités pour estimer les ressources consommées (p.ex. choix des GHM), le préciser et renvoyer à une annexe spécifique pour plus de détails sur la consultation d’experts11.

Valorisation des coûts

Objectifs. Identifier les sources de données disponibles pour valoriser la ressource. Décrire et justifier la méthode de valorisation unitaire des ressources identifiées.

11 Description complète de la méthode (Identification des données documentées par avis d’experts, critères de sélection des experts, nombre d’experts sollicités et nombre d’experts ayant répondu, déclaration de liens d’intérêts potentiels, méthode de recueil de leur avis, questions posées et réponses formulées, méthode d’agrégation - médiane, moyenne- et distribution des réponses).


Préciser si des hypothèses sont formulées (p. ex. tous les événements indésirables sont supposés pris en charge dans le cadre d’une hospitalisation, les coûts de transports s’appliquent seulement en cas d’hospitalisation).

En cas de recours à la littérature, la revue de la littérature effectuée et la sélection des sources sont à documenter. Lorsque la valorisation d’un coût associé à une ressource est issue d’une publication, celle-ci est détaillée, la cohérence entre ce que documente l’étude et l’information recherchée pour le modèle est analysée. La qualité et la pertinence de l’étude sont discutées.

Pour chaque poste de coûts, présenter sous forme de tableau, l’estimation de chaque paramètre inclus dans le poste (p. ex. par type d’événement indésirable), le coût par cycle ou total appliqué par poste à chaque bras traitement.

5.7.1.2. Coûts des hospitalisations (pour exemple)

Idem

5.7.1.3. Coûts de suivi de la pathologie (pour exemple)

Idem

5.7.2. Synthèse des coûts par cycle du modèleObjectif. Compléter cette description détaillée par un tableau, permettant de synthétiser les principales données mobilisées pour estimer les volumes consommés (unités, fréquence) et les coûts associés.

Tableau 10. Ressources consommés, coûts unitaires et coûts par cycle (pour exemple)

Ressource Volume/fréquence Coût unitaire

Coût par cycle

Sources

Coût d’acquisition

Traitement évalué 20mg/j soit 4cps/j X € Volume : RCP

Valorisation : prix ATU

Comparateur 1 500mg/m2, 2 fois par jour de j1 à j14 X € Volume : RCP

Valorisation : BdM-IT, Ameli

Comparateur 2 30 mg/m2 sur 21 jours Inclus dans le GHS

Coût d’administration

Passage en HJ A chaque administration X € Volume : PMSI 2015 public/privé

Valorisation : ENCC2014 (GHM code)

Transport 1 par intraveineuse X € Référence

Coûts de suivi

Consultation spécialiste

1 par mois X € Volume : avis expert

Valorisation : CCAM, Ameli

Dépassement : CNAMTS 2016

Consultation MG 1 /mois avant progression

1 /15 jours après progression

X € Volume : avis d’expert

Valorisation : CCAM, Ameli


Dépassement : CNAMTS 2016

Visite à domicile (Infirmière)

2 par semaine X € Volume : avis d’expert

Valorisation : NGAP pour les cotations, tarifs conventionnels pour les valeurs des AMI, AIS

Test biologique 1 /mois avant progression

1 /15 jours après progression

X € Volume : recommandation 2014

Valorisation : NABM pour les cotations, tarifs conventionnels pour les valeurs des B, TB

Scanner 1 tous les 3 mois X € Volume : référence

Valorisation : CCAM

Coût des traitements 2e ligne

Médicament A X fois par cycle sur XX cycles ou en 1 fois au premier cycle post progression

X€/cycle ou X€/ 1 cycle

Médicament B

Coûts liés aux événements indésirables

Traitement évalué X€/cycle ou X€/ 1 cycle

Fréquence : Essai Pivot

Valorisation : Publication

Comparateur A X€/cycle ou X€/ 1 cycle

Fin de vie Au cycle précédent le décès X € ENCC (GHM code)

5.7.3. Synthèse des hypothèses et choix méthodologiques concernant la mesure et la valorisation des coûts

Objectif. Synthétiser sous la forme d’un tableau les hypothèses principales sur lesquelles repose l’estimation des coûts, ainsi que les analyses de sensibilité qui seront réalisées pour tester leur impact sur les résultats de l’évaluation.

Tableau 11. Hypothèses et analyses de sensibilité spécifiques à l’évaluation des coûts (pour exemple)


Acquisition Utilisation optimale des reliquats

Prévalence et nombre de centres experts

Gaspillage

Coûts de suivi Indépendant du traitement reçu

Avis d‘expert Nombre de consultations ou examens supérieur pour le produit évalué

Identique avant et après progression

Etude rétrospective sur dossiers médicaux

Coûts post-progression supérieurs aux coûts avant progression

Coûts des EIs Coûts de l’hypokaliémie comparables aux coûts de l’hypercalcémie

Absence de données NON

Coûts de transport Sur 50% des Avis d’expert Sur toutes les


hospitalisations hospitalisations

5.8. Validation du modèleObjectifs. Décrire les procédures utilisées pour valider le modèle (vérification technique*, validité interne*, validité externe*, validation croisée*) et interpréter les résultats de ces procédures de validation.

5.8.1. Vérification technique*Objectif. Décrire le processus de vérification technique du modèle (p. ex. tests réalisés, démarche qualité, etc.).

5.8.2. Validité interne*Objectif. Discuter et interpréter la validité interne du modèle, par exemple en comparant les données disponibles dans l’essai pivot aux simulations du modèle.

5.8.3. Validité externe*Objectif. Discuter et interpréter la validité externe du modèle en comparant les simulations du modèle aux données cliniques et aux données de vie réelle disponibles, par exemple en justifiant la validité du modèle quant à la mortalité sous traitement standard.

Les sources non utilisées pour estimer certains paramètres du modèle ou documenter certains postes de coût ou l’utilité peuvent être utilisées pour une validation externe des choix retenus en analyse principale.

5.8.4. Validité croisée*Objectif. Discuter et interpréter la validité croisée du modèle par exemple en comparant les résultats du modèle à d’autres analyses réalisées dans l’indication. Les différences observées sont à interpréter au regard des choix structurants et des données sources retenus dans les différentes analyses.

5.9. Analyse de l’incertitude (méthode)

5.9.1. Analyses de sensibilité sur les choix structurants de l’évaluation et sur les choix de modélisation

Objectif. Présenter les analyses de sensibilité réalisées selon une approche déterministe* pour tester l’impact d’un choix défini par l’évaluateur lorsque des options alternatives étaient envisageables (p.ex. choix structurants de l’évaluation, choix d’une source de données, hypothèse de modélisation).

Pour chacune des analyses de sensibilité réalisées, rappeler :‒ le choix retenu dans l’analyse principale* ;‒ le choix alternatif testé dans l’analyse de sensibilité ;‒ la justification du choix testé et, le cas échéant, son mode de calcul. La justification permet de

montrer que le choix alternatif testé est plausible.


Si les analyses réalisées s’y prêtent, un tableau récapitulatif pourra être proposé.

Tableau 12. Analyses de sensibilité déterministes sur les choix structurants et les choix de modélisation (pour exemple)

Analyse principale Analyse de sensibilité Source/justification de l’option alternative testée

Choix structurants

Actualisation 2,5% 0%, 4%, 6% Guide méthodologique HAS

Horizon temporel à durée déterminée

Horizon temporel vie entière Impacts attendus du produit mais incertains sur toute la vie des patients

Population simulée

Âge moyen (73 ans) 78 ans Registre ABC

Ratio H/F (75% / 25%) 65% / 35% Registre ABC

Patients sévères (50%) [40% - 60%] Registre ABC

Simulation de l’efficacité

HR mortalité vs placebo (HR=0,88) HR=1 Effet non statistiquement significatif

Fonction paramétrique sur la survie globale (Modèle Weibull)

Modèle Log-logistique Critères statistiques/cliniques non discriminants entre les deux modèles d’extrapolation

Effet traitement contant sur toute la durée de simulation

Effet traitement décroissant après arrêt du traitement

Tester l’hypothèse d’un essoufflement du traitement dans le temps

Simulation de la tolérance

Effets indésirables Absence d’effet indésirable Estimer le poids des effets indésirables dans le résultat

Fréquences observées dans l’essai pour les EI sélectionnés

Pondération des fréquences Les EI sélectionnés représentent 63% des EI totaux. Estimer l’impact d’une non-représentativité du profil de tolérance.

Variables d’utilité

Utilité Etat 1 (0,876)

Utilité Etat 2 (0,747)

Etat 1=0,873

Etat 2=0,743

Tester l’impact du choix d’une autre source (Etude observationnelle KLM)

Variables de coût

Observance* (89%) 75% Avis d’experts

Prix comparateur Baisse de 20% Fin de brevet anticipée

Prix du produit évalué Baisse de 10%, 20%, 30% Estimation de la relationRDCR = a . prix + cste

Durée de traitement observée dans l’essai

Durée jusqu’à progression Tester l’impact d’une durée de traitement plus longue

Transport (100% des consultations) 50% des consultations Avis d’experts

Etc.


5.9.2. Analyses de sensibilité pour tester l’impact de la variabilité des paramètres du modèle

Objectif. Présenter les analyses de sensibilité réalisées pour tester l’impact d’une variation des paramètres intégrés dans le modèle, ces variations pouvant être définies de manière déterministe par l’évaluateur (analyse de sensibilité déterministe) ou probabiliste (analyse de sensibilité probabiliste).

‒ Concernant les analyses déterministes, indiquer comment les bornes de variation sont fixées (p.ex. IC95%, variation arbitraire). Préciser les analyses réalisées de manière multivariées (p.ex. dans le cas de la variation d’un paramètre qui s’applique simultanément à tous les comparateurs).

‒ Concernant les analyses probabilistes, indiquer le nombre de simulations réalisées et la méthode utilisée. Préciser la distribution de probabilité choisie (famille de lois et paramètres) et justifier ce choix. Le cas échéant, indiquer si la corrélation entre certaines variables testées a été prise en compte et présenter la technique utilisée. Si la corrélation entre les variables n’est pas prise en compte, le justifier et discuter des limites de l’analyse.

Si les analyses réalisées s’y prêtent, un tableau récapitulatif pourra être proposé.

Tableau 13. Paramètres considérés dans les analyses de sensibilité déterministes et probabilistes (exemple)

Paramètres Valeur de référence

Analyses déterministes Analyses probabilistes

Variation Borne basse

Borne haute

Distribution, paramètres

Justification

Population simulée

Age moyen 53,7 IC95%* 52,56 54,44 Normale (μ, σ) Moyenne et écart-type de l’essai pivot

Poids 63,00 IC95%** 38,30 87,70 Normale (μ, σ) Moyenne et écart-type de 20% de la moyenne

Paramètres efficacité et tolérance

Paramètre de forme(Comparateur)

3,6045 Matrice de Cholesky

3,2505 3,9585 Normale multivariée

Permet de tenir compte de la corrélation entre les paramètres de la loi.Matrice de covariance calculée sur les données de l’essai pivot.

Paramètre d’échelle(Comparateur)

0,2394 0,0032 0,4756 Normale multivariée

HR traitement Log-normale (x0, μ, σ)

Distribution asymétrique, positive

Proba EI1 7,97% 6,01% 9,93% Gamma (k, ) Supérieure à 0

Scores d’utilité

Utilité avant progression

0,773 IC95% 0,744 0,803 Béta (a, b) Permet de maintenir les valeurs dans l’intervalle [0 ; 1]Paramétrée sur la moyenne et l’écart type de l’essai pivotUtilité post-

progression0,703 IC95% 0,670 0,736 Béta (a, b)

Paramètres de coûts

Coût administration

1738,88 20% 1391,10 2086,66 Gamma (k, ) Supérieure à 0Paramétrée sur la moyenne et


l’écart type de 10% de la moyenne

Coût de suivi 61,37 20% 49,09 73,64 Gamma (k, )

* IC95% calculé à partir des données de l’essai pivot

** IC95% calculé en considérant l’écart type de 20% de la moyenne

5.9.3. Analyses de scénario*Objectif. Présenter les résultats d’une analyse reposant sur des choix différents de ceux retenus en analyse de référence afin de déterminer le RDCR auquel elle aboutit et l’incertitude associée aux choix sur lesquelles elle se fonde.

Pour rappel, une analyse de scénario est définie par la HAS comme une analyse reposant sur un scénario différent de celui retenu en analyse de référence*. Cela peut impliquer des choix structurants et des choix de modélisation différents. Une analyse de scénario est composée d’une analyse principale et d’une exploration complète de l’incertitude.

Justifier l’intérêt d’une analyse de scénario et spécifier les modifications apportées par rapport à l’analyse principale (p. ex. analyse visant à intégrer un autre comparateur non retenu en analyse de référence en raison des données disponibles ; mises en œuvre d’analyses de cas extrêmes en raison de la forte incertitude associée à différents choix retenus en analyse de référence). Ces analyses de scénario sont proposées pour permettent de borner l’incertitude en adoptant des hypothèses respectivement optimistes et pessimistes.


6. Résultats de l’analyse de référenceObjectifs. Présenter l’ensemble des résultats et les interpréter.

6.1. Résultats désagrégés (analyse principale)Les résultats de la simulation pour les critères de santé et pour les coûts sont présentés pour l’analyse principale* sur la durée totale de simulation et la perspective retenue.

6.1.1. Critères principaux de santéRapporter les résultats actualisés dans le critère retenu pour l’ACR sur la durée totale de la simulation. Il s’agira généralement d’un résultat en années de vie (AVs) et en années de vie ajustées sur la qualité (QALYs).

Lorsque pertinent, présenter la décomposition des AVs et QALYs dans les états du modèle (p.ex. avant progression, post-progression).

6.1.2. Autres résultats Présenter les résultats cliniquement importants simulés par le modèle sur la durée totale de simulation (p.ex. nombres d’événements évités, durée de traitement simulée).

Présenter le temps passé dans les différents états de santé selon les bras traitement (p. ex. reporter les traces de Markov* pour chacun des traitements).

6.1.3. Résultats sur les coûtsPrésenter les coûts par poste sur la durée totale de simulation. Les coûts par poste peuvent être présentés sous la forme d’un tableau (cf. ci-dessous pour exemple).

Tableau 14. Coûts par poste pour chaque intervention comparée, sur la durée totale de la simulation (pour exemple)

Poste de coût Produit évalué Comparateur 1 Comparateur 2

Coût d’acquisition

Coût d’administration

Coût de suivi

Coût des traitements concomitants

Coûts des traitements de 2e ligne

Coût des événements indésirables

Coût des événements morbides/complications

COUT TOTAL


6.2. Résultats de l’analyse coût-résultat

6.2.1. Résultats de l’analyse principale sur la population simuléeObjectif. Présenter les résultats de l’ACR dans l’une ou l’autre des deux métriques du RDCR ou du bénéfice net (BN, monétaire ou de santé). Commenter et interpréter l’ensemble des résultats présentés de l’analyse principale* en discutant en particulier la possibilité de les interpréter en termes d’efficience.

6.2.1.1. Présentation par le RDCR

Présenter les résultats selon le modèle indiqué dans le tableau ci-dessous.

Lister les interventions comparées de la moins coûteuse à la plus coûteuse et identifier les interventions dominées en distinguant la dominance au sens de la dominance stricte* ou de la dominance étendue*.

Calculer les RDCR des interventions non dominées.

Si plusieurs interventions sont non dominées, présenter graphiquement la frontière d’efficience dans le plan coût-résultat.

Tableau 15. Résultats de l’analyse principale (pour exemple)

Interventions Coûts totaux AVs QALYs RDCRCoût/AVG

RDCRCoût/QALY

Comparateur 1

Produit évalué

Comparateur 2

6.2.1.2. Présentation par le BN

Lorsque plusieurs comparateurs sont pris en compte dans l’évaluation, il est possible de présenter également les résultats selon la métrique du bénéfice net (bénéfice net en santé ou bénéfice net monétaire). Le format attendu pour présenter ces résultats est un graphique présentant les résultats estimés en bénéfice net sur le continuum des valeurs de référence et complété par un tableau qui présente le bénéfice net et les produits correspondant aux points d’intersection des courbes.


Figure 1. Présentation graphique du résultat de l’analyse en bénéfice net monétaire (exemple)

Tableau 16. Résultats de l’analyse en bénéfice net (exemple associé à la figure 1)

Lambda ()

en €/QALY

Bénéfice net Produits maximisant le bénéfice net

67 000 – 100 000 0€ – 50 000 € B

100 000 50 000 € B et C

100 000 – 250 000 50 000 € – 400 000 € C

250 000 400 000 € C et A

>250 000 >400 000 € A

6.2.2. Résultats de l’analyse principale en sous-populationsObjectifs. Présenter et commenter les résultats des analyses en sous-populations considérées comme robustes selon le même format que ci-dessus. Si ces analyses sont considérées à titre exploratoire, elles sont présentées en analyse complémentaire.

6.3. Exploration de l’incertitudeObjectifs. Présenter et analyser l’incertitude associée à l’analyse principale.

Tous les résultats des analyses de sensibilité doivent être interprétés afin que les analyses proposées contribuent à l’analyse de la robustesse de la modélisation, en particulier au regard de la vraisemblance des hypothèses ou valeurs testées dans les analyses de sensibilité.

6.3.1. Incertitude associée aux choix structurantsPrésenter et discuter les résultats des analyses de sensibilité proposées sur les choix structurants (p. ex. horizon temporel, taux d’actualisation, population d’analyse, comparateurs etc.)


6.3.2. Incertitude relative aux hypothèses et choix méthodologiques de modélisation

Présenter les résultats des analyses de sensibilité proposées sur les choix méthodologiques de modélisation (hypothèses, sélection des sources de données, méthodes de transformation des données), en indiquant les RDCR ou BN obtenus et les pourcentages de variation par rapport au résultat de l’analyse principale.

Discuter et interpréter les résultats obtenus.

6.3.3. Incertitude relative aux données entrées dans le modèlePrésenter et discuter les résultats des analyses déterministes et probabiliste permettant d’estimer l’incertitude générée par les données entrées dans le modèle.

6.3.3.1. Analyses de sensibilité déterministes‒ Présenter les résultats des analyses déterministes dans un tableau de synthèse reprenant les

valeurs basse et haute de la variable testée et les RDCR/BN correspondant à ces deux bornes.

‒ Présenter un graphique de Tornado permettant de visualiser la hiérarchisation des variables testées en fonction de leur impact sur le RDCR/BN.

‒ Commenter les résultats.‒ Présenter de manière distincte l’incertitude liée au prix du produit, pour une série d’au moins

trois prix inférieurs au prix retenu dans l’analyse principale. Pour chaque prix testé, les résultats des analyses de sensibilité probabilistes sont présentés. Présenter la relation entre le RDCR/BN et le prix sous la forme d’une équation.

Tableau 17. Résultats de l’analyse de sensibilité déterministe sur les variables du modèle (exemple pour le RDCR)

Analyse principale – RDCR XX€/QALY RDCR associé à la % variation du RDCR

Valeur de référence

Variation Borne basse

Borne haute Min Max

Coûts soins de support en 2e ligne (20%)

7361,28€ 5748,35 - 9044 ,54 14 056 11 569 -10% +10%

Proba de transition de métastatique à décès

3,03% 2,4% - 3,6% 11 568 13 672 -10% +7%

Coûts soins de support en 1re ligne (20%)

6370,59€ 4951,17 - 7862,66 13 784 11 841 -8% +8%

Utilité au stade métastatique (IC95%)

0.642 0.587 – 0. 13 704 11 920 -7% +7%

Proba de transition de rémission à métastatique (IC95%)

0,76% 0,6% - 0,9% 13 490 12 331 -4% +5%

Utilité en rémission (IC95%) 0,797 0,717 - 0,876 13 245 12 407 -3% +3%


6.3.3.2. Analyse de sensibilité probabiliste

Présenter et interpréter l’ensemble des résultats de l’analyse de sensibilité probabiliste, pour exemple :

‒ Indiquer le résultat moyen. Commenter l’écart constaté entre le résultat de l’analyse principale et le résultat de l’analyse de sensibilité probabiliste.

‒ Présenter le diagramme du nuage de points de l’analyse probabiliste (Figure 2) et indiquer le pourcentage de points dans les 4 quadrants.

‒ Présenter et commenter la courbe d’acceptabilité* (Figure 3, Figure 4). Indiquer les valeurs des RDCR correspondant à 50% et 80% des simulations. D’autres valeurs peuvent être présentées si cela est jugé nécessaire.

‒ Commenter l’origine à l’ordonnée de la courbe d’acceptabilité* ainsi que l’asymptote.‒ Lorsque toutes les simulations sont dans le quadrant nord-est, présenter les valeurs du RDCR

associées à 5% des simulations et à 95% des simulations.

Figure 2. Exemple de représentation du nuage de points (évaluation sur un comparateur)

Source : HIQA (Health Information and Quality Authority, 2017), repris de EUnetHTA (EUnetHTAJA3WP6B2-5 Authoring Team., 2020)

Figure 3. Exemple de représentation de la courbe d’acceptabilité (évaluation sur un comparateur)


Source : HIQA (Health Information and Quality Authority, 2017), repris de EUnetHTA (EUnetHTAJA3WP6B2-5 Authoring Team., 2020)

Figure 4. Exemple de courbe d’acceptabilité multi-options (comparaisons plus de deux comparateurs)


7. Résultats des analyses de scénarioObjectifs. Présenter et discuter les résultats des analyses de scénario* décrites section 5.9.3.

Les résultats sont présentés comme dans l’analyse de référence* avec une analyse principale et une exploration complète de l’incertitude par des analyses de sensibilité déterministes et une analyse de sensibilité probabiliste.

Commenter les résultats.


8. Analyses complémentaires Le cas échéant, présenter les méthodes et les résultats des analyses complémentaires proposées à la section 4.2.


9. Discussion et conclusionObjectif. Rappeler les principaux résultats, en apportant une interprétation utile à la décision. Cela implique une prise de position claire sur la capacité des éléments fournis à documenter l’objectif initial, qui ne peut se limiter à un simple rappel des résultats quantitatifs.

Ainsi, il est attendu un développement sur les points suivants (liste non exhaustive).‒ Une interprétation du résultat cohérente avec (1) l’objectif de l’évaluation économique dans le

contexte de la revendication de l’industriel (primo-inscription, réévaluation, réinscription, extension) et (2) la revendication de prix associée à la demande de remboursement.

‒ Lorsque la frontière d’efficience ne peut pas être définie en raison de la non prise en compte de comparateurs, la portée des résultats est discutée.

‒ Une discussion du degré de confiance associé aux résultats présentés, tirant tous les enseignements des analyses de sensibilité.

‒ Une discussion portant sur la transposabilité des résultats en pratique courante, interrogeant la vraisemblance en pratique courante des hypothèses, des choix méthodologiques, des données et des résultats du modèle. En particulier, il est attendu une analyse qualitative de la transposabilité des données ayant servi à modéliser l’efficacité du produit (design des essais, durée de suivi, ajustements de prise en charge, sélection de la population, choix du comparateur, localisation géographique, etc.).

Les points suivants pourront également être abordés :‒ Comparaison des résultats avec la littérature économique publiée sur le sujet.‒ Principales forces et limites de l’évaluation.‒ Autres analyses ou autres recueils de données attendus ou qui pourraient être entrepris pour

améliorer la robustesse des résultats.


GlossaireActualisation : technique qui permet l'estimation de la valeur actuelle de coûts ou de bénéfices qui surviendront dans le futur.

Adhésion thérapeutique : degré d’acceptation du patient vis-à-vis de son traitement.

Analyse complémentaire : analyse réalisée pour apporter des éléments d’information complémentaires (p.ex. analyse exploratoire de l’efficience en sous-population, étude de qualité de vie, évaluation de la santé des aidants, PROM, PREM).

Analyse coût-bénéfice (ACB) : type d’évaluation économique permettant de mesurer les coûts et bénéfices d’une intervention de santé en unité monétaire afin de déterminer sa valeur sociale nette.

Analyse coût-conséquence (ACC) : type d’évaluation économique dans le cadre de laquelle les coûts et les conséquences sont présentés séparément de façon détaillée, sans les agréger ensuite.

Analyse coût-efficacité (ACE) : type d’évaluation économique permettant de mesurer le coût incrémental d’une unité de santé supplémentaire exprimée en unité physique (p.ex. année de vie gagnée, événement clinique évité).

Analyse coût-résultat (ACR) : type d’évaluation économique permettant de mesurer le coût incrémental d’une unité de santé supplémentaire, exprimée en unité physique (analyse coût-efficacité) ou en utilité (analyse coût-utilité).

Analyse coût-utilité (ACU) : type d’évaluation économique permettant de mesurer le coût incrémental d’une unité de santé supplémentaire exprimée en utilité (p.ex. année de vie pondérée sur la qualité de vie).

Analyse de référence : analyse fondée sur un scénario de base conforme aux choix structurants recommandés. Elle comprend l’analyse principale, les analyses en sous-population non exploratoires, ainsi qu’une exploration complète de l’incertitude au moyen d'analyses de sensibilité.

Analyse principale (base-case analysis) : analyse réalisée sur la population d’analyse, fondée sur les valeurs centrales des paramètres du modèle, sur les hypothèses et les choix de modélisation retenus.

Analyse en sous-population : analyse réalisée sur une sous-population de la population d’analyse. Selon la robustesse de l’analyse, elle peut être intégrée dans l’analyse de référence ou présentée en analyse complémentaire lorsque les résultats sont exploratoires.

Analyse de sensibilité : analyse visant à explorer l’incertitude entourant le résultat de l’analyse principale. Elle peut être réalisée selon une approche déterministe ou probabiliste.

Analyse de scénario : analyse présentant un scénario alternatif à celui retenu pour l’analyse de référence, fondé sur des choix structurants différents du scénario de base. Comprend une analyse principale ainsi qu’une exploration complète de l’incertitude au moyen d'analyses de sensibilité.

Analyse des cas extrêmes : analyse de sensibilité, dont l’objectif est d’estimer les résultats en combinant les paramètres, les hypothèses et les choix de modélisation, les plus pessimistes (« pire scénario ») ou les plus optimistes (« meilleur scénario »).

Analyse de seuil : analyse de sensibilité faisant varier les valeurs des paramètres du modèle de manière à déterminer les valeurs qui correspondent à un résultat spécifique (p.ex. modification de la frontière d’efficience, RDCR prédéfini).


Analyse de sensibilité déterministe : approche visant à caractériser l’influence d’un, ou plusieurs paramètre(s), d’une hypothèse ou d’un choix de modélisation, sur les résultats de l’évaluation en testant des variations ou modifications plausibles et déterminées par l’évaluateur.

Analyse de sensibilité probabiliste : approche visant à explorer l’incertitude statistique globale générée par la variabilité statistique des estimations ponctuelles des variables du modèle (principalement les variables d’efficacité, de tolérance, d’utilité et de coût). Les valeurs des données entrées dans le modèle varient simultanément selon un processus stochastique (p.ex. simulation de Monte Carlo de 2nd ordre).

Cadre de référence : ensemble des choix méthodologiques retenus par la HAS pour réaliser une analyse de référence.

Calibration : méthode d’optimisation des paramètres du modèle, visant à améliorer l’ajustement des simulations à des données empiriques.

Choix conservateur : en présence d’une alternative entre deux positions méthodologiques crédibles, le choix conservateur est celui qui est favorable au comparateur en termes d'efficience.

Choix structurant de l’évaluation : ensemble des choix méthodologiques posés par les auteurs de l’évaluation lors de sa conception. Ils déterminent les choix méthodologiques mis en œuvre pour évaluer les résultats de santé, les coûts et pour la modélisation

Comparaison directe : approche comparant les estimations ponctuelles de deux ou plusieurs interventions au cours d’une même étude.

Comparaison indirecte : approche comparant les estimations ponctuelles de deux ou plusieurs interventions, issues d’études différentes, à partir d’un comparateur commun.

Comparaison naïve : approche comparant les estimations ponctuelles de deux ou plusieurs interventions, sans mise en œuvre d’une méthodologie de réduction des biais.

Courbe d’acceptabilité (évaluation avec un seul comparateur) : représentation, sur un même graphe, de la probabilité pour le produit évalué d’être efficient (c.à.d. RDCR<) en fonction des valeurs de référence présentées en ordonnée.

Courbe d’acceptabilité multi-options (évaluation avec plus d’un comparateur) : représentation, sur un même graphe, de la probabilité pour chaque comparateur d’être efficient (c.à.d. de maximiser le bénéfice net) en fonction des valeurs de référence présentées en ordonnée.

Courbes de Markov : représentation graphique de l’évolution de la répartition de la cohorte simulée dans chaque état du modèle en fonction de la durée de simulation.

Coût d’opportunité : valeur de la meilleure option non-réalisée, estimée par la mesure des avantages auxquels on renonce en affectant les ressources disponibles à un usage donné.

Coûts directs : valorisation des ressources consommées par l’intervention de santé (p.ex. coûts d’acquisition, coûts d’administration, coût de traitement des événements indésirables) et par la prise en charge (p.ex. soins de suivi, soins liés aux comorbidités, prise en charge par un aidant, traitements concomitants, soins de fin de vie).

Coûts indirects : valorisation des ressources non directement consommées par la prise en charge (cf. coûts directs) mais rendues indisponibles par un état de santé dégradé ou par un décès prématuré.

Critère de substitution, ou critère intermédiaire (surrogate endpoint) : variable observée corrélée à la variable d’intérêt, qui ne peut être observée.


Dominance stricte : situation où une intervention de santé est moins couteuse pour une efficacité identique ou supérieure à son comparateur, ou situation où une intervention est plus efficace pour un coût identique ou inférieur à son comparateur. Le comparateur est dit dominé strictement.

Dominance élargie (ou étendue) : situation où il existe une combinaison de deux interventions de santé qui est moins coûteuse pour une efficacité identique ou supérieure à leur comparateur, ou plus efficace pour un coût identique ou inférieur que leur comparateur. Le comparateur est dit dominé au sens large.

Durée de simulation : durée sur laquelle le modèle simule des résultats en termes de coûts et de résultats de santé.

Efficacité comparative : estimation du gain d’efficacité par rapport à un traitement de référence.

Efficience technique : une intervention de santé est techniquement efficiente, si elle n’est pas dominée (strictement ou au sens large). Les interventions techniquement efficientes forment la frontière d’efficience.

Efficience allocative : l’efficience allocative caractérise les interventions qui concourent à une allocation optimale des ressources collectives, en maximisant les bénéfices individuels de santé sous contrainte budgétaire.

Évaluation de l’efficience : type d’évaluation économique qui permet d’identifier la frontière d’efficience et d’estimer le RDCR ou BNI des interventions qui la composent.

Événement intercurrent : événement qui survient au cours d’un cycle, mais qui n’entraîne pas une transition vers un autre état du modèle. La conséquence de la survenue d’un événement intercurrent se limite généralement à un impact sur les coûts ou l’utilité.

Événement transitionnel : événement qui survient au cours d’un cycle et qui entraîne la transition d’un état du modèle à un autre.

Frontière d’efficience : les interventions de santé qui composent la frontière d’efficience sont identifiées comme l’ensemble des interventions non dominées (strictement ou au sens large).

Horizon temporel : période de temps pendant laquelle les coûts et les effets de santé associés à l’intervention vont être pris en compte dans l’évaluation.

Horizon vie entière : période de temps jusqu’au décès. Un modèle sur vie entière produit des coûts et des résultats de santé jusqu’à ce que 100% des individus de la cohorte simulée soient dans l’état absorbant « décès ».

Horizon de durée déterminée : période de temps déterminée par l’évaluateur au moment de la conception de l’évaluation économique, définissant une règle d’arrêt de l’évaluation plus courte que le décès.

Mapping (technique de) : technique visant à développer et à utiliser des algorithmes permettant de transposer des mesures de santé (indicateur clinique, score symptômes, PROM) sur une échelle d’utilité.

Méta-analyse de comparaisons directes (pairwise meta-analysis) : analyse statistique qui combine les données issues de plusieurs études comparant en parallèle les mêmes interventions, et qui génère une estimation globale de leur effet relatif.

Méta-analyse en réseau (network meta-analysis) : analyse statistique qui combine les données issues de plusieurs études pour estimer les efficacités relatives entre différentes interventions de santé, qu’elles aient ou pas été comparées directement deux-à-deux.


Modèle déterministe : modèle dont les paramètres sont des constantes.

Modèle stochastique : modèle dont les paramètres sont des variables aléatoires caractérisées par une distribution de probabilité.

Observance : conduite effective des patients vis-à-vis de leur traitement. Traduit en général la capacité du patient à respecter toutes les conditions de la prescription (dose, nombre de prises, horaire de prise, etc.).

Option thérapeutique : toute mesure curative, préventive ou palliative, envisageable dans la stratégie thérapeutique sur la même population. Les options envisageables correspondent par exemple aux recommandations de pratiques cliniques, à la pratique courante, aux autorisations de mise sur le marché, etc.

Persistance : capacité du patient à suivre son traitement sur une période définie.

Piggy-back study : étude d’évaluation économique incorporée dans un essai clinique.

Prise en charge globale : actions mises en œuvre pour répondre à l’ensemble des besoins du patient, en termes de bien-être physique, mental et social.

Population d’analyse : population sur laquelle l’efficience est revendiquée. Ensemble des individus dont la santé est affectée par les interventions comparées, de manière directe (personnes malades, individus dépistés, etc.) ou induite (aidants, population non vaccinée, etc.).

Population simulée : individus simulés dans le modèle, dont les caractéristiques correspondent aux patients inclus dans les essais cliniques ou les études observationnelles d’où sont issues les données.

Mesure des résultats rapportés par les patients (PROM, Patient Reported Outcome Measure) : mesure de l’état de santé du patient rapportée directement par le patient, sans interprétation du médecin ou d’une tierce personne (état de santé général, qualité de vie, état fonctionnel, symptômes, etc.).

Mesure des expériences rapportées par les patients (PREM, Patient Reported Experience Mea-sure) : mesure de l’expérience de soins par le patient (satisfaction globale, information reçue, attention portée à la douleur, délais d’attente, relations avec les prestataires de soins, etc.).

Scores d’utilité : mesure de la préférence pour un état de santé sur une échelle, qui assigne le score 1 à la parfaite santé et le score 0 au décès, dans certains cas des états de santé peuvent être associés à des scores négatifs (pire que la mort).

Soins de support : ensemble des soins et soutiens nécessaires aux personnes malades, parallèlement aux traitements spécifiques, lorsqu’il y en a, tout au long des maladies graves.

Validité apparente (face validity) : critère de qualité d’un modèle établi à partir de l’état des connaissances disponibles, évaluant la vraisemblance de la structure, des données entrantes, des hypothèses formulées et des simulations produites.

Validité interne : critère de qualité d’un modèle établi à partir de la vérification technique du modèle et de la cohérence des simulations avec des observations utilisées pour le développement du modèle.

Validité croisée : critère de qualité d’un modèle qui se rapporte à la cohérence des simulations avec les simulations issues d’autres modèles, mis en œuvre dans des conditions suffisamment similaires pour être comparés.


Validité externe : critère de qualité d’un modèle établi à partir de la cohérence des simulations avec des observations empiriques qui n’ont pas été utilisées pour le développement du modèle.

Vérification technique : critère de qualité d’un modèle établi à partir de tests visant à vérifier l’exactitude du codage et des calculs mathématiques utilisés pour les simulations.


Références bibliographiques

Balshem, H., Helfand, M., & Schûnemann, H. (2011). GRADE guidelins: 3. Rating the quality of evidence. Journal of Clinical Epidemiology, 64, 401-406.

EUnetHTA JA3WP6B2-5 Authoring Team. (2020). Practical considerations when critically assessing economic evaluations. Récupéré sur www.eunethta.eu: https://eunethta.eu/wp-content/uploads/2020/03/EUnetHTA-JA3WP6B2-5-Guidance-Critical-Assessment-EE_v1-0.pdf

Guyatt, G., Oxman, A., & Sultan, S. (2013). GRADE guidelines: 11. Making an overall rating of confidence in effect estimates for a single outcome and for all outcomes. Journal of Clinical Epidemiology, 66, 151-157.

Haute Autorité de Santé. (2016, 11). Choix méthodologiques pour l'analyse de l'impact budgétaire à la HAS. Récupéré sur www.has-sante.fr: https://www.has-sante.fr/upload/docs/application/pdf/2016-12/guide_methodologique__choix_methodologiques_pour_lanalyse_de_limpact_budgetaire_a_la_has_.pdf

Health Information and Quality Authority. (2017). Health technology assessment of a national emergency endovascular service for mechanical thrombectomy in the management of acute ischaemic stroke. Récupéré sur www.hiqa.ie: https://www.hiqa.ie/sites/default/files/2017-02/Mechanical-Thrombectomy-technical-report.pdf

Nikolakopoulou, A., Higgins, J., & Papakonstantinou, T. (2020). CINeMA: An approach for assessing confidence in the results of a netwok meta-analysis. PLoS Med, 17(4), e1003082. doi:10.1371/journal.PMED.1003082

Papakonstantinou, T., Nikolakopoulou, A., & Higgins, J. (2020). CINeMA: Software for semiautomated assessment of the confidence in the results of network meta-analysis. Campbell Systematic Reviews, 16, e1080. doi:10.1002/d2.1080

Puhan, M., Schünemann, H., & Murad, M. (2014). A GRADE Working Group approach for rating the qualitéy of treatment effect estimates from network meta-analysis. BMJ, 349.


Abréviations et acronymes

AV Année de vie

CEESP Commission d’évaluation économique et de santé publique

CNEDIMTS Commission nationale d’évaluation des dispositifs médicaux et des technologies de santé

CT Commission de la transparence

EI Evènement indésirable

HAS Haute Autorité de Santé

RDCR Ratio différentiel coût résultat

QALY Quality-adjusted life year (i.e. année de vie pondérée par la qualité)

· web views • format du rapport technique - efficience • décembre 20203. retrouvez tous nos...

Documents