Introdução

Nas últimas décadas, o surgimento contínuo de inovações tecnológicas tem levado a preocupações frequentes com o aumento dos gastos em saúde ^1,2. A limitação de recursos, em face do constante progresso científico, tem tornado o processo de avaliação da demanda por incorporação dessas novas tecnologias um processo indispensável aos sistemas de saúde ³.

Em diversos países, a avaliação de tecnologias em saúde (ATS), enquanto prática científica e tecnológica, surgiu como uma ferramenta que pode apoiar os tomadores de decisão, ligados à gestão em saúde, fornecendo informações quanto ao potencial impacto e às consequências econômicas da introdução, retirada ou mudança na utilização de uma determinada tecnologia ^4,5. No Brasil, o crescimento do interesse por esse campo de conhecimento vem ocorrendo no contexto do processo de institucionalização da Política Nacional de Gestão de Tecnologias em Saúde (PNGTS) ⁶.

A PNGTS estipula diretrizes como: a utilização de evidências científicas para subsidiar a gestão, por meio da ATS; o aprimoramento do processo de incorporação de tecnologias; a racionalização da utilização de tecnologias; a sistematização e disseminação de informações; o fortalecimento da estrutura governamental; a articulação político-administrativa e intersetorial; e o apoio ao fortalecimento de ensino e pesquisa em gestão de tecnologias em saúde ⁶.

Motivada pela Lei nº 12.401⁷, de 28 de abril de 2011, foi criada a Comissão Nacional de Incorporação de Tecnologias (CONITEC) no Sistema Único de Saúde (SUS), uma instância oficial responsável por auxiliar o Ministério da Saúde nas atribuições relativas à incorporação, exclusão ou alteração de tecnologias em saúde, bem como na constituição ou alteração de Protocolos Clínicos e Diretrizes Terapêuticas ⁸. Para tanto, a CONITEC pode fazer uso do processo de ATS que resume informações sobres questões éticas, econômicas, sociais e médicas, relacionadas ao uso da tecnologia de saúde de maneira robusta, livre, transparente e sistemática ⁴. A ATS funcionaria, então, como uma ponte entre a evidência científica e o processo de decisão, de modo a aprimorar a síntese, a comunicação e a disseminação da informação ⁹.

Nesse campo, é notório que as análises de custo-efetividade (ACE), um tipo de avaliação econômica que objetiva avaliar a eficiência das intervenções em saúde, são tidas como o paradigma que domina muitos dos processos de decisão em políticas de saúde ¹⁰. Entretanto, apesar de ser potencialmente útil como um tipo de estudo de ATS, o uso estrito dessa abordagem pode não considerar dimensões sociais e políticas mais amplas, como a gravidade das doenças, a disponibilidade de alternativas, a equidade e o impacto orçamentário ⁹.

Atualmente, cada vez mais se tem reconhecido que para implementar sua missão, a ATS necessita considerar dimensões sociais, organizacionais, éticas e legais das tecnologias, em adição a fatores clínicos e econômicos ¹¹. A complexidade nesses processos é, portanto, inevitável: uma multiplicidade de fatores de influência normalmente existe, um número grande de tecnologias alternativas pode ser encontrado e a informação disponível para cada uma dessas alternativas é frequentemente imperfeita ^12,13.

Em contexto, a análise de decisão multicritérios (ADMC) pode ser compreendida como uma ferramenta emergente que tem despertado grande interesse justamente por permitir a integração de outros fatores relevantes para os processos de ATS, além das clássicas ACE ¹⁴.

O objetivo deste estudo é apresentar uma síntese dos aspectos metodológicos importantes (definições, abordagens, aplicações e etapas da implementação) de uma ADMC, e como ela se aplica a um estudo de caso do medicamento Erlotinibe para o tratamento de câncer de pulmão de células não pequenas no sistema de saúde brasileiro.

Definições de análise de decisão multicritério

A força tarefa para boas práticas da International Society for Pharmacoeconomics e Outcomes Research (ISPOR) entende que a ADMC constitui-se de métodos que apoiam discussões e deliberações com base em critérios definidos explicitamente ¹². A ADMC pode ser, portanto, definida como um conjunto de métodos de apoio à tomada de decisão em que dois ou mais critérios são considerados simultaneamente e de forma explícita. Tal tipo de análise é apropriado para questões que envolvem múltiplas decisões encadeadas (multiestratificadas) ou a participação de profissionais de áreas diferentes (multidisciplinares).

No trabalho seminal de Keeney & Raiffa ¹⁵, a ADMC é entendida como uma extensão da teoria da decisão capaz de cobrir qualquer tipo de decisão com múltiplos objetivos. Outros autores definem a ADMC como um termo guarda-chuva que descreve abordagens diferentes que utilizam múltiplos critérios para auxiliar indivíduos e grupos a explorar decisões relevantes ¹². A ADMC compreende, dessa forma, um amplo conjunto de abordagens metodológicas que se originaram de procedimentos de pesquisa oriundos de diferentes disciplinas científicas ^16,17.

A ADMC é especialmente relevante quando diferentes pontos de vista sobre uma determinada decisão conduzem a resultados conflitantes. Nessas situações, sem necessariamente utilizar modelagens quantitativas, o objetivo seria a elaboração de uma “matriz de desempenho” das alternativas, que então seria utilizada para apoio à tomada de decisão nas discussões entre grupos de interesse (stakeholders) distintos ¹².

Por fim, a ADMC poderia ser definida como “um processo estruturante de avaliação e seleção de alternativas, sob condições de alta incerteza, com base na combinação quantitativa e qualitativa de critérios para a avaliação e comparação de tecnologias, a fim de alcançar o entendimento mútuo e solucionar conflitos entre vários grupos de interesse envolvidos no processo de tomada de decisão” ¹⁸ (p. 37).

Principais abordagens em análise de decisão multicritério

Thokala & Duenas ¹¹ propõem uma classificação das abordagens de ADMC, para o contexto da ATS em três categorias: modelos de mensuração de valor, modelos de sobreclassificação e modelos baseados em metas, aspiração ou nível de referência. A Tabela 1 apresenta características de alguns dos métodos de ADMC mais utilizados na literatura científica.

Os modelos de mensuração de valor são aqueles que permitem que funções de valor sejam construídas para representar o valor de uma opção em relação a outra. O grau com que uma opção é preferida em relação às demais é representado pela comparação de escores numéricos, inicialmente para cada critério, e depois integrados em um escore global ¹¹. Alguns exemplos de métodos estabelecidos que utilizam essa abordagem são: os métodos baseados na multi-atribute utility theory (MAUT) ^15,19,20 e os baseados em análise hierárquica (AHP) ^21,22.

Os modelos de sobreclassificação se baseiam em comparações par a par das alternativas. Inicialmente, as alternativas são comparadas em termos de cada critério, uma em relação a outra. As informações de força de preferência pelos critérios são então agregadas para permitir a seleção de uma alternativa dentre as disponíveis ¹¹. Alguns exemplos de métodos dessa abordagem são: os métodos ELECTRE (Elimination Et Choix Traduisnt la REalité), PROMETHEE (Preference Ranking Organization METHod for Enrichment of Evaluations) e MACBETH (Measuring Attractiveness by a Categorical Based Evaluation Technique) ^23,24,25.

Já os modelos baseados em metas, aspiração ou nível de referência, em geral, utilizam métodos de programação linear. Essas abordagens envolvem a escolha de alternativas que mais se aproximam de níveis desejáveis e preestabelecidos de satisfação de um determinado critério ¹¹. São exemplos dessa classificação os métodos baseados em programação de compromissos ¹⁶ e o método conhecido como Technique for Order Preferences by Similarity to Ideal Solutions (TOPSIS) ²⁶.

Métodos de ADMC que não são baseados em processos de modelagem estritamente ligados à classificação proposta por Thokala & Duenas também são encontrados na literatura científica ^16,17. Em um nível mais rudimentar, eles poderiam contribuir para a realização de uma ADMC parcial, em que se elabora uma “matriz de desempenho” das alternativas, sem que a atribuição de pesos ou o ranqueamento por escores seja realizado formalmente. Alternativas de maior complexidade, porém, também encontram ampla aplicação, como os métodos baseados em lógicas alternativas como a lógica paraconsistente anotada ^27,28 e a lógica fuzzy^16,29. Nesses últimos, as análises permitiriam levar em conta a insuficiência de informações e a evolução do conhecimento disponível ³⁰. Como vantagens, tais métodos possibilitariam abordar problemas complexos com maior simplicidade, no entanto impõem maiores dificuldades para o seu desenvolvimento ^16,31.

Aplicações das análises de decisão multicritério

Em diversas áreas do conhecimento, a ADMC tem sido utilizada com sucesso na solução de problemas de decisão, incluindo o gerenciamento de energia sustentável, o planejamento energético, o transporte, os sistemas de informação geográfica, a elaboração de orçamentos e a alocação de recursos ¹⁷. Recentemente, esse tipo de análise também tem sido utilizado para informar decisões em saúde e permitir a priorização nos processos de ATS ^11,32. Dentre as aplicações potenciais no campo da saúde, destacam-se:

1) Avaliação de risco-benefício (ARB): diferentes aspectos dos riscos e dos benefícios associados ao uso de uma intervenção em saúde podem ser avaliados por meio de ADMC ¹²;

2) ATS: diversos critérios de relevância para a alocação de recursos podem ser considerados simultaneamente nos processos de ATS ^11,12;

3) Padronização de priorização por contexto: a ADMC pode ser utilizada por gestores locais de orçamentos fixos (como hospitais e planos de saúde) para a elaboração de planos de investimento baseados em listas de prioridades ³³;

4) Análise de decisão de portfólio (ADP): a probabilidade de sucesso e a lucratividade projetada de diferentes projetos de investimento podem ser analisadas com métodos de ADMC ³⁴;

5) Tomada de decisão compartilhada (TDC): decisões tomadas por pacientes, em discussões com seus médicos e demais profissionais de saúde, poderiam ser assistidas por dispositivos de apoio à decisão, construídos com abordagens de ADMC ^12,35;

6) Priorização do acesso de pacientes aos cuidados em saúde: a priorização de acesso a serviços de saúde poderia ser otimizada por métodos de ADMC ³⁶.

Etapas da análise de decisão multicritério

As abordagens em ADMC podem ser implementadas em fases de aplicação que variam conforme os métodos adotados. As etapas podem ser aplicadas sequencialmente, mas de modo variado e iterativo. Mesmo tendo em conta os diversos métodos e abordagens existentes, algumas etapas fundamentais para a condução de um processo de decisão apoiado por ADMC têm sido recomendadas ¹²:

1) Definir o problema de decisão: o ponto de partida para a estruturação de uma ADMC é a compreensão do problema de decisão e os objetivos associados a ele. Essa etapa inicial envolve a identificação de grupos de interesse, alternativas a serem consideradas e desfechos (ou outputs) almejados. No caso de um problema de decisão ligado à ATS, é importante compreender as políticas de incorporação e gestão de tecnologia no contexto em que será realizada a ADMC; os grupos de interesse que expressam preferências e os tomadores de decisão envolvidos no processo; as tecnologias (preventivas, diagnósticas, terapêuticas etc.) que se constituem em alternativas de abordagem do problema em questão e os desfechos que são valorizados na área específica da tomada de decisão (resultados esperados em termos clínicos, sociais, econômicos etc.) ³⁷;

2) Selecionar e estruturar os critérios: uma vez que se realize uma descrição estruturada do problema de decisão, a próxima etapa envolve a identificação e o estabelecimento de um acordo sobre quais critérios (ou fatores que impactam o processo decisório) serão utilizados para avaliar as alternativas disponíveis. Tais critérios podem ser identificados com revisões da literatura, grupos focais ou oficinas com tomadores de decisão, considerando os requisitos de completude, não redundância, não sobreposição e independência ^12,13. Nos estudos de ATS, alguns dos critérios mais utilizados são efetividade clínica e custos ³⁸. A PNGTS apresenta oito critérios de relevância para a incorporação de tecnologias no SUS: segurança, eficácia, efetividade, eficiência e impactos econômicos, éticos, sociais e ambientais da tecnologia em questão ⁶. Uma vez identificado e selecionado, o conjunto de critérios pode ser apresentado de modo estruturado, utilizando por exemplo uma “árvore de valores” ³⁹, conforme a Figura 1;

Fonte: adaptado de Secretaria de Ciência, Tecnologia e Insumos Estratégicos, Ministério da Saúde

Figura 1 Árvore de valores baseada nos critérios da Política Nacional de Gestão de Tecnologias em Saúde (PNGTS). Brasil, 2010. 

3) Mensurar o desempenho: após ser estabelecido um consenso sobre os critérios que serão utilizados na ADMC, o desempenho das alternativas eleitas na primeira etapa será determinado mediante as melhores evidências científicas disponíveis sobre cada uma delas. Essa etapa envolve, portanto, a realização de sínteses da literatura (por estudos de revisão sistemática) e, na ausência de estudos relevantes publicados, a realização de painéis para o levantamento de opiniões de especialistas. O sumário das informações sobre o desempenho de tecnologias avaliadas, em um contexto de ATS, pode ser feito com a estruturação de uma “matriz de desempenho” que funciona como um relatório parcial das opções disponíveis, de modo a facilitar a comparação e escolha por parte dos formuladores de recomendação ou mesmo de tomadores de decisão;

4) Atribuir escores às alternativas: dado que o desempenho das alternativas é levantado com diferentes medidas de desfecho (por exemplo, anos de vida ganhos com uma intervenção, melhora do nível de qualidade de vida com essa mesma intervenção etc.) é preciso atribuir um escore que utilize uma métrica comum a todas essas variações de desempenho capturadas pelos diferentes critérios. A atribuição de escores tem, por conseguinte, três sentidos no contexto da ATS: (1) capturar a força de preferência e de prioridades dos grupos de interesse para as variações de desempenho apresentadas pelas tecnologias alternativas; (2) traduzir as medidas de desempenho capturadas pelos diferentes critérios em uma mesma métrica, por exemplo, uma escala de 0 a 100, de modo a permitir comparações entre critérios; e (3) converter as medidas de desempenho em escores, para que mudanças semelhantes na escala sejam igualmente preferidas (por exemplo, uma mudança de 10-20 é igualmente preferida a uma mudança de 60-70). Uma série de métodos tem sido utilizada para a obtenção de escores, como: escala visual analógica ⁴⁰, técnicas baseadas em mensuração de multiatributos ²⁰, comparações par a par ²², mensuração de atratividade ²⁵, experimentos de escolhas discretas ⁴¹, dentre outros;

5) Atribuir pesos aos critérios: os pesos representam, consequentemente, o valor relativo atribuído a cada um dos critérios individualmente, de modo que a combinação desses critérios possa refletir uma “medida de valor total”. Em ATS, é fundamental decidir sobre as fontes de pesos para os critérios, o que significa definir as preferências relevantes para um processo de decisão. Os pesos podem ser extraídos de membros de comissões de ATS, pacientes ou da população geral. Dentre as técnicas mais utilizadas para a atribuição de pesos, destaca-se a “swing weighting”, que se caracteriza por comparações par a par de critérios, com a atribuição de pontos em uma escala de 0-100 ²²;

6) Calcular os escores agregados: após a obtenção dos escores e pesos dos critérios, a agregação dos valores obtidos é feita frequentemente com a utilização de modelos aditivos ¹². Para isso, realiza-se o somatório dos escores dos critérios, ponderado pelos pesos a eles atribuídos, para cada uma das alternativas consideradas no processo de avaliação. A obtenção do valor total das alternativas permite que elas possam ser comparadas para fins de tomada de decisão. Outros métodos para a obtenção de escores agregados podem também ser utilizados ^16,37;

7) Lidar com a incerteza: todos os aspectos envolvidos em uma ADMC, como os critérios selecionados, as medidas de desempenho e as visões utilizadas para a atribuição de escores e pesos estão sujeitos à incerteza. A incerteza de parâmetro e a incerteza estrutural podem ser abordadas, respectivamente, com técnicas de análise de sensibilidade probabilística e de análise de cenários. Já a heterogeneidade das preferências entre subgrupos pode ser abordada utilizando pesos e escores obtidos de diferentes grupos de interesse ¹³;

8) Interpretar e reportar os resultados: os resultados de uma ADMC podem ser apresentados por tabelas e/ou gráficos. A interpretação depende do método utilizado, mas em geral envolve uma comparação das alternativas, com uma ordenação baseada no valor total calculado para cada uma delas. Contudo, é importante ressaltar que os resultados de uma ADMC são apenas uma forma de apoiar decisões complexas e não substituem a decisão propriamente dita.

A utilização de uma ADMC como apoio à decisão envolve, por fim, uma escolha entre duas abordagens possíveis: (1) substitutiva, em que a ADMC almeja substituir as abordagens baseadas nas ACE, passando a se constituir como uma base única para a tomada de decisão; e (2) complementar, em que a ADMC complementaria as abordagens habituais baseadas nas ACE, fazendo com que as razões de custo-efetividade incremental (RCEI) estimadas passem a ser consideradas como mais um dos vários critérios a ser incluídos na ADMC, de modo a ampliar os fatores considerados em uma decisão em saúde ^11,18.

Estudo de caso hipotético

Com a finalidade de exemplificar a aplicação de um modelo de ADMC, realizou-se um estudo de caso no Instituto do Câncer do Estado de São Paulo (ICESP) com o objetivo de compreender as perspectivas de tomadores de decisão no processo de elaboração de uma recomendação de incorporação de tecnologia no âmbito do SUS, por um relatório da CONITEC.

Inicialmente, constituiu-se um grupo de estudiosos no ICESP, envolvendo clínicos, epidemiologistas, estatísticos, gestores e analistas de sistemas a fim de selecionar e analisar um relatório de CONITEC relevante para o contexto hospitalar de tratamento da doença oncológica. Foram levantados todos os relatórios relacionados à doença oncológica publicados ns página de Internet da CONITEC (http://conitec.gov.br). O relatório Erlotinibe para Câncer de Pulmão de Células não Pequenas⁴² foi selecionado para o estudo de caso porque ilustra a modificação das decisões tomadas ao longo da elaboração de uma recomendação, com perspectivas diferentes dos grupos de interesse que participam desse processo.

Com base nos critérios para avaliação de tecnologias em saúde destacados na PNGTS, o grupo de estudiosos verificou as informações contidas no relatório relativas a cada um dos oito critérios: segurança, eficácia, efetividade, eficiência, impactos econômicos, impactos éticos, impactos sociais e impactos ambientais. Foram encontradas informações relacionadas à segurança, eficácia, efetividade, eficiência (custo-efetividade), impactos econômicos (impacto orçamentário) e também referentes a um critério designado pelos relatores como “relevância clínica”. Como apenas quatro dos critérios (efetividade, custo-efetividade, impacto orçamentário e relevância clínica) influenciaram diretamente as decisões e recomendações reportadas no relatório, o grupo de estudiosos optou por estruturar as análises em torno desses quatro critérios.

Como o estudo preliminar objetivava também a discussão das metodologias de ADMC para a incorporação de tecnologias de saúde em nível local, foi escolhido por uma abordagem adequada a esse contexto de decisão. A lógica Eτ pelo método paraconsistente de decisão (MPD) foi escolhida por ser capaz de sintetizar informações objetivas (provenientes da literatura científica) e subjetivas (provenientes de valores e preferências de especialistas na área de conhecimento); além de permitir a incorporação de informações conflitantes (contradições), vagas e mesmo incompletas do processo de valoração, resultantes da imperfeição das evidências científicas disponíveis ²⁸.

Para a construção da base de dados, os participantes do grupo (especialistas em diferentes áreas de conhecimento) foram solicitados a avaliar as evidências apresentadas no relatório da CONITEC, conforme cada um dos quatro critérios inicialmente identificados. Primeiramente, foram estabelecidas faixas de valores para cada um dos critérios, a saber: efetividade clínica (1 = muito efetivo; 2 = moderadamente efetivo; 3 = pouco efetivo; 4 = muito pouco efetivo; 5 = inefetivo), custo-efetividade (1 = muito custo-efetivo; 2 = moderadamente custo-efetivo; 3 = pouco custo-efetivo; 4 = possivelmente não custo-efetivo; 5 = provavelmente não custo-efetivo), impacto orçamentário (1 = baixíssimo impacto orçamentário; 2 = baixo impacto orçamentário; 3 = moderado impacto orçamentário; 4 = alto impacto orçamentário; 5 = muito alto impacto orçamentário), relevância clínica (1 = alta relevância clínica; 2 = moderada relevância clínica; 3 = baixa relevância clínica; 4 = muito baixa relevância clínica; 5 = irrelevante clinicamente). Em seguida, os especialistas foram solicitados a atribuir graus de crença e descrença para cada uma das faixas criadas. Por exemplo, em relação ao critério efetividade clínica, foi solicitado que fosse atribuída uma nota de 0 a 10 para a chance de as evidências apresentadas serem muito efetivas, moderadamente efetivas, pouco efetivas, muito pouco efetivas e inefetivas, seguidas, respectivamente, de notas para a dúvida que cada um deles atribuía a cada uma das notas apresentadas. O mesmo procedimento foi realizado para os outros três critérios e assim foi constituída uma matriz com graus de crença (nota para a magnitude do efeito) e descrença (nota para a confiança nas notas atribuídas à magnitude do efeito), com base em diretrizes para a avaliação crítica da literatura científica ⁴³.

Para a atribuição de pesos aos critérios, os participantes do grupo de estudos utilizaram uma escala visual analógica, variando de 0 (menor valor possível) a 10 (maior valor possível). Para a atribuição de escores às evidências disponíveis foi decidida por consenso uma nota a ser atribuída pelo grupo às evidências disponíveis no relatório da CONITEC. As notas variaram em uma escala de 0 a 10 (0 = pior e 10 = melhor nota), sendo estratificadas em faixas correspondentes às dos valores utilizados na construção da base de dados de experiência de especialistas. Logo, por exemplo, teríamos para o critério efetividade clínica as faixas: 1 = muito efetivo (notas 10 e 9), 2 = moderadamente efetivo (notas 8 e 7), 3 = pouco efetivo (notas 5 e 6), 4 = muito pouco efetivo (notas 4 e 3), e 5 = inefetivo (notas 2, 1 e 0).

Para simular o processo de decisão relatado no relatório da CONITEC, foram construídos três cenários: cenário 1 - anterior à audiência pública realizada no decorrer da elaboração da recomendação; cenário 2 - posterior à audiência pública e sem mudança de escore do critério impacto orçamentário; e cenário 3 - posterior à audiência pública e com mudança de escore do critério impacto orçamentário.

A para-análise para o cenário 1, antes da realização da audiência pública pela CONITEC, considerou fundamentais os seguintes trechos do relatório ⁴²:

1) “A demanda avaliada por este relatório é relacionada à incorporação do medicamento erlotinibe para o tratamento do câncer de pulmão de células não pequenas (CPCNP) localmente avançado ou metastático em pacientes com mutação da ativação do EGFR” (p. 24).

2) “De maneira geral, não houve diferença significativa entre acrescentar ou não o erlotinibe no esquema terapêutico com quimioterapia dupla padrão em sobrevida geral. Já a sobrevida livre de progressão exibiu em alguns estudos diferença significativa entre os grupos, mas de pequena magnitude” (p. 26).

3) “Os estudos econômicos de custo-efetividade e impacto orçamentário apresentaram limitações metodológicas, mas mostraram relação de custo-efetividade incremental de R$ 26.631,51 por ano de vida ganho e de R$ 37.936,38 por QALY e impacto orçamentário em 5 anos de R$ 45.240.885,00, este último valor tendo o próprio Erlotinibe como comparação” (p. 24).

4) “Logo, considerando a incerteza associada à eficácia do medicamento, a magnitude limitada dos benefícios e o impacto orçamentário significativo, os membros do plenário da CONITEC, em sua 13ª reunião ordinária, não recomendaram a incorporação do erlotinibe no SUS para o tratamento do câncer de pulmão de células não pequenas (CPCNP) localmente avançado ou metastático em pacientes com mutação da ativação do EGFR” (p. 25).

Com base na interpretação dessas considerações, os três critérios iniciais foram tidos como participantes da decisão, sendo pontuados com os seguintes escores: faixa 2 (moderadamente efetivo), faixa 3 (pouco custo-efetivo) e faixa 5 (muito alto impacto orçamentário). Considerando os três critérios, a para-análise demonstrou um resultado inconclusivo, com o valor de resultante de 0,359 (Figura 2).

Figura 2 Para-análise para o cenário 1 do relatório de recomendação de incorporação do Erlotinibe para câncer de pulmão de células não pequenas. Comissão Nacional de Incorporação de Tecnologias, Brasil, 2013. 

Após a realização da audiência pública, a para-análise para o cenário 2 considerou o seguinte trecho do relatório da CONITEC ⁴² (p. 29): “...considerando que o benefício de acréscimo de 4,5 meses de sobrevida livre de progressão para pacientes com CPCNP, condição de alta mortalidade e baixa sobrevida, pode ser clinicamente relevante...”.

Com base nessas considerações, os quatro critérios identificados foram tidos como participantes da decisão, sendo pontuados com os seguintes escores: faixa 2 (moderadamente efetivo), faixa 3 (pouco custo-efetivo), faixa 5 (muito alto impacto orçamentário), faixa 1 (alta relevância clínica). Considerando os quatro critérios, a para-análise demonstrou também um resultado inconclusivo, com valor de resultante de 0,403 (Figura 3). Por fim, a para-análise para o cenário 3 considerou o trecho do relatório da CONITEC que traduz as recomendações finais da comissão: “Os membros da CONITEC presentes na reunião do plenário do dia 06/06/2013 deliberaram por maioria simples por recomendar a incorporação do Cloridrato de Erlotinibe para o tratamento do câncer de pulmão de células não pequenas (CPCNP) localmente avançado ou metastático em pacientes com mutação da ativação do EGFR, sem criação de novo procedimento, sem alteração de valor dos procedimentos disponíveis e sem modificação do modelo de financiamento da quimioterapia no SUS” ⁴² (p. 29).

Figura 3 Para-análise para o cenário 2 do relatório de recomendação de incorporação do Erlotinibe para câncer de pulmão de células não pequenas. Comissão Nacional de Incorporação de Tecnologias, Brasil, 2013. 

Nesse cenário, os quatro critérios identificados foram tidos como participantes da decisão, mas ocorre ainda uma mudança do escore do terceiro critério, que passa da faixa 5 (muito alto impacto orçamentário) para a faixa 1 (baixíssimo impacto orçamentário), na medida que as considerações finais da CONITEC indicam a não modificação do valor do procedimento e do modelo de financiamento da quimioterapia. Assim, temos: faixa 2 (moderadamente efetivo), faixa 3 (pouco custo-efetivo), faixa 1 (baixíssimo impacto orçamentário) e faixa 1 (alta relevância clínica). Considerando os quatro critérios, a para-análise demonstrou um resultado favorável à incorporação da tecnologia, com valor de resultante de 0,178, conforme a recomendação final do relatório da CONITEC (Figura 4).

Figura 4 Para-análise para o cenário 3 do relatório de recomendação de incorporação do Erlotinibe para câncer de pulmão de células não pequenas. Comissão Nacional de Incorporação de Tecnologias, Brasil, 2013. 

A interpretação dos gráficos apresentados, produzidos mediante algoritmo para-analisador (para-análise), depende do entendimento dos quatro estados lógicos de saída, resultantes de uma análise paraconsistente. Intuitivamente, na lógica Eτ, o que se faz é atribuir uma anotação (μ1; μ2), com μ1 e μ2 pertencentes ao intervalo fechado [0; 1], a cada proposição elementar (atômica) p de tal modo que μ1 traduza o grau de crença (ou evidência favorável) que se tem em p e μ2, o grau de descrença (ou evidência contrária). O conjunto de anotações constitui um gráfico (Figuras 1, 2 e 3), onde cada par (μ1; μ2) constitui um estado lógico. O detalhamento dos procedimentos de análise e interpretação de resultados, bem como de formalização da lógica Eτ, podem ser encontrados em outras publicações ^27,28.

Após a realização das análises, o grupo de estudiosos avaliou que os principais problemas enfrentados na aplicação do método foram a compreensão da terminologia e a interpretação dos gráficos disponibilizados. Apesar de o resultado obtido não diferir das recomendações presentes no relatório da CONITEC, os participantes do grupo consideraram que a aplicação da técnica fornece clareza sobre quais critérios são relevantes, a importância atribuída a cada um e como usar essa informação em uma estrutura para avaliar as alternativas disponíveis. Ao fazê-lo, mesmo que a conclusão de uma recomendação não seja alterada, o método pode ajudar a aumentar a consistência, transparência e legitimidade das decisões. Nesse sentido, o grupo avaliou que a credibilidade e a legitimidade potencial de uma decisão, ao serem passíveis de questionamento, leva o método a ser especialmente útil para a responsabilização de órgãos públicos envolvidos em tomadas de decisão. A falta de transparência sobre a forma como são encaminhadas as discussões para incorporação de tecnologias nos diferentes níveis do sistema de saúde brasileiro foi apontada como um motivo de preocupação. Por exemplo, argumentou-se que as agências de ATS devem ter como objetivo ser transparentes sobre o processo de tomada de decisão para assegurar uma alocação justa de recursos. Por outro lado, também foi considerado que em um cenário real de elaboração de uma recomendação ao longo de um processo de ATS, a utilização de um método padronizado de ADMC, ao permitir a visualização de critérios e o acompanhamento da obtenção de preferências e ponderações, poderia eventualmente influenciar nos resultados de uma decisão, à medida que aumentaria a clareza sobre as implicações das escolhas preferidas.

Finalmente, é preciso considerar que a ADMC tem sido adotada por várias organizações e agências de saúde, incluindo a Agency for Healthcare Research and Quality’s (AHRQ) nos Estados Unidos; a Canadian Agency for Drugs and Technologies in Health (CADTH) no Canadá; o National Institute for Health and Care Excellence (NICE) e o Office for Health Economics (OHE) no Reino Unido; o German Institute for Quality and Efficiency in HealthCare (IQWiG) na Alemanha; o International Health Policy Programme (IHPP) e o Health Intervention and Technology Assessment Programme (HITAP) na Tailândia ^17,44. Conforme uma revisão de 569 estudos de ADMC, a técnica mais empregada em decisões de saúde foi a AHP (52%), seguida pela TOPSIS (9%) e pela PROMETHEE (7%), e a Fuzzy Set Theory foi o método matemático mais utilizado para lidar com incerteza ⁴⁵. As principais contribuições que têm sido destacadas para o campo da ATS são: permitir a maior participação de pacientes, guiar a priorização e orientar a incorporação e desincorporação de diferentes tipos de tecnologias para reembolso em sistemas universais de saúde ¹².

Considerações finais

Com base no estudo de caso realizado, alguns aspectos práticos para a implementação de um modelo de ADMC no Brasil podem ser identificados, com destaque para a importância de: treinar todos os membros de comissões como a CONITEC na utilização da ADMC e disponibilizar facilitadores para auxiliar no uso das técnicas no processo de decisão; selecionar métodos adequados para a captura (questionários, formulários impressos ou computadorizados etc.) e agregação de dados (softwares específicos); viabilizar a exploração dos modelos para garantir a robustez dos critérios, o que pode ser feito em tempo real ou entre as reuniões da comissão; e, por fim, permitir com que as saídas dos modelos possam ser visualizadas ao longo das discussões e incorporadas na documentação do relatório de ATS, junto com as recomendações finais.

Assim, o emprego de uma abordagem explícita de ADMC poderá facilitar a mediação de conflitos e otimizar a participação de diferentes grupos de interesse.