Article
Discrete Event Simulation versus Markov-Modellierung am Beispiel Nephropathie bei Typ 2 Diabetes mellitus
Search Medline for
Authors
Published: | September 6, 2007 |
---|
Outline
Text
Hintergrund: etablierte Methoden der Erkrankungsmodellierung wie Markov-Modelle und Monte-Carlo-Simulationen – erfordern eine hohe Abstraktion von der klinischen Realität. Die Discrete Event Simulation (DES) gilt als ein viel versprechender Ansatz um wirklichkeitsgetreuere und damit bessere Modelle zu erstellen.
Ziel: Vergleich eines DES-Modells mit einem Modell auf Basis stochastischer Markovprozesse.
Methoden: Es wurden zwei struktur- und inhaltsgleiche Erkrankungsmodelle für die diabetische Nephropathie entwickelt. Anhand der beiden Modelle und der Erfahrungen, die während ihrer Erstellung, Evaluierung und Nutzung gemacht wurden, wurde ein Methodenvergleich durchgeführt. Bewertungskriterien für diesen waren:
- die Ergebnisqualität der Modelle
- der Aufwand für Modellierung und Evaluierung
- die Bedienbarkeit der Modelle
- die Transparenz der Modelle
Das Markov-Modell wurde als Kohortensimulation in Microsoft Excel implementiert. Als Modellierungssoftware für das DES-Modell diente Rockwell Arena 10. Die Umsetzung der Erkrankung in ein DES-Modell erfolgte in Form von konkurrierenden Ereignissen, deren Eintrittszeitpunkte den weiteren Verlauf der Krankheit bestimmen. Dieser Ansatz wurde auf Grund der zu erwartenden höheren Effektivität und der besseren Abgrenzbarkeit gegenüber Monte-Carlo-Simulationen einem auf äquidistanten Simulationsschritten beruhendem Modell bevorzugt. Ergebnisse: Es ist gelungen mit beiden Methoden ein funktionstüchtiges Modell zu erstellen, dessen Ergebnisse einer sorgfältigen Validierung standhielten. Die Prognosen zum Fortschreiten der Krankheit wurden dabei anhand von externen Daten für die kumulierte Inzidenz des Akuten Nierenversagens über einen Zeitraum von 7 Jahren geprüft.
Ergebnisse: Keines der Modelle konnte eindeutig bessere Ergebnisse liefern. Lediglich die Sensitivitätsanalyse für sehr hohe Alterswerte zeigt kleine Vorteile für das Markov-Modell. Jedoch ist der Aufwand für die Modellierung und Evaluierung des DES-Modells deutlich höher als für das Markov-Modell. Auch im Bereich der Bedienbarkeit schneidet das DES-Modell, unter anderem auf Grund seiner hohen Rechenzeit und der mangelnden Transparenz, schlechter ab.
Schlussfolgerung: Markov-Modellierung zeigt sich im praktischen Einsatz dem neuen Ansatz der Discrete Event Simulation überlegen. Bei geringerem Aufwand führte sie zu vergleichbaren Ergebnissen.