«Фундаментальный принцип анализа решений: даже при неполной доступной информации решение должно быть принято. Таким образом, анализ часто содержит предположения о пропусках или оценки недостающих данных» 21. Переменные, подверженные неопределенности и вариабельности, могут включать частоты инфекции, частоты рецидивов, частоты смертности и заболеваемости, процент ложноположительных и ложноотрицательных случаев, предпочтения пациентов, частоту успешных хирургических операций и т. д. Если анализ должен продолжиться, необходимо принять значения этих переменных в модели и влияние этих предположений должно быть проверено с помощью анализа чувствительности.
Идентифицируйте любые запланированные анализы чувствительности, используемые, чтобы оценить предположения, неопределенность и вариабельность в анализе.
В анализе чувствительности (также называемом сценарием моделирования, детерминированным моделированием, ранговыми процедурами или анализом стабильности) предположения, лежащие в основе решения или заключения, различаются по диапазону вероятных значений для определения их влияния на результат ( указание 18.24).
Например, инциденс неблагоприятной реакции на лечение может быть известен только в широких пределах. В анализе решения инциденс может быть изменен от минимального значения до максимального. Если меняется незначительно, частота инциденса вносит в исход несущественную долю неопределенности и модель может быть применена с большей уверенностью, т. е. является робастной. Если исход изменяется сильно, будет благоразумнее определить частоту инциденса более точно, прежде чем применить модель.
Переменные, выбранные для анализа чувствительности, в большинстве случаев обладают самой большой степенью неопределенности (например, основанные на мнении экспертов в противоположность эмпирическим данным), у этих переменных самая большая вариабельность и тем самым они оказывают наибольшее влияние на результаты 17.