Cómo hacer un análisis de coste-efectividad en España: RCEI, AVAC y ejemplo completo

Una evaluación económica no consiste en comprobar si una intervención es barata. Su objetivo es determinar qué resultados adicionales en salud se obtienen al sustituir una alternativa por otra y qué recursos adicionales exige ese cambio.

En España, la pregunta de referencia puede formularse así:

Para una población concreta, ¿cuál es el coste adicional y la ganancia adicional en salud de una tecnología frente a las alternativas utilizadas en el Sistema Nacional de Salud?

La respuesta suele resumirse mediante una ratio coste-efectividad incremental, aunque el cociente por sí solo no basta. Una evaluación útil debe mostrar por separado los costes, los resultados en salud, las fuentes de evidencia, los supuestos y la incertidumbre.

Este artículo explica cómo realizar ese análisis de forma reproducible y termina con un ejemplo completo de un modelo de estados de salud a diez años.

Las ideas esenciales

El marco español de evaluación económica

El Real Decreto 415/2026, en vigor desde el 18 de junio de 2026, regula el nuevo Sistema para la Evaluación de las Tecnologías Sanitarias.

La norma distingue entre:

• evaluación clínica comparada;
• evaluación de los aspectos no clínicos;
• valoración posterior para la adopción;
• decisión administrativa de financiación, precio, incorporación o desinversión.

Los aspectos no clínicos incluyen el análisis económico y presupuestario, junto con las dimensiones éticas, organizativas, sociales, jurídicas, de género y ambientales.

La evaluación económica debe determinar la relación entre:

• los resultados adicionales en salud que se esperan de la tecnología;
• los recursos adicionales necesarios para incorporarla;
• uno o varios comparadores relevantes para el Sistema Nacional de Salud.

El nuevo sistema se encuentra en una fase de implantación progresiva. El real decreto concede un año desde su entrada en vigor para publicar la primera versión de las instrucciones y directrices metodológicas, tras lo cual se desplegarán las distintas fases de aplicación.

Mientras se completa ese desarrollo, la referencia metodológica española más concreta para medicamentos es la Guía de Evaluación Económica de Medicamentos, publicada por el Ministerio de Sanidad y elaborada por el Comité Asesor para la Financiación de la Prestación Farmacéutica.

Sus principios son aplicables a gran parte de las evaluaciones económicas, aunque algunos elementos —como la valoración del precio farmacéutico— son específicos de los medicamentos.

Qué tipo de evaluación económica debe hacerse

Una evaluación económica completa compara tanto costes como resultados. La unidad elegida para expresar los resultados determina el tipo de análisis.

Análisis coste-efectividad

El resultado se expresa en una unidad clínica directamente relacionada con la enfermedad, por ejemplo:

• años de vida ganados;
• ingresos hospitalarios evitados;
• recaídas evitadas;
• pacientes que alcanzan una respuesta;
• casos diagnosticados;
• episodios de hipoglucemia evitados.

Tiene una interpretación clínica clara, pero dificulta la comparación entre áreas terapéuticas diferentes.

Análisis coste-utilidad

Combina cantidad y calidad de vida mediante el Año de Vida Ajustado por Calidad, o AVAC.

La guía española de medicamentos considera el análisis coste-utilidad como opción prioritaria. Cuando no pueda realizarse, debe justificarse y utilizarse un análisis coste-efectividad con una medida clínica relevante.

Minimización de costes

Solo es adecuada cuando existe evidencia aceptable de que las alternativas no presentan diferencias relevantes en resultados clínicos y para los pacientes.

La ausencia de una diferencia estadísticamente significativa no demuestra equivalencia. Para justificar una minimización de costes se necesita evidencia diseñada o analizada para establecer equivalencia o no inferioridad dentro de márgenes clínicamente aceptables.

RCEI o RCUI: una precisión terminológica

La ratio coste-efectividad incremental, RCEI, se calcula como:

RCEI =
(Coste de la intervención - Coste del comparador)
/
(Efecto de la intervención - Efecto del comparador)

Cuando el efecto se expresa en AVAC, la denominación más precisa es ratio coste-utilidad incremental, RCUI.

En la literatura internacional se utiliza con frecuencia el término incremental cost-effectiveness ratio, o ICER, para ambos casos. En la práctica, RCEI también se usa en español como término general, incluso cuando el denominador son AVAC.

Lo importante es declarar siempre la unidad:

24.690 euros por AVAC ganado

es más informativo que escribir únicamente:

RCEI = 24.690

El caso de referencia español

La guía del Ministerio organiza la evaluación en 17 dimensiones.

Estas dimensiones no son una formalidad editorial. Definen la validez de la comparación.

1. Definir la pregunta de decisión

Una pregunta incompleta produce un modelo ambiguo. Debe especificar, al menos:

• población;
• intervención;
• comparadores;
• resultados;
• perspectiva;
• ámbito asistencial;
• horizonte temporal;
• finalidad de la decisión.

Una formulación adecuada sería:

En adultos con una enfermedad crónica atendidos en el Sistema Nacional de Salud, ¿es coste-efectiva la nueva terapia frente al tratamiento habitual, desde la perspectiva del SNS y a lo largo de diez años?

No sería suficiente preguntar:

¿Es coste-efectiva la nueva terapia?

La respuesta podría cambiar según la gravedad inicial, el comparador, el precio, la duración o el territorio.

2. Seleccionar la población y los subgrupos

La población debe corresponder a las personas candidatas a recibir la intervención en la práctica.

Se deben describir:

• edad;
• sexo o distribución por sexo, cuando sea relevante;
• gravedad;
• tratamientos previos;
• comorbilidades;
• biomarcadores;
• riesgo basal;
• contexto asistencial;
• criterios de inicio y suspensión.

Los subgrupos no deben elegirse después de observar resultados favorables. Deben responder a mecanismos clínicos o hipótesis previas y disponer de evidencia suficiente.

Un tratamiento puede ser coste-efectivo en pacientes de alto riesgo y no serlo en pacientes con riesgo basal bajo. La media poblacional puede ocultar esta heterogeneidad.

3. Elegir el comparador correcto

El comparador principal debe representar la práctica habitual relevante en el SNS.

No siempre será:

• el medicamento utilizado en el ensayo pivotal;
• la alternativa más barata;
• la tecnología más nueva;
• el tratamiento preferido en otro país.

Cuando existan varias prácticas relevantes, puede ser necesario comparar con:

• la práctica habitual;
• la alternativa más eficaz;
• la alternativa más coste-efectiva disponible;
• la opción de menor coste;
• estrategias diferentes para subgrupos.

Excluir un comparador eficiente puede hacer que una tecnología parezca más favorable de lo que realmente es.

4. Declarar la perspectiva

La perspectiva determina qué costes y resultados entran en el análisis.

Perspectiva del Sistema Nacional de Salud

Es la perspectiva prioritaria en la guía española de medicamentos. Incluye los recursos financiados con presupuesto sanitario público, por ejemplo:

• medicamentos;
• consultas;
• pruebas;
• urgencias;
• hospitalización;
• procedimientos;
• administración;
• seguimiento;
• tratamiento de acontecimientos adversos;
• rehabilitación sanitaria;
• recursos evitados.

Perspectiva del financiador público

Puede ampliar la anterior e incluir:

• servicios sociales;
• dependencia;
• prestaciones por incapacidad;
• otros recursos financiados públicamente.

Perspectiva social

Puede añadir:

• productividad;
• cuidados informales;
• tiempo de pacientes y familiares;
• desplazamientos;
• pagos directos;
• efectos sobre la salud de personas cuidadoras.

Los resultados de distintas perspectivas deben presentarse por separado. No deben mezclarse costes sociales con un resultado en salud limitado exclusivamente al paciente sin explicar la asimetría.

5. Seleccionar la evidencia clínica

La evaluación económica necesita efectos comparativos.

La jerarquía práctica incluye:

1. ensayos clínicos aleatorizados comparativos;
2. revisiones sistemáticas y metaanálisis;
3. comparaciones indirectas ajustadas o metaanálisis en red;
4. estudios observacionales comparativos;
5. registros y datos en práctica real;
6. opinión experta como último recurso.

La selección no debe basarse solo en la disponibilidad. Debe valorarse:

• riesgo de sesgo;
• aplicabilidad al SNS;
• comparabilidad de poblaciones;
• duración del seguimiento;
• tratamiento posterior;
• adherencia;
• variables intermedias;
• incertidumbre estadística;
• madurez de los datos.

Un efecto observado durante doce meses no puede mantenerse toda la vida sin justificación.

6. Elegir entre un análisis basado en datos y un modelo

Evaluación junto a un ensayo clínico

Puede utilizar datos individuales de costes y resultados recogidos durante el ensayo.

Es apropiada cuando:

• el seguimiento captura la mayor parte de las diferencias;
• los comparadores son relevantes;
• la utilización de recursos refleja la práctica;
• la pérdida de seguimiento es manejable.

Sus limitaciones habituales son la duración, el entorno experimental y la potencia insuficiente para detectar diferencias de costes.

Modelo de decisión

Es necesario cuando se deben combinar fuentes, extrapolar o representar acontecimientos que no se observan completamente.

El tipo de modelo debe responder al problema clínico, no a la plantilla disponible.

7. Medir resultados mediante AVAC

El AVAC combina tiempo y calidad de vida.

AVAC = duración del estado × utilidad del estado

Un año con utilidad 0,80 equivale a:

1 × 0,80 = 0,80 AVAC

Seis meses con utilidad 0,80 y seis meses con utilidad 0,50 equivalen a:

(0,5 × 0,80) + (0,5 × 0,50) = 0,65 AVAC

Qué representa la utilidad

La utilidad es un valor basado en preferencias sociales asociado a un estado de salud.

Habitualmente:

• 1 representa salud plena;
• 0 representa un estado equivalente a la muerte;
• algunos estados pueden tomar valores negativos si se consideran peores que la muerte.

No es una nota clínica arbitraria ni una escala visual de bienestar utilizada directamente como ponderación.

Cómo se obtienen las utilidades

La guía española recomienda, en general, instrumentos validados en España y tarifas sociales obtenidas de muestras representativas de la población general.

Entre los instrumentos de referencia se encuentran:

• EQ-5D;
• SF-6D.

El paciente describe su estado mediante el cuestionario. Después, un conjunto de valores o tarifa transforma esas respuestas en una utilidad basada en preferencias sociales.

Debe informarse:

• instrumento;
• versión;
• tarifa;
• país de valoración;
• población;
• momento de medición;
• tratamiento de datos ausentes;
• método de interpolación;
• mapeo, cuando proceda.

España dispone de un conjunto de valores para EQ-5D-5L y de conjuntos de valores españoles para SF-6D, incluido uno basado en SF-12.

Área bajo la curva de utilidad

Cuando existen varias mediciones, los AVAC suelen estimarse como el área bajo la curva:

AVAC entre dos observaciones =
duración × (utilidad inicial + utilidad final) / 2

Este método supone una evolución lineal entre mediciones. Si hay un acontecimiento agudo conocido, puede ser necesario dividir el periodo.

8. Identificar, medir y valorar los costes

La valoración de costes tiene tres etapas.

Identificación

Se enumeran los recursos que pueden variar entre alternativas.

Medición

Se expresan en unidades físicas:

• dosis;
• envases;
• visitas;
• pruebas;
• días de ingreso;
• horas profesionales;
• sesiones;
• desplazamientos.

Valoración

Cada unidad se multiplica por un coste o precio unitario compatible con la perspectiva.

Coste total =
suma de cantidades de recursos × costes unitarios

Para la perspectiva del SNS, la guía recomienda utilizar fuentes nacionales, como:

• costes por GRD;
• publicaciones oficiales;
• tarifas sanitarias autonómicas;
• contabilidad analítica;
• precios de adquisición;
• costes de producción;
• datos observados de utilización.

Las cantidades y los costes unitarios deben presentarse por separado. También debe declararse el año monetario.

Costes farmacológicos

La guía recomienda utilizar precios con IVA y aproximarlos al precio real para el SNS. Deben considerarse, cuando proceda:

• descuentos;
• deducciones;
• copagos;
• acuerdos comerciales;
• desperdicio;
• administración;
• seguimiento;
• acuerdos de pago por resultados.

Un precio de lista no debe presentarse como coste neto sin explicar sus limitaciones.

Costes históricos

Cuando se combinan importes de distintos años, deben actualizarse a un año monetario común.

Coste actualizado =
coste original × índice del año objetivo / índice del año original

La actualización por inflación convierte unidades monetarias de distintos años. No sustituye el descuento de flujos futuros.

9. Elegir el horizonte temporal

El horizonte debe captar todas las diferencias relevantes en costes y resultados.

Puede ser:

• el episodio asistencial;
• un año;
• cinco o diez años;
• toda la vida.

Un horizonte demasiado corto puede excluir beneficios futuros, recaídas, mortalidad o complicaciones. Uno excesivamente largo puede añadir extrapolaciones sin respaldo.

Deben analizarse horizontes alternativos cuando la decisión sea sensible a la extrapolación.

10. Aplicar el descuento

Los costes y resultados futuros se expresan en valor presente:

Valor presente en el año t =
valor futuro / (1 + tasa de descuento)^t

La guía española de medicamentos recomienda para el caso base:

• 3 % anual en costes;
• 3 % anual en resultados en salud;
• aplicación a los flujos que se producen más allá del primer año.

También propone análisis de sensibilidad con:

• 0 % y 5 % para resultados;
• 5 % para costes;
• posibles tasas inferiores para beneficios muy lejanos, debidamente justificadas.

La convención temporal debe declararse. En un modelo anual puede considerarse que el primer ciclo no se descuenta y aplicar el exponente 0, siempre que los flujos se sitúen de forma coherente.

11. Realizar el análisis incremental

Los resultados deben ordenarse por efectividad y compararse de forma incremental.

Coste incremental =
Coste de la intervención - Coste del comparador

Efecto incremental =
Efecto de la intervención - Efecto del comparador

RCEI =
Coste incremental / Efecto incremental

Dominancia

No debe calcularse ni interpretarse una RCEI convencional cuando una alternativa domina claramente a otra.

Dominancia extendida

Cuando se comparan tres o más estrategias, una alternativa puede quedar fuera de la frontera eficiente aunque no esté dominada directamente.

Ejemplo:

La RCEI de B frente a A es:

(14.000 - 10.000) / (3,1 - 3,0)
= 40.000 euros por AVAC

La RCEI de C frente a B es:

(17.000 - 14.000) / (3,4 - 3,1)
= 10.000 euros por AVAC

Las ratios disminuyen al avanzar hacia una estrategia más efectiva. Esto indica dominancia extendida de B. La comparación eficiente es C frente a A:

(17.000 - 10.000) / (3,4 - 3,0)
= 17.500 euros por AVAC

12. Interpretar la RCEI mediante beneficio monetario neto

La RCEI puede ser difícil de manejar en simulaciones y en algunos cuadrantes del plano coste-efectividad. Una alternativa es el beneficio monetario neto incremental.

BMNI =
valor de referencia × AVAC incrementales
- costes incrementales

Donde el valor de referencia representa el máximo coste de oportunidad aceptado por unidad de salud.

La intervención es eficiente bajo ese valor cuando:

BMNI > 0

El BMNI no convierte la salud en ingreso financiero. Es una transformación matemática del criterio de decisión.

¿Existe un umbral de coste-efectividad en España?

España no dispone de una cifra legal única que determine automáticamente la financiación.

Un estudio encargado por el Ministerio de Sanidad estimó el coste de oportunidad del SNS a partir de datos autonómicos de 2008 a 2013. Obtuvo un rango aproximado de 21.000 a 24.000 euros por AVAC en euros de 2012 y recomendó utilizar con prudencia un intervalo de 20.000 a 25.000 euros por AVAC en contextos de presupuesto previamente asignado.

La propia investigación advierte de que:

• no es una cifra exacta;
• representa un coste de oportunidad medio;
• procede de un periodo histórico concreto;
• debe actualizarse con nueva evidencia;
• puede variar por contexto y margen presupuestario.

No es correcto actualizar mecánicamente ese rango con el IPC y presentarlo como un nuevo umbral oficial. La inflación monetaria y la productividad marginal del gasto sanitario son conceptos diferentes.

La RCEI tampoco es el único criterio de decisión. Pueden ser relevantes:

• gravedad;
• necesidad no cubierta;
• equidad;
• incertidumbre;
• innovación;
• impacto presupuestario;
• factibilidad organizativa;
• consecuencias sociales;
• valor clínico añadido.

Ejemplo completo: nueva terapia frente al tratamiento habitual

El ejemplo es hipotético y tiene finalidad metodológica. No representa una enfermedad o tecnología real.

Pregunta

¿Es coste-efectiva una nueva terapia frente al tratamiento habitual en adultos con una enfermedad crónica, desde la perspectiva del SNS y durante diez años?

Estructura del modelo

Se utiliza un modelo de estados de salud con ciclos anuales:

1. enfermedad estable;
2. enfermedad progresada;
3. muerte.

Toda la cohorte comienza en el estado estable.

Distribución inicial = [1, 0, 0]

La muerte es absorbente: una persona que entra en ese estado permanece en él.

Matriz de transición del tratamiento habitual

Matriz de transición de la nueva terapia

La nueva terapia reduce la progresión y la mortalidad en este ejemplo.

Utilidades y costes anuales

La nueva terapia añade 2.500 euros por año mientras el paciente permanece vivo.

Se aplican:

• horizonte de diez años;
• descuento anual del 3 %;
• corrección de medio ciclo;
• perspectiva del SNS.

Qué hace la corrección de medio ciclo

Un modelo que asigna todos los cambios al final del ciclo supone que las transiciones se producen en ese instante. La corrección de medio ciclo aproxima que ocurren, en promedio, a mitad del periodo.

En cada ciclo se utiliza la media entre la distribución inicial y final:

Ocupación media =
(distribución inicial + distribución final) / 2

Cálculo del primer año: tratamiento habitual

Distribución inicial:

[1,00; 0,00; 0,00]

Distribución final:

[0,70; 0,22; 0,08]

Ocupación media:

[(1,00 + 0,70) / 2;
 (0,00 + 0,22) / 2;
 (0,00 + 0,08) / 2]

= [0,85; 0,11; 0,04]

AVAC del primer año:

(0,85 × 0,82) + (0,11 × 0,58)
= 0,761 AVAC

Coste del primer año:

(0,85 × 1.500) + (0,11 × 9.000)
= 2.265 euros

Cálculo del primer año: nueva terapia

Distribución final:

[0,77; 0,17; 0,06]

Ocupación media:

[0,885; 0,085; 0,030]

AVAC:

(0,885 × 0,82) + (0,085 × 0,58)
= 0,775 AVAC

Coste asistencial:

(0,885 × 1.500) + (0,085 × 9.000)
= 2.092,50 euros

Coste adicional de la terapia:

(0,885 + 0,085) × 2.500
= 2.425 euros

Coste total:

2.092,50 + 2.425
= 4.517,50 euros

Resultados del modelo

Los importes y AVAC de la tabla ya están descontados.

Las pequeñas diferencias respecto a cálculos manuales pueden deberse al redondeo.

Resultados incrementales

Coste incremental =
35.288,28 - 21.770,36
= 13.517,92 euros

AVAC incrementales =
3,82918 - 3,28167
= 0,54752 AVAC

RCUI =
13.517,92 / 0,54752
= 24.689,57 euros por AVAC

La nueva terapia genera aproximadamente 0,55 AVAC adicionales por paciente y requiere unos 13.518 euros adicionales.

Interpretación con distintos valores de referencia

Con 20.000 euros por AVAC, el beneficio monetario neto incremental es negativo. Con 25.000 euros es ligeramente positivo.

Esto revela una conclusión importante: el resultado del caso base se encuentra muy próximo al punto de decisión. Una pequeña variación del precio, la efectividad o la duración puede cambiar la interpretación.

Análisis del precio umbral

En este modelo, el coste adicional anual máximo de la nueva terapia compatible con 25.000 euros por AVAC es aproximadamente:

2.532,50 euros por paciente vivo y año

El caso base utiliza 2.500 euros. El margen es de solo 32,50 euros anuales.

El precio umbral puede ser más informativo para una negociación que una única RCEI.

Análisis de sensibilidad determinístico

Los principales determinantes son:

• precio de la intervención;
• duración del efecto;
• transición a progresión;
• mortalidad;
• horizonte;
• descuento;
• valores de utilidad.

El análisis no debe limitarse a variaciones arbitrarias del 10 %. Los rangos deben proceder de intervalos de confianza, variabilidad observada, escenarios clínicos plausibles o fuentes alternativas.

Análisis de sensibilidad probabilístico

El análisis probabilístico asigna distribuciones a los parámetros y propaga conjuntamente su incertidumbre mediante simulación.

Distribuciones habituales:

La distribución debe derivarse de la evidencia, no elegirse únicamente por costumbre.

También deben conservarse:

• correlaciones;
• estructura de covarianzas;
• dependencia entre parámetros;
• incertidumbre del modelo de supervivencia;
• heterogeneidad entre pacientes.

Qué debe presentar

• plano coste-efectividad;
• elipse o región de incertidumbre;
• curva de aceptabilidad;
• probabilidad de ser coste-efectiva para distintos valores;
• valor esperado de información, cuando sea relevante.

Una curva de aceptabilidad no demuestra que la intervención sea eficaz. Representa la proporción de simulaciones en las que maximiza el beneficio monetario neto, condicionada a la estructura, evidencia y distribuciones asumidas.

Código completo en R para el caso base

# ============================================================
# ANÁLISIS COSTE-UTILIDAD: MODELO DE ESTADOS DE SALUD
# ============================================================

rm(list = ls())

# ------------------------------------------------------------
# 1. PARÁMETROS GENERALES
# ------------------------------------------------------------

horizonte <- 10
descuento_costes <- 0.03
descuento_avac <- 0.03

estados <- c("estable", "progresada", "muerte")

poblacion_inicial <- c(
  estable = 1,
  progresada = 0,
  muerte = 0
)

# ------------------------------------------------------------
# 2. MATRICES DE TRANSICIÓN
# ------------------------------------------------------------

matriz_habitual <- matrix(
  c(
    0.70, 0.22, 0.08,
    0.00, 0.72, 0.28,
    0.00, 0.00, 1.00
  ),
  nrow = 3,
  byrow = TRUE,
  dimnames = list(
    desde = estados,
    hacia = estados
  )
)

matriz_nueva <- matrix(
  c(
    0.77, 0.17, 0.06,
    0.00, 0.74, 0.26,
    0.00, 0.00, 1.00
  ),
  nrow = 3,
  byrow = TRUE,
  dimnames = list(
    desde = estados,
    hacia = estados
  )
)

# Comprobación: cada fila debe sumar 1
stopifnot(
  all(abs(rowSums(matriz_habitual) - 1) < 1e-10),
  all(abs(rowSums(matriz_nueva) - 1) < 1e-10)
)

# ------------------------------------------------------------
# 3. UTILIDADES Y COSTES
# ------------------------------------------------------------

utilidades <- c(
  estable = 0.82,
  progresada = 0.58,
  muerte = 0
)

costes_habitual <- c(
  estable = 1500,
  progresada = 9000,
  muerte = 0
)

# La nueva terapia añade 2.500 euros anuales mientras se vive
costes_nueva <- costes_habitual + c(
  estable = 2500,
  progresada = 2500,
  muerte = 0
)

# ------------------------------------------------------------
# 4. FUNCIÓN DEL MODELO
# ------------------------------------------------------------

ejecutar_modelo <- function(
  matriz,
  costes_estado,
  utilidades_estado,
  poblacion_inicial,
  horizonte,
  descuento_costes,
  descuento_avac
) {
  distribucion_inicio <- poblacion_inicial
  resultados <- vector("list", horizonte)

  for (ciclo in seq_len(horizonte)) {

    distribucion_final <- as.numeric(
      distribucion_inicio %*% matriz
    )
    names(distribucion_final) <- names(distribucion_inicio)

    # Corrección de medio ciclo
    ocupacion_media <- (
      distribucion_inicio + distribucion_final
    ) / 2

    coste_sin_descuento <- sum(
      ocupacion_media * costes_estado
    )

    avac_sin_descuento <- sum(
      ocupacion_media * utilidades_estado
    )

    # Primer ciclo con exponente 0
    factor_costes <- 1 / (
      1 + descuento_costes
    )^(ciclo - 1)

    factor_avac <- 1 / (
      1 + descuento_avac
    )^(ciclo - 1)

    resultados[[ciclo]] <- data.frame(
      ciclo = ciclo,
      estable = distribucion_final["estable"],
      progresada = distribucion_final["progresada"],
      muerte = distribucion_final["muerte"],
      coste = coste_sin_descuento * factor_costes,
      avac = avac_sin_descuento * factor_avac
    )

    distribucion_inicio <- distribucion_final
  }

  do.call(rbind, resultados)
}

# ------------------------------------------------------------
# 5. EJECUCIÓN
# ------------------------------------------------------------

resultado_habitual <- ejecutar_modelo(
  matriz = matriz_habitual,
  costes_estado = costes_habitual,
  utilidades_estado = utilidades,
  poblacion_inicial = poblacion_inicial,
  horizonte = horizonte,
  descuento_costes = descuento_costes,
  descuento_avac = descuento_avac
)

resultado_nueva <- ejecutar_modelo(
  matriz = matriz_nueva,
  costes_estado = costes_nueva,
  utilidades_estado = utilidades,
  poblacion_inicial = poblacion_inicial,
  horizonte = horizonte,
  descuento_costes = descuento_costes,
  descuento_avac = descuento_avac
)

# ------------------------------------------------------------
# 6. RESULTADOS
# ------------------------------------------------------------

coste_habitual <- sum(resultado_habitual$coste)
coste_nueva <- sum(resultado_nueva$coste)

avac_habitual <- sum(resultado_habitual$avac)
avac_nueva <- sum(resultado_nueva$avac)

coste_incremental <- coste_nueva - coste_habitual
avac_incrementales <- avac_nueva - avac_habitual

rcui <- coste_incremental / avac_incrementales

resultados_finales <- data.frame(
  alternativa = c(
    "Tratamiento habitual",
    "Nueva terapia"
  ),
  coste = c(
    coste_habitual,
    coste_nueva
  ),
  avac = c(
    avac_habitual,
    avac_nueva
  )
)

print(resultados_finales)

cat(
  "\nCoste incremental:",
  round(coste_incremental, 2),
  "euros\n"
)

cat(
  "AVAC incrementales:",
  round(avac_incrementales, 5),
  "\n"
)

cat(
  "RCUI:",
  round(rcui, 2),
  "euros por AVAC\n"
)

# ------------------------------------------------------------
# 7. BENEFICIO MONETARIO NETO
# ------------------------------------------------------------

valores_referencia <- c(
  20000,
  25000,
  30000
)

bmni <- (
  valores_referencia * avac_incrementales
  - coste_incremental
)

data.frame(
  valor_por_avac = valores_referencia,
  bmni = bmni
)

# ------------------------------------------------------------
# 8. TABLA ANUAL
# ------------------------------------------------------------

tabla_anual <- data.frame(
  anio = seq_len(horizonte),
  coste_habitual = resultado_habitual$coste,
  avac_habitual = resultado_habitual$avac,
  coste_nueva = resultado_nueva$coste,
  avac_nueva = resultado_nueva$avac
)

print(round(tabla_anual, 3))

Código en R para calcular el precio umbral

evaluar_coste_adicional <- function(coste_adicional) {

  costes_nueva_umbral <- costes_habitual + c(
    estable = coste_adicional,
    progresada = coste_adicional,
    muerte = 0
  )

  resultado <- ejecutar_modelo(
    matriz = matriz_nueva,
    costes_estado = costes_nueva_umbral,
    utilidades_estado = utilidades,
    poblacion_inicial = poblacion_inicial,
    horizonte = horizonte,
    descuento_costes = descuento_costes,
    descuento_avac = descuento_avac
  )

  coste_incremental_umbral <- (
    sum(resultado$coste)
    - coste_habitual
  )

  avac_incrementales_umbral <- (
    sum(resultado$avac)
    - avac_habitual
  )

  list(
    coste_incremental = coste_incremental_umbral,
    avac_incrementales = avac_incrementales_umbral
  )
}

valor_referencia <- 25000

funcion_umbral <- function(coste_adicional) {

  resultado <- evaluar_coste_adicional(
    coste_adicional
  )

  valor_referencia * resultado$avac_incrementales -
    resultado$coste_incremental
}

precio_umbral <- uniroot(
  funcion_umbral,
  interval = c(0, 10000)
)$root

cat(
  "Coste adicional anual máximo:",
  round(precio_umbral, 2),
  "euros\n"
)

Código ilustrativo para el análisis probabilístico

El siguiente ejemplo utiliza distribuciones simplificadas. En una evaluación real deben emplearse las varianzas, covarianzas y distribuciones derivadas de las fuentes de evidencia.

# ============================================================
# ANÁLISIS DE SENSIBILIDAD PROBABILÍSTICO
# ============================================================

set.seed(1234)

numero_simulaciones <- 5000

# ------------------------------------------------------------
# Funciones auxiliares
# ------------------------------------------------------------

rdirichlet_1 <- function(alpha) {
  muestra <- rgamma(
    length(alpha),
    shape = alpha,
    rate = 1
  )

  muestra / sum(muestra)
}

parametros_beta <- function(media, desviacion) {
  varianza <- desviacion^2

  precision <- (
    media * (1 - media) / varianza
  ) - 1

  c(
    alpha = media * precision,
    beta = (1 - media) * precision
  )
}

parametros_gamma <- function(media, cv) {
  forma <- 1 / cv^2
  tasa <- forma / media

  c(
    shape = forma,
    rate = tasa
  )
}

beta_estable <- parametros_beta(
  media = 0.82,
  desviacion = 0.02
)

beta_progresada <- parametros_beta(
  media = 0.58,
  desviacion = 0.03
)

gamma_coste_estable <- parametros_gamma(
  media = 1500,
  cv = 0.10
)

gamma_coste_progresada <- parametros_gamma(
  media = 9000,
  cv = 0.10
)

gamma_coste_tratamiento <- parametros_gamma(
  media = 2500,
  cv = 0.15
)

# ------------------------------------------------------------
# Simulación
# ------------------------------------------------------------

resultado_psa <- t(
  replicate(
    numero_simulaciones,
    {

      # Filas de las matrices mediante Dirichlet
      fila_habitual_estable <- rdirichlet_1(
        c(0.70, 0.22, 0.08) * 500
      )

      fila_habitual_progresada <- rdirichlet_1(
        c(0.72, 0.28) * 500
      )

      fila_nueva_estable <- rdirichlet_1(
        c(0.77, 0.17, 0.06) * 500
      )

      fila_nueva_progresada <- rdirichlet_1(
        c(0.74, 0.26) * 500
      )

      matriz_habitual_i <- matrix(
        c(
          fila_habitual_estable,
          0,
          fila_habitual_progresada,
          0, 0, 1
        ),
        nrow = 3,
        byrow = TRUE
      )

      matriz_nueva_i <- matrix(
        c(
          fila_nueva_estable,
          0,
          fila_nueva_progresada,
          0, 0, 1
        ),
        nrow = 3,
        byrow = TRUE
      )

      utilidad_estable_i <- rbeta(
        1,
        beta_estable["alpha"],
        beta_estable["beta"]
      )

      utilidad_progresada_i <- rbeta(
        1,
        beta_progresada["alpha"],
        beta_progresada["beta"]
      )

      utilidades_i <- c(
        utilidad_estable_i,
        utilidad_progresada_i,
        0
      )

      coste_estable_i <- rgamma(
        1,
        shape = gamma_coste_estable["shape"],
        rate = gamma_coste_estable["rate"]
      )

      coste_progresada_i <- rgamma(
        1,
        shape = gamma_coste_progresada["shape"],
        rate = gamma_coste_progresada["rate"]
      )

      coste_tratamiento_i <- rgamma(
        1,
        shape = gamma_coste_tratamiento["shape"],
        rate = gamma_coste_tratamiento["rate"]
      )

      costes_habitual_i <- c(
        coste_estable_i,
        coste_progresada_i,
        0
      )

      costes_nueva_i <- costes_habitual_i + c(
        coste_tratamiento_i,
        coste_tratamiento_i,
        0
      )

      habitual_i <- ejecutar_modelo(
        matriz = matriz_habitual_i,
        costes_estado = costes_habitual_i,
        utilidades_estado = utilidades_i,
        poblacion_inicial = poblacion_inicial,
        horizonte = horizonte,
        descuento_costes = descuento_costes,
        descuento_avac = descuento_avac
      )

      nueva_i <- ejecutar_modelo(
        matriz = matriz_nueva_i,
        costes_estado = costes_nueva_i,
        utilidades_estado = utilidades_i,
        poblacion_inicial = poblacion_inicial,
        horizonte = horizonte,
        descuento_costes = descuento_costes,
        descuento_avac = descuento_avac
      )

      c(
        coste_incremental = (
          sum(nueva_i$coste)
          - sum(habitual_i$coste)
        ),
        avac_incrementales = (
          sum(nueva_i$avac)
          - sum(habitual_i$avac)
        )
      )
    }
  )
)

resultado_psa <- as.data.frame(
  resultado_psa
)

# ------------------------------------------------------------
# Curva de aceptabilidad
# ------------------------------------------------------------

valores_referencia <- seq(
  from = 0,
  to = 50000,
  by = 1000
)

probabilidad_coste_efectiva <- sapply(
  valores_referencia,
  function(valor) {
    mean(
      valor * resultado_psa$avac_incrementales
      - resultado_psa$coste_incremental
      > 0
    )
  }
)

curva_aceptabilidad <- data.frame(
  valor_por_avac = valores_referencia,
  probabilidad = probabilidad_coste_efectiva
)

plot(
  curva_aceptabilidad$valor_por_avac,
  curva_aceptabilidad$probabilidad,
  type = "l",
  xlab = "Valor de referencia, euros por AVAC",
  ylab = "Probabilidad de ser coste-efectiva"
)

# Plano coste-efectividad
plot(
  resultado_psa$avac_incrementales,
  resultado_psa$coste_incremental,
  xlab = "AVAC incrementales",
  ylab = "Costes incrementales"
)
abline(h = 0)
abline(v = 0)

Con las especificaciones anteriores, la probabilidad de que la nueva terapia sea coste-efectiva se situará aproximadamente en torno a:

• 27 % con 20.000 euros por AVAC;
• 51 % con 25.000 euros por AVAC;
• 68 % con 30.000 euros por AVAC.

Los valores exactos variarán con la semilla, el número de simulaciones y las distribuciones empleadas.

Cómo trasladar el cálculo a Excel

Una estructura mínima puede utilizar una fila por alternativa.

Fórmulas:

D3 = B3 - B2
E3 = C3 - C2
F3 = D3 / E3
G3 = valor_por_AVAC × E3 - D3

Para un modelo de estados deben añadirse hojas separadas para:

• parámetros;
• matrices de transición;
• trazas de estados;
• costes;
• utilidades;
• descuento;
• resultados;
• sensibilidad;
• validación.

Los valores no deben introducirse directamente dentro de las fórmulas si pueden almacenarse como parámetros identificables.

Validación del modelo

Un modelo no queda validado porque se ejecute sin errores.

Validez conceptual

Debe comprobarse si la estructura representa correctamente:

• la enfermedad;
• la intervención;
• la secuencia asistencial;
• los acontecimientos relevantes;
• el momento de los costes y beneficios.

Verificación interna

Debe revisarse:

• suma de probabilidades;
• estados absorbentes;
• unidades;
• fórmulas;
• descuentos;
• redondeos;
• resultados extremos;
• reproducción del caso base.

Pruebas útiles:

• una probabilidad de mortalidad igual a cero no debe generar muertes;
• un coste igual a cero debe desaparecer del resultado;
• si las matrices son iguales, los AVAC deben ser iguales;
• si los costes son iguales y la intervención mejora la salud, debe dominar;
• aumentar un coste no debe reducir el coste total.

Validación externa

Se comparan las predicciones con:

• estudios de seguimiento;
• registros;
• estadísticas de supervivencia;
• utilización real;
• otros modelos independientes.

Validez cruzada

Se contrastan resultados con modelos que estudian el mismo problema.

La documentación debe permitir que un analista experto reproduzca los resultados.

Incertidumbre, heterogeneidad y variabilidad no son lo mismo

Incertidumbre de parámetros

No se conoce con precisión el valor verdadero de una probabilidad, utilidad o coste.

Se aborda mediante intervalos y análisis probabilístico.

Incertidumbre estructural

No se sabe qué estructura representa mejor la realidad.

Ejemplos:

• duración del efecto;
• función de supervivencia;
• inclusión de recaídas;
• dependencia de la historia previa;
• reglas de suspensión.

Se analiza mediante escenarios y modelos alternativos.

Heterogeneidad

Los resultados difieren sistemáticamente entre pacientes.

Puede requerir resultados por:

• edad;
• sexo;
• gravedad;
• biomarcador;
• riesgo basal;
• tratamiento previo.

Variabilidad individual

Incluso entre pacientes similares, los acontecimientos son aleatorios. No equivale a incertidumbre sobre el valor medio del parámetro.

Confundir estos conceptos puede llevar a interpretar una simulación de pacientes como si fuera un análisis de incertidumbre de decisión.

Coste-efectividad e impacto presupuestario

Una intervención puede ser coste-efectiva y tener un impacto presupuestario difícil de asumir.

La evaluación coste-efectividad suele trabajar por paciente:

Coste adicional por AVAC

El impacto presupuestario agrega:

población elegible
× penetración
× coste neto
× duración
- costes sustituidos o evitados

El Real Decreto 415/2026 prevé un análisis de impacto presupuestario para los medicamentos y, cuando proceda, para otras tecnologías.

Los dos análisis responden a preguntas diferentes:

• coste-efectividad: ¿compensa el resultado en salud los recursos adicionales?
• impacto presupuestario: ¿qué gasto agregado ocasionará la adopción?

Transferibilidad al contexto español

Un modelo desarrollado en otro país no debe trasladarse cambiando únicamente la moneda.

Deben revisarse:

• comparadores;
• práctica clínica;
• precios farmacéuticos;
• costes sanitarios;
• utilización de recursos;
• mortalidad;
• epidemiología;
• listas de espera;
• organización;
• valores de utilidad;
• financiación;
• población elegible.

Dentro de España también puede existir variabilidad entre comunidades autónomas. Un análisis nacional puede requerir:

• costes representativos;
• escenarios autonómicos;
• ponderaciones poblacionales;
• sensibilidad sobre tarifas;
• descripción de la fuente territorial.

Las tarifas administrativas pueden utilizarse como aproximación cuando no exista un coste de producción mejor, pero su naturaleza y limitaciones deben conservarse.

Errores frecuentes

Comparar con placebo cuando existe tratamiento habitual

El resultado puede exagerar el beneficio incremental relevante para la decisión.

Utilizar eficacia sin ajustar la efectividad

La adherencia, discontinuación y práctica asistencial pueden diferir del ensayo.

Aplicar un horizonte demasiado corto

Se pierden beneficios, complicaciones o costes futuros.

Mantener el efecto indefinidamente

La extrapolación debe justificarse y analizarse.

Confundir ausencia de significación con equivalencia

Puede conducir a una minimización de costes no válida.

Utilizar utilidades de otro país sin justificarlo

Los valores sociales pueden diferir.

Mezclar euros de distintos años

Deben expresarse en un año monetario común.

Descontar costes y no resultados sin explicación

Puede alterar la comparación intertemporal.

Presentar solo la ratio

Se deben mostrar costes y efectos por separado.

Calcular una media de ratios individuales

La ratio correcta se obtiene a partir de las medias incrementales:

RCEI =
diferencia de costes medios
/
diferencia de efectos medios

No debe calcularse como la media de cocientes por paciente.

Ignorar dominancia extendida

Puede mantener alternativas ineficientes en la comparación.

Interpretar la curva de aceptabilidad como certeza

Está condicionada a los supuestos y evidencia del modelo.

Declarar una tecnología coste-efectiva sin decir el valor de referencia

La conclusión queda incompleta.

Confundir coste-efectividad con asequibilidad

La eficiencia por paciente no determina el gasto agregado.

Qué debe publicarse

Una evaluación reproducible debería informar al menos:

• objetivo;
• población;
• comparadores;
• perspectiva;
• horizonte;
• modelo;
• ciclo;
• corrección de medio ciclo;
• fuentes clínicas;
• costes unitarios;
• año monetario;
• utilidades;
• descuento;
• resultados por alternativa;
• resultados incrementales;
• dominancia;
• incertidumbre;
• escenarios;
• subgrupos;
• validación;
• limitaciones;
• financiación;
• conflictos de interés;
• disponibilidad del modelo o código.

La lista CHEERS 2022 ayuda a mejorar la transparencia del informe, pero no sustituye una guía metodológica. Una evaluación puede estar bien reportada y, aun así, utilizar métodos inadecuados.

Lista de comprobación práctica

Antes de cerrar el análisis, conviene responder:

Qué podemos concluir

Un análisis coste-efectividad sólido no empieza por dividir dos cifras. Empieza por definir una decisión.

La evaluación debe comparar alternativas relevantes para una población concreta, desde una perspectiva explícita y durante un horizonte suficiente. Los costes y resultados deben estimarse por separado antes de calcular la ratio incremental.

En España, el análisis coste-utilidad con AVAC constituye la opción de referencia para medicamentos. La perspectiva prioritaria es la del Sistema Nacional de Salud y la guía recomienda descontar costes y resultados al 3 % anual más allá del primer año.

La RCEI o RCUI no es una propiedad fija de la tecnología. Depende de:

• población;
• comparador;
• precio;
• horizonte;
• práctica clínica;
• evidencia;
• modelo;
• perspectiva.

En el ejemplo, la nueva terapia presenta una RCUI de unos 24.690 euros por AVAC, pero se encuentra muy cerca del punto de decisión utilizado para ilustrar el análisis. El precio umbral y la incertidumbre son, por tanto, tan importantes como el resultado puntual.

La conclusión útil no es simplemente que una intervención sea o no coste-efectiva. Debe indicar para quién, frente a qué alternativa, bajo qué supuestos, con qué grado de incertidumbre y a qué coste de oportunidad.

Preguntas frecuentes

¿Cuál es la fórmula de la RCEI?

RCEI =
diferencia de costes
/
diferencia de resultados

Debe utilizarse el resultado incremental medio, no la media de ratios individuales.

¿Qué diferencia hay entre RCEI y RCUI?

La RCEI puede expresarse en euros por unidad clínica. Cuando el resultado son AVAC, la denominación más precisa es RCUI.

¿Qué es un AVAC?

Es el tiempo vivido ponderado por una utilidad de calidad de vida relacionada con la salud.

¿Qué perspectiva debe utilizarse en España?

Para medicamentos, la guía española prioriza la perspectiva del financiador sanitario público. La perspectiva social puede presentarse como análisis complementario.

¿Qué tasa de descuento se recomienda?

La guía de evaluación económica de medicamentos recomienda un 3 % anual para costes y resultados que se produzcan más allá del primer año, con análisis de sensibilidad.

¿Cuál es el umbral de coste-efectividad español?

No existe un umbral legal universal. La estimación empírica más citada propuso un rango de 20.000 a 25.000 euros por AVAC en euros de 2012 y para contextos de presupuesto fijo, pero pidió actualizarlo periódicamente.

¿Puede una tecnología ser coste-efectiva y no financiarse?

Sí. La decisión puede considerar impacto presupuestario, incertidumbre, equidad, gravedad, necesidad no cubierta y factibilidad, entre otros criterios.

¿Debe incluirse el IVA en los medicamentos?

La guía española recomienda utilizar precios con IVA y aproximarlos al precio real para el SNS.

¿Cuándo se utiliza un modelo Markov?

Cuando una enfermedad puede representarse mediante estados recurrentes a lo largo del tiempo y la historia relevante queda adecuadamente resumida por el estado actual. Si existe dependencia importante de la historia, puede requerirse una estructura más flexible.

¿Es obligatorio realizar un análisis probabilístico?

La guía recomienda realizarlo, salvo justificación de que la incertidumbre de parámetros no lo requiere. En modelos relevantes para decisiones, su omisión debe estar especialmente justificada.

La información de este artículo es educativa y no sustituye la revisión metodológica, clínica, estadística o regulatoria necesaria para una evaluación concreta.

Fuentes y lectura recomendada

• Guía de Evaluación Económica de Medicamentos — Ministerio de Sanidad
• Real Decreto 415/2026 por el que se regula la evaluación de tecnologías sanitarias — BOE
• Nuevo Sistema de Evaluación de Tecnologías Sanitarias — AEMPS
• Guía para la evaluación económica de medicamentos: propuesta del CAPF — Gaceta Sanitaria
• Propuesta de guía para la evaluación económica aplicada a las tecnologías sanitarias — Gaceta Sanitaria
• Valor monetario de un AVAC: estimación empírica del coste de oportunidad en el SNS — SESCS
• Estimating a cost-effectiveness threshold for the Spanish NHS — Health Economics
• CHEERS 2022: estándares de reporte para evaluaciones económicas — EQUATOR Network
• Model parameter estimation and uncertainty analysis — ISPOR-SMDM
• Model transparency and validation — ISPOR-SMDM
• Spanish EQ-5D-5L value set — Value in Health
• Spanish SF-6D value set based on SF-12 — European Journal of Health Economics
• Red Española de Agencias de Evaluación de Tecnologías Sanitarias — RedETS

Una ratio incremental solo es interpretable cuando conserva la población, el comparador, la perspectiva, el horizonte, el año monetario, las fuentes de evidencia y la incertidumbre que la generan.