Doctor
José Vargas Manotas
Presidente Asociación Colombiana de Neurología. Apreciado y respetado Doctor Vargas,

He revisado, desde una perspectiva de Análisis Estadístico de Datos y Modelos Matemáticos, el artículo: ANÁLISIS DE IMPACTO PRESUPUESTAL DE LA INTRODUCCIÓN DE FINGOLIMOD EN EL TRATAMEINTO DE ESCLEROSIS MÚLTIPLE EN COLOMBIA, 2012;28:4-10.

Con base en lo anterior me permito enviarle mis apreciaciones y conclusiones las cuales, sugiero muy respetuosamente, que se considere la opción de ser tenidas en cuenta:

- No aparece la estructura matemática del modelo que se utilizó ni los algoritmos para la generación de las variables mediante el Método de Simulación Montecarlo y transformar una distribución uniforme de los dígitos aleatorios en las distribuciones de probabilidad de las variables que forman parte de dicho estudio.

- El tratamiento de los datos, dado lo que se quiere probar, amerita la aplicación de una prueba de Hipótesis para el promedio y para la dispersión porque no es suficiente para casos como estos, verificar solamente el cumplimento del promedio porque puede ocurrir que sea satisfactoria la conclusión pero con una alta dispersión lo cual afecta la homogeneidad estadística de los resultados con los cuales se infiere en la población o universo estadístico en estudio.

- Se requiere calcular bajo un diseño estadístico que tenga en cuenta el Riesgo tipo I y el riesgo tipo II, el tamaño de la muestra (el número de simulaciones o corridas en el presente estudio)

- En este estudio se toma un nivel de significancia de 0.90 pero no se dice nada del riesgo tipo II, además, se le da al intervalo de confianza una interpretación que no es la correcta.

Así las cosas, se puede estar tomando como correcta una conclusión que no lo es aunque no lo sepamos (riesgo tipo II)

- No se justifica el por qué se asume una distribución de probabilidad Gamma para los costos, ello requiere previamente una prueba de bondad de ajuste con una Chi Cuadrado.

- Es necesario tener los parámetros prevalentes en Colombia para poder comparar en contexto, incluso si fuese necesario, por regiones.

- El Método de Simulación Montecarlo no es para optimizar o para concluir puntualmente con base en sus resultados, más bien lo que se genera es una serie de escenarios posibles (y también probables) para escoger entre ellos aquel que cumpla de mejor manera, pero en forma probable y no en forma determinística , con los resultados a los cuales se desean probar.

Cordialmente,

Ingeniero Rodrigo Barbosa Correa
Magister en Informática y Análisis
Estadístico de Datos
Doctor en Ingeniería.