LA PREVISIÓN FARMACÉUTICA A LARGO PLAZO SE ENFRENTA A INCERTIDUMBRE REGULATORIA, COMPLEJIDAD INTERFUNCIONAL Y MERCADOS CAMBIANTES

La planificación a largo plazo es una de las disciplinas más desafiantes y críticas de la previsión farmacéutica. Un nuevo informe elaborado por Evaluate Pharma la analiza, indicando que este ciclo exige que los responsables de forecasting y las partes interesadas se enfrenten a dinámicas de mercado cambiantes, la incertidumbre regulatoria y la complejidad de la colaboración interfuncional para ofrecer planes creíbles y accionables.

El documento profundiza en las causas que socavan los ciclos anuales de planificación, desde la dependencia excesiva de los datos históricos hasta los desafíos de integrar perspectivas interfuncionales. A continuación, ofrece tres estrategias para los responsables de forecasting: fortalecer las bases de datos, incorporar la planificación por escenarios en los procesos habituales y fomentar una cultura de colaboración entre los equipos comercial, médico y financiero.

Según el documento, el mayor desafío de la previsión a largo plazo es la interacción de una red de variables compleja. A continuación, sostiene que la responsabilidad del forecaster es anticipar la incertidumbre, ya que, a diferencia de previsión a corto plazo, la planificación a más largo plazo dificulta mucho la predicción del impacto de cambios futuros.

Los factores que afectan a la precisión de las previsiones a largo plazo son varios. En primer lugar, figura la incertidumbre. En este punto, el documento señala que cuanto más lejos en el tiempo se necesita prever, mayor es el potencial de que eventos impredecibles erosionen la precisión. “En el caso de una enfermedad crónica como el asma, existe poca variabilidad a nivel de mercado, ya que el número de pacientes se mantiene relativamente estable año tras año”, indica. Seguidamente, expresa que “la complejidad reside en la dificultad de desarrollar y lanzar nuevos productos para este tipo de enfermedades”.

El proceso de creación de un nuevo medicamento es largo, complejo y costoso. Según datos aportados por Farmaindustria, desde su descubrimiento en el laboratorio hasta su disponibilidad en el mercado pueden transcurrir entre 10 y 13 años, con una inversión media de aproximadamente 2.500 millones de euros por fármaco. Ante esta situación, el informe sostiene que los forecasters se encuentran con la responsabilidad de intentar predecir qué productos competitivos podrían entrar al mercado y cómo de exitosos podrían ser, además de gestionar una red de muchas otras variables.

Otro factor más controvertido a tener en cuenta son las posibles motivaciones internas o políticas que pueden afectar la precisión de la previsión. “Los stakeholders internos de un determinado medicamento pueden presionar para obtener una previsión excesivamente optimista con el fin de asegurar la financiación continua de su investigación”, precisa. En consonancia, las compañías pueden estar impulsadas por el deseo de convencer a los accionistas de que cuentan con un sólido pipeline de nuevos productos.

Una última variable a considerar es el tipo de datos que se utilizan para la previsión a largo plazo y la forma en que se recopila esta información. En este punto, el documento asegura que la dependencia de estudios de mercado puede ser un factor limitante, especialmente porque los médicos tienden a sobreestimar su probabilidad de prescribir determinados productos. “Considerar cómo obtener datos basados en evidencia, en lugar de datos basados en opiniones, es una manera de aumentar la precisión del forecasting”, añade.

Estrategias para fortalecer las previsiones

Respecto a las estrategias para fortalecer las previsiones farmacéuticas a largo plazo, menciona que elegir la metodología de modelización adecuada es el primer paso clave para mejorar la previsión a largo plazo. En lugar de centrarse únicamente en la precisión, los forecasters deberían aspirar a presentar un rango de escenarios futuros posibles. “Un modelo sólido, con la sofisticación necesaria para capturar el conjunto completo de factores que influyen en la previsión, permite a los responsables de forecasting adaptar sus resultados a las solicitudes de los stakeholders”, sostiene. Por ejemplo, expone que este tipo de modelo puede utilizarse para demostrar los pasos que una empresa debería seguir para alcanzar un determinado objetivo financiero con el lanzamiento de un nuevo medicamento.

Por otro lado, apunta que centrarse en la variabilidad puede ayudar a los forecasters a identificar mejor los riesgos y las oportunidades. Para mejorar la previsión a largo plazo, muestra que es clave comenzar con datos sólidos e identificar las principales fuentes de variabilidad. “Invertir en una recopilación de datos precisa en estas áreas de variabilidad contribuye a formular mejores supuestos y a comprender los riesgos y oportunidades de un escenario determinado”, dice. El siguiente paso es ejecutar múltiples escenarios que capturen las incertidumbres inherentes del futuro entorno competitivo, definiendo los resultados más probables, así como los escenarios de peor y mejor caso.

Por último, pero no menos importante, el análisis anticipa que los forecasters también tienen que tener en cuenta cómo comunican las previsiones a largo plazo a los stakeholders y a los responsables de la toma de decisiones. “Las previsiones deben permitir a la organización ejecutar planes estratégicos de negocio a largo plazo con confianza y claridad”, precisa.

En este ámbito, apunta que las previsiones a largo plazo deben diseñarse para ser lo más fáciles de usar posible. Según el documento, esto puede lograrse filtrando y presentando únicamente la información clave que los stakeholders necesitan y comunicando rangos, en lugar de cifras exactas, para lograr una mayor precisión”.

Fuente: El Global Farma