卫生经济决策模型的应用_杨淑娟

现代预防医学 2011 年第 38 卷第 9 期 Modern Preventive Medicine， 2011， Vol.38， NO.9 文章编号： 1003-8507（2011）09-1650-03 中图分类号： R195.1 文献标识码： A 【卫生政策与管理】 卫生经济决策模型的应用 杨淑娟， 温圆圆， 邵英， 牛谨， 杨春霞 摘要： 卫生经济决策模型 （马尔可夫模型） 已被广泛用于对临床试验的成本-效果， 成本-效益， 及成本-效用中的 评价。 建立此模型需要确定以下的参数和疾病的基本情况： 疾病的演变状态马尔可夫链； 临床试验的干预措施， 干预人 群和干预结果； 疾病的初始概率， 转移概率和死亡概率； 健康效用值和治疗疾病的相关直接成本， 间接成本和无形成 本； 需要做敏感度 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 各值的变化范围。 通过相关参数确定建立马尔可夫模型计算出相关期望寿命年和成本， 而测算出 相关效果， 效益和效用值， 最终对短期的临床试验效果进行长期临床效果的推测， 从而给决策者提供相关的依据， 还可 对疾病的发病率和死亡率进行长期预测， 从而为制定出干预疾病的防治提出相关的科学依据， 最后还可对疾病的自然史 进行估计， 为疾病的研究提供科学资料。 马尔可夫模型在相关疾病的发病推测和干预措施的卫生经济学评价上有广泛的 实用性和不可替代的地位。 关键词： 卫生经济决策模型； 马尔可夫模型； 临床试验； 经济学评价 APPLICATION OF HEALTH ECONOMIC DECISION ANALYTICAL MODEL YANG Shu-juan， WEN Yuan-yuan， SHAO Ying， et al. （Epidemiology and Health Statistics， West China School of Public Health， Sichuan University， Chengdu 610041， China） Abstract： Health economic decision analytical model （Markov model） has been widely used in the evaluation of the cost- effective， cost-benefit and cost-utility of clinical trails. In order to establish the health economic decision analytical model， we have to determine some parameters and the basic situation of diseases as follows： the Markov chain of the development states of the diseases； the intervention of clinical trail， participants and main outcomes； the initial probability， transition probability and dead probability； the health utilities and related direct cost， indirect cost and invisible cost of treating diseases； the ranges of varies to perform sensitivity analysis. The related life expectancy and cost of treatment， effective， benefit， and utility cost caculated by the parameters above. Therefore， we could establish the long-term effect of clinical trails by results of the short- term clinical trails to provide related reference for decision makers. Also， we could predict the long-term changes of morbidity and mortality of diseases so that to provide scientific basis for formulating intervention for diseases by Markov model. Finally， the model could forecast the natural history of disease to help the research of the diseases. Markov model has an important role in the economic evaluation of the intervention， and the estimation of morbidity of diseases. Key words： Health economic decision analytical model； Markov model； Clinical trail； Economic evaluation 卫生经济决策模型-即马尔可夫模型或称决策分析模型已 经被广泛应用在医疗保健项目的成本-效果， 成本-效益， 及成 本-效用的评价上。 尽管决策模型在模拟多变的现实生活中的 卫生经济学情况非常有限， 并且可信性也很低， 但决策模型却 在卫生经济学中有不可替代的地位。 决策分析模型有如下几个特点： （1） 扩展临床试验的结 果， 临床试验由于投入成本的有限性， 通常随访时间较短。 决 策模型却能帮助我们将较短随访的试验数据进行将来推测， 对 将来的成本-效果进行评价。 这里的包括了讲短期的结果和成 本延展为一个长期的结果和成本， 同时将成本的有效性带入模 型中， 进行卫生经济学的评价。 （2） 在临床研究中， 有些临 床试验可能由于经费有限， 只能评价中期结果， 而临床和卫生 作者简介： 杨淑娟 （1983-）， 在读博士， 研究方向： 肿瘤流行病与分 子流行病学 通讯作者： 杨春霞， 教授， E-mail： chunxia815@yahoo.com.cn 作者单位： 四川大学华西公共卫生学院流行病与卫生统计学教研室， 成都， 610041 经济学评价更关注的却是临床和经济学相关的终点结果。 然而 长期随访的临床研究一般很难达到， 并且与长期结果相关的临 床花费也很难收集。 在这样的情况下， 决策模型用来对中期结 果进行一个长期的推断是非常有效的。 （3） Markov 链就是一 种随机事件序列， 它将来的取值只与现在的取值有关， 而与过 去的取值无关， 这也就是它的 “无后效性” 或者说是 “无记忆 性”。 （4） 决策分析模型可以讲临床试验与对照组的用药安全 性， 质量和有效性进行评价， 因为决策制定这可以根据现存药 物的在治疗过程中的价值和有效性参数带入模型中， 直接评价 药物的价值。 Markov 模型中包括模拟疾病的转归， 复发， 从 而利用 Markov 模型提出更多有争论性的问题。 此文章目的在于综述 Markov 模型建模的过程， 从而使我 们能了解并将决策分析模型应用在医疗保健， 医药的卫生经济 学评价过程中。 下面我们讲介绍决策分析在临床实验的卫生经 济学评价的步骤。 1 确定疾病的演变状态马尔可夫链 （Markov chain） Markov chain 就是一种随机事件序列， 它将来的取值只与 1650· · Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 现代预防医学 2011 年第 38 卷第 9 期 Modern Preventive Medicine， 2011， Vol.38， NO.9 现在的取值有关， 而与过去的取值无关， 即 Markov 链为无后 效性的离散性随机过程。 假定某事件经历 k 个状态， 第 k 个状 态为吸收态 （随机事件不能从吸收态向其他状态转移）， 若定 义事件的任一状态为 i状态， 则状态可在 1， 2， ni， nk 之间互 相转移， 且 k 个状态间是互斥的。 其状态随机变量定义为： Xt = i （t = 1， 2， n； i = 1， 2， n， k）。 以食管癌的复发为例， 患 者一生可能处于食管癌， 正常， 死亡 3 种状态， 图 1 为食管癌 的复发患者的Markov 3 种转移模型。 图 1 食管癌复发患者的三种可能的 Markov 转移模型 2 确定临床试验的干预措施， 干预人群以及主要结果 在确定临床试验的干预措施， 干预人群以及主要结果的同 时， 研究的随访期限也必须确定。 当然， 明确疾病的演变状态 即自然史是建立自然史的基础。 3 确定概率值 将整个研究的期间分成相等的时间周期， 每个周期称为循 环周期。 在每一个周期中每个状态可以向其他状态转移， 也可 以保持不变仍为原态。 通常循环是根据临床意义设定的。 如一 些慢性疾病经过治疗后， 在短时间内病程不会发生很大的变 化， 故常选择半年或 1 年作为循环周期。 而一些传染性疾病， 常选用 1 个月做为循环周期。 对大多是慢性病而言， 其不良事 件在整个寿命周期内都可能发生， 但发生的频率相对较低， 对 于食管癌等恶性肿瘤， 通常取一年为一个循环周期。 转移概率 是指病人在一个循环周期内从一个状态转移到其他状态的可能 性， 通常结合有关的临床研究或流行病调查结果进行统计， 一 般从发表的文献资料中获得， 但又是报道的转移概率的时间单 位与所用的循环周期不同， 如一个恶性肿瘤治疗中得到的 5 年 生存率， 这是不能简单的讲其除以 5 来估计每年的平均生存 率， 应按照公式 P=（Pt）1 ／t换算， 其中 P 为一个循环周期内的转 移概率， 这样估计的假设是每一个循环的转移概率恒定 ［1］。 模 型概率值的主要来源与参考文献， 如 Meta 分析结果， 临床实 验以及前瞻性的随访实验， 数学模型或专家 意见 文理分科指导河道管理范围浙江建筑工程概算定额教材专家评审意见党员教师互相批评意见 。 根据临床证 据等级金字塔结构也可用于可以将概率值来源的资料的评价 上。 当然， 最高等级的概率来源为完全随机临床实验和前瞻性 的实验， 随后是横断面研究。 模型模拟的概率值和专家意见一 般有效性都很低。 当然， 当前数学模型 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 获得概率值， 包括死亡概率， 多 因素回归分析， 贝叶斯 定理 三点共线定理勾股定理的证明证明勾股定理共线定理面面垂直的性质定理 分析和。 通常用 Delphi 法来分析 和收集专家的意见 （通常需要 7～15 名专家）。 4 健康效用值和成本确定 健康效益值和成本是分开计算的。 健康效用值是指质量调 整生命年的调整权重值， 通常为 0～1 之间 ［2］， 完全健康为 1， 死亡为 0， 但如果一些疾病过程状态是疾病状态比死亡还痛 苦， 病人宁愿死亡， 此时的健康效用值可以取负值。 一般有三 种方法能评价健康效益值： 直观模拟标度尺方法， 博弈法， 和 时间权衡法这 3 种方法。 Brazier 指出虽然用不同的量表工具测 量出的健康效益值不相同， 比如说用博弈法和时间权衡法通常 用在测量理论上的有效性 ［3］。 不同健康状态的成本花费的变化 值很大， 成本是指为过程增值和结果有效已付出或应付出的资 源代价。 从消费者的角度， 成本是其购买一件商品或者接受一 项服务所支付的价格。 在医疗服务过程中， 患者的成本是为了 获得医疗服务所付出的代价。 通常根据每个健康状态和每个周 期消耗的成本是指患者因病消耗的医疗资源和或用于这种治疗 的其他损失。 从提供者的角度， 成本是生产一定产品所需的资 源的货币总和。 在医疗服务过程中， 医疗服务成本是医疗服务 机构或者提供者为了产出一定的医疗服务所消耗的所有资源的 货币总和。 成本通常包括直接成本， 间接成本， 无形成本和其 他成本。 直接成本是指病人支付的直接诊疗费用， 以及在接受 治疗过程中所支付的与疾病诊疗有关的间接费用， 如营养费、 交通费和住宿费等。 间接成本指疾病治疗期间， 患者及其亲友 误工而引起的社会和家庭目前价值和未来价值的损失， 或因损 失生命带来的成本损失， 因为它较难计算， 所以在经济学评价 当中仍然有争议。 无形成本是指疼痛成本和其他的财政收入结 果； 其他成本通常值增量成本和边际成本等。 我们在卫生经济 评价中所计算的资源消耗通常指每个周期中所用的直接成本。 5 健康相关结果计算以及成本和增量成本计算 期望寿命值和成本以及增量成本的计算。 通常如果通过手 工计算健康效益值和成本的工作量是非常巨大， 而且也非常繁 琐和难于计算。 然后， 通过使用 TreeAge 软件计算相应的值就 非常容易。 期望寿命值可以通过各个接点之间的相互循环的相 互累加而得到。 增量成本分析需要对健康期望寿命值和成本进 行计算而得到， 增量成本效益也可以通过计算获得， 例如治疗 方法 1 疾病可以将病人的寿命延长 A1年， 花费 B1元， 治疗方 法 2 延长 A2年， 花费 B2元， 那么治疗方法 2 相对与治疗方法 1 的增量成本效果比是 （B2-B1） ／ （A2-A1）。 可以通过增量成本 效果比选择适宜的 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 进行疾病的治疗。 6 敏感度分析 从决策模型中得到的期望结果， 通常是我们带入值计算而 得的平均值。 敏感度分析指对决策分析的结果进行敏感性分析 的目的是测试决策分析结果的真实性和稳定性。 敏感性分析所 要解决的是， 当机会事件发生概率、 成本费用或结局的效用值 在一定的范围内波动时， 决策分析的结果是否稳定或是否具有 真实性， 即最优方案是否改变。 随着参数的改变不能引起最优 治疗方案的改变时， 分析具有较好的稳定性。 Brennan 和 Brig- gs 建议要对模型的效果进行敏感度分析， 并提出了自然决策随 机方法和蒙特卡罗拟合 ［4，5］。 自然决策随机方法包括敏感度分 析分为单因素敏感度分析和多因素敏感度分析。 单因素敏感性 分析是指某一个变量值发生变化， 而其他变量值固定不变时进 行的敏感性分析， 如果这个变量值的变化影响了分析的结论， 1651· · Administrator 高亮 Administrator 高亮 Administrator 高亮 现代预防医学 2011 年第 38 卷第 9 期 Modern Preventive Medicine， 2011， Vol.38， NO.9 那么分析是 “敏感的”， 否则分析 “不敏感”。 同时改变两个因 素进行的敏感性分析为双因素敏感性分析 ［6］， 模特卡罗拟合分 析是包括了将各种关键值的概率的变异和各个期望值的分布整 合的分析［5］。 通过上述的 5 个方面， 就能建立一个完整的决策分析模 型， 并且通过决策分析模型对疾病相关的费用， 成本， 效果， 效益以及效用值进行计算， 通过这些值的计算可以对与疾病相 关的治疗或干预方案进行评价， 以下我们分析了决策分析模型 在卫生领域的具体应用。 首先能够评价临床试验的干预效果。 大多数临床试验的观 察期是有限的， 仅能对临床干预的短期效果进行评价。 但许多 慢性疾病治疗的近期效果往往与患者远期预后、 生命质量甚至 期望寿命、 及将来的治疗费用密切相关。 用 Markov 模型结合 临床试验的资料， 估计临床干预的远期效果可为临床决策者提 供宝贵的信息。 美国的 Allen 等 ［7］， 通过对 4 种直肠出血的诊 断学的成本效果评价结果可知直肠镜检对于年龄在 45 岁以上 人群进行检查时每 QALY 可以减少花费 1 686 美元， 当年龄在 80 岁的人群进行检查， 或是直肠癌的患病率在 7%时， 相应的 检查方案能够增加的生命年非常低， 同时， FS+ACBE 这种检 查方案相对而言价格更高而且效果更差。 在相应的敏感度分析 中， 直肠癌的与可屈性乙状结肠镜检查相比的增量成本效果总 是低于 34 000 美元。 从而推断直肠镜检对于 45 岁以上人群进 行检查与其他方法相比， 花费更少的钱能更多的增加患者的生 命调整质量年。 日本的 Yasuaki 等 ［8］脉疾病在有二型糖尿病和 粥样硬化的无症状高危人群中的筛查发现与不筛查项目， 对于 60 岁拥有高血压和吸烟的人群采用心电图的方法筛查的 QALY 值的增量成本效果分析表明每增加一个 QALY 只需花费 41 600 美元。 而使用超声心动图的增量成果效果更好， 只需花费 40 800 美元就能增加一个 QALY 值。 敏感度分析表明， 年龄， 相 关冠状动脉疾病的危险因素， 和实验方法的灵敏读对结果有影 响。 其次可以通过决策分析模型对疾病的发病情况或死亡情况 进行分析， 做出科学的判断和推测， 从而通过较短的时间获得 长期的效果， 对疾病的疾病的防治提出科学的依据。 王英秋等［9］ 应用马尔可夫模型对肾病综合征出血热流行趋势， 研究者将从 1965 年近 30 年的年肾综合症出血热的发病率划分为 4 个不同 状态， 应用马尔可夫模型对其的流行趋势进行预测。 研究者首 先根据近 30 年疫情资料确定各状态取值范围， 并按其划分状 态， 然后再求各状态相互转移出现的频率， 确定一阶概率转移 矩阵， 分别取各阶概率矩阵中最大转移概率做出预报。 建立马 尔可夫模型预测从 1998 年至今的肾综合症出血热发病率均保 持在 5 ／ 105 以下， 与 1998 年实际发病率为 1.79 ／ 105 的结果相 符合。 徐兴福等［10］通过应用马尔可夫模型通过 1980~2004 年痢 疾的发病率资料， 对细菌性痢疾 2005~2009 年至今的发病率进 行预测， 2005 年的发病率为 58.68 ／ 105， 而预测结果为 2005 年 在 80 ／ 105 以下， 与实际情况符合。 但是马尔可夫模型预测是 一种区间预测， 虽然降低了预测的精确读， 但提高了预测的准 确度， 同时， Markov 模型进行预测 ， 过程简明 ， 便于操作 ， 特别适用于有波动性改变的疾病资料， 关键是要有足够长的时 间序列资料， 才能保证处理结果的可靠性［11，12］。 还可以通过马尔可夫模型自然史进行推测， 和提供相关的 临床资料。 可以通过对疾病以往的队列研究的随访资料， 建立 疾病的自然史模型， 在马尔可夫模型中采用队列资料列出自然 史的主要特征参数， 对自然史模型进行估计［13~15］。 综上所述， 由于马尔可夫模型只需要考虑事件本身的自然 史特点， 不需要从复杂的预测因子中寻找各因素之间的相互规 律， 通过计算状态转移概率预测内部状态的变化， 所以马尔可 夫模型在疾病发病趋势预测和临床实验方案方面的评价上有广 泛的实用性［16］。 由于许多慢性病呈现多状态、 多阶段进程的特 点， 慢性病在不同发展阶段， 一些影响因素随着时间和疾病状 态的改变而改变［17］， 经典 Cox 回归等常规的生存分析方法已无 能为力， 马尔可夫模型可以模拟整个疾病过程来分析疾病不同 发展阶段的影响因素， 可见马尔可夫模型的不可替代性。 通过 对卫生决策模型即马尔可夫模型的上述讨论， 我们可以看出， 此模型在卫生经济学评价， 疾病发病推测以及自然史估计中的 地位和广泛的实用性。 参考文献： 王倩， 金丕焕. Markov 模型在卫生经济学评价的应用 ［J］. 中国 卫生统计学， 2000， 17 （2）： 86-88. Furlong W， Feeny D， Torrance G， et al. Guide to design and de- velopment of Health-state utility instrumentation： Center for Health Economics and Policy Analysis Working Papar. Hamilton， Ontario， Canada： Mc Master University， 1990. Brazier JE， Roberts J， Platts M， et al. Estimating a preference- based index for a menopause specific health quality of life question- naire［J］. Health Qual Life Outcomes， 2005， 15 （3）： 13. Briggs HA． Handling Uncertainty in Cost - Effectiveness Models ［J］. Pharmacoeconomics， 17： 479-500. Nuijten MIC． Incorporation of Statistical Uncertainty in Health E- conom icM odell ing Studies Using Second 一 0rder M onte Carlo Simulations．Pharmacoeconom ics， 22： 759-769. TreeAge Pro 2006 User’s Guide ［M］. Williamstown， the USA： TreeAge Software Inc， 2006. 178-180. Allen E， Nicolaidis C， Helfand M. The evaluation of rectal bleed- ing in adults. A cost-effectiveness analysis comparing four diagnos- tic strategies［J］. J Gen Intern Med， 2005， 20 （1）： 81-90. Hayashino Y， Nagata Kobayashi S， Morimoto T， et al. Cost-effec- tiveness of screening for coronary artery disease in asymptomatic patients with Type 2 diabetes and additional atherogenic risk factors ［J］. J Gen Intern Med， 2004， 19 （12）： 1181-1191. 王英秋， 阎荣久， 李伟. 应用 Markov 模型预测桦甸市肾综合征 出血热流行趋势［J］. 职业与健康， 2000， 16 （9）： 73-74. 徐兴福， 谭永达， 鲁秀娟. 应用 Markov 模型预测细菌性痢疾发 病率［J］. 浙江预防医学， 2007， 19 （3）： 23-25. 李洪杰 ， 王虹 ， 魏宗仁 . 龙泉市流行性出血热发病趋势的 Markov 模型预测［J］. 现代预防医学， 1998， 25 （4）： 452-453. 康殿民， 张延学， 张静， 等. 应用 Markov 模型预测山东省出血 热流行趋势的研究［J］. 预防医学文献信息， 1996， （3）： 211. 王倩， 金王焕， 林果为. 筛查幽门螺杆菌预防胃癌的 Markov 模 型卫生经济学评价 ［J］. 中华流行病学杂， 2003， 24 （2）： 135- 139. Day NE， Walter SD. Simplified models of screening for chronic disease： estimation Procedures from mass screening Programmers ［J］. Biometrics， 1984， 40： 1-14. Brookmeyer R， Day NE. Two-stage models for the analysis of caner screening data ［J］. Biometrics， 1987： 657-669. 吴晶 ， 黄泰康 . 马尔可夫模型及其在药品经济预测中的应用 ［J］. 中华药剂学， 2005， 16 （14）： 1049-1050. 蔡全才， 姜庆五， 郭强， 等. 疾病传播动力学研究中的流行模拟 方法［J］. 第二军医大学学报， 2005， 26 （3）： 310-313. （收稿日期： 2010-05-10） ［ 1 ］ ［ 2 ］ ［ 3 ］ ［ 4 ］ ［ 5 ］ ［ 6 ］ ［ 7 ］ ［ 8 ］ ［ 9 ］ ［10 ］ ［11 ］ ［12 ］ ［13 ］ ［14 ］ ［15 ］ ［16 ］ ［17 ］ 1652· · Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮 Administrator 高亮