药物经济学-药物经济学评价中的模型技术 PPT课件

马尔科夫模型通常代表时间发展的随机过 程。 在医疗领域，尤其适用于模拟慢性疾病的 进展。 待研究的疾病被划分为不同的状态（马尔 科夫状态），并根据各状态在一定时间内 相互间的转移概率模拟疾病的发展过程， 结合每个状态上的资源消耗和健康结果， 通过多次循环运算，估算每个阶段疾病治 疗的成本和健康产出的情况。
决策的类型
确定型决策 风险型决策 不确定性决策
指提供给决策者选择的 各种备选方案的所需条 件都已知，并能准确地 知道决策的必然结果
指针对决策者期望达到 决策者对各种自然状态 的目标，存在着两个或 发生的可能性（即概率） 两个以上不以决策者的 都无法确定。也就是说 主观意志为转移的自然 对于多种自然状态，其 状态，但每种自然状态 可能出现的概率无法获 发生的可能性（即概率） 知，只能凭借决策者的 都可以预先估计或可利 主观倾向进行决策 用文献资料得到。因此 进行这种决策时需要承 担一定的风险
• 模型可以帮助研究者更好的理解和预测其正在研究的世界或系统，无论其 是真实的或假设的
其次
• 当人们必须在不确定条件下做出决策时，模型可以帮助决策者更好地理解 将要采取的行为的结果，从而辅助决策 • 模型可以用来评估不同策略的产出，通过模型提供的信息制定最佳决策
最后
三、关于模型的一些考虑
使用模型时，对其可靠性进行质疑 是合理的考虑 模型的另一个普遍问题是缺乏透明 度
风险型决策
风险型决策是一种统计型决策，是在事物 具有某种风险和发生概率的情况下，利用 概率论、决策标准和技术经济分析方法来 权衡利弊得失，比较不同方案的成本、效 果和风险，选择适宜方案的一种系统分析 方法。 模型是常用的一种风险决策方法。
模型的作用
首先
• 当真实世界的实验不可能进行时，模型是最好的替代解决方法 • 真实世界试验不能进行的原因通常来源于成本、时间以及伦理或道德相关 的问题
三、建模实例及注意事项
1
• 决策树必须保持平衡 • 无嵌入式决策节点
2
3
• 决策树必须是对称的
• 不需要担心顺序
4
四、局限性
第一，决策树模型中的事件都被视为发生的瞬 间的离散时间段
第二，当应用于复杂的、长期的预测时（尤其 用于慢性病时），决策树模型会变得非常复杂
第三节 马尔科夫模型

马尔科夫模型
疾病 健康
死亡
马尔科夫模型三个要素
马尔科夫状 态
• 马尔科夫模型假设患者总是处于有限的健康状态中的一个，这些健 康状态即被称为马尔科夫状态。 • 为了使马尔科夫过程能够终止，模型中必须知识包括一个时患者不 能继续发生转移的状态（如死亡），这个状态被称为吸收状态
• 患者从一Байду номын сангаас健康状态转移到下一个健康状态之间的时间
逐步计算各节点治疗选项的潜在健康产出和成本
通过敏感度分析检验结果的可靠性及假设条件下关键参数的变异，以观察 不确定因素在一定范围内变化对预期结果的影响，并以最终的结果作为决 策的依据
二、建模步骤
1、建立决策树模型 画决策树，决策树需要按从左到右的顺序画
2、估算出每种状态的发生概率和每 种结果的损益值

马尔科夫模型最初由俄国著名数学家马尔 科夫开发。 马尔科夫模型在处理包含持续的风险因素 的决策问题时极其有用。
一、原理与主要构成要素


马尔科夫模型主要是用来研究系统的“状 态”及状态“转移”的一种工具。 人们在实际中常遇到具有下述特性的随机 过程，即目前已知的状态（现在）条件下， 未来演变（将来）不依赖于它以往的演变 （过去）。这种在已知“现在”的条件下， “将来”与“过去”独立的特性称为马尔 科夫性，具有这种性质的随机过程叫作马 尔科夫过程。
3、计算每种方案的期望值 通过折回决策树的方法来计算。折回的过程通常是从决策树的末梢（产出）开始，按照从 右向左的顺序，把路径概率作为权重，每个成本或效用相乘，然后对每个路径的所有加权 产出进行求和，就得到某种决策的期望值
4、根据各方案的期望值进行决策
选择的基本原则是，对比各方案分枝的健康产出期望值和成本期望值，并进行增量成本效 果分析
第二节 决策树模型


决策树（decision tree ,DT)模型是目前比 较成熟的决策分析模型之一。 在药物经济学评价中，该方法利用药物在 不同治疗阶段的治疗效果和成本构建决策 树的各个分支，进而获得药物的总体成本效果信息。
一、原理与主要构成要素
根据逻辑关系将分析我那天绘制成一个树形图，按照从树梢至树根的顺序， 列出所有可能事件的发展过程和概率



在马尔科夫过程中，状态转移过程中第n次转 移获得的状态只取决于前1次（第n-1）转移 的结果 马尔科夫模型的这种基本状态间的转移概率仅 取决于当前健康状态而不取决于已经过去的健 康状态假设，也被称为马尔科夫假设或马尔科 夫性。 对于这样的一个系统，存在着由一个状态转至 另一状态的转移概率，并且马尔科夫假设这种 转移概率可以依据其相邻的前一种状态推算出 来，而与该系统的原始状态和此次转移前的过 程无关
第七章 药物经济学评价中的模 型技术
第一节 模型概述


一、决策的概念和分类 决策是人们为了解决当前或未来可能发生 的问题，从确定行动目标，到根据客观条 件提出各种备选方案，以至经过必要的分 析、计算和判断，从中选出一个最佳方案 作为目前和今后行动的指南，并付诸实施 的整个过程。 按照决策的可靠性程度，可以将决策分为 不同的类型。
周期长度
• 患者被模型从一个状态转移到另一个状态时所依据的概率
转换概率
二、建模步骤
一、设立马尔科夫状态，并确定可能的状态转移
二、选择合适的周期长度
三、确定每个周期中各状态间的转移概率
四、对每个健康状态赋予成本和效用
三、模拟方法


（一）对列模拟 1、对列模拟原理 是最常用的模拟方法。 在队列模拟中，首先把一个假设的患者队列分配给 各初始状态。在每次循环结束时，队列从初始的每 个状态已经转换概率被重新分配到各状态。经过多 次循环在各状态中就产生了新的队列分布。 马尔科夫模型运行到初始队列都处于死亡状态为止。 2、半循环校正 为了更加准确地模拟转移的过程， 有时我们需要进行半循环校正。