来源：则裕沙龙 作者：立波
事实上，虽然决策模型技术博大精深，在医药经济学评价中常用的模型技术却并不多。我们通常所使用的模型技术是两种：决策树模型和马尔科夫模型。其中决策树模型主要用于短期、急性疾病的分析，马尔科夫模型主要用于长期、慢性疾病的分析。而其他形形色色的模型技术，大多还在学术界的游戏和研讨中，并未成熟到可以作为标准化技术应用于医药产业中。所以，了解决策树和马尔科夫这两种模型，就可以应对大部分的医药经济学评价报告了。
首先谈谈决策树模型。决策树模型的特点，是从一个基本点出发（例如：用某种技术来治疗疾病），接下来列出可能出现的各种情况（例如：治愈或恶化），每种情况后面又有不同的可能性，层层推进，直到抵达我们预设的终点情况。这是一个层层推进的决策思维过程，形成多条可能的路径。每条路径的概率是路径上每种情况的概率乘积，每条路径都有一个成本值和产出值，将各路径的成本乘以概率，并求和，就得到期望成本，同理将各路径的产出乘以概率，并求和，就得到期望产出。期望成本和期望产出即可用于经济学分析。
如下是一个简单的决策树模型。疗法A和疗法B，治疗后都会产生不同可能性，并演变成多条路径。例如最上面的一条路径是：疗法A治疗—好转—生存。这条路径的概率是疗法A治疗后好转的概率（0.8）*治疗好转后的生存概率（0.9）=0.72，这条路径的产出值是1（表述生命存在），因此这条路径的期望产出是0.72*1=0.72。和疗法A相关的路径一共可列出4条，除上面所示那条外，还有疗法A治疗—好转—死亡、疗法A治疗—未好转—生存、疗法A治疗—未好转—死亡。每条路径的概率都是路径上各状态发生概率的乘积，然后乘以路径的产出值，得到期望产出。最后将各路径的期望产出加起来，就得到疗法A的总期望产出。在本案例中，疗法A的期望产出是4条路径的期望产出之和：0.8*0.9*1+0.8*0.1*0+0.2*0.5*1+0.2*0.5*0=0.82。同理可得到疗法B的期望产出：0.6*0.9*1+0.6*0.1*0+0.4*0.5*1+0.4*0.5*0=0.74。与疗法A相比，显然B的期望产出低于A，由此决策结果是：疗法A优于疗法B。
再谈谈马尔科夫模型。对于长期的、慢性迁延的疾病，如果采用决策树模型，一步步演进会产生非常繁复的“枝丫”，难以分析和展示，此时比较适宜的就是马尔科夫模型。马尔科夫模型的特点是把疾病演进过程区分成几个互不重合的状态（例如某种肿瘤病程可分成“稳定”、“恶化”、“死亡”等几个状态），患者随着时间进展在不同疾病状态间转移（例如从“稳定”转移至“恶化”，或从“恶化”转移至“死亡”，也可能从“恶化”又回到“稳定”），从而模拟了疾病的发生发展过程。建立了马尔科夫模型，我们需要知道患者处于不同状态下的疾病成本和健康结果，然后计算患者在不同状态下的停留时间，将各状态的成本或健康结果乘以所停留时间，就可以算出期望成本和期望健康产出了。
如下是一个简单的马尔科夫模型。疾病有稳定和恶化两种状态，这两种状态都会转入死亡状态。疗法A和疗法B的疗效有差异，表现为“稳定”转向“恶化”的概率不同。假定模型一开始都是1000个患者在“稳定”状态，转换概率都是年率，即每年模型转移一次。随着时间进展，患者或保持在原状态、或迁延至其他状态，如果进入了死亡状态就不再出来（废话）。当模型运作时间超过了正常寿命或绝大多数患者都进入了死亡状态，模型运算即可结束。然后，我们可以取统计患者在各个状态中所停留的时间之和，再乘以每种状态下单位时间内的成本和健康结果，即可得到疗法A和B的期望成本和期望产出。直观地，因为疗法A中“稳定”转向“恶化”的概率低，因此患者会更多地停留在稳定，而稳定状态的成本显然低于恶化状态、稳定状态的健康结果肯定优于恶化状态，所以可以预期：疗法A的期望成本会低于B，健康结果会优于B。
用如下的表格可以显示具体的计算过程。假定一开始疗法A和B组都有1000例在稳定期。通过如上的转移概率，疗法A组到了第1年末，稳定状态中的人数为：1000-1000*0.3-1000*0.01=690。到了第2年末，稳定状态中人数为：690-690*0.3-690*0.01+300*0.1=506。其他状态的人数依此类推。每一年的人数，都是上一年的人数加上流入人数、减去流出人数。如果模型推断10年后结束，则我们可以计算在不同状态下停留的总时间。将状态下停留时间乘以该状态下的成本和健康结果，即可得到期望成本和期望健康产出，从而可进行性价比分析。从计算表中可见，由于疗法A中“稳定”转入“恶化”的概率低，所以该组患者停留在稳定状态时间多、停留在恶化状态时间少、进入死亡状态的人数也少，显示了更好的治疗结果。
本文章不代表则裕沙龙的观点。
转载时必须注明来源和作者，否则视为侵权。
投稿邮箱：
zysl2016@126.com