前言：尋找寫作靈感？中文期刊網用心挑選的探索衛生經濟決策模型的意義，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
作者：楊淑娟 溫圓圓 邵英 牛謹 楊春霞 單位：四川大學華西公共衛生學院流行病與衛生統計學教研室
衛生經濟決策模型-即馬爾可夫模型或稱決策分析模型已經被廣泛應用在醫療保健項目的成本-效果，成本-效益，及成本-效用的評價上。盡管決策模型在模擬多變的現實生活中的衛生經濟學情況非常有限，并且可信性也很低，但決策模型卻在衛生經濟學中有不可替代的地位。
決策分析模型有如下幾個特點：（1）擴展臨床試驗的結果，臨床試驗由于投入成本的有限性，通常隨訪時間較短。決策模型卻能幫助我們將較短隨訪的試驗數據進行將來推測，對將來的成本-效果進行評價。這里的包括了講短期的結果和成本延展為一個長期的結果和成本，同時將成本的有效性帶入模型中，進行衛生經濟學的評價。（2）在臨床研究中，有些臨床試驗可能由于經費有限，只能評價中期結果，而臨床和衛生經濟學評價更關注的卻是臨床和經濟學相關的終點結果。然而長期隨訪的臨床研究一般很難達到，并且與長期結果相關的臨床花費也很難收集。在這樣的情況下，決策模型用來對中期結果進行一個長期的推斷是非常有效的。（3）Markov鏈就是一種隨機事件序列，它將來的取值只與現在的取值有關，而與過去的取值無關，這也就是它的“無后效性”或者說是“無記憶性”。（4）決策分析模型可以講臨床試驗與對照組的用藥安全性，質量和有效性進行評價，因為決策制定這可以根據現存藥物的在治療過程中的價值和有效性參數帶入模型中，直接評價藥物的價值。Markov模型中包括模擬疾病的轉歸，復發，從而利用Markov模型提出更多有爭論性的問題。此文章目的在于綜述Markov模型建模的過程，從而使我們能了解并將決策分析模型應用在醫療保健，醫藥的衛生經濟學評價過程中。下面我們講介紹決策分析在臨床實驗的衛生經濟學評價的步驟。
1確定疾病的演變狀態馬爾可夫鏈（Markovchain）
Markovchain就是一種隨機事件序列，它將來的取值只與現在的取值有關，而與過去的取值無關，即Markov鏈為無后效性的離散性隨機過程。假定某事件經歷k個狀態，第k個狀態為吸收態（隨機事件不能從吸收態向其他狀態轉移），若定義事件的任一狀態為i狀態，則狀態可在1，2，ni，nk之間互相轉移，且k個狀態間是互斥的。其狀態隨機變量定義為：Xt=i（t=1，2，n；i=1，2，n，k）。以食管癌的復發為例，患者一生可能處于食管癌，正常，死亡3種狀態，圖1為食管癌的復發患者的Markov3種轉移模型。
2確定臨床試驗的干預措施，干預人群以及主要結果
在確定臨床試驗的干預措施，干預人群以及主要結果的同時，研究的隨訪期限也必須確定。當然，明確疾病的演變狀態即自然史是建立自然史的基礎。
3確定概率值
將整個研究的期間分成相等的時間周期，每個周期稱為循環周期。在每一個周期中每個狀態可以向其他狀態轉移，也可以保持不變仍為原態。通常循環是根據臨床意義設定的。如一些慢性疾病經過治療后，在短時間內病程不會發生很大的變化，故常選擇半年或1年作為循環周期。而一些傳染性疾病，常選用1個月做為循環周期。對大多是慢性病而言，其不良事件在整個壽命周期內都可能發生，但發生的頻率相對較低，對于食管癌等惡性腫瘤，通常取一年為一個循環周期。轉移概率是指病人在一個循環周期內從一個狀態轉移到其他狀態的可能性，通常結合有關的臨床研究或流行病調查結果進行統計，一般從發表的文獻資料中獲得，但又是報道的轉移概率的時間單位與所用的循環周期不同，如一個惡性腫瘤治療中得到的5年生存率，這是不能簡單的講其除以5來估計每年的平均生存率，應按照公式P=（Pt）1／t換算，其中P為一個循環周期內的轉移概率，這樣估計的假設是每一個循環的轉移概率恒定［1］。模型概率值的主要來源與參考文獻，如Meta分析結果，臨床實驗以及前瞻性的隨訪實驗，數學模型或專家意見。根據臨床證據等級金字塔結構也可用于可以將概率值來源的資料的評價上。當然，最高等級的概率來源為完全隨機臨床實驗和前瞻性的實驗，隨后是橫斷面研究。模型模擬的概率值和專家意見一般有效性都很低。當然，當前數學模型方法獲得概率值，包括死亡概率，多因素回歸分析，貝葉斯定理分析和。通常用Delphi法來分析和收集專家的意見（通常需要7～15名專家）。
4健康效用值和成本確定
健康效益值和成本是分開計算的。健康效用值是指質量調整生命年的調整權重值，通常為0～1之間［2］，完全健康為1，死亡為0，但如果一些疾病過程狀態是疾病狀態比死亡還痛苦，病人寧愿死亡，此時的健康效用值可以取負值。一般有三種方法能評價健康效益值：直觀模擬標度尺方法，博弈法，和時間權衡法這3種方法。Brazier指出雖然用不同的量表工具測量出的健康效益值不相同，比如說用博弈法和時間權衡法通常用在測量理論上的有效性［3］。不同健康狀態的成本花費的變化值很大，成本是指為過程增值和結果有效已付出或應付出的資源代價。從消費者的角度，成本是其購買一件商品或者接受一項服務所支付的價格。在醫療服務過程中，患者的成本是為了獲得醫療服務所付出的代價。通常根據每個健康狀態和每個周期消耗的成本是指患者因病消耗的醫療資源和或用于這種治療的其他損失。從提供者的角度，成本是生產一定產品所需的資源的貨幣總和。在醫療服務過程中，醫療服務成本是醫療服務機構或者提供者為了產出一定的醫療服務所消耗的所有資源的貨幣總和。成本通常包括直接成本，間接成本，無形成本和其他成本。直接成本是指病人支付的直接診療費用，以及在接受治療過程中所支付的與疾病診療有關的間接費用，如營養費、交通費和住宿費等。間接成本指疾病治療期間，患者及其親友誤工而引起的社會和家庭目前價值和未來價值的損失，或因損失生命帶來的成本損失，因為它較難計算，所以在經濟學評價當中仍然有爭議。無形成本是指疼痛成本和其他的財政收入結果；其他成本通常值增量成本和邊際成本等。我們在衛生經濟評價中所計算的資源消耗通常指每個周期中所用的直接成本。
5健康相關結果計算以及成本和增量成本計算
期望壽命值和成本以及增量成本的計算。通常如果通過手工計算健康效益值和成本的工作量是非常巨大，而且也非常繁瑣和難于計算。然后，通過使用TreeAge軟件計算相應的值就非常容易。期望壽命值可以通過各個接點之間的相互循環的相互累加而得到。增量成本分析需要對健康期望壽命值和成本進行計算而得到，增量成本效益也可以通過計算獲得，例如治療方法1疾病可以將病人的壽命延長A1年，花費B1元，治療方法2延長A2年，花費B2元，那么治療方法2相對與治療方法1的增量成本效果比是（B2-B1）／（A2-A1）?？梢酝ㄟ^增量成本效果比選擇適宜的方案進行疾病的治療。6敏感度分析從決策模型中得到的期望結果，通常是我們帶入值計算而得的平均值。敏感度分析指對決策分析的結果進行敏感性分析的目的是測試決策分析結果的真實性和穩定性。敏感性分析所要解決的是，當機會事件發生概率、成本費用或結局的效用值在一定的范圍內波動時，決策分析的結果是否穩定或是否具有真實性，即最優方案是否改變。隨著參數的改變不能引起最優治療方案的改變時，分析具有較好的穩定性。Brennan和Brig-gs建議要對模型的效果進行敏感度分析，并提出了自然決策隨機方法和蒙特卡羅擬合［4，5］。自然決策隨機方法包括敏感度分析分為單因素敏感度分析和多因素敏感度分析。單因素敏感性分析是指某一個變量值發生變化，而其他變量值固定不變時進行的敏感性分析，如果這個變量值的變化影響了分析的結論，那么分析是“敏感的”，否則分析“不敏感”。同時改變兩個因素進行的敏感性分析為雙因素敏感性分析［6］，模特卡羅擬合分析是包括了將各種關鍵值的概率的變異和各個期望值的分布整合的分析［5］。通過上述的5個方面，就能建立一個完整的決策分析模型，并且通過決策分析模型對疾病相關的費用，成本，效果，效益以及效用值進行計算，通過這些值的計算可以對與疾病相關的治療或干預方案進行評價，以下我們分析了決策分析模型在衛生領域的具體應用。#p#分頁標題#e#
首先能夠評價臨床試驗的干預效果。大多數臨床試驗的觀察期是有限的，僅能對臨床干預的短期效果進行評價。但許多慢性疾病治療的近期效果往往與患者遠期預后、生命質量甚至期望壽命、及將來的治療費用密切相關。用Markov模型結合臨床試驗的資料，估計臨床干預的遠期效果可為臨床決策者提供寶貴的信息。美國的Allen等［7］，通過對4種直腸出血的診斷學的成本效果評價結果可知直腸鏡檢對于年齡在45歲以上人群進行檢查時每QALY可以減少花費1686美元，當年齡在80歲的人群進行檢查，或是直腸癌的患病率在7%時，相應的檢查方案能夠增加的生命年非常低，同時，FS+ACBE這種檢查方案相對而言價格更高而且效果更差。在相應的敏感度分析中，直腸癌的與可屈性乙狀結腸鏡檢查相比的增量成本效果總是低于34000美元。從而推斷直腸鏡檢對于45歲以上人群進行檢查與其他方法相比，花費更少的錢能更多的增加患者的生命調整質量年。日本的Yasuaki等［8］脈疾病在有二型糖尿病和粥樣硬化的無癥狀高危人群中的篩查發現與不篩查項目，對于60歲擁有高血壓和吸煙的人群采用心電圖的方法篩查的QALY值的增量成本效果分析表明每增加一個QALY只需花費41600美元。而使用超聲心動圖的增量成果效果更好，只需花費40800美元就能增加一個QALY值。敏感度分析表明，年齡，相關冠狀動脈疾病的危險因素，和實驗方法的靈敏讀對結果有影響。
其次可以通過決策分析模型對疾病的發病情況或死亡情況進行分析，做出科學的判斷和推測，從而通過較短的時間獲得長期的效果，對疾病的疾病的防治提出科學的依據。王英秋等［9］應用馬爾可夫模型對腎病綜合征出血熱流行趨勢，研究者將從1965年近30年的年腎綜合癥出血熱的發病率劃分為4個不同狀態，應用馬爾可夫模型對其的流行趨勢進行預測。研究者首先根據近30年疫情資料確定各狀態取值范圍，并按其劃分狀態，然后再求各狀態相互轉移出現的頻率，確定一階概率轉移矩陣，分別取各階概率矩陣中最大轉移概率做出預報。建立馬爾可夫模型預測從1998年至今的腎綜合癥出血熱發病率均保持在5／105以下，與1998年實際發病率為1.79／105的結果相符合。徐興福等［10］通過應用馬爾可夫模型通過1980~2004年痢疾的發病率資料，對細菌性痢疾2005~2009年至今的發病率進行預測，2005年的發病率為58.68／105，而預測結果為2005年在80／105以下，與實際情況符合。但是馬爾可夫模型預測是一種區間預測，雖然降低了預測的精確讀，但提高了預測的準確度，同時，Markov模型進行預測，過程簡明，便于操作，特別適用于有波動性改變的疾病資料，關鍵是要有足夠長的時間序列資料，才能保證處理結果的可靠性［11，12］。還可以通過馬爾可夫模型自然史進行推測，和提供相關的臨床資料?？梢酝ㄟ^對疾病以往的隊列研究的隨訪資料，建立疾病的自然史模型，在馬爾可夫模型中采用隊列資料列出自然史的主要特征參數，對自然史模型進行估計［13~15］。
綜上所述，由于馬爾可夫模型只需要考慮事件本身的自然史特點，不需要從復雜的預測因子中尋找各因素之間的相互規律，通過計算狀態轉移概率預測內部狀態的變化，所以馬爾可夫模型在疾病發病趨勢預測和臨床實驗方案方面的評價上有廣泛的實用性［16］。由于許多慢性病呈現多狀態、多階段進程的特點，慢性病在不同發展階段，一些影響因素隨著時間和疾病狀態的改變而改變［17］，經典Cox回歸等常規的生存分析方法已無能為力，馬爾可夫模型可以模擬整個疾病過程來分析疾病不同發展階段的影響因素，可見馬爾可夫模型的不可替代性。通過對衛生決策模型即馬爾可夫模型的上述討論，我們可以看出，此模型在衛生經濟學評價，疾病發病推測以及自然史估計中的地位和廣泛的實用性。
