药物经济学评价技能
Overview
此技能提供全面的药物经济学评价指导，包括成本-效果分析、成本-效用分析、成本-效益分析、敏感性分析和模型构建。遵循最新版的中国药物经济学评价指南，为医疗卫生干预措施的经济评价提供完整的工作流程、计算工具和参考文献。
评价类型选择
根据研究目的和数据特点选择合适的评价类型：
- 成本-效果分析 (CEA)：干预效果可用单一临床指标（如生命年、生存率）衡量时使用
- 成本-效用分析 (CUA)：需要同时考虑生存质量和生存时间时使用，效果指标为QALYs
- 成本-效益分析 (CBA)：干预效果可以用货币单位衡量时使用
- 成本-最小化分析 (CMA)：两种干预方案效果证实时使用，仅比较成本
核心工作流程
步骤 1：确定研究框架
-
定义研究问题
- 明确目标疾病和目标人群
- 确定评价的干预措施和对照
- 设定研究视角（推荐：社会视角） -
选择评价类型
- 根据效果指标性质选择 CEA、CUA、CBA 或 CMA
- 长期研究考虑贴现（成本和效果均需贴现）
- 中国推荐贴现率：4.5% -
确定分析时间范围
- 慢性疾病：通常采用终身或足够长的时间范围（95%以上研究对象进入了死亡状态）
- 急性疾病：短期随访（1-3年）
步骤 2：收集和识别成本
遵循中国药物经济学评价指南识别成本：
直接医疗成本
- 药品费用
- 门诊费用
- 住院费用
- 检查检验费用
- 手术治疗费用
- 不良事件治疗费用
直接非医疗成本
- 交通费用
- 住宿费用
- 营养支持费用
- 非专业护理费用
间接成本
- 生产力损失（早亡或病假）
- 陪护成本与损失
无形成本
- 疼痛、焦虑、生活质量下降等不纳入货币成本，在效用分析中考虑
成本数据来源：
- 医院信息系统
- 医保数据库
- 流行病学研究
- 文献综述
- 问卷调查
步骤 3：测量效果/效用
效果指标选择
- 生存指标：生命年 (LY)、生存率
- 疾病特异性指标：无事件生存时间、症状改善
- 其他：并发症发生率、住院次数
效用测量（推荐使用间接测量法）
- EQ-5D（欧洲五维健康量表）
- SF-6D（基于SF-36）
效用值来源优先级：
1. 基于目标人群的原始研究数据（最佳）
2. 已发表的中国人群效用值
3. 其他国家人群的效用值数据
步骤 4：构建决策分析模型
根据研究特点选择合适的模型类型：
决策树模型
- 适用场景：短期、单次决策、事件顺序明确
- 优点：直观、易于理解、适合分析决策过程
- 步骤：
1. 定义决策节点、机会节点、终端节点
2. 为每个机会节点分配概率（概率和为1）
3. 为每个终端节点分配成本和效果
4. 折回计算期望值
5. 比较决策选项
马尔可夫模型
- 适用场景：慢性疾病、长期随访、需要处理循环事件
- 优点：可处理疾病状态的周期性转移、结构清晰
- 步骤：
1. 定义健康状态（如：健康、轻度、中度、重度、死亡）
2. 构建转移矩阵（描述状态间转移概率）
3. 估计转移概率（从发生率、生存曲线或文献）
4. 为每个状态分配周期成本和效用
5. 设定周期长度（通常为1年）和模型时限（终身或95%以上研究对象进入死亡状态）
6. 进行马尔可夫模拟
离散事件模拟 (DES)
- 适用场景：个体差异大、事件时间不规律、需要处理资源限制
- 优点：最灵活、可模拟个体路径、精确建模时间依赖关系
- 步骤：
1. 定义实体（患者）及其属性
2. 定义可能的事件类型
3. 建立事件调度机制
4. 执行模拟
5. 汇总分析结果
分区生存模型 (PSM)
- 适用场景：肿瘤学研究、基于生存曲线
- 优点：直接基于生存数据、外推合理
- 步骤：
1. 获取PFS和OS生存曲线
2. 使用参数化分布拟合曲线（指数、威布尔等）
3. 外推到模型时限
4. 计算各分区的人数分布
5. 累积成本和效用
详细建模方法参考：references/model_methods.md
步骤 5：计算核心指标
使用 scripts/ 中的计算工具：
增量成本-效果比 (ICER)
使用 scripts/cost_effectiveness_analysis.py 中的 calculate_icere() 函数：
from cost_effectiveness_analysis import calculate_icere
result = calculate_icere(
cost_intervention, # 干预组成本
effect_intervention, # 干预组效果（如QALYs）
cost_control, # 对照组成本
effect_control, # 对照组效果
threshold=100000 # 支付阈值（最新的中国1倍人均GDP/QALY）
)
ICER计算公式：
[ ICER = \frac{C_A - C_B}{E_A - E_B} = \frac{\Delta C}{\Delta E} ]
质量调整生命年 (QALYs)
使用 scripts/cost_effectiveness_analysis.py 中的 calculate_qaly() 函数：
from cost_effectiveness_analysis import calculate_qaly
qalys = calculate_qaly(
life_years=10, # 生命年
utility_scores=np.array([...]), # 各时期效用分数
discount_rate=0.45 # 贴现率
)
QALY计算公式：
[ QALY = \sum_{t=1}^{T} U_t \times \frac{1}{(1+r)^{t-1}} ]
净收益 (Net Benefit)
[ NB = \lambda \times E - C ]
其中：
- NB = 净收益
- λ = 支付阈值
- E = 效果
- C = 成本
步骤 6：进行敏感性分析
单因素敏感性分析
使用 scripts/cost_effectiveness_analysis.py 中的 deterministic_sensitivity_analysis() 函数：
from cost_effectiveness_analysis import deterministic_sensitivity_analysis
# 定义参数范围
param_ranges = {
'drug_cost': (10000, 20000),
'hospital_cost': (5000, 15000),
'effectiveness': (0.8, 1.2)
}
# 执行敏感性分析
results_df = deterministic_sensitivity_analysis(
base_params=base_parameters,
param_ranges=param_ranges,
outcome_func=outcome_function
)
龙卷风图数据准备：使用 tornado_plot_data() 函数
概率敏感性分析 (PSA)
使用 scripts/monte_carlo_simulation.py 中的 MonteCarloSimulator 类：
from monte_carlo_simulation import MonteCarloSimulator
# 创建模拟器
simulator = MonteCarloSimulator(n_simulations=10000, seed=42)
# 定义参数分布
parameters = {
'cost': {
'distribution': 'gamma',
'params': (2, 15000), # shape, scale
'min_value': 0
},
'effect': {
'distribution': 'beta',
'params': (5, 3), # alpha, beta
'min_value': 0,
'max_value': 10
}
}
# 执行PSA
results_df = simulator.probabilistic_sensitivity_analysis(
parameters=parameters,
outcome_func=outcome_function,
threshold=120000
)
生成成本-效果可接受曲线 (CEAC)：使用 generate_ceac() 函数
价值信息分析 (VOI)：使用 value_of_information_analysis() 函数
步骤 7：结果解释与报告
支付阈值（中国参考）
- 1倍人均GDP/QALY：约 100,000元
- 2倍人均GDP/QALY：约 200,000元
- 3倍人均GDP/QALY：约 300,000元
结果解释
- ICER ≤ 支付阈值：具有成本效果
- ICER > 支付阈值：不具有成本效果
- 严格优势：成本更低且效果更好
- 严格劣势：成本更高且效果更差
报告要求
遵循 最新版CHEERS声明和最新版中国药物经济学评价指南：
1. 清晰描述研究设计和方法
2. 报告基线分析结果
3. 提供敏感性分析结果（单因素和概率敏感性）
4. 报告结果的置信区间
5. 讨论研究局限性和推广性
6. 明确声明资助来源和潜在利益冲突
详细指南参考：references/china_guidelines.md
Scripts 使用指南
cost_effectiveness_analysis.py
核心功能：成本-效果分析、ICER计算、QALY计算、确定性敏感性分析
主要函数：
- calculate_icere()：计算ICER
- calculate_qaly()：计算QALYs
- calculate_ceac()：计算成本-效果可接受曲线
- deterministic_sensitivity_analysis()：单因素敏感性分析
- tornado_plot_data()：准备龙卷风图数据
- markov_model_transition()：马尔可夫模型模拟
- discount_costs()：成本贴现
monte_carlo_simulation.py
核心功能：蒙特卡洛模拟、概率敏感性分析、价值信息分析
主要类和方法：
- MonteCarloSimulator：蒙特卡洛模拟器
- generate_samples()：从指定分布生成样本
- probabilistic_sensitivity_analysis()：执行PSA
- generate_ceac()：生成CEAC
- value_of_information_analysis()：VOI分析
- scatter_plot_data()：准备成本-效果散点图数据
References 使用指南
china_guidelines.md
中国药物经济学评价指南（最新版）关键内容摘要，包含：
- 评价框架和视角
- 成本识别与测量
- 效果/效用测量
- 模型构建方法
- 贴现原则
- 敏感性分析要求
- 结果表达和报告标准
- 常用计算公式
使用场景：查询中国药物经济学评价的具体要求、标准和方法
model_methods.md
详细的决策分析模型构建方法，包含：
- 马尔可夫模型（基础概念、转移矩阵、概率估计）
- 决策树模型（结构、概率分配、折回计算）
- 离散事件模拟（核心要素、优缺点）
- 分区生存模型（生存曲线拟合）
- 模型比较和选择
- 建模最佳实践
使用场景：学习具体的建模方法、构建决策分析模型
常见任务场景
场景 1：开展新药的成本-效果分析
- 确定研究视角（全社会视角）
- 识别直接医疗成本和直接非医疗成本
- 收集临床试验数据获取效果指标（生存、QALYs）
- 构建马尔可夫模型模拟疾病进展
- 计算ICER并与支付阈值比较
- 进行单因素和概率敏感性分析
- 按照CHEERS标准撰写报告
场景2：模型构建与验证
- 根据疾病特点选择模型类型
- 使用
references/model_methods.md学习建模方法 - 从文献或临床试验估计模型参数
- 进行模型验证（内部验证和外部验证）
- 使用模型进行基线分析
- 进行敏感性分析验证模型稳定性
场景3：概率敏感性分析
- 为每个关键参数指定概率分布
- 使用
MonteCarloSimulator进行10,000次以上模拟 - 生成成本-效果散点图
- 生成成本-效果可接受曲线（CEAC）
- 进行价值信息分析（VOI）
- 报告成本效果概率和置信区间
参数管理最佳实践
参数整齐排列原则
在进行药物经济学评价时，所有参数应整齐排列并标明来源。以下是最佳实践：
1. 参数分类组织
将参数按照以下分类整齐排列：
- 研究框架参数：研究视角、时间范围、贴现率、支付阈值等
- 模型结构参数：健康状态、初始分布等
- 转移概率参数：各状态间的转移概率
- 成本参数：各状态的年度成本明细
- 效用值参数：各状态的效用值
- 模拟参数：模拟次数、随机种子等
2. 参数来源标注
每个参数值都必须标注明确的数据来源：
- 文献引用：注明文献作者、期刊、年份、页码
- 数据库：注明数据库名称、版本、访问时间
- 指南/标准：注明指南名称、版本号、发布机构
- 专家意见：注明专家来源和判断依据
- 研究假设：说明假设的理由和依据
3. 参数格式规范
# ========== 参数分类标题 ==========
PARAMETER_NAME = {
'parameter_key': value, # 来源: 详细说明数据来源
'another_key': value, # 来源: 参考文献 [作者, 期刊, 年份]
}
4. 示例代码
参见 scripts/example.py 文件，其中展示了如何整齐排列所有参数并标明来源。该文件包含：
- 完整的参数分类组织
- 详细的数据来源标注
- 参考文献列表
- 参数使用示例
5. 参数来源模板
- 临床试验：
来源: LIFE研究结果,缬沙坦组无事件率,Dahlöf B et al. Lancet. 2002;359:995-1003 - 流行病学研究：
来源: 中国人口统计年鉴(2024),40-49岁年龄别死亡率 - 医疗费用：
来源: 缬沙坦80mg片剂,5元/天×365天,中国医疗保障局药品目录价格(2024) - 指南推荐：
来源: 中国药物经济学评价指南(2025版),推荐4.5%贴现率 - 研究假设：
来源: 假设新确诊患者,100%初始无并发症
重要注意事项
-
遵循中国指南：确保研究方法符合中国药物经济学评价指南（最新版）的要求
-
透明度：清晰描述所有假设、数据来源和计算方法
-
参数来源标注：所有参数值必须注明来源，便于追溯和验证
-
贴现：成本和效果均需贴现，中国推荐贴现率4.5%
-
敏感性分析：必须进行充分的敏感性分析以评估不确定性
-
模型验证：对模型进行内部验证，如可能进行外部验证
-
报告标准：遵循 最新版CHEERS报告标准
-
支付阈值：明确说明使用的支付阈值及其依据（中国参考：1-3倍人均GDP/QALY）
-
时间范围：选择足够长的时间范围以捕捉所有相关成本和效果
-
成本测量：避免使用支付价格（报销后价格），使用实际费用或标准化收费
-
效用测量：优先使用中国人群的效用值，使用时注意测量工具的适用性
-
参数整齐排列：参考
scripts/example.py中的格式，整齐排列所有参数并详细标注来源
资源说明：
- scripts/：包含 Python 计算脚本，可直接执行以进行药物经济学计算
- references/：包含详细的方法指南和参考文献，在需要时加载到上下文
- assets/：暂未包含模板文件，可根据需要添加
