kov模型简介以及如何采用Treeage-Pro软件进行基于Markov模型的卫生经济学评价

Mk模型简介以及如何采用TMarkov模型简介以及如何采用Treeage Pro软件进行基于Markov模型的卫生经济学评价缘梦缘缘梦缘邮箱: [e-mail]邮g@卫生经济学评价的基本概念目标人群干预组总投入(成本)对照组总投入(成本)总投入(成本)效果效用效益总投入(成本)效果效用效益成本效果比成本效用比成本效益比成本效果比成本效用比成本效益比增量成本效果比增量成本效用比增量成本效益比增量成本效果比增量成本效用比增量成本效益比2效果比效用比效益比效果比效用比效益比基于Markov模型进行卫生经济学评价的基本原理Markov 模型，也称为疾病转归模型将所研究的疾病按其对健康的影响程度划分为将所研究的疾病按其对健康的影响程度划分为多个不同的健康状态，并根据各状态在一定时间内相互间的转换概率模拟疾病的发展过程,结间内相互间的转换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, 估计出疾病发展的结局及其医疗费用(环算,估计疾病展局其疗费用(或节省的资源消耗)。3Markov模型的简单示意图椭圆形状态#椭圆形: 状态箭头:转换方向健康箭头: 转换方向箭头上方的数字: 转换概率疾病死亡0.10##4Markov 模型的基本构成States：状态(如：疾病, 健康和死亡)Cyclelength：循环周期(如1年)Cycle length ：循环周期(如：1 年)Initial probabilities：初始概率(如：1：疾病, 0健康死亡：健康, 0：死亡)Transition probabilities：转换概率Rewards/tolls：健康效用值或成本Terminationcondition：终止条件Termination condition：终止条件5构建Markov模型的基本步骤‐11、根据研究目的和疾病的自然病程设立Markov状态,确定各状态间可能存在的相互Markov状态, 确定各状态间可能存在的相互转换。病程不能从某状态向其它状态转换的状态称病程不能从某一状态向其它状态转换的状态称为吸收态( absorbing states) , 它是循环的终点，经过一定的循环之后所有的队列成员都应转换经过一定的循环之后所有的队列成员都应转换到该终点状态上。健康#疾病死亡60.10##构建Markov模型的基本步骤‐22、确定循环周期和每个周期中各状态间的转换概率转换概率将整个研究期间分成若干相等时间周期, 每个时间周期称为循环周期(Markovcircle)。间周期称为循环周期(Markov circle) 。慢性病：3 个月或1 年；传染病：1 个月。每一个周期内每个状态可以向其它状态转换（每个周期内每个状态可以向其它状态转换（其概率即为转换概率），也可以保持原态。转换概率的时间单位与所用的循环周期不同时, 如恶性转概率时间单与所用周期不同时,性肿瘤治疗中得到的5 年生存率, 这时不能简单将其除以5 来估计每年的平均生存率, 而应该采用以下公式：171ttp(p)构建Markov模型的基本步骤‐33、确定各状态的效用值及其在每个周期中的资源消耗的资源消耗健康效用值是计算质量调整生命年( quality adjustedlifeyearQALY)时所用的生命质量调整adjusted life year, QALY) 时所用的生命质量调整权重，通常将完全健康状态的效用值定义为1, 死亡为0。死亡为0。每个周期的资源消耗通常指在每个周期内用于每个周期的资源消耗通常指在每个周期内用于治疗或干预的成本, 它通常包括直接成本、间接成本、无形成本和其它成本。成本、无形成本和其它成本。8构建Markov模型的基本步骤‐44、通过运算估计疾病发展过程及其相应的费用和效用n费用和效用tsS1nStQALY(tu)ssS1nssS1QALY(tu)Cost(tc)在卫生经济学研究中, 随着时间的推移, 成本和效益也会有“打折”,故应将未来的钱换算到现S1效益也会有打折, 故应将未来的钱换算到现在的价值, 其换算的比率称之为贴现率（具体计算见后）。9Markov模型的常用基本算法队列模型法根据模型中各状态间的转换概率和各状态上的根据模型中各状态间的转换概率和各状态上的分布概率, 计算各循环周期后及整个分析期末队列成员在各状态上的人数。列成员在各状态上的人数。Cl模型法Monte Carlo 模型法根据Markov 状态间的转换概率随机决定每一个每对个体的每一步( 或一个循环) 的去向, 通过对模拟大量的个体得到的样本进行分析。优点：能估计结果的变异程度10为什么使用Treeage pro?Treeage pro的主要特点可视化的构建和分析模型可视化的构建和分析模型分析模型类型决策数分析Markov模型或同时决策数分析，Markov模型，或同时分析特点Mk队列分析法Markov 队列分析法Monte Carlo模拟法敏感性分析敏感性分析……11Treeage pro 2011的欢迎界面12Treeage pro 2011的界面提交（Roll back）新建树工作台控制板(Palette)树属性设定模型预览窗口及可供选择的树节点树属性设定模型编辑窗口(Modeleditorwindow)模型预览窗口(Modeloverviewwindow)树节点类型项目窗口（包window)模型参数输入、编辑、查看窗口(Modelinput、editorand括各种案例）以及表窗口（工作台选择k时显13viewwindow)Markov时显示）不同节点的基本特点‐1决策结（decision node）每一个分支代表一种策略每个分支代表种策略每种策略的值是计算出来的模型最终会选择最佳策略或路径模型最终会选择最佳策略或路径机会结（chancenode）机会结（chance node）每一个分支代表一种可能的结局每个周期中每个人只能有种结局每个周期中每个人只能有一种结局每一种结局都须有相应的概率同机会结下的所有分支的概率之和须为1同一机会结下的所有分支的概率之和须为114不同节点的基本特点‐2终止结（terminal node)所有其他状态结束于此没有下级分支逻辑结（lid）逻辑结（logic node）同一逻辑结下的所有分支如何选择取决于逻辑表达式的返回值Markov结Markov模型必须以此为起始结或根结（rootnode）Markov模型必须以此为起始结或根结（root node）Markov结下的所有分支概率总和为115构建一个新的Markov模型从控制板(Palette)选择Markov结将其拖入模型编辑窗辑窗口在出现的Marko结横线Markov结横线上方输入模型名称Three‐State称ThreeState Markov16定义Markov 状态及初始概率增加Markov 状态双击Markov 结,自动出现两个分支(即两种状态)选中Markov 结，右键 Add Branch, 增加另外一个分支(即另外一种状态)分别命名三种状态为分别命名三种状态为Disease, Well和Dead增加初始概率点击状态下方的点击Disease状态下方的省略号，输入1（即定义Disease状态的初始概率为1）1）重复以上步骤为Well 和Dead 状态均输入初始概率为017健康效用值(rewards)假设我们的目标是要估计平均期望寿命，模型的循环周期长度为一年。如果期望寿命以年为单位，则每经历一次存活状态，其健康效用值即为1。据此定义以下的健康效用值。初始效用值（id）为初始阶段（)分配初始效用值（Init Rwd）为初始阶段（_stage=0)分配一个健康效用值。增量效用值（IncrRd）为随后每个循环周期分配增量效用值（IncrRwd）为随后每一个循环周期分配一个健康效用值。最终效用值（FinalRwd）为最后一个周期分配一个健最终效用值（Final Rwd）为最后一个周期分配一个健康效用值。18增加状态的健康效用值双击Disease状态下方的Markov信息框在Initrwd输入框内输入在Init rwd输入框内输入变量名uDisease.在根结（root node）中定义uDisease的值为1定义uDisease的值为1.在Incrrwd同样输入uDisease，并在根结定义其值为1在Finalrwd义其值为1，在Final rwd输入框中输入0重复以上步骤定义Well 状态的健康效用值[状态的健康效用值[ uWell(1), uWell(1)和0] 和Dead状态的健康效用值(00and0)19值(0, 0and 0)定义吸收态处于该状态的个体不能退出，也没有下级树或退出，也没有下级树或分支时, 该状态称为吸收态（absorbing state），态（g），通常是循环的终点。增加吸收态右击Dead状态所在的机会结Change Type  Terminal20增加下级树（subtrees）增加下级树双击Disease 状态，自动增加两个分支(即下级树)在下级树的输入框内输入下级树的名称survive和下级树的名称survive和die分别为die和survive输入相应的转概率和相应的转化概率0.1和“#”重复以上步骤为状态Well和Dead增加下级树，并和Dead增下级树，并定义相应的转化概率。并为die和survive增加下级树形成右图的结构树，形成右图的结构。21注：在Treeage，概率可以用“＃”号。意思是剩余的概率，也即(1-同一机会结下其他分支概率之和)。创建跳转右键recover 所在的机会结，Change Type  Terminal，自动打开编辑跳转状态对话框（Edit ，自动打开编辑转状态对话框（Jump State dialog）。在对话框中，选择Well作为recover的跳转状态为的转状态点击OK保存跳转设置重复以上步骤为staysick和die分别创建跳转重复以上步骤，为stay sick 和die分别创建跳转至Disease和Dead22_stage 内置计数器和终止条件（_gtermination condition ）‐1循环经历的周期数会被记录在软件内置的计数器_stage上_stage =0 : 第一周期之前stage每增加1表示经历一个周期_stage每增加1表示经历个周期终止条件用于确定个队列是否结束终止条件用于确定一个队列是否结束通过循环经历的次数来结束队列：_stage =50通过条件表达式来结束队列：如某一状态的最终概率0.0000123_stage 内置计数器和终止条件（_gtermination condition ）‐1设定终止条件:选择MarkovInfo选择Markov Info双击“term”  输入终止条件:stage=50输入终止条件: _stage = 50.保存树24改变数据格式以匹配Markov 模型的输出25队列分析结果查看提交（Roll back）本次分析‐选择AnalysisRollBackfromthemenu‐选择Analysis  Roll Back from the menu.建创建队列快速分析结果：‐选择Markov结.‐选择Analysis  Markov Cohort  Markov Cohort (Quick).()26基于非时间依赖死亡概率的期望值(也即基于非时间依赖死亡概率的期望值(也即平均期望寿命)15.891years27Markov 队列快速分析结果输出解释：一个有病的个体，经历50年后，累积保持在原状态的概率为：2.4%累积转化为健康状态的概率为：3.8%28累积转化为健康状态的概