临床决策分析课件PPT.ppt

3．各种状态转移概率和效用值的确定。 设定3种状态的效用值分别如下：健康为1：患病状态为0.5：死亡为0。构建Markov树如下 图14-11 三种状态的Markov树 4．Markov模型的综合分析。 假设有1000名符合相关条件的健康人群，以某一时间点开始，逐渐进入这3种状态，那么据此可以计算出此后这一人群每年在这3个状态中的分布情况，从而可以计算每一循环周期或者是至研究结束时所有周期累计的资源耗费或者是各种结局的具体情况。 下面给出相关计算，设t为周期（年），at表示第t年（周期）时的“健康”人数，bt表示第t年时的处于患病状态的人数，ct表示第t年时总的死亡人数。计算如下： a0=1000, b0=0, c0=0; a1=0.75*a0, b1=0.20* a0+0.70* b0, c1= c0+0.30* b0+0.05* a0; 依次类推：at＝0.75t* a0, bt=0.20* a(t-1)+0.70* b(t-1), ct= c(t-1)+ 0.30* b(t-1)+0.05* a(t-1). 5．敏感性分析。同决策树模型分析一样，Markov模型分析也应该在基线分析的基础上进行敏感性分析，以判断分析结果的稳健性。 第五节 敏感性分析 敏感性分析是用来分析相关数值在变化时，基于基线分析下决策的稳健性的。 对于事件结局及其发生概率都可以进行敏感性分析。对于Markov模型的决策结果同样可以进行敏感性分析，计算出相关的阈值。方法同上面对决策树模型的敏感性分析相同。 图14-14 对手术死亡率的敏感性分析 第十四章 临床决策分析clinical decision analysis 山东大学第二医院肾内科 李学刚 临床流行病学 与循证医学 内 容 第1节 概述 第2节 概率与效用值的估计 第3节 决策树模型 第4节 Markov模型 第5节 敏感性分析 第6节 不确定型决策 第7节 决策分析的局限性 学习要求 掌握 临床决策的基本类型 决策的步骤和基本方法 风险型决策的分析过程 熟悉 概率估计的基本概念、基本方法 效用值估计的基本概念、基本方法 了解 了解不确定决策的过程和相关原则 第一节 概述 几个基本概念 决策的模式 决策的类型 决策过程 CDA的前提条件和难点 CDA是否正确的3个前提条件 备选方案是否齐备——循证医学 各事件的概率估计是否准确——高质量文献 结局的定量是否合情合理——效用值的合理性 CDA难点 缺乏各种决策证据 各种结局事件的不确定性，临床事件的意外性 没有完美的方案，均需权衡利弊而取舍 决策模式 1. 患者作主模式（pure informed model） 2. 医生作主模式（paternalistic model） 3. 共同决策模式（shared decision model） e.g. DM→DN→CKD5→ESRD→RRT: HD or PD or RT 决策的类型 确定型决策：增量分析法 风险型决策：期望值决策法、Bayes决策法 两种以上结局 概率可估计 不同结局利弊可估算 不确定型决策：乐观准则、悲观准则、后悔值准则 决策的过程 明确问题 组织问题 搜集信息 分析问题 敏感性分析 CDA属于定量分析，需对临床问题进行量化处理 概率——临床事件发生的不确定性 结局的定量——生存率、生存质量、成本或效用值 概率估计是决策分析中较为复杂的一项工作。 RCT 二次文献研究：meta分析，系统评价等 基线估计（baseline estimate）是对临床事件发生概率或其它参数的最佳估计。 点估计值或区间值 多来源于文献资料：多者可设区间或meta分析，少则可取可信区间 第二节 概率与效用值的估计 效用值的估计 CDA的难点之一： 需要反应结局严重程度和患者意愿，但因主观性大，易出现较大差异 常用方法：画线法、博弈法、时间权衡法 1．划线法（visual analog scale） 2．博弈法（standard gamble） UA=P +（1- P）×B 3．时间权衡法（time trade-off） Angelina Jolie 我的医疗选择 UA=1-X/t ？？ UA=1-（1-B）X/t 第三节 决策树模型 决策树模型是利用决策树来描述各种决策方案在不同自然状态下的收益，据此计算各方案的期望收益而做出决策。 传统的决策树模型一般用于近期效果的决策分析，缺乏动态性和连贯性分析和预测。 决策树的概念 决策树（decision tree）按逻辑、时序把决策问题中的备择方案以及相应结局有机地组织起来并用图标罗列出来，如同一棵从左至右不断分枝的树，包括一些结点与分枝（决策结点、机遇结点）。 决策树的构建 决策结点，用小方框表