循证医学实践的决策分析.ppt

例10-1 中的决策相关信息的基线估计值如下： 选择临床观察的患者有11% 可能会发生脑卒中，而选择做手术会有1% 的患者死亡，而术后存活的患者中有2% 会在围术期间发生脑卒中，术后“未发生脑卒中”者在以后会有5% 的患者再次发生脑卒中的可能，这些估计值在决策树中各概率分支下方标出。 * ppt课件 * ppt课件 确定最终结局的效用值 结局的量化是决策分析的重要环节。 决策选项有多种，每种选择的临床结局又不相同，为了达到比较目的，需要预先将各种结局转换成同一单位的变量，这个变量就是效用(utility)。 * ppt课件 效用值是一种表述结局相对优劣的数量化指标，是个体在不确定情况下的优先选择，反映个体的主观感受，并受年龄、经济收入、教育程度等多种因素的影响。 * ppt课件 效用值通常用0～1 的数值来表示，1代表完全健康，0代表死亡，也可以为负数，表示比死亡更糟糕的疾病状态，如无意识或长期卧床伴严重疼痛等。 * ppt课件 效用值的测量方法 直接测量方法 等级尺度法（rating scale） 标准博弈法（standard gamble） 时间权衡法（time trade-off） * ppt课件 间接测量方法 填写生存质量量表，计算量表得分，再将量表得分转换为效用值 计算质量调整寿命年（quality-adjusted life years，QALYs） * ppt课件 决策树分析 决策树分析又称为决策树的折叠与平均,指通过以上步骤所形成的决策树，计算每一种决策选项所对应的不同结局出现的情况。 * ppt课件 例10-1 在掌握了以上各种基本信息后，就可计算各机遇节点和各种方案的期望值（expected value，EV）。各机遇节点的期望值为该节点各分支概率与结局QALYs 值的乘积之和。根据上面的决策树可以计算临床观察分枝的期望值和手术分枝的期望值如下： * ppt课件 临床观察的期望值： EVC=(15×1×0.89)+(15×0.5×0.11)=14.18 QALYs 手术的期望值：EVS=(15×1×0.95×0.98×0.99)+(15×0.5×0.05×0.98×0.99)+(15×0.5×0.02×0.99)+(0×0×0.01) =14.34 QALYs * ppt课件 比较两者的期望值，手术治疗的期望值稍高，提示应该选择手术治疗，但是应该看到，两个方案的期望值相差不大，而手术治疗还有致死的可能性。 * ppt课件 虽然死亡的概率很低，但是在生与死的可能选择的情况下，医生或患者难以仅凭14.34 QALYs14.18 QALYs 的结果，承担那1% 的死亡风险！因此，与患者及时沟通，在知情的情况下做出决策是十分必要的。 * ppt课件 敏感性分析 敏感性分析通过观察假设变化时，决策分析的结果是否具有良好的稳定性，对其结论加以评估。 * ppt课件 敏感性分析也可以通过观察哪些假设对结果影响最大而发现对于该分析最重要的假设，从而为问题的深入研究和进一步解决提供线索。 * ppt课件 敏感性分析在决策分析中具有重要的地位，它可以验证决策分析结果的可靠性，因此决策分析应该常规进行敏感性分析。 * ppt课件 例10-1 进行敏感性分析，当取不同的手术病死率时，可分别计算出不同的手术治疗方案的期望值，下图显示的就是当手术病死率在一定范围内变动所对应的期望值。 * ppt课件 图10-3 对手术死亡率的敏感性分析 * ppt课件 从图10-3 中可以看出，当手术病死率为2.1% 时，两种方案的期望值相当，此时的2.1% 叫阈值，表明这一数值是两种方案选择的分界点。当手术病死率在小于2.1% 的区间内，选择手术这一方案是合适的。 * ppt课件 第三节 复杂决策问题和Markov模型 * ppt课件 一、复杂决策问题 二、Markov模型及方法 三、Markov模型的应用实例 * ppt课件 复杂决策问题 在循证临床决策中，可供选择的决策选项可能很多，同时可能会出现多种结局，并且从干预措施到结局出现又会经过许多过程（状态），这些过程又有可能受众多因素的影响。在这些情况下，决策分析就变得比较复杂。 Markov模型有助于解决复杂决策问题。 * ppt课件 Markov模型及方法 Markov模型能够更精确而且非常简洁的表示在不同健康状态间多次的或者时间不确定的转换，从而对复杂决策树进行决策分析。 * ppt课件 应用Markov模型需要四个步骤 1.定义不同的健康状态 描述在不同的健康状态之间转换的方式 2.选择适宜的周期长度 要根据实际情况决定。周期较长者，计算的负荷较小，反之亦然。 * ppt课件  循证医学 第十章 循证