TreeAge Pro软件在医药卫生决策分析中的应用

李 倩 马爱霞

TreeAge Pro软件在医药卫生决策分析中的应用

李 倩 马爱霞

TreeAge Pro软件在医药卫生决策领域广泛应用。在涉及应用决策树模型进行决策分析的文献中，大都采用了此软件。但是，目前关于此软件介绍性的文章少之又少，从而使得软件在使用过程中遇到了一定的障碍。本文旨在通过对此软件进行基础介绍，满足初学者对软件应用的需要，方便潜在用户使用。

TreeAge Pro软件；决策分析；应用

1 决策分析简介

1.1 决策分析概念决策分析，一般指从若干可能的方案中通过决策分析技术，如期望值法或决策树法等，选择其一的决策过程的定量和系统分析方法。决策分析可分为三类，每一种类型有其对应的决策分析方法。确定性决策即每个方案只有一种结局，结果明确，可以选择最优化的方法进行方案的选择。不确定性决策又可分为完全不确定型（状态概率未知）和风险型（状态概率已知）。对于完全不确定型的决策分析通常采用某一准则来进行决策（如乐观准则、悲观准则等）；对于风险型决策通常使用随机性决策（如决策树方法）。模型是决策分析的重要工具，用来综合一系列证据和不同来源的知识、数据。在医药卫生评价中运用模型技术，既可反映概括所研究问题的基本特征，又符合现实，使决策分析变得更科学。决策树模型是决策分析模型的一种，用来分析风险型决策。

1.2 决策树模型简介决策树分析法是把某一决策问题的各种供选择方案、可能出现的状态、概率及其后果等一系列因素，按其相互关系用树形图表示出来，然后按网络决策的原则和程序进行选优和决策，它还可以随时补充并进行不确定型情况下的决策分析。决策树（Decision tree,DT）模型是目前较成熟的决策分析模型之一，它源于20世纪20年代出现的博弈论，20世纪60年代晚期开始应用于解决临床问题。DT模型具有简单直观、易于掌握、计算相对简便等优点，是临床决策分析中最常用的模型，它在药物经济学、临床新技术的经济学评价、干预方案评价等多个医学相关领域进行了实践[1]。

1.2.1 决策树模型分析步骤 决策树模型分析的基本步骤包括明确决策目的、备选方案和研究背景调研；制定决策路径[决策流程、选择计算方法（SINGLE/CE）、确定结局指标]；绘制决策树模型（据已知条件排列出各个方案和每一方案的各种自然状态）；设定参数（如概率、产出等不确定因素，并将各状态概率及损益值标于概率枝上）；计算各个方案期望值并将其标于该方案对应的状态结点上；进行决策分析（比较各个方案的期望值，并标于方案枝上，将期望值小的即劣等方案剪掉，所剩的最后方案为最佳方案）；敏感性分析。

1.2.2 决策树模型基本要素

1.2.2.1 三种节点和两个分枝 决策树按照从左向右的方向绘制，不同种类的事件用不同形状的节点进行区别。决策节点“□”，主要反映在可能的投资选择之间，用方形的决策节点表示；由此出发的分支称为决策分枝，决策分枝上标注方案名称。状态节点“○”，由此出发的分支称为机会（概率）分枝，机会分枝上标注事件发生的概率值；从决策节点划分的分支，代表此节点后可能发生的一系列事件，其相应的机会概率总和为1。结果节点“△”，后标结局（损益）值，从机会节点发出的分支，代表此节点后一系列事件的可能结局。

1.2.2.2 相关参数 决策树模型中的参数包括事件发生的概率值和产出结果（即结局变量）。在药物经济学、医学相关领域的研究中，通过系统综述、随机对照试验直接获取概率值；通过流行病学数据和国家人口统计数据，运用贝叶斯公式[2]转换间接获取概率值；在数据无法取得的情况下，可采用德尔菲法由专家打分制定疾病事件概率[3]。结局包括健康产出和方案成本两部分，健康产出（临床效果、效用）可以从系统综述、随机对照试验等文献中获得；成本可以从患者的回顾性研究或其它文献报道中获得[4]。模型中参数的准确与否直接关系到结论的正确性和准确性，故在获取数据时，尽量确保数据来源的高质量。

2 TreeAge Pro软件简介

2.1 如何获取TreeAge Pro软件 TreeAge Pro系列软件用于构建、分析决策树、Markov模型和影响图表的专业分析软件。这一系列软件在很多行业都进行了应用，如进行风险评价、研究其中的不确定性，进行决策分析、成本效果分析、Monte Carlo拟和等。

2.2 TreeAge Pro界面（以TreeAge Pro2011为例）目前所使用的TreeAge Pro软件为全英文版，主要包括为左上角的模型预览窗口（Model overview window），在此可以看到所建立模型的全貌；位于界面中间的模型编辑窗口（Model editor window），此窗口中，通过选择右侧的控制板（Palette）来控制树模型的形状大小，通过选择树节点（Tree Nodes）来绘制相应的决策树；位于右下角的模型参数输入、编辑、查看窗口（Model input editor and view window），在此窗口中可以输入、编辑、查看决策树中的参数，定义参数的类型、变动范围等项目。

图1 TreeAge Pro2011主页面

2.3 创建决策树模型进入TreeAge Pro界面（图1），在绘制决策树模型前，首先要确定结局变量，选择计算方法，在工具栏内选择Tree单击Tree Preferences选择Calculation Method，若结局变量只包含治疗效果或成本，则选择Simple；若结局变量包含治疗效果和成本，则选择 Cost-effectiveness。确定计算方法后，选择Tree Nodes中Decision Node（决策节点），拖入模型编辑窗口，根据决策树的分枝数目，双击决策节点，引出决策分枝和相应的Chance Node（机会节点）。在决策节点左侧横线上方输入模型的名称，在决策分枝上方输入方案名称。双击机会节点同样会引出概率分枝，在概率分枝上方输入方案可能出现的结果；在概率分枝下方输入概率参数。分枝完成后，右击最右侧的机会节点，选择 Change Type中的Terminal Node，这是需要对结局变量进行定义。

2.4 模型参数的输入在TreeAge Pro中完成了决策树分枝的绘制后，需要进行参数输入。在概率分枝下方输入事件发生的概率，需要注意每个机会节点发出的所有分枝概率之和应该为1。多数情况下，决策树模型中的数据来源于对文献的归纳和总结，由于文献质量参差不齐、实验误差以及患者个体差异等的存在，使文献中同一事件的发生概率不同，表现为概率是一定的区间范围而非某一确定值。对于这种不确定性的参数，在模型参数输入时，一般输入变量型（如字母）参数来代替数值型（确定的数值）参数，以此进行参数设定和后续分析。当输入变量型参数后，软件自动弹出对话框需要用户对参数进行描述。在此可以设定模型运行时参数值和敏感性分析是参数的变动范围。同样，可以对产出变量进行类似的设置。

2.5 模型运行结果分析在药物经济学评价过程中，根据数据获取情况和研究目的的不同，可以进行最小成本和成本效果比的计算。软件自动给出成本最小和最具成本效果的方案。在图2中，不考虑方案效果，方案一的成本C1=1500，C2=1621，C3= 3300，故软件划掉方案二、三，保留方案一。在计算方法中重新选择 Cost-effectiveness，在模型中输入效果数据，点击运行Rollback，结果如图3所示。结果显示，方案一每正确诊断1例患者的成本为2206；方案二每正确诊断1例患者的成本为2094；方案三每正确诊断1例患者的成本为3896，故方案二最具成本效果。在成本效果计算中，需要注意Cost-effectiveness选项中的Willingness to pay参数的设定，当 WTP=0，决策选择成本最低的路径，此时和最小成本的分析一致；若WTP＞0，在ICER≤WTP的前提下决策优先选择效果最好的路径；若WTP＜0，决策选择C/E比值最低的路径。

图2 最小成本法计算结果

2.6 敏感性分析敏感性分析是指从众多不确定性因素中找出对投资项目经济效益指标有重要影响的敏感性因素，并分析、测算其对项目经济效益指标的影响程度和敏感性程度，进而判断项目承受风险能力的一种不确定性分析方法。敏感分析应用广泛，主要是在求得某个模型的最优解后，研究模型中某个或若干个参数允许变化到多大，仍能使原最优解的条件保持不变，或者当参数变化超过允许范围，与最优解已不能保持最优性时，提供一套简洁的计算方法，重新求解最优解。在医药卫生经济学的研究中，由于参数的获取方式不同、医疗卫生服务的个体差异性以及预测偏差等原因，模型中所涉及的参数（成本和效果/效用）会存在一定的变动范围或者某种概率分布，要得到具有说服力的研究结果，需要进行敏感性分析来确定具体变量的影响程度和变量变动范围对于研究结果的影响。在TreeAge Pro软件中，可以进行单因素的敏感性分析、Tornado图表分析以及二元、三元和阈值敏感性分析。最常见、应用最多的是单因素及Tornado图表分析。图4显示，当 CT诊断有结果（CT_clear）的概率在0.75～0.85之间变化时，三种治疗方案成本效果比的变化趋势。可以看出，在此概率范围内方案二最具成本效果。图5显示，方案三中各种因素变化时净效益变化的范围。从图中可以看出PET检查的成本对方案三净效益的影响程度最大；而 PET＋CT的诊断率对方案的净效益影响程度最小。

图3 成本效果计算结果

图4 单因素敏感性分析结果

图5 Tornado敏感性分析结果

总之，通过单因素敏感性分析，可以考察各变量变化范围内方案结果的改变，从确定在多大程度上可接受某一方案；通过Tornado图表分析可以看出各变量对方案净效益的影响程度，从而确定各影响因素在决策分析中的权重。

TreeAge Pro软件的实际应用远不止于此。它不仅广泛应用于卫生决策领域，还应用于其它决策分析中；不仅能对静态决策进行分析，对于引入时间状态的动态决策模型（Markov模型）也能进行分析。本文旨在对软件进行基础介绍，关于软件的学习与应用，还需在操作中掌握。

[1] Kassirer J,MoskowitzA,Lau J,et al.Decision anlysis:a progressreport[J]. Ann InternMed,1987,106(2):275-291.

[2] 杨静,陈冬,程小红.贝叶斯公式的几个应用[J].大学数学, 2011,22(2).

[3] 章琼,邱家学.Markov模型在药物经济学评价中的应用探讨[J].医药信息(下旬刊),2010,23(5):253-253.

[4] 万小敏,彭六宝,谭重庆,等.运用Markov模型进行药物经济学评价的方法概述及国外研究实例分析[J].中国药房,2009,20(14): 1046-1049.

The Application of TreeAge Pro software in the Medicine & Health Decision Analysis

Li Qian Ma Aixia

TreeAge Pro software is widely used in the field of medical decision making .Most decision analysis literatures involved in the application of decision tree model use this software.Whereas,the article about this software is less and less which hinder the application of it.The aim of this essay is to meet the needs for beginners and easy to use through basic introduction.

TreeAge Pro software;Decision analysis;Application

R-05

A

1673-5846(2014)01-0015-04

中国药科大学国际医药商学院，江苏南京 211198

李倩，女，硕士研究生，主要从事药物经济学方面研究。Tel：15365072002，E-mail：qianli0623@sina.com。

马爱霞，女，博士研究生导师，教授，主要从事药物经济学与医药产业政策研究。Tel：025-86185757，E-mail：ma86128@sina.com。