改进的Markov决策模型及其在药物经济学评价中的实证研究

近年国内外药物经济学评价的地位突显，适时探索先进的药物经济学评价方法迫在眉睫。药物经济学评价中将随机临床试验或短期随访结果外推到慢性疾病自然史的全过程，需要借助数学模型，传统的Markov模型是结果外推的常用方法。传统的Markov链是一种无后效性的离散性随机过程，模型中状态转移概率不能随时间的变化而变化，其模型假设会导致决策模型缺乏"表面效度"。此外，传统Markov模型用来校准模型的信息来自统计模型，这种"平均化"可能削弱实际病例中某些特定疾病的随机的或不确定的疾病特征，从而漏掉临床过程中的重要变化。基于传统Markov模型的以上两个问题，提出引入时间依存变量和个体模拟信息的Markov模型，以提高药物经济学评价结果指导临床实践的客观性。为了证实模型的可行性，并为今后模型广泛应用到慢性疾病中提供参考，本研究进行了改进的Markov模型在脑卒中二级预防的药物经济学评价中的实证研究。