循證醫(yī)學(xué)實(shí)踐的決策分析課件-文庫(kù)吧資料
2025-01-05 04:36本頁(yè)面
【正文】 換的方式 ? ? 要根據(jù)實(shí)際情況決定。 ? Markov模型有助于解決 復(fù)雜決策 問(wèn)題 。 第三節(jié) 復(fù)雜決策問(wèn)題和 Markov模型 一、 復(fù)雜決策問(wèn)題 二、 Markov模型及方法 三、 Markov模型的應(yīng)用實(shí)例 復(fù)雜決策問(wèn)題 ? 在循證臨床決策中，可供選擇的決策選項(xiàng)可能很多，同時(shí)可能會(huì)出現(xiàn)多種結(jié)局，并且從干預(yù)措施到結(jié)局出現(xiàn)又會(huì)經(jīng)過(guò)許多過(guò)程（狀態(tài)），這些過(guò)程又有可能受眾多因素的影響。 圖 103 對(duì) 手術(shù)死亡率的敏感性分析 從圖 103 中可以看出 ， 當(dāng)手術(shù)病死率為 % 時(shí) ， 兩種方案的期望值相當(dāng) ， 此時(shí)的 % 叫閾值 ， 表明這一數(shù)值是兩種方案選擇的分界點(diǎn) 。 ? 敏感性分析在決策分析中具有重要的地位，它可以驗(yàn)證決策分析結(jié)果的可靠性，因此決策分析應(yīng)該常規(guī)進(jìn)行敏感性分析。 敏感性分析 ? 敏感性分析通過(guò)觀察假設(shè)變化時(shí)，決策分析的結(jié)果是否具有良好的穩(wěn)定性，對(duì)其結(jié)論加以評(píng)估。根據(jù)上面的決策樹可以計(jì)算臨床觀察分枝的期望值和手術(shù)分枝的期望值如下： ? 臨床觀察的期望值 ： EVC=(15 1 )+(15 )= QALYs ? 手術(shù)的期望值 ：EVS=(15 1 )+(15 )+(15 )+(0 0 ) = QALYs 比較兩者的期望值，手術(shù)治療的期望值稍高，提示應(yīng)該選擇手術(shù)治療，但是應(yīng)該看到，兩個(gè)方案的期望值相差不大，而手術(shù)治療還有致死的可能性。 例 101 在掌握了以上各種基本信息后，就可計(jì)算各機(jī)遇節(jié)點(diǎn)和各種方案的期望值（ expected value， EV）。 ? 效用值通常用 0～ 1 的數(shù)值來(lái)表示， 1代表完全健康， 0代表死亡，也可以為負(fù)數(shù)，表示比死亡更糟糕的疾病狀態(tài)，如無(wú)意識(shí)或長(zhǎng)期臥床伴嚴(yán)重疼痛等。 ? 決策選項(xiàng)有多種，每種選擇的臨床結(jié)局又不相同，為了達(dá)到比較目的，需要預(yù)先將各種結(jié)局轉(zhuǎn)換成同一單位的變量，這個(gè)變量就是效用 (utility)。 例 101 中的決策相關(guān)信息的基線估計(jì)值如下： 選擇臨床觀察的患者有 11% 可能會(huì)發(fā)生腦卒中，而選擇做手術(shù)會(huì)有 1% 的患者死亡，而術(shù)后存活的患者中有 2% 會(huì)在圍術(shù)期間發(fā)生腦卒中，術(shù)后“未發(fā)生腦卒中”者在以后會(huì)有 5% 的患者再次發(fā)生腦卒中的可能，這些估計(jì)值在決策樹中各概率分支下方標(biāo)出。 圖 101 動(dòng)脈硬化處理的決策樹 相關(guān)證據(jù)及信息的檢索與搜集 ? 決策分析中最重要的信息是每一種可能的事件在相應(yīng)條件下出現(xiàn)的概率。 ? 節(jié)點(diǎn)又可分為決策節(jié)點(diǎn)（ decision nodes）與機(jī)會(huì)節(jié)點(diǎn)（ chance nodes），前者以小方框“□”表示，后者以圓圈“○”表示。 如果選擇進(jìn)行手術(shù)，手術(shù)雖然有益于解決問(wèn)題，減少發(fā)生腦卒中的可能性，但是卻有圍手術(shù)期間發(fā)生腦卒中和死亡的風(fēng)險(xiǎn)。因此，對(duì)于該患者是否需要治療，就是一個(gè)決策問(wèn)題，臨床上可以有兩種選擇，一是暫時(shí)臨床觀察，二是行頸動(dòng)脈內(nèi)膜切除術(shù)。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1