中国药物经济学评价指南2019

《中国药物经济学评价指南》 编写组

总 顾 问： 桑国卫 中国工程院院士，十一届全国人大常委会副委员长 中国药学会名誉理事长 组 长： 刘国恩 北京大学国家发展研究院长江学者特聘教授 国务院医改专家咨询委员会委员 中国药学会药物经济学专业委员会主任委员 副 组 长： 胡善联 复旦大学公共卫生学院教授 吴久鸿 中国人民解放军战略支援部队特色医学中心主任药师 中国药学会药物经济学专业委员会副主任委员 吴 晶 天津大学药物科学与技术学院教授 中国药学会药物经济学专业委员会副主任委员 董朝晖 中国劳动和社会保障科学研究院研究员 中国药学会药物经济学专业委员会副主任委员 李洪超 中国药科大学国际医药商学院卫生经济学教研室主任

工作组成员（按姓氏笔画排序）

伍红艳 贵州医科大学医药卫生管理学院教授 孙 鑫 四川大学华西医院中国循证医学中心主任、教授 李 洪 美国辛西那提大学药学院客座副教授 李明晖 美国田纳西大学药学院助理教授 李顺平 山东大学医药卫生管理学院副教授 杨 莉 北京大学公共卫生学院副教授 张田甜 暨南大学药学院副教授 陈英耀 复旦大学公共卫生学院副院长、教授 岳晓萌 美国辛辛那提大学药学院博士 官海静 北京大学中国卫生经济研究中心助理主任 赵绯丽 澳大利亚纽卡斯尔大学联席高级讲师 胡 敏 复旦大学公共卫生学院副教授 贺小宁 天津大学药物科学与技术学院讲师 隋宾艳 国家卫健委卫生发展研究中心博士 韩 晟 北京大学医药管理国际研究中心研究部主任 曾 渝 海南南海健康产业研究院院长、教授 解纪攀 安诺析思国际咨询（AG）副总裁

专家组（按姓氏笔画排序）

丁玉峰 华中科技大学同济医学院附属同济医院教授、主任药师 马爱霞 中国药科大学国际医药商学院院长、教授 王爱国 中国药学会副秘书长 卢凤霞 国家发展和改革委员会价格成本调查中心主任 史录文 北京大学药学院教授 白慧良 中国非处方药物协会专家委员会主任 吕志强 美国南卡罗莱纳大学药学院副教授 朱士俊 解放军301 医院教授 朱文涛 北京中医药大学管理学院教授 刘丽宏 首都医科大学附属北京朝阳医院总药师 刘茂柏 福建医科大学附属协和医院药学部主任药师 刘国强 河北医科大学第三医院药学部主任药师 孙利华 沈阳药科大学工商管理学院教授 李大魁 北京协和医院药剂科主任药师 李玉珍 北京大学人民医院药剂科主任药师 李幼平 四川大学华西医院中国循证医学中心教授 李树泉 澳大利亚纽卡斯尔大学生物医药及药学院讲座教授 吴 琼 安诺析思国际咨询（AG）执行董事 吴 镭 国家自然科学基金委员会医学科学部处长 沈爱宗 中国科学技术大学附属第一医院（安徽省立医院）药剂科主任药师 宋瑞霖 中国药学会医药政策研究中心执行主任 张宗久 国家卫健委医疗服务监管司司长 张海莲 北京和睦家医院药剂科主任药师 陈 文 复旦大学公共卫生学院教授 陈 洁 复旦大学公共卫生学院教授 陈盛新 第二军医大学药学院教授 武志昂 沈阳药科大学亦弘商学院研究中心主任 范长生 北京医药卫生经济研究会秘书长 林厚文 上海交通大学附属仁济医院药剂科主任药师 罗 南 新加坡国立大学苏瑞福公共卫生学院卫生系统与行为科学部主任、 副教授 罗景虹 中国药物经济学杂志社社长 郑 宏 中国医药卫生文化协会常务副会长 封宇飞 北京大学人民医院药剂科主任药师 赵 琨 国家卫健委卫生发展研究中心卫生技术评估室主任、国家卫健委药 物与卫生技术综合评估中心副主任 赵志刚 首都医科大学附属北京天坛医院药学部主任药师 胡 明 四川大学华西药学院教授 姚 宏 国务院参事室特约研究员 顾 海 南京大学公共卫生管理与医疗保障政策研究中心主任、教授 郭剑非 美国辛辛那提大学药学院教授 葛延风 国务院发展研究中心社会发展部部长 董恒进 浙江大学医学院卫生政策学研究中心主任、教授 蒋 杰 暨南大学南方药物经济学与卫生技术评估研究所所长、教授 程晓明 复旦大学公共卫生学院教授 傅 卫 国家卫健委卫生发展研究中心主任 傅鸿鹏 国家卫健委卫生发展研究中心研究员、药物政策室主任 舒丽芯 上海海军军医大学药学院副教授 谢 锋 加拿大麦克马斯特大学医学院、麦克马斯特大学卫生经济和政策研 究中心教授 詹思延 北京大学公共卫生学院教授 谭延辉 台湾药师公会联合会药事照护发展中心执行长 翟所迪 北京大学第三医院药剂科主任药师

目 录

引言（Introduction） ................................................................................................................ I 使用说明（Instructions） ....................................................................................................... III 执行摘要（Executive Summary） .......................................................................................... V 指南1：研究问题（Study Questions） ................................................................................... 1 1.1 研究背景（Background） .............................................................................................. 2 1.2 研究目的与问题（Objectives and Questions） ............................................................ 2 1.3 研究角度（Perspective） ............................................................................................... 2 1.4 目标人群（Target Population） .................................................................................... 3 1.5 干预措施及对照选择（Interventions and Comparators） ............................................ 4 指南2：研究设计（Study Design） ....................................................................................... 6 2.1 研究设计类型（Types of Study Design） .................................................................... 7 2.2 研究假定（Assumptions） ............................................................................................ 8 2.3 样本大小（Sample Size） ............................................................................................. 9 2.4 研究时限（Time Horizon） ......................................................................................... 10 指南3：成本（Cost） ............................................................................................................ 11 3.1 成本的分类和确认（Cost Identification） ................................................................. 12 3.2 成本的测量（Cost Measurement） ............................................................................. 13 3.3 成本的计价（Cost Valuation） ................................................................................... 14 指南4：贴现（Discounting） ............................................................................................... 16 指南5：健康产出（Health Outcomes） ............................................................................... 18 5.1 疗效（Efficacy）/效果（Effectiveness） ................................................................... 19 5.2 效用（Utility） ............................................................................................................. 21 5.3 效益（Benefit） ........................................................................................................... 24 指南6：评价方法（Evaluation Techniques） ...................................................................... 26 6.1 评价类型（Types of Evaluations） ............................................................................. 27 6.2 增量分析（Incremental Analysis） ............................................................................. 28 指南7：模型分析（Model Analysis） .................................................................................. 30 7.1 模型问题的描述（Model Questions） ........................................................................ 31 7.2 模型类型的选择（Choice of Modeling Techniques） ............................................... 32 7.3 模型结构构建（Model Development） ...................................................................... 34 7.4 模型参数来源 (Data Sources) ..................................................................................... 35 7.5 模型假设（Model Assumptions） ............................................................................... 38 7.6 模型验证（Model Validation） ................................................................................... 38 7.7 模型透明度（Model Transparency） .......................................................................... 40 7.8 模型本土化与模型改编（Model Localization or Adaptation） ................................. 41 指南8：差异性和不确定性（Variability and Uncertainty） ............................................... 43 8.1 差异性分析（Variability Analysis） ........................................................................... 44 8.2 不确定性分析的对象（Subjects of Uncertainty Analysis） ...................................... 44 8.3 不确定性分析的方法（Methods of Uncertainty Analysis） ...................................... 45 8.4 不确定性分析的结果展示与解读（Presentation and Interpretation） ...................... 47 指南9：公平性（Equity） .................................................................................................... 48 指南10：外推性（Generalizability） ................................................................................... 50 指南11：预算影响分析（Budget Impact Analysis） .......................................................... 53 11.1 基本作用（Applications） ......................................................................................... 54 11.2 操作细则（Methods） ............................................................................................... 55 11.3 数据来源优先级（Data Sources and Hierarchy） .................................................... 58 参考文献（References） ........................................................................................................ 61 附录1：标准报告格式（Standard Reporting Format） ....................................................... 66 附录2：质量核查列表（Quality Checklist） ....................................................................... 71 附录3：术语表（Terminology） .......................................................................................... 73

引言（Introduction）

医药技术是人类维护和促进健康的重要手段。研究表明，随着收入增长与技术进步，人们消费结构中用于医药卫生服务的支出增长最快，不仅超过同期收入增长，也超过其他消费增长。从近年的全球资源配置来看，卫生总费用（Total Health Expenditure）占GDP比重平均在 $6.3\%$ 左右，大多数发达国家平均在 $10\%$ 以上（WHO，2018），中国当前为 $6.4\%$ （国家卫生健康委员会，2018）。更为突出的是，中国的药品费用占卫生总费用的比重远高其他国家和地区的平均水平。可以预期，中国的医药卫生技术评价必将越来越成为社会资源配置的主导项目。因此，如何科学评估并有效配置医药资源将是中国经济与医疗卫生可持续发展的重大议题。

药物经济学（Pharmacoeconomics）是研究如何使用有限的药物资源实现最大程度的健康效果改善的交叉学科。药物经济学应用经济学的理论基础，系统、科学地比较分析医药技术之间的经济成本（Economic costs）和健康产出（Health Outcomes），进而形成决策所需的优选方案，旨在提高医药资源配置的总体效率。一般而言，药物经济学的经济成本是指疾病诊疗过程中所消耗的资源总和；健康产出可以通过效果（Effectiveness）、效用（Utility）或效益（Benefit）进行衡量。除了上述经常谈到的经济成本和健康产出之外，目前国际药物经济学会（The Professional Society for Health Economics and Outcomes Research，ISPOR）还提出了包含更多价值要素的价值评估框架（Neumann et al，2018）。

迈入21 世纪以来，伴随中国经济的快速增长，社会发展的各种重大改革也在不断推进。2009 年，中国启动了新一轮国家医药卫生体制改革，旨在进一步提高人们看病就医的可及性和服务质量的同时，还能更好管理其经济成本，提高医药卫生资源配置的综合效率。由于药物治疗在当前中国医疗实践中的重要位置，药物政策问题成了现阶段中国医改的重点主题。国家有关决策部门对此高度重视，并越来越明确药物经济学评价在基本卫生制度、全民医保制度、国家基本药物政策中的重要作用。2009 年，国家公布的《中共中央国务院关于深化医药卫生体制改革的意见》（中发[2009]6 号）（以下简称《意见》）提出，将“建立科学合理的医药价格形成机制”，“对新药和专利药品逐步实行定价前药物经济性评价制度”。2016 年，中共中央国务院出台了“健康中国2030”的发展规划，并明确提出要建立健全以应用为导向的成果评价和技术评估机制。与此同时，《“十三五”深化医药卫生体制改革规划》中也再次强调将药物经济学评价作为药品价格谈判的重要内容，在基本药物遴选调整中纳入药物经济学评价方法。2017 年，国家人力资源

和社会保障部开启了医保药品准入谈判工作，在谈判过程中正式将药物经济学评价报告和预算影响分析报告作为谈判价格测算的依据之一。2019 年，新成立的国家医疗保障局发布了《2019 年国家医保药品目录调整工作方案》，其中明确指出“对同类药品按照药物经济学原则进行比较，优先选择有充分证据证明其临床必需、安全有效、价格合理的品种”。同时，在国家医保目录进行的系统调整和修订过程中，国家医保局还聘请了药物经济学专家进行相关评审工作。展望未来，国家“十四五”发展规划即将进行，其中“健康中国2030”和深化国家医改是民生发展的核心内容，药物经济学的科学评价作用必将越发重要。

中国的药物经济学研究起步较晚，虽然还没有系统性或强制性地应用于中国医药卫生决策过程，但总体呈现快速上升和发展的良好趋势。近年来，中国研究者们发表的药物经济学评价论文数量快速增加，其中的英文文献也达数百篇，且研究质量不低于国际文献的平均水平，研究队伍和能力也在不断壮大（Thomas Butt et al，2019）。但是，中国药物经济学研究的质量参差不齐，规范性差，总体水平亟待提高。鉴于药物经济学评价方法在实践和决策中所起的重要作用，其科学性和规范性是影响评价结果及其应用的关键。根据世界主要发达国家的经验，如果没有系统的研究和评估规范，不同药物经济学的研究可能因为研究设计和报告范式等方面的差异，导致其研究结果的标准和质量各异，从而影响药物经济学评价的可比性、科学性以及对医药卫生决策的参考意义。截至2019 年已经有44 个国家和地区制定出了适合本地区的药物经济学评价指南（Guideline），并用于指导和规范所进行的药物经济学研究（ISPOR，2019）。因此，为了规范中国的药物经济学研究，更好促进其对医药卫生科学决策的指导，制定中国药物经济学评价指南至关重要。

药物经济学评价指南是应用药物经济学理论制定的对药物进行经济学评价应该遵循的一般规范。本指南旨在提出药物经济学评价方法的一般框架和规范，既是药物经济学研究执行的方法学指南，也是用来评估项目研究质量的标准。有关药物经济学更系统的基础知识，可参考药物经济学的相关书籍（陈洁等，2006；胡善联等，2009；孙利华等，2015；吴久鸿等，2017）。由于药物经济学研究的不断发展，很多方法论问题仍待进一步完善，各国指南中也存在诸多差异（Knies et al，2010）。希望本指南的使用，能够有利于中国药物经济学的学科发展，提高医药卫生资源的配置效率，促进中国医药卫生事业的发展。

使用说明

Instructions

本指南基于《中国药物经济学评价指南（2011 版）》进行了修订和更新，是药物经济学评价的方法学指南，是对药物相关项目或方案的经济性进行评价的一般规范要求。本指南的读者主要可包括两类：第一类是在中国进行药物经济学评价的研究者，可以根据本指南提供的指导性框架相关建议提高研究的规范性和质量；第二类是中国相关卫生决策部门的决策者，可以根据本指南的相关要求评估各类机构递交的药物经济学研究报告的质量。后者主要包括医疗保险管理部门、药品价格管理部门、基本药物政策管理部门和新药审评部门等，各部门可以要求或建议相关企业在相关产品的上市、定价或进入药物目录申请时递交药物经济学评价报告，并且成立国家药物经济学专家评审委员会。该评审委员会的主要职能是对各类机构递交的药物经济学研究报告质量进行评审，并形成关于该药物相关项目或方案经济性的最终评估报告，作为决策者进行最终决策的依据。本指南也可以作为药物经济学专家评审委员会在对各类机构递交的药物经济学评价报告进行质量评估时需要参考的标准和依据。

药物经济学作为新兴交叉学科，仍处于快速的发展和不断完善过程。同时，中国的医药卫生政策环境也在不断变化，因此《中国药物经济学评价指南》也需要不断地与时俱进。为此，我们将继续保持《中国药物经济学评价指南》的开放式动态修订工作机制，以利于长期接受来自社会各界的建议，并定期组织专家对建议进行研究和讨论，从而进一步修订未来的新版指南。

对《中国药物经济学评价指南（2019 版）》（下称《指南（2019 版）》）的任何意见或建议，请联系China_PEG2018@163.com。

《中国药物经济学评价指南》课题组 2019 年7 月6 日

执行摘要

Executive Summary

本《指南（2019 版）》包括引言、使用说明、执行摘要、正文、参考文献和附录六大部分。其中，正文部分按照药物经济学评价的主要方法技术要点依次撰写，共包括十一部分指南。

指南1 为研究问题（Study Questions）。药物经济学评价的第一步是明确研究问题，主要包括研究背景、研究目的与问题、研究角度、目标人群、干预措施与对照、研究时限等内容。研究背景应提供如下信息：相关疾病的流行病学概况及其经济负担，主要干预手段（包括药物与非药物）及其疗效与安全性，国内外临床诊疗指南对治疗方案的推荐，全球范围内相关干预的药物经济学评价现状（基本结论和尚存的问题），以及本研究的价值（必要性和重要性）等。研究者应当明确提出药物经济学评价的主要研究目的和待证明的问题，应根据研究目的和报告对象明确研究角度，并始终保持一致。研究需要明确经济学评价的目标人群，及其纳入和排除标准。建议采用流行病学特征描述目标人群的患者类型，如年龄、性别、疾病类型及严重程度、有无其他合并症或危险因素、社会经济特征等。评价通常在整体目标人群水平上进行，也可根据需要在亚组水平上进行。干预措施和对照的描述应该包括剂型、规格、用法用量、治疗方式、合并用药和治疗背景等信息。对照的选择建议尽可能采用适应症相同的标准治疗方案或常规治疗方案。如果药物属于新的治疗类别，则选择适应症最相近的药物作为对照。如果某些疾病目前仍然无有效医疗措施或不建议干预，可以与安慰剂进行比较，但需说明合理性。如果临床研究为单臂研究，可考虑使用真实世界的标准治疗作为对照。

指南2 为研究设计（Study Design）。按照数据收集时间和方式的不同可分为前瞻性研究、回顾性研究和混合研究；按照是否进行模拟可分为模型研究和非模型研究等。对于前瞻性研究，按照是否采用随机化分组可进一步分为前瞻性试验研究和前瞻性观察研究；其中，前瞻性试验研究又包括围绕随机对照临床试验（RCT）的平行研究和实效性临床试验（PCT）研究。对研究设计或模型估计中所作的关键假定，研究者应充分说明其依据、合理性及来源。针对前瞻性研究，药物经济评价研究的样本量应大于随机对照临床试验要求的最小样本量，推荐采用药物经济学试验样本公式进行估算。研究设计中应说明研究时限及依据。研究时限需要合理地反映疾病的自然进程，时间范围应足够长以获得干预组和对照组所产生的主要成本和健康产出。

指南3 为成本（Cost）。成本分析主要包括成本确认、成本测量与成本计价。药物经

济学评价中的成本包括直接成本、间接成本和隐性成本，其中直接成本又包括直接医疗成本和直接非医疗成本。成本确认的范围需要与所确定的研究角度和研究时间一致。若因实施干预措施而延长了患者生命，则应该将生命延长期间产生的与目标疾病以及此项干预措施有关的成本纳入分析。在测量药品不良反应（ADRs）成本时，建议测量为避免或监测ADRs 而产生的成本，以及ADRs 发生后进行医疗干预而产生的成本。成本测量时应首先列出与实施干预措施相关的资源项目，明确评价项目的计量单元，再根据该计量单元测算消耗的资源数量。成本测量时应优先推荐使用基于中国人群的基础数据。若无法获得基于中国的基础数据，则应对来自国外的数据进行校正，使其适用于中国。成本计价时将医疗资源使用量乘以单价，予以加和，得到总成本。根据成本项目的计量单位，获取相应计量单位的费用或价格。医疗资源的单价建议使用官方或权威机构发布的最新价格信息，例如省级招标采购的中标价、国家谈判价等。如果药品尚未上市，建议采用生产厂商建议价格进行分析。如果使用其他价格体系，应该明确注明并解释其合理性。对于因疾病治疗所付出的间接成本，建议采用人力资本法（HCA）进行计算。

指南4 为贴现（Discounting）。研究应该对发生在未来的成本和健康产出进行贴现，将其折算成同一时点的价值当量。当分析的时间跨度为1 年以上时，推荐使用贴现。贴现时建议对成本与健康产出采用相同的贴现率。贴现率可采用研究当年的1 年期国债收益率或者使用每年 $5\%$ 的贴现率进行基础研究，同时至少在 $0\%{\sim}8\%$ 之间对贴现率进行敏感性分析。若采用其他贴现率，应给出合理解释。

指南5 为健康产出（Health Outcomes）。健康产出的三类测量指标包括疗效/效果、效用和效益。药物经济学评价中的效果指标应该选择可获得的最佳证据，即从临床疗效或实际效果指标中选优。当随机对照临床试验的疗效数据可获得并适用时，优先选择临床疗效数据；当无法获得临床疗效数据或数据不适用时，建议考虑使用真实世界研究中的实际效果数据。推荐优先从循证医学临床证据等级较高的RCT 系统评价或荟萃分析中获取临床疗效数据；推荐优先考虑基于中国人群开展的RCT 数据或含有中国人群的国际多中心RCT 数据；推荐优先选择干预组与对照组头对头直接比较的RCT 临床疗效数据；推荐优先采用终点指标进行药物经济学评价。推荐使用质量调整生命年（QALYs）作为效用指标，且在报告QALYs 之前，应当先分别报告生存时间和健康效用值。健康效用值的测量方法包括直接测量法与间接测量法，优先推荐使用间接测量法。间接测量法中常用的健康效用量表包括五维健康量表（EQ-5D）和六维健康调查简表（SF-6D）

等；对于儿童建议使用针对儿童的健康效用量表（如EQ-5D-Y）。当没有适用的间接测量工具来获得某些疾病或症状的健康效用值时，可以使用直接测量法。常用的直接测量法包括标准博弈法（SG）、时间权衡法（TTO）和离散选择实验法（DCE）等。采用间接测量法测量健康效用值时，如果有证据表明普适性效用量表在目标疾病中有较好的信度和效度，优先推荐使用普适性效用量表，如EQ-5D-3L、EQ-5D-5L 和SF-6D V2 等。当有证据表明普适性效用量表不足以反映某一患病人群特征或疾病症状时，可以使用疾病特异性效用量表。推荐使用基于一般人群偏好建立的健康效用积分体系进行效用值的计算，推荐优先选择基于中国人群建立的健康效用积分体系进行效用值的计算。效益是指用货币单位来量化健康产出。疾病治疗方案的效益包括直接效益、间接效益和无形效益三个部分。直接效益计量的是因干预措施的实施而发生的实际货币交换的收益。间接效益和无形效益计量的是没有直接发生实际货币交换的收益，通常需要采用人力资本法或意愿支付法（WTP）等方法进行测算。

指南6 为评价方法（Evaluation Techniques）。研究者应当根据研究中干预措施的特点、数据的可获得性以及评价的目的与要求选择适当的评价方法。在条件许可时，建议优先考虑成本-效用分析（CUA），也可以采用成本-效果分析（CEA）、最小成本分析（CMA）或成本-效益分析（CBA），但应当说明其理由。研究者可同时采用两种或两种以上的方法进行评价，或者以一种方法为主联合其他方法进行评价，并比较和分析各种评价方法结果之间的差异。药物经济学评价中，CUA 和CEA 的基本决策原则是按照增量分析结果进行决策。增量分析是在干预方案与对照方案之间进行的成本和产出两个维度的比较。如果干预方案相比对照方案成本更低而产出更高，则干预方案为绝对优势方案；相反，如果干预方案相比对照方案成本更高而产出更低，则干预方案为绝对劣势方案；如果干预方案相比对照方案成本更高而产出也更高，需要计算两方案之间的增量成本-效果比（ICER）。如果ICER 小于等于阈值，则干预方案相对于对照方案更加经济；如果ICER大于阈值，则对照方案相对于干预方案更加经济。

指南7 为模型分析（Model Analysis）。药物经济学评价模型通常是采用图形结构、公式等方式对疾病的自然转归过程和干预措施对该疾病转归过程的影响进行抽象模拟，重点关注此过程中的干预措施和发生的重要临床事件以及由此引起的健康变化和资源消耗情况。模型的构建和分析的起点在于对决策问题的描述。药物经济学评价可能采用不同类型的模型进行分析，常用的包括决策树模型、马尔科夫模型、离散事件模拟模型、

分区生存模型等。研究者选择模型类型之前，首先需要了解相关疾病的临床特点，其次也需要考虑研究数据的可获得性。模型结构的构建应主要以疾病转归特点以及干预措施对疾病转归过程的影响为依据，模型应该适度简化，建议用模型结构图进行展示。研究者应当系统地识别、收集和评价模型中使用的数据，详细说明模型中所有参数的来源和选择依据。当模型参数有多个不同来源时，应当综合考虑参数的质量等级、数据来源的人群特征、数据收集的国家或地区、数据收集的医疗环境、数据收集时间等因素后进行权衡，数据来源特征尽量与模型模拟环境一致。必要时，建议咨询临床专家，并进行敏感性分析或差异性分析。在模型中各干预措施之间，临床参数来源尽可能保持可比。研究者应对模型中的各种因果关系、使用的外推技术、模型范围、结构及数据等方面的假设进行解释和说明。对于重要的假设，应当进行不确定性分析。研究者应当对所构建的药物经济学评价模型进行验证，包括表面效度、内部效度、外部效度、交叉效度和预测效度等。模型应当具有足够的透明度，从而使得研究报告的读者、评审专家和卫生决策者可以判断该模型结果是否可信，以及根据实际面临的决策环境来判断该模型研究结果是否适用于当前的决策。

指南8 为差异性和不确定性（Variability and Uncertainty）。差异性是指已经明确的可能影响评价结果的与治疗背景差异相关的参数差异，无法完全消除。地区和背景的差异性可以进行敏感性分析或情境分析处理；由于患者异质性带来的差异性应当在研究设计阶段，将患者划分为更小的同质性亚组进行处理。研究者应当对药物经济学评价过程中各种来源的不确定性进行全面分析，包括方法学不确定性、参数不确定性及模型不确定性等。方法学及模型不确定性多采用情境分析。参数的不确定性可以采用单因素、多因素、极值分析法等确定型敏感性分析，也可以采用蒙特卡洛模拟进行概率敏感性分析。在确定型敏感性分析中，参数取值变化范围的设定需要有充分的依据。概率敏感性分析中，应纳入尽量多的参数，每个参数的概率分布形式、分布参数和蒙特卡洛迭代的次数都应该予以说明并说明其合理性。有多个不确定性因素存在时，单因素敏感性分析的结果可以采用旋风图来表示；建议使用成本效果可接受曲线或成本效果平面散点图来表现药物经济学评价模型概率敏感性分析的结果。敏感性分析结果与基础分析结果具有同等重要性，研究者应避免主要依据基础分析结果得出结论的做法。

指南9 为公平性（Equity）。在药物经济学范畴内，公平性是指一项干预活动影响到的所有生命、生命年（LYs）或质量调整生命年（QALYs）的价值都（假设）是相等的，

而不管目标群体（个人或种族）的年龄、性别或社会状态等。在条件允许时，应对基础分析中评价结果的公平性问题进行检验。处理公平性的方法有两种。第一种是，进行敏感性分析，说明公平性假设对结果的影响。第二种是，在预先设定的因素基础上，通过亚组分析，确定主要的受益亚组和劣势亚组的公平性相关特征，如年龄、性别、种族、地区、社会经济地位或健康状态等群体特征。当不同亚组获益程度不同，且可以选择性地对不同亚组进行干预时，则应当报告每个亚组的成本-效果信息。

指南10 为外推性（Generalizability）。当使用其他医疗环境（包括其他国家、地区或卫生体系）下获得的健康产出数据（经济、临床和人文）时，研究者应根据现有研究的医疗环境验证其适用性。如果需要根据现有医疗环境调整数据，则应描述所使用的方法，并证明其适用性。在应用或外推研究结果时，研究者应首先考虑临床数据适用性，明确干预措施的疗效和效果之间的区别。流行病学数据常常都会带有一定的地域影响，当只能获得非全国性的流行病学数据时，研究者在使用前应该评价该数据应用于现有研究中是否存在偏差。在应用从某个国家或地区获得的干预措施成本数据时，研究者需要注意不同国家或地区之间成本数据的差异性，并进行校正和调整。

指南11 为预算影响分析（Budget Impact Analysis，BIA）。预算影响分析是对新的医疗干预措施进入某个系统（如医保目录）后对该系统支出影响的分析评估。预算影响分析的研究角度为预算的持有者角度，可以根据决策需要，将角度界定在从全国到地方的不同层次的医保支付方、商业保险机构、某地区某类型的某一家医疗机构。目标人群数量的计算应该基于相应的流行病学数据，根据纳入和排除标准，逐步进行估算。明确BIA的两种市场情形，即“未准入情境”为新干预措施不进入市场，目标人群只使用当前市场上存在的干预措施的状态；“准入情境”为新干预措施进入市场后一定比例的目标人群开始使用新干预措施的状态。两种情境均应考虑到预期的市场变化，包括其他干预措施的上市、同类药品的撤市以及可能的替代治疗方式等。预测时间应根据分析的角度和疾病类型予以确定，一般在3-5 年之间，不建议进行贴现。未准入情境下的市场份额一般从真实世界数据研究中获取，准入情境下的市场份额对研究的新干预措施所占目标人群市场的份额进行预测，并根据特定的假设来预测所有干预措施在目标人群中的使用比例。新的干预措施准入后可能带来三种类型的市场份额变化：替代、联合使用、扩张。研究者应保证预测方法的透明度，对于所做的假设、引用的数据和选择的预测模型都应做出充分的说明。预算影响分析的成本包括两部分，一是干预措施本身的成本，二是干

预措施对其它成本的影响。研究者需要记录和展示与选择模型结构和基本假设相关的决策，通过情景分析（改变结构假设）和单因素/多因素敏感性分析（改变选定参数输入值）进行不确定性分析，必要时可以进行概率敏感性分析。

本指南附录包括了三个部分：附录1 为标准报告格式，附录2 为质量核查列表，附录3 为术语表。

指南1：研究问题

Guideline 1: Study Questions

药物经济学评价的第一步是明确研究问题，主要包括研究背景（Study Background）、研究目的与问题（Study Objectives and Questions）、研究角度（Study Perspective）、目标人群（Target Population）、干预措施与对照（Interventions and Comparators）、研究时限（Time Horizon）等内容。除主要研究问题外，也可包括次要研究问题，如干预措施对不同亚组（Subgroup）的影响或不同治疗方式（单一治疗和联合治疗）造成影响的差异等（CADTH，2017）。

1.1 研究背景（Background）

研究背景需提供的信息主要包括相关疾病的流行病学（Epidemiology）概况及其经济负担（Economic Burden），主要干预措施（包括药物与非药物）及其疗效（Efficacy）与安全性，国内外临床诊疗指南对治疗方案的推荐，全球范围内相关干预措施的药物经济学评价现状（基本结论和尚存的问题），以及本研究的价值（必要性和重要性）等。

1.2 研究目的与问题（Objectives and Questions）

研究者应当明确提出药物经济学评价的主要研究目的和待证明的问题，问题应当以可回答的方式提出。

例如：在某个亚组人群中使用某种新治疗方案与传统治疗相比，是否更具成本效果？

1.3 研究角度（Perspective）

1.3.1 研究者应根据研究目的和报告对象明确研究角度，主要包括以下几类研究角度：全社会角度（Societal Perspective）、卫生体系角度（Healthcare System Perspective）、医疗保障支付方角度（Payer Perspective）、医疗机构角度（Health Care Provider’s Perspective）以及患者角度（Patient’s Perspective）等。

1.3.2 推荐采用全社会角度和卫生体系角度进行评价，但研究者可根据研究目的选择合适的研究角度。所有应用于公共决策的药物经济学评价都应该提供全社会角度的评价结果。

1.3.3 在一项药物经济学评价中，可以分别基于多种角度开展评价，但在基于每一种角度的评价中都应当自始至终坚持研究角度的一致性。

解释

（1）研究角度在药物经济学评价中具有举足轻重的地位，一旦研究角度确定，研究设计、分析方法、成本和效果的测算等一系列评价过程也随之确定下来。在不同的研究角度下，成本的范围和估计会有很大差别。

（2）依照社会福利观点，最理想的药物经济学评价角度是全社会角度。这意味着不管谁投入谁获利，分析都应该包括所有的成本和收益，即卫生服务系统外的成本和收益也应该考虑。对于基于非全社会角度开展的药物经济学评价，可以根据需要讨论在全社会研究角度下的成本-收益的结果变化情况。

（3）从不同研究角度进行的评价存在转移支付成本（Transfer Cost）如何处理的问题。从全社会角度看，生育保险、工伤保险、商业医疗保险以及其它国家社会保险中存在的疾病津贴就是转移支付成本的典型案例。这样的转移支付成本，从全社会角度分析，为避免重复计算该成本不应纳入成本计算范畴；而从转移支付方（如卫生体系或医院）角度，因成本不能得到补偿而需计入成本（Genduso et al，1996）。

1.4 目标人群（Target Population）

1.4.1 研究需要明确经济学评价的目标人群，纳入标准（Inclusion Criteria）与排除标准（Exclusion Criteria）。通常，经济学评价的目标人群与药物的适用人群一致。应当采用流行病学特征描述目标人群的患者类型，如年龄、性别、疾病类型与严重程度、有无其他合并症（Comorbidity）或危险因素、社会经济特征等。

1.4.2 经济学评价通常在整体目标人群水平上进行，也可以根据需要在亚组水平上进行。亚组分析可以按人群特征、疾病亚型、严重程度以及有无合并症（Comorbidity）等分组进行。

1.4.3 干预措施临床试验的严格限制条件可能使得临床试验人群与真实世界用药人群存在差异。当临床试验人群与真实世界用药人群有差异时，研究应进一步探索不同人群的差异对研究结果造成的影响。

解释

亚组的差异对决策者非常重要，可以为决策者提供优先干预对象。但分组参数和亚组数量受样本大小的限制。因此研究者要在分析的精确性和统计能力之间进行权衡。有证据表明，临床效果和成本-效果在不同组间存在差异时应当使用亚组分析。亚组分析需要建立在研究前参数已经很清楚的前提下，且在简单分析中亚组分析尽可能少。以下问题有助于判断亚组差异是否是真正的差异（Oxman et al，1992）：

（1） 亚组差异大小是否具有临床重要性 （如可以导致亚组间不同的治疗建议）？ （2） 亚组间差异是否有统计学意义？ （3） 关于亚组的假设在研究前与分析后是否不同？ （4） 是否这类研究应使用最少的亚组分析？ （5） 是否是在同一研究中得到亚组间的差异（而不是两个研究）？ （6） 亚组差异与其他研究一致吗？ （7） 是否有直接（生物学）证据支持亚组间差异？

1.5 干预措施及对照选择（Interventions and Comparators）

1.5.1 干预措施（Interventions）和对照（Comparators）的描述应该包括剂型、规格、用法用量、治疗方式、合并用药和治疗背景等信息。对照的选择建议尽可能采用适应症相同的标准治疗方案（Standard Treatment）。如果没有标准治疗方案，可以考虑临床上的常规治疗方案（Conventional Treatment）。如果某些疾病目前仍然无有效医疗措施或不建议干预（如前列腺癌的观察等待法“Watchful Waiting”），药物经济学评价可以与安慰剂（即无干预）进行比较，但须说明其无医药干预的临床合理性。对照药品应以通用名（Generic Name）表示，并列出药品的商品名（Brand Name）。

1.5.2 如果新药属于现存的治疗药物分类，原则上选择同一治疗分类中的标准治疗或最常用的药物作为对照；如果药物属于一个新的治疗药物分类，且适应症与其他药物相同，则选择适应症最相近的药物作为对照；如果研究目的是将某种新干预措施纳入医保目录或医院目录，则需考虑目录中已有的替代药品作为对照。另外，如果所评价的新干预措施属于中药或中成药（非辅助治疗），在选择对照进行药物经济学评价时建议纳

入与其适应症相同或相近的西药进行对比，同时也可考虑功能主治相同的中药品种。

1.5.3 如果临床研究为单臂研究，可考虑使用真实世界的标准治疗（Standard of Care）方案作为对照。

解释

药物经济学评价建立在不同治疗方法相互比较的基础上，因此比较结果很大程度上取决于对照的选择，这不仅对经济学评价，而且对评价药物的治疗价值都非常重要。理想状态下新药可考虑与目前最具成本-效果的治疗方案进行比较，在实际研究中有许多对照供选择，如最有效对照（标准治疗）和最常用对照（常规治疗）等。“标准治疗”是常规治疗中被证明效果最好的治疗方法；“常规治疗”应该是临床最常用的治疗方法或市场份额最大的治疗方法。在一个研究中存在多种对照药品的情况比较普遍。

指南2：研究设计

Guideline 2: Study Design

2.1 研究设计类型（Types of Study Design）

2.1.1 药物经济学评价按照数据收集时间和方式的不同可分为前瞻性研究（Prospective Study）、回顾性研究（Retrospective Study）和混合研究；按照是否进行模拟可分为模型研究（Modeling Study）和非模型研究等。

2.1.2 对于前瞻性研究，按照是否采用随机化分组可进一步分为前瞻性试验研究和前瞻性观察研究（Prospective Observational Study）；其中，前瞻性试验研究又包括围绕随机对照临床试验（Randomized Controlled Trial，RCT）的平行研究（Piggyback）和实效性临床试验（Pragmatic Clinical Trial，PCT）研究。

解释

（1）围绕RCT 的平行研究是将药物经济学评价与药物临床试验相结合的方法，通常加载在药物Ⅲ期临床试验中进行，也有加载在Ⅱ期或Ⅳ期临床试验中进行的。这是目前广泛采用的一种研究设计，借助药物临床试验严格的随机对照设计，可以获得较强的可信度（Credibility）和较高的内部效度（Internal Validity）。对于新药上市前的药物经济学评价（Pre-Marketing Economic Evaluation）而言，平行研究是最好的选择，可以尽早为新药上市后的药品定价和医疗保险准入提供决策依据。但其也有一定的局限性，例如外部效度（External Validity）低，且对照组多为安慰剂。

（2）PCT 研究指的是在药物的日常实际应用环境中进行的药物经济学评价（MacPherson，2004）。相比于围绕随机对照临床试验的平行研究，此类研究在研究设计上更灵活，对患者的纳入和排除标准的限制更少，通常采用临床阳性对照方案而非安慰剂，并且不会严格地控制干预方案的实施过程，可以测量更多与医疗保险决策相关的结果产出。但PCT 的局限性是随访时间往往较长，研究成本相对较高，同时相较于平行研究，PCT 的内部效度较低。但在研究成本可负担的范围内，PCT 研究仍然是一种非常值得推荐的药物经济学评价研究类型。

（3）前瞻性观察研究是一种非随机临床研究，即在不采用任何方式干预医生临床决策的前提下，根据制定好的数据收集计划，前瞻地收集药物经济学评价所需要的相关患者信息。这类研究设计收集的数据可以反映真实条件下药物治疗的成本-效果，是药物经济学研究设计的理想标准。虽然这类研究具有很好的外部性，但由于放宽了外部限制、患者用药依从性（Compliance）差和干扰因素（Confounding Factors）多，从而降低了内部

效度。此外，由于没有对患者进行随机分组，目标药物组和对照组患者基线特征的差异很可能对成本和健康产出（Health Outcomes）带来较大影响，从而增加分析的难度。

（4）回顾性研究也是一种非随机临床研究，在药物经济学评价中通常指的是回顾性队列研究，往往是回顾性地从各种数据库或医院病历等已有资料中纳入患者并收集患者信息，进而对干预组和对照组的成本和产出进行比较。这类研究是在缺乏前瞻性研究和混合研究时的最佳选择。其优点是数据来源通常为已有的数据资料，成本较低，研究时间也较短，并有较高的外部效度。但由于回顾性研究不能像前瞻性研究那样由研究者控制数据收集质量，也无法事先明确入组样本的特征，因此研究组与对照组的样本之间会存在一定的差异，这些都可能给研究结果带来偏倚。另外，回顾性研究所使用现有的数据通常不是根据药物经济学评价目的而记录的，因此往往难以达到研究设计本身的要求。

（5）混合研究主要是以上几种研究设计方法的综合运用，通常从临床试验或观察性研究中获得患者的临床效果数据，从回顾性研究或横断面研究来获取相关的成本数据。混合研究的优点是可以利用多种数据来源来解决单一数据来源不能解决的问题，是一种省时省钱的药物经济学评价方法。在没有条件开展前瞻性研究时，混合研究可以作为一种替代选择。然而，由于成本和效果的数据来源不同，研究结果可能会存在一定偏倚。

（6）模型研究是成本-效果研究中最常用的研究设计方法。决策分析模型（Decision Analysis Model）是一种利用现有资料，直观、定量分析不确定条件下治疗方法的临床和经济结果的一种合成方法，它考虑了时间及不同时间治疗的影响，尽量反映实际的疾病转归和不同治疗结果的复杂性。主要的决策分析模型有决策树模型（Decision Tree Model）、马尔科夫模型（Markov Model）和分区生存模型（Paritioned Survival Model）。模型法的数据来源可以是临床试验、流行病学研究、荟萃（Meta）分析、真实世界研究（Real World Study，RWS）结果、专家咨询意见以及小规模的现场调查和文献资料。当需要考虑多个结果指标（如疗效和不良反应）、需要将临床试验的结果外推、研究时间很长、或研究预算受约束时，模型便十分有用。由于其省时省力，模型研究可以在较短的时间内提供比较全面的信息，应用十分广泛。

2.2 研究假定（Assumptions）

对于研究设计或模型估计中所作的关键假定，应充分说明其依据和合理性。

解释

在药物经济学评价中，存在很多不确定因素和难以估计的参数值，尤其是在模型研

究中。这些不确定因素和参数值会对模型估计及评价结果的可靠性和稳健性产生重要影响，因此需要对其做出相关假定，并说明该假定的合理性。药物经济学评价的研究假定可以发生在研究角度、分析技术、目标人群、对照选择、研究时限、成本的计算、贴现和临床指标等多个方面（Briggs，2000；Sculpher et al，2000）。

2.3 样本大小（Sample Size）

2.3.1 在围绕随机对照试验的平行研究中，研究者应当尽可能根据药物经济学评价的需求对临床试验的样本量进行调整；在实效性临床试验和前瞻性观察研究中，由于研究者需自行收集数据，并且收集数据的边际成本普遍较高，因此需要着重考虑最小样本量的要求，研究者需要根据相关参数在真实环境下分布情况考虑最小样本量的要求；在回顾性研究中，数据来源通常为医院电子病历或医疗保险数据库等大样本数据库，其收集数据的边际成本较低，且可以收集到的样本量通常远大于研究的最小样本量要求，因此通常不需要考虑最小样本量的要求；在模型研究中，样本量大小是模型假设的，因此不需要计算样本量。

2.3.2 一般来说，根据主要研究问题，药物经济学评价的样本量应大于随机对照临床试验要求的最小样本量。在相关参数可获得的情况下，推荐研究者采用药物经济学试验样本公式估算样本量（Backhouse，2002；金丕焕，1993)；当估算公式中的各个参数难以获得时，每组患者样本量不得低于按临床试验或队列研究样本量估计公式计算的样本量。

解释

样本量大小是由所需回答的研究问题而决定。一般说来，药物经济学评价的样本量应大于随机对照试验最小样本量的要求。这主要是由于药物经济学试验与随机对照试验在对照、研究对象、研究背景、终点指标、效应大小、观察时限、Ⅰ型和Ⅱ型错误可接受水平和统计方法等方面存在如下差异： $\textcircled{1}$ 采用临床阳性对照方案取代安慰剂进行对照； $\circledcirc$ 允许更广泛的治疗人群，患者异质性增大； $\textcircled{3}$ 采用经济分析的结果指标，而成本变量通常呈偏态分布，变异性更大； $\textcircled{4}$ 评价结果为可以同时对成本和效果进行衡量的综合指标，而非单一的临床疗效指标； $\textcircled{5}$ 研究时间足够长以观察到干预方案间成本和效果最终的差

异； $\textcircled{6}$ 除了药物有效性参数外，还需要估计经济参数Ⅰ型和Ⅱ型错误大小； $\textcircled{\scriptsize{2}}$ 需要在研究中使用成本的统计分析方法。由于这些差异的存在，为了达到与随机对照试验同样的统计学显著性水平和检验效能，应在随机对照试验最小样本量的基础上，适当扩大药物经济学评价的样本量。

2.4 研究时限（Time Horizon）

2.4.1 在药物经济学评价中，研究者应清楚地说明所选择的研究时限并说明其合理性。

2.4.2 研究时限需要合理地反映疾病的自然进程，时间范围应足够长以获得干预组和对照组在成本和效果上的显著差异；为了保证分析的一致性，成本和效果数据的收集应该采用相同的研究时限。

2.4.3 在模型研究中，当对干预方案的成本和效果数据进行长期模拟时，除了应列出模型的长期模拟时间、依据及模拟结果外，还应列出原始数据的短期研究时限的结果。

解释

研究时限指的是研究者需要在一定的时间内观察或者模拟干预措施治疗某一疾病的成本和健康产出，因此，其时间的长短主要取决于研究的疾病种类、治疗目标和预期产出等。某些疾病的发生和发展时间往往较短，如急性病可能在短期内会导致患者死亡，对于这些疾病，研究者可以在短时间内观察到疾病发生、发展、治疗和转归的整个过程，因此研究时限较短。而对于慢性病的治疗来说，最好的研究时限是患者的整个生命周期，但并不意味着要观察患者整个生命周期内发生的成本和效果，这既不方便也不可行。常用的方法是基于短期研究（包括临床试验或观察性研究）的成本和效果数据，采用模型法外推至长期的成本和效果。这时研究者需要列出短期研究的研究时限和结果，同时应阐明外推方法的适宜性，包括因果关系、研究假设和外推依据等。

指南3：成本

Guideline 3: Cost

药物经济学评价中的成本分析主要包括成本的确认（Cost Identification）、成本的测量（Cost Measurement）与成本的计价（Cost Valuation）。

3.1 成本的分类和确认（Cost Identification）

3.1.1 药物经济学评价中的成本包括直接成本（Direct Cost）、间接成本（Indirect Cost）和隐性成本（Intangible Cost），其中直接成本中又包括直接医疗成本（Direct Medical Cost）和直接非医疗成本（Direct Non-Medical Cost）。

3.1.2 成本确认的范围需要与所选定的研究角度一致。一般来说，药物经济学评价有五个角度，即全社会角度、卫生体系角度、医疗保障支付方角度、医疗机构角度和患者角度。全社会角度下应纳入所有直接医疗成本、直接非医疗成本和间接成本，所有应用于公共决策的药物经济学评价都应该提供全社会视角的研究结果；卫生体系角度下应纳入卫生系统内的所有直接医疗成本；医疗保障支付方角度下应纳入医保支付范围内的所有直接医疗成本；医疗机构角度下，应纳入在本医疗机构承担的直接医疗成本和非医疗成本（如果有的话）；患者角度下，应纳入患者相关的所有直接医疗成本、直接非医疗成本和间接成本。对于隐性成本，研究者可以灵活处理，可以将其放在成本端或者健康产出端，但要避免重复计算；当隐性成本显著较大时，需要对其进行专门评估。

3.1.3 成本确认的范围需要与所确定的研究时限一致，应纳入研究时限内与实施干预措施相关的所有当前的和未来的成本。若因实施干预措施而延长了患者生命，则应该将生命延长期间产生的与目标疾病以及此项干预措施有关的成本纳入分析，可以排除与目标疾病或干预措施无关的成本。

3.1.4 如果所研究的医疗干预措施中发生了药品不良反应（Adverse Drug Reactions，ADRs），应当确认因处理不良反应而消耗的成本，尤其需要关注3-4 级ADR 产生的影响。与ADRs 相关的成本主要有两类（李易平等，2009）：（1）为避免或监测ADRs 发生而产生的成本；（2）ADRs 发生后进行医疗干预而产生的成本。

3.1.5 在基于临床试验收集数据的药物经济学评价中，应当识别并排除为了进行临床试验而发生但在实际临床治疗中不会发生的“试验成本”项目（Protocol-Driven Costs）。如某些成本项目难以确定在实际临床治疗中是否会发生，可以参考同类非基于临床试验的药物经济学评价中的成本构成进行敏感性分析（Sensitivity Analysis）。

解释

（1）直接成本是指在医疗服务活动中直接发生的成本，包括直接医疗成本和直接非医疗成本。直接医疗成本是指某种治疗方案所消耗的医疗资源，如挂号费、药费、手术费、诊疗费、治疗费、护理费、监护费、材料费、病房费、检验费、氧气费和其他医疗成本；直接非医疗成本是指患者因寻求医疗服务而直接消耗的医疗资源以外的资源，如交通费、食宿费、营养食品费等。一般情况下，直接非医疗成本因条件差异大，难以准确计算。因此如果所占比例较小，在研究中可将其忽略。

（2）间接成本是指由于疾病、伤残或死亡造成的患者和其家庭的劳动时间及生产率损失（Productivity Loss），包括休学、休工、早亡等造成的患者及家人的工资损失等。

（3）隐性成本是指因疾病或实施预防、诊断等医疗服务所引起的疼痛、忧虑、紧张等生理上和精神上的痛苦及不适。隐性成本通常不单独测量，因为： $\textcircled{1}$ 隐性成本难以准确测量，更难以转化为货币单位； $\circledcirc$ 在测量效用时，隐性成本往往已被包含在产出的测量中，无需重复测算。

（4）除了上述推荐的成本分类外，也允许研究者采用其他不同的成本分类方法，但要保证成本确认中包含干预措施的所有相关资源，避免漏项或者重复计算。

3.2 成本的测量（Cost Measurement）

3.2.1 成本测量时应首先列出与实施干预措施相关的资源项目，明确评价项目的计量单位，再根据该计量单位测算消耗的资源数量。计量单位主要包括三类：第一，卫生资源消耗的自然单位；第二，根据国家相关部门制定的项目标准；第三，根据研究需要所界定的计量单位。

3.2.2 成本的计量单位可以是比较宏观的，如一年就诊、一次住院、一次门诊等单位；也可以是比较微观的，如一片药品、一次注射、一次护理等。在数据可得的情况下，应尽可能使用微观的计量单位。使用微观计量单位的好处是，一方面可以详细地考察成本数据的构成，考察其合理性；另一方面，即使在不同地区采用了不同的治疗方案并且价格有所差异，如果采用了微观计量单位，也可以通过数据调整，使得不同地区的成本数据具有可比性。

3.2.3 在进行成本测量时应优先推荐使用基于中国人群的基础数据。若无法获得基于中国的基础数据，则应对来自国外的数据进行校正，使其适用于中国。

解释

（1）如果要将国外的直接成本数据本地化，则需要进行两个方面的调整：一是诊疗方案的本地化；二是成本项目价格的本地化。在这个过程中，需要将国外诊疗方案的成本项目细分，然后组合成中国临床上常用的诊疗方案，再结合中国的价格，形成中国的成本。

（2）在测量资源消耗的时候，需要考虑资源使用的频率、使用每项服务的患者比例以及服务的时长。不经常使用的医疗服务及对结果没有什么影响的成本只需在报告中描述，不需进行计算（Drummond et al，2005）。

3.3 成本的计价（Cost Valuation）

3.3.1 成本计价时将医疗资源使用量乘以单价，予以加和，得到总成本。

3.3.2 根据成本项目的计量单位，获取相应计量单位的费用或价格。如果采用较为宏观的计量单位，则有次均住院费用、日均住院费用等；如采用微观的计量单位，则有每种医疗服务和药品的明细价格。

3.3.3 医疗资源的单价建议使用官方或权威机构发布的最新价格信息，例如省级招标采购的中标价、国家谈判价等。如果某一医疗资源项目在市场上存在多个价格，在市场份额分布已知时，可以采用市场份额加权的平均价格；在市场份额不可获得时，可以采用所有已知价格的中位数。对药品而言，同一通用名相同剂型不同规格药品的价格可以采用限定日剂量（Defined Daily Dose，DDD）进行校正，获得多个来源的单价，再进行加权或中位价格的计算；不同剂型的药品如果治疗目标和疗效相当，也可以通过以上方式进行价格转换，然后再计算平均价格。如果药品尚未上市，建议采用生产厂商建议价格进行分析。研究者如未使用上述推荐的价格体系，应该明确注明并解释所使用的其它价格体系的合理性。

3.3.4 对于因疾病治疗所付出的间接成本，也称劳动力成本，建议采用人力资本法（Human Capital Approach，HCA）进行计算（Liljas，1998），即假定所有损失的时间用于生产，用劳动力市场平均工资水平去估算因疾病或过早死亡带来的劳动力损失。

解释

（1）理论上，从全社会角度出发，药物经济学评价中的成本应按照机会成本（Opportunity Cost）原则进行估价计算（Luce et al，1990）。考虑到现实操作的难度，研究通常采用消耗资源的市场价格作为成本的计算标准，因为在自由市场，价格趋向于机会成本。如果有充足的理由表明市场价格远远偏离成本，例如有政府价格管制或交叉补助的时候，应该进行相应的调整并予以说明。

（2）在界定疾病治疗的成本和效益时，要尽量避免可能的重复计算（Double Counting）或漏算。例如，应该明确“因治疗获得的工作时间的增加”归类到成本的减少，还是归类到治疗的效益。

指南4：贴现

Guideline 4: Discounting

当研究时限为 1 年以上时，研究应该对发生在未来的成本和健康产出进行贴现（Discounting），将其折算成同一时点的价值。

贴现时建议对成本与健康产出采用相同的贴现率（Discount Rate（Smith et al，2001）。贴现率可采用研究当年的1 年期国债收益率或者使用每年 $5\%$ 的贴现率进行基础研究，同时至少在 $0\%{\sim}8\%$ 之间对贴现率进行敏感性分析（刘国恩等，2015；谢烛光等，2019）。若采用其他贴现率，应给出合理解释。

解释

（1）卫生服务的成本和健康产出通常发生在不同的时间，为了使成本或健康产出能够在同一时点进行比较，需要对其进行贴现。贴现的概念是基于多数人具有时间偏好（Preference），认为当前发生的成本或健康产出，其价值会高于未来发生的成本或健康产出。

（2）国际上对非货币形式衡量的健康产出进行贴现目前仍存有争议，主要体现在三个方面：第一，是否应该贴现。当QALYs 作为健康产出指标时，其实际上已经包含了受访者的时间偏好，因此可能导致重复贴现。如果不对健康产出贴现，分析结果就会偏向具有长期效应的替代治疗方案，牺牲具有短期效应的治疗方案；第二，健康产出的贴现率是否应该与成本的贴现率保持一致；第三，健康产出的贴现率是否应随时间而变化。目前多国指南都建议对健康产出进行贴现，并采用与成本相同的贴现率（见表 1）。如果不对健康产出进行贴现，需要报告对这种做法的合理解释或同时报告将健康产出进行贴现和不进行贴现的结果。

（3）贴现率的选择要能够反映不同社会经济发展速度、价格变化、消费者的时间偏好等多种因素，各国指南推荐的贴现率在 $1.5\%–5\%$ 之间，敏感性分析的范围一般在 $0\%{\sim}10\%$ （见表1）。当研究期间发生明显的通货膨胀或者医疗服务相关资源价格上涨率明显高于其他商品时，需要对贴现率进行相应的调整。

表1 部分国家或地区药物经济学评价指南对成本和健康产出贴现率的建议

|国家或地区|成本|健康产出|敏感性分析| |---|---|---|---| |澳大利亚 （2016)| S96| S96|0%， 3.5%| |巴西（2014）|S96|0%-10%|0%-10%| |德国（2009）| 396|¥396|000， 500， 7%， 10%| |法国（2004）| S96|S96|0%， 3%| |加拿大（2017）|1.59|1.50/6|0%, 3%| |日本（2016)| 296|296|0%-4| |英国（2013）|3.50/0|3.50/0|1.50/| |中国台湾（2006)|396|396|0-5%| |韩国（2009）|||0%, 3%， 7.5%|

指南5：健康产出

Guideline 5: Health Outcomes

疾病和干预措施可能对患者产生的影响可以分为三个方面，即经济产出（Economic Outcomes）、临床产出（Clinical Outcomes）和人文产出（Humanistic Outcomes）（Kozma et al，1993）。在药物经济学评价中，通常将经济产出归为成本的范畴，将临床产出（体现为临床指标的变化）和人文产出（体现为患者主观感受的变化，主要指健康相关生命质量（Health-Related Quality of Life，HRQoL））归为健康产出的范畴。广义的产出包括成本和健康产出两个部分；狭义的产出仅指健康产出。健康产出的三类测量指标包括疗效（Efficacy）/效果（Effectiveness）、效用（Utility）和效益（Benefit）。

5.1 疗效（Efficacy）/效果（Effectiveness）

5.1.1 药物经济学评价中的效果指标应该选择可获得的最佳证据（Best Available Evidence），即从临床疗效（Efficacy）或实际效果（Effectiveness）指标中选优。对于新药，当随机对照临床试验（Randomized Controlled Trial，RCT）的疗效数据可获得并适用时，优先选择临床疗效数据；对于已上市多年的药品，当无法获得更新的临床疗效数据或数据不适用时，建议考虑使用真实世界研究中的实际效果数据。

5.1.2 推荐优先从循证医学临床证据等级较高的RCT 系统评价（Systematic Review）或荟萃分析（Meta-Analysis）中获取临床疗效数据；以上数据不可得时，可以考虑使用单个临床试验的数据。同时也需要考虑文献中人群特征与所研究人群特征的匹配性。

5.1.3 对于临床疗效数据的选择，推荐优先考虑基于中国人群开展的RCT 数据或含有中国人群的国际多中心RCT 数据。如选择含有中国人群的国际多中心RCT 数据，应尽可能地对中国亚组人群的特征进行描述和分析；当无法获得含有中国人群的RCT 数据时，可以使用基于其他国家或地区人群的RCT 数据，但需要清晰地解释使用这些数据的合理性，强调人群之间潜在的差异，并需要对关键参数进行敏感性分析。

5.1.4 推荐优先选择干预组与对照组头对头（Head-to-Head）直接比较的RCT 临床疗效数据。当缺少直接比较时，应尽量选择间接比较（Indirect Comparison）或网络荟萃分析（Network Meta-Analysis，NMA）数据，以进行各干预措施人群效果的间接比较。

5.1.5 推荐优先采用终点指标（Final End-Points）进行药物经济学评价。当缺少终点指标时，也可以采用比较关键的中间指标（Intermediate End-Points）进行分析，但通常需要基于已发表研究对中间指标和终点指标之间的函数关系构建模型来预测终点指标。

解释

（1）疗效是指干预措施在严格控制的环境下（通常为RCT）对患者产生的治疗结果；而效果是指干预措施在真实世界的临床环境（即自然状态下）下所表现出的治疗结果（Berger et al，2012）。疗效来源于严格控制的随机对照临床试验，即由专业的临床研究人员根据一份严格设计的试验方案来执行给药与监测结果，同时研究人群为经过严格纳入和排除标准筛选后同意加入，并在研究过程中积极配合的患者，在这样的环境下可以较好地控制混杂因素对疗效测量的影响；而效果来源于真实世界临床环境，患者人群之间存在异质性，对干预措施的认知程度、治疗配合度等均存在差异，不同临床医生的诊疗水平、经验与特点差异也较大，同时患者若罹患其他疾病或同时使用其他药物也都会对疗效的测量产生干扰。原则上来说，在对比干预组和对照组的疗效时，应最小化所有混杂因素可能产生的影响，以获得两组疗效之间真正的差异。因此，在数据可获得的情况下，推荐优先使用临床疗效数据作为药物经济学评价的证据。

（2）虽然在药物经济学评价中推荐优先使用 RCT 数据，但在有些情况下无法获得RCT 数据。例如，在一些危重的、罕见的、目前尚无有效治疗手段的领域（如抗肿瘤领域），存在某一干预措施依据单臂临床试验的研究结果给予有条件性批准上市的情况，或者目前在国内已上市的中成药中，某些中成药尚未开展RCT 试验。此时，则可以使用实际临床效果数据作为药物经济学评价的效果指标。

（3）系统评价是指对研究问题进行结构化、清晰化的定义，运用系统和明确的方法对相关的临床原始研究进行严格地检索、筛选及评估，并对纳入的研究进行数据提取和分析，最后进一步讨论总结而形成的综述。系统评价有定量和定性之分，在定量的系统评价中常常会使用荟萃分析方法。荟萃分析又称为Meta 分析，是一种采用统计学方法对多个具有相同研究目的且相互独立的研究进行系统、综合定量分析的研究方法（Borenstein et al，2009）。系统评价和荟萃分析都是汇总所有可用的原始临床研究，并进行综合评估，可以最大限度地降低单个临床试验中潜在的研究偏倚，是循证医学中等级最高的临床证据（Jr et al，2007）。因此，当对比干预组和对照组临床疗效的系统评价或荟萃分析存在的情况下，研究者应优先选择此类证据。

（4）传统的荟萃分析基于头对头比较的临床研究而得到分析结果，但当缺少头对头比较的原始研究，而仍想使用荟萃分析比较两种干预措施的疗效时，或者当面临一个具体临床问题，医生或决策者需要在多个干预措施中选择最优方案时，传统的荟萃分析可能无法实现。此时，可能需要使用网络荟萃分析。网络荟萃分析是一种将仅能处理两种干预措施的标准荟萃分析拓展为可以同时比较多个干预措施并进行综合排序的方法，其优势在于可以量化比较治疗同一疾病的不同干预措施，并按照某一疗效结局指标的优劣进行排

序，进而选择最优的治疗方案（Mills et al，2013）。因此，当缺少干预组和对照组直接比较的临床试验证据时，可使用同时包含干预组和对照组在内的网络荟萃分析结果作为药物经济学评价的证据。

（5）效果指标可以分为中间指标和终点指标两大类，中间指标通常通过临床检查获知，如血压、血脂、血糖等生化指标（Biomarkers）；终点指标大多反映已经发生或者患者可以感知的疾病事件，如疾病导致的死亡或死亡率（Mortality）、生存年数（Life Years）等。与中间指标相比，终点指标的改善才是疾病干预的最终目的，更能体现某种干预措施带来的最终结果。

5.2 效用（Utility）

5.2.1 推荐使用质量调整生命年（Quality-Adjusted Life Years，QALYs）作为效用指标，且在报告QALYs 之前，应当先分别报告生存时间和健康效用值（Health Utility）。

5.2.2 健康效用值的测量方法包括直接测量法与间接测量法，优先推荐使用间接测量法。当没有适用的间接测量工具来获得某些疾病或症状的健康效用值时，可以使用直接测量法。间接测量法中常用的健康效用量表包括五维健康量表（EQ-5D）和六维健康调查简表（Short-Form Six-Dimensions，SF-6D）等；对于儿童建议使用针对儿童的健康效用量表（如EQ-5D-Y）。常用的直接测量法包括标准博弈法（Standard Gamble，SG）、时间权衡法（Time Trade-Off，TTO）和离散选择实验法（Discrete Choice Experiment，DCE）等（Kopec et al，2003；Peter et al，2017）。

5.2.3 采用间接测量法测量健康效用值时，如果有证据表明普适性（Generic）效用量表在目标疾病中有较好的信度和效度（Validity），优先推荐使用普适性效用量表，如EQ-5D-3L、EQ-5D-5L 和SF-6D 等。当有证据表明普适性效用量表不足以反映某一患病人群重要特征或疾病症状时，可以使用疾病特异性效用量表（Disease-Specific Instrument）。

5.2.4 在采用间接测量法时，推荐直接通过患者本人测量其健康相关生命质量。当无法通过患者本人测量时，应先考虑通过询问患者的正式照护者（Formal Caregivers）或非正式照护者（Informal Caregivers）进行测量，再考虑询问医护人员（Healthcare Provider）进行测量。

5.2.5 推荐使用基于一般人群（General Population）偏好建立的健康效用积分体系

（Value Set）进行效用值的计算。当使用的健康效用积分体系是基于患者偏好而获得时，需要在研究中说明其合理性及阐明对评价结果可能产生的影响。

5.2.6 推荐优先选择基于中国人群建立的健康效用积分体系进行效用值的计算。当没有基于中国人群的健康效用积分体系时，可以采用基于社会文化背景相近的其他国家或地区人群建立的健康效用积分体系，或国际上普遍认可并广泛应用的健康效用积分体系，但需要阐明其适用性，并进行敏感性分析。

5.2.7 健康效用值只能通过直接测量法或健康效用量表测量得到，通过非效用量表测量得到的分值不能直接作为健康效用值使用。当非效用量表可以通过映射法（Mapping）建立效用得分转换公式时，可以先将其得分转换为效用量表的得分，然后利用后者的效用积分体系计算健康效用值。

5.2.8 当无法通过测量获得健康效用值时，可以通过系统文献检索，从已发表研究中获取健康效用值。但在使用时需要进行敏感性分析，比较不同研究发表或不同量表测量的同一疾病或状态的健康效用值可能给研究结果带来的影响。

5.2.9 如果疾病或者干预措施对照护者有较大影响，可以考虑其对照护者的健康相关生命质量的影响并测量其健康效用值。

解释

（1）药物经济学评价中的效用是基于患者或社会对于某种干预措施所带来健康结果的偏好程度（Preference）。QALYs 指标综合考虑了生存时间与生命质量（Quality of Life，QoL），等于患者在某种健康状态（Health State）下的生存时间乘以这段时间内的健康效用值（生命质量权重）。其中，生存时间较易获得，因此计算QALYs 的关键在于健康效用值的测量。健康效用值通常为0 到1 之间的数值，其中0 表示死亡，1 表示完全健康。也存在差于死亡状态的健康效用值，理论上差于死亡状态的效用值没有最小值。但为了避免在计算健康效用均值时负值的影响过大，一般会将其值域范围转换为与好于死亡状态对称的-1 到0 之间。QALYs 的主要优点是它提供了一个统一的“度量标准”，可以对不同干预措施带来的健康产出结果进行比较，有助于在不同疾病、不同干预之间做出决策（Neumann et al，2017）。例如，通过计算各自的QALYs，可以直接将心肌梗塞导致的健康损耗与肺炎导致的健康损耗进行比较。

（2）效用的间接测量方法即指基于效用的多属性健康分级体系（Multi-Attribute Health

State Classification System），其中包括一份健康相关生命质量量表以及对应的效用积分体系（Neumann et al，2017）。健康相关生命质量量表需要经过信度（Reliability）和效度（Validity）检验后方可使用。当量表没有对应的中文版时，应对量表进行汉化与跨文化验证，主要包括正翻译（Forward Translation）、逆翻译（Back Translation）、文化调试（Culture Adaptation）和认知访谈（Cognitive Debriefing）等步骤（Wild D et al，2005）。目前中国已有汉化版的EQ-5D-3L 和EQ-5D-5L 量表，并已分别构建有基于中国大陆一般人群的效用积分体系（Liu G et al，2014；Luo N et al，2017）。SF-6D 包括V1 和V2 两个版本，SF-6D V1 仅有中国香港版量表与其对应的效用积分体系（Lam et al，2008），目前尚无中国大陆版量表与积分体系；SF-6D V2 现已有中国大陆版量表，其对应的效用积分体系也正在建立中。

（3）直接测量法是指可以直观地测量到受访者在某种健康状态下效用值的方法，是健康效用值测量的基础方法，也是获得生命质量量表效用积分体系的工具。常用方法包括SG、TTO、DCE 以及近年来新兴的优劣标度法（Best-Worst Scaling，BWS）。其中，SG 方法要求受访者在两种假想情况中做出选择：情况1 是受访者将处于一种确定的健康状态；情况2 是受访者将有一定的概率处于一种较好的健康状态（例如完全健康），也有一定的概率处于一种较差的健康状态（例如死亡）；调查者不断变换情况2 中的概率来让受访者在情况1 和情况2 中做出选择，直到受访者认为选择两种情况是没有差异的时候终止访问（Dolan et al，2000）。TTO 方法也要求受访者在两种假想情况中做出选择：情况1 是受访者将在某种疾病状态生存一定的时间；情况2 是受访者将在一种较好的健康状态（例如完全健康）生存，但是生存时间较短；调查者不断变换情况2 中的生存时间来让受访者在情况1 和情况2 中做出选择，直到受访者认为选择两种情况是没有差异的时候终止访问（Torrance，1972）。DCE 方法提供两个不同的健康状态供受访者选择，受访者基于自身偏好，选择其一即可；但由于DCE 方法得到的效用值不是在1-0（完全健康-死亡）范围内的效用值，需要进行隐性效用（Latent Utility）转换（Lancsar et al，2008）。BWS 方法是请受访者在备选选项中同时选择最重要与最不重要的维度、水平或健康状态，通过各维度、水平之间的最大偏好差异进行效用分析；但目前BWS 方法学探索仍不成熟，应用比较有限（Mühlbacher et al，2016）。

（4）普适性效用量表是指可用于测量包括健康人群和各种疾病患病人群在内的所有人群健康效用值的量表，如EQ-5D 和SF-6D。疾病特异性效用量表是指用于测量某一特定疾病患者的健康效用值的量表，例如用于测量癌症患者健康效用值的核心十维生命质量量表（Quality of Life Utility Measure-Core 10 dimensions，QLU-C10D）（King et al，2018），测量眼科疾病的青光眼健康效用量表（the Health Utility for Glaucoma，HUG-5）（Muratov et al，2018）。与疾病特异性效用量表相比，普适性效用量表的适用范围更广泛，可进行不

同人群或不同健康状态效用值的直接比较；然而，正是由于普适性的特点，在用于某些疾病状态健康效用值测量时，有时普适性效用量表的灵敏度可能较低，无法识别和量化与特定疾病相关的病症或机体功能的变化。此时，在条件允许的情况下可考虑使用疾病特异性效用量表进行测量。

（5）基于效用的生命质量量表，如EQ-5D 和SF-6D 等，是基于经济学测量理论而设计的，可以直接利用量表的效用积分体系计算得到基数（Cardinal）健康效用值；而非效用量表，如简明健康状况调查问卷（The MOS Item Short From Health Survey，SF-36）和慢性阻塞肺炎评估量表（COPD assessment test，CAT）等（Rowen et al，2009；Hoyle et al，2015），是基于心理学测量理论而设计的，其结果并非基数值，无法直接作为健康效用值使用。此时，可通过映射法（Mapping）建立非效用量表和效用量表之间的转换关系，进而得到健康效用值。映射法利用计量模型估计以非效用测量方法得到结果与以效用测量方法得到结果之间的关系，是以非效用量表的结果参数为自变量、效用量表的结果参数为因变量建立回归方程，并对所建立的回归方程进行拟合度检验，最后利用该方程预测健康效用值的方法（Brazier et al，2010）。

5.3 效益（Benefit）

5.3.1 效益是指用货币单位来量化健康产出。疾病治疗方案的效益包括直接效益、间接效益和无形效益三个部分。直接效益是指实行某项干预措施后所节省的卫生资源；间接效益是指实行某项干预措施后所增加的患者的健康时间或劳动生产力恢复带来的收益；无形效益是指实行某项干预措施后减轻或者避免患者身体和精神上的痛苦，以及康复后带来的舒适和愉快等。

5.3.2 直接效益（Direct Benefit）计量的是因干预措施的实施而发生的实际货币交换的收益。在测量直接效益时要特别防止双重计算，即避免将所改变的卫生资源同时计入成本和健康产出变量当中。

5.3.3 间接效益（Indirect Benefit）和无形效益（Intangible Benefit）计量的是没有直接发生实际货币交换的收益，通常需要采用人力资本法或意愿支付法（Willingness To Pay，WTP）等方法进行测算。推荐优先使用人力资本法计算间接效益。在采用意愿支付法时，要特别说明研究中的假设、提问方式、测量效益的范围和问题的语言表述等，并需要在报告或文章中附上货币价值的推导过程。

解释

人力资本法用患者增加的健康时间所带来的工资收益表示健康效益。意愿支付法在个人总体效用值不变的情况下，通过计量患者愿意牺牲的货币收益来表示健康状态的价值。意愿支付法偏好的来源应根据研究角度的不同而不同。常用的评估支付意愿的方法包括条件价值评估法（Contingent Valuation）与DCE（Neumanm et al，2017）。

指南6：评价方法

Guideline 6: Evaluation Techniques

药物经济学评价方法主要可以分为最小成本分析（Cost Minimization Analysis， CMA）、成本-效果分析（Cost-Effectiveness Analysis，CEA）、成本-效用分析（Cost-Utility Analysis，CUA）和成本-效益分析（Cost-Benefit Analysis，CBA）等。

6.1 评价类型（Types of Evaluations）

6.1.1 研究者应当根据研究中疾病和干预措施的特点、数据的可获得性以及评价的目的与要求选择适当的评价方法。在条件许可时，建议优先考虑采用CUA；也可以采用CEA、CMA 或CBA 等，但应当说明其理由。

6.1.2 研究者可同时采用两种或两种以上的方法进行评价，或者以一种方法为主联合其他方法进行评价，并比较和分析各种方法评价结果之间的差异。

6.1.3 除了报告CUA、CEA、CMA 或CBA 的主要结果之外，研究者还应当对分析中或模型中没有系统纳入的其他各相关方面的影响进行描述，以更为全面和透明地反映全部重要信息。

解释

（1）成本-效用分析（CUA）。该方法是药物经济学评价中最常用的方法（Neumann PJ et al，2015），本指南推荐优先使用这种方法。CUA 的健康产出指标通常是质量调整生命年（Quality-Adjusted Life Years，QALYs），该指标是一个标准化的通用健康产出指标，既考虑了治疗方案对患者生存时间的影响，也考虑了对患者生命质量的影响，因此对健康产出的测量相对与其他产出指标更加完整。不管临床产出指标是否相同，CUA 均可对于不同治疗方案进行比较分析。使用该方法需要注意的问题是，不同的生命质量测量方法、测量工具以及效用积分体系均会对效用值产生影响，因此需要具体阐述效用值的测量方法。有些文献和教材将CUA 也看成是一种CEA（Gold MR et al，1996；Neumann PJ et al，2016），这仅仅是称呼上的差异，在本质上并没有差别。本指南中将CUA 看成是独立于CEA 的一种评价方法。

（2）成本-效果分析（CEA）。该评价方法一般适用于具有相同临床产出指标方案之间的比较，其测量单位一般为物理或自然单位，如生命年（Life Years，LYs）、无症状天数（Symptom-Free Days）等。当治疗方案的产出指标只体现在或主要体现在某一个临床产出指标时，可考虑使用CEA。CEA 的主要缺点是：当两个比较方案选用不同健康产出指标时，难以进行组间比较；当干预方案有多个重要健康产出时，往往难以进行全面反映。此外，如果CEA 得到的结果是干预组比对照组的效果更好、费用更高时，没有公认的阈

值（Threshold Value）对其是否经济进行判断，此时，不利于决策者进行判断和决策。

（3）成本-效益分析（CBA）。从理论上来说，CBA 直接建立在福利经济学（Welfare Economics）理论基础之上，其研究结果可直接支持决策者的相关卫生决策，而且适用范围更广（Olsen JA et al，2001）。但是，CBA 中健康产出的货币化测量的方法主要是HCA或 WTP，该方法在健康领域的应用仍然处于发展之中，方法学上并未达成广泛一致（Ziekenfondsraad，1999；Bala MV et al，1999；Olsen JA et al，2001）。CBA 的结果建议以净效益（Net Benefit）方式报告。在分析和报告中需要解释健康产出转换成货币值采用的所有步骤和方法，并使用敏感性分析验证主要假设。

（4）最小成本分析（CMA）。当有证据显示药物治疗的干预组与对照组的重要临床产出（如疗效和安全性）相同或无临床意义差异时，可选择该评价方法。在证明两种治疗方案临床产出的无差异性时，统计学无差异性和临床无差异性均可接受。

（5）在一项药物经济学评价报告中，仅仅报告CUA、CEA、CMA 或CBA 的结果可能会忽略治疗方案给患者带来影响的其他方面。因此，在报告了主要结果之后，还应当描述其他各相关方面的影响，以更为全面和透明的反映全部重要信息。例如，非小细胞肺癌治疗方案评价中，除了汇报QALYs 或LYs 等重要健康产出指标之外，研究者还应当报告其他相关临床信息，如药物给药途径和用药频率的差异给患者带来的方便性和依从性等信息。

6.2 增量分析（Incremental Analysis）

6.2.1 药物经济学评价中，CUA 和 CEA 的基本决策原则是按照增量分析（Incremental Analysis）结果进行决策。

6.2.2 增量分析是在干预方案与对照方案之间进行的成本和产出两个维度的比较。如果干预方案相比对照方案成本更低而产出更高，则干预方案为绝对优势（Dominance）方案；相反，如果干预方案相比对照方案成本更高而产出更低，则干预方案为绝对劣势（Strictly Dominated）方案；如果干预方案相比对照方案成本更高而产出也更高，需要计算两方案之间的增量成本-效果比（Incremental Cost-Effectiveness Ratio，ICER），即两组成本之差和效果之差的比值。如果ICER 小于等于阈值，则干预方案相对于对照方案更加经济；如果ICER 大于阈值，则对照方案相对于干预方案更加经济。

6.2.3 在增量分析中，对于QALYs 的意愿支付阈值建议采用全国人均GDP 的1-3

倍。

解释

（1）在经济学理论中，通常采用边际分析来指导经济决策。药物经济学评价也是建立在福利经济学基础之上的一个分支学科。为了与该理论保持一致，在药物经济学评价中，必须报告边际分析的结果，即增量分析的结果。

（2）当评价多个（3 个及以上）治疗方案的经济性时，通常需要在多个方案之间按照成本从小到大顺序依次进行各方案之间两两比较的增量分析。具体做法是：首先，将所有方案按照平均成本由小到大排序；其次，在排序中排除绝对劣势方案，即相对于另一个方案成本更高而产出更低的方案；再次，在余下的方案中，按排序依次进行两相邻方案之间的增量分析，每一步增量分析中保留更加经济的方案，并在下一步中与排序在后一位的方案进行增量分析；最后，所有增量分析结束后保留下来的最后一个方案就是所有方案中最经济的。

（3）在增量分析中，中国目前还没有关于QALYs 价值的统一标准。WHO 对于产出指标为伤残调整生命年（Disability-Adjusted Life Years，DALYs）的经济学评价有一个推荐意见：如果ICER $<$ 人均GDP，增加的成本完全值得；如果人均 $\mathrm{GDP}<\mathrm{ICER}<3$ 倍人均GDP，增加的成本可以接受；ICER > 3 倍人均GDP，增加的成本不值得（WHO，2010）。QALYs 和DALYs 的概念有相似之处，均考虑了疾病状态下的患者生存时间的长短和生存状态的好坏（QALYs 中使用健康效用值，DALYs 中使用伤残指数进行测量）。由于中国和WHO 尚无对于QALYs 阈值的推荐意见，因此，当产出指标为QALYs 时，可参考WHO对于DALYs 的推荐意见。

（4）不同疾病或健康状态下的QALYs 的阈值可能存在差异。例如，生命终末期患者人群健康偏好权重大于其他人群，生命终末期患者的时间价值也高于整个生命周期其他阶段的价值（Round J，2012）；专门用于罕见病治疗的孤儿药由于研发成本很高但是患者人群很少，只有当QALYs 阈值设定得高于其他疾病药品时才能鼓励研发。因此，建议研究者在研究报告中采用更高的阈值范围进行敏感性分析。

（5）中国地区经济发展不平衡，各地区之间的人均GDP 差异也较大。如果一项药物经济学评价是为全国范围内的卫生决策服务的，建议仍然采用全国水平的人均 GDP；如果该项药物经济学评价是为某个具体地区的卫生决策服务的，可以采用本地区人均GDP。

指南7：模型分析

Guideline 7: Model Analysis

在药物经济学评价中，模型经常被用来对不同疾病干预方案的经济性进行比较。药物经济学评价模型通常是采用图形结构、公式等方式对疾病的自然转归过程和干预措施对该疾病转归过程的影响进行抽象模拟，重点关注此过程中发生的干预措施和重要临床事件以及由此引起的健康变化和资源消耗情况，最终在不同干预方案之间进行经济性比较。一个典型的药物经济学评价模型通常包括以下信息：疾病或健康问题的发病率或患病率、疾病诊断和治疗的措施、干预方案对某些临床事件发生风险的影响、患者生存时间和生存质量以及干预方案的成本等。

解释

（1）药物经济学评价模型的作用在于： $\textcircled{1}$ 可以提供一个清晰的决策分析框架； $\circledcirc$ 可将各种不同来源的健康产出和成本数据在模型中进行数据整合； $\textcircled{3}$ 方便进行不确定性分析； $\textcircled{4}$ 对疾病干预方案的经济性作出定量判断； $\textcircled{5}$ 明确相关药物或非药物治疗手段在相关疾病治疗中位置。

（2）在药物经济学评价中，当遇到以下情况时有必要建立模型进行分析（Drummond et al，2015）： $\textcircled{1}$ 需要同时比较多个干预措施的经济性，而在单个临床试验中都没能同时包含所有干预措施； $\circledcirc$ 药物经济学评价中主要数据来源的RCTs 中，没有收集评价所需要的所有数据（如健康效用值、成本等）或者数据不完整（如不良反应发生率等），还需要使用其他来源（如观察性研究文献、专家意见调查等）数据； $\textcircled{3}$ 药物经济学评价中主要数据来源的RCTs 中，只收集了中间效果指标（Intermediate Endpoint / Surrogate Endpoint）（如血压、HbA1c、LDL-C 等），没有收集经济学评价所需要的最终效果指标（Final Endpoint）（如急性心肌梗死、卒中、糖尿病眼病、糖尿病足等最终事件的发生率）； $\textcircled{4}$ 药物经济学评价中主要数据来源的RCTs 中，对患者随访时间有限，尤其对慢性病（如2 型糖尿病、精神分裂症等）而言随访时间不够长，不能观察到干预措施对患者的健康产出和成本带来的长期影响； $\textcircled{5}$ 药物经济学评价中主要数据来源的RCTs 中，临床试验方案中规定的操作或者定义与现实决策应用环境中的操作或者定义之间存在重要差异而需要校正，如临床试验中为了研究目的规定每个患者都需要接受的定期临床检查，在实际治疗中不太可能出现的交叉用药，或者临床试验中定义的与实际治疗环境中不同的有效率或复发率等； $\textcircled{6}$ 不同地区、医疗环境或不同特征亚组患者中收集的数据存在差异，需要进行差异性分析或者需要进行校正。

7.1 模型问题的描述（Model Questions）

模型的构建和分析的起点在于对决策问题的描述。模型中关于决策问题的描述应当清晰全面，模型构建必须反映当前医疗实践，以确保模型具有较好的外部效度。建议明

确列出相关疾病、模型目的、目标人群、干预措施、研究角度、模拟范围、健康及其他产出以及研究时限等信息。

7.2 模型类型的选择（Choice of Modeling Techniques）

7.2.1 一项药物经济学评价中可能采用不同类型模型进行分析。模型的选择应当主要考虑相关决策问题的特点，研究者需要说明模型类型选择的具体理由。

7.2.2 研究者选择模型类型之前，首先需要了解相关疾病的临床特点，如疾病的发病与患病特点、疾病自然转归特点、临床治疗路径特点等；其次，也需要考虑研究数据的可获得性，根据不同类型模型对数据的要求进行选择。

解释

药物经济学评价中使用的模型有多种类别，且仍然在不断发展过程中，如包括决策树模型、马尔科夫模型、离散事件模拟模型（Discrete Events Simulation Model，DES）、分区生存模型（Partitioned Survival Model）、流行病学模型（Epidemiologic Model）、系统动力学模型（System Dynamics Model）和多主体模型（Agent Based Models，ABM）等等（Stahl JE，2008）。其中，比较常用的模型是决策树模型、马尔科夫模型、DES、分区生存模型和动态传染模型（Dynamic Transmission Models）。

（1）决策树模型是一种用来模拟干预方案对疾病影响的静态模型，通常有一个可视的树形结构。模型的构成要素通常包括模型结构、模型参数和模型假设。其中，模型结构主要通过健康状态和各种节点进行定义，常用的节点包括决策节点（Decision Nodes）、机会节点（Chance Nodes）和最终节点（Terminal Nodes）；模型参数主要包括概率（Probabilities）、成本（Costs）和效果（Effectiveness）等。决策树模型适用于研究时限很短的短暂疾病的药物经济学评价，如急性感染等。

（2）马尔科夫模型是一种特殊的循环决策树模型，是一种将临床事件和相关干预实施的时间因素系统纳入模型模拟的动态模型。马尔科夫模型是对现实环境中患者健康状态连续变化的一种粗略的模拟，是一种离散时点状态转移模型。在该类模型中，研究时限被划分为等长的循环周期（Cycles Length）。模型中的患者被定义划分为有限个健康状态（Health states/ Markov states），模拟中的每一个患者在每一个循环周期中必须且只能处于其中一个状态。用初始概率（Initial Probabilities）定义模拟开始时一组患者在各种健康状

态中的人数分布，并通过转移概率（Transition Probabilities）矩阵定义每一个周期内患者从一种状态转移到另一种状态的可能性。通过定义每一个状态下一个周期内的成本和产出，累积计算整个研究时限内的总成本和总产出。马尔科夫模型比较适用于包含有限个健康状态的疾病转归过程的模拟，在满足相关假设的情况下，可以比较方便地进行慢性疾病患者长期健康变化的模拟。

（3）离散事件模拟模型是一种可以用来表现个体行为、个体与个体、个体与群体以及个体与环境之间互动关系的模型方法，具有很好的灵活性。DES 的核心构成要素包括主体、属性、事件、资源、队列和时间。主体是具有特定属性并且随着时间推移将经历事件、消耗资源和进入队列的对象。在卫生保健模型中，通常指患有特定疾病的患者。属性是指模型中每个个体的特性，例如年龄、性别、种族、健康状况、经历的事件、生存质量和累积成本等。事件是指可以发生在个体身上或者环境中的事情，例如疾病发生发展（如发病、发生药品不良反应、疾病进展等）；资源利用（如住院）；临床决策（如改变剂量）；甚至在医疗保健系统之外的事情（如请假）。资源是为个体提供的医疗服务，资源通常包括医生、药品和手术等。列队是指当个体需要的资源被占用时，个体就会形成等待列队。资源和列队只需要在限制资源模型中使用，在非限制资源模型中不需要。与马尔科夫模型相比，DES 是一种个体模拟模型，没有固定的事件发生的时间点，可以记忆每一个被模拟个体所经历的各种临床事件，因此也具有更高的灵活性。但是，DES 相对于马尔科夫模型也需要更加详细和丰富的高质量临床数据来得到各个离散事件发生的时间概率密度函数，因此实证研究中应用不多（周丽丽等，2012）。DES 比较适用于以下情况下的模型构建：资源约束或受限，个体之间或者个体与环境之间存在互相影响关系，事件发生时间不固定，个体特征对模拟过程有重要影响，研究者关注个体经历的事件等（Caro JJ et al, 2012）。

（4）分区生存模型是一种常用的成本-效果分析模型。分区生存模型在概念上类似于状态转换模型，它们的特征是利用生存曲线定义一系列不同健康状态进行成本和产出的估计。例如，在恶性肿瘤的经济学评价领域，通常利用恶性肿瘤临床试验中普遍报告的无进展生存（Progression Free Survival，PFS）和总生存（Overall Survival，OS）两条曲线，将患者健康状态分为未进展（Preprogression）、进展（Postprogression）和死亡（Death）三个区域。模型根据PFS 和OS 两条生存曲线计算患者在某确定时间点上的各状态人数比例，并根据这些比例来计算模拟时间范围内产生的健康产出和成本。分区生存模型比较适用于可以划分有限个健康状态且需要长期模拟的疾病的经济学评价。

（5）动态传染模型的主要特点就是动态性。在该类模型中，被模拟个体特定时间点感染疾病的风险通常不是恒定的，而是该种群（或环境）中的感染个体数量的函数。如果干预减少了感染个体数量，那么未受感染的易感个体的风险也会降低。动态传染模型主

要用于模拟可在人群中传染的疾病的发生发展过程，也能够模拟传染病控制计划可能对该过程产生的直接和间接影响（Pitman R，2012）。

7.3 模型结构构建（Model Development）

7.3.1 模型结构的构建应主要以疾病转归特点以及干预措施对疾病转归过程的影响为依据。研究者可以参考文献中已有的同类疾病模型为基础进行模型构建，并根据当前医疗系统、干预措施的特点等信息对结构进行修改和优化，并对其中的不同之处提供理由。

7.3.2 模型结构应当适度简化，研究者应当将不同干预方案之间对患者健康和成本影响有显著差异的事件包含进模型结构。模型结构不应取决于可获得的数据，但在模型结构初步建立后可以根据具体的数据可获得性情况进行适当调整。

7.3.3 对模型结构的说明应表达清晰，建议用模型结构图进行展示。研究者应当对模型结构进行验证，说明验证的过程和结果。

7.3.4 马尔科夫模型中，研究时限应当足够长，以反映干预措施对患者成本和健康产出的全面影响；模型周期应当足够短，以更加精确的模拟相关事件的发生频率。

7.3.5 马尔科夫模型建议进行半循环校正（Half-Cycle Correction），尤其对于循环周期较长和周期数较少的模型。

解释

（1）模型结构是指由模型中的疾病转归、临床治疗路径、相关临床事件和因果关系等构成的逻辑框架结构。在基于模型的药物经济学评价中，模型结构决定了模型中所需的参数和模拟的精细程度，并且不同研究者对同一项药物经济学评价构建的模型结构可能存在差异，这将最终影响模型分析结果。

（2）模型是对现实治疗中疾病转归和干预措施影响的适度简化（Caro JJ et al，2012）。模型结构应当避免过于复杂，否则所需要的参数很可能难以获得；模型的透明度也将降低，读者和研究报告的评审专家也难以明白整个模型分析过程，从而对模型分析的结果产生不信任。模型结构也不能过于简化，否则模型模拟结果可能会明显偏离现实。适度简化原则并没有统一标准，这是模型研究者最重要的技能之一，研究者主要需要考虑某些简化的细节是否会对成本和患者健康产出带来严重的忽略。例如，在恶性肿瘤治疗的评

价模型中是否需要考虑药品不良反应并没有一个统一标准，主要考虑以下几个问题：该不良反应发生率有多高？该不良反应是否需要进行预防、监测或治疗而带来额外成本？该不良反应带来的额外成本有多高？该不良反应是否会导致患者生存质量的显著下降？该不良反应是否可能导致患者死亡率显著上升？综合上述信息，忽略在模型中该不良反应，是否可能导致研究结果的显著变化？

（3）模型结构的建立从程序上应当在参数收集之前（Caro JJ et al，2012）。研究者应当尽量避免仅根据手头已有的数据来建立模型结构的做法，这样做可能会由于手头掌握的数据信息不完整而导致模型结构不合理。在不会带来严重的结果偏倚的情况下，研究者可以根据能够检索到的各种来源的数据对模型结构进行适当调整。

（4）为了明确清晰地展示模型结构，建议采用结构图进行展示。例如，马尔科夫模型中可以采用气泡图（Bubble Diagram）或树形图（Tree Diagram）来进行展示。模型结构不太复杂的情况下，树形图更加完整；模型结构比较复杂的情况下，建议采用气泡图将其中的主要结构表现出来，一些次要结构可以忽略。

7.4 模型参数来源 (Data Sources)

7.4.1 研究者应当系统地识别、收集和评价模型中使用的数据，详细说明模型中所有参数的来源和选择依据。

7.4.2 当模型参数有多个不同来源时，应当综合考虑参数的质量等级、数据来源的人群特征、数据收集的国家或地区、数据收集的医疗环境、数据收集时间等因素进行综合权衡，数据来源特征尽量与模型模拟环境一致。必要时，建议咨询临床专家，并进行敏感性分析或差异性分析。

7.4.3 在模型中各干预措施之间，临床参数来源尽可能保持可比。首选各干预措施之间直接比较（Head-to-Head）的临床试验结果作为参数来源；当没有直接比较的临床试验时，优先选择各干预措施有相同对照的间接荟萃分析或网状荟萃分析作为参数来源；当各干预措施没有相同对照的临床试验存在时，需要对各数据来源研究中患者基线人口经济学特征、疾病特征、治疗环境、治疗周期、研究设计类型等特征进行详细比较，只有这些特征都比较接近时才适合使用。

解释

（1）模型中各类参数的来源。

$\textcircled{1}$ 效果数据。随机对照临床试验通常是效果数据的最主要来源，模型中采用哪些相关临床试验或排除了哪些相关临床试验中的效果数据，需要说明并提供理由。如果有来自真实世界研究的效果数据，假如适用于构建中的模型，也可以使用。

$\circledcirc$ 安全性数据。药品不良反应数据可以来自于随机对照临床试验和药物上市后的观察性研究。与药品不良反应相关的预防、监测或治疗成本需要纳入模型计算。一些发生率较低的严重不良反应在随机对照临床试验中往往由于样本量不够而难以准确估计，需要尽量考虑更广范围的数据来源。

$\textcircled{3}$ 成本数据。模型中的成本数据应当来自于本地区医疗卫生系统。常见的成本数据来源包括医疗保险数据库、疾病登记数据库、医院病历资料、已发表文献以及标准治疗成本估计等。成本数据在不同地区和不同医疗系统之间存在差异，模型应当具有一定的灵活性允许进行这种差异性的调整或分析。

$\textcircled{4}$ 健康效用值。健康效用值可以来源于相关研究文献或者研究者直接对患者的测量。健康效用值优先选择来源于本地区人群（患者或一般人群）偏好测量的结果。非效用测量量表（如SF-36、QLQ-C30 等）测量的结果不可以通过百分制转换方法转换成“效用值”，如需要应当采用映射法（Mapping）进行转换获得。

（2）代理指标（Surrogate Markers）。代理指标也被称为中间效果指标（Intermediate Endpoints），通常是一些疾病特异的生化检验结果。当在模型中采用这些代理指标进行长期健康产出和成本的外推时，需要提供理由证明外推所使用的模型或方法的相关性和有效性。

（3）专家意见。具有专业经验的临床专家意见所得到的参数取值通常不是首选的，只有当文献、数据库、原始病历等来源都不能满足数据需求时才能考虑采用专家意见法。专家意见法一般不可以用来获得临床治疗的有效率、不良反应发生率等关键参数的取值。如果模型中的某些参数采用了专家意见法获取取值，则需要明确说明专家意见调查的问题大纲、抽样方法、调研人数、调研方式、调研数据处理方法等细节。对通过专家意见法得到的定量参数，建议进行敏感性分析。除了获取某些参数取值外，有时专家意见可以用来支持模型结构或假设的合理性，或者对模型进行表面效度（Face Validity）验证。

（4）参数来源的质量等级。模型参数可以来自于各种来源，例如系统评价/荟萃分析、RCTs、观察性研究、数据库、病例资料、专家意见（Expert Opinion）、医疗服务项目单价

以及研究者假设或者指南中的规定（如贴现率）等。单纯从临床疗效和安全性角度考虑，通常依据循证医学证据分级标准选择证据等级较高的数据来源（李幼平，2008），其中系统评价/荟萃分析是最高等级证据。但是，药物经济学模型本身想要模拟的是在真实环境中进行疾病干预的经济性，对RCTs 的系统评价/荟萃分析的结果不总是最好的参数来源，大样本、高质量的真实世界研究结果可能更加合适。因此，在药物经济学评价模型的参数来源中不存在绝对明确的质量等级，研究者需要综合考虑，并应当在研究报告中清晰阐明可选参数来源以及选择的理由。当存在多种质量相对较高的数据来源时，建议分别采用不同来源数据进行敏感性分析，比较结果，并解释出现差异的可能原因。

（5）数据来源的人群特征。模型参数数据来源的人群特征应当尽量与药物经济学评价模型中描述的人群特征一致，包括年龄、疾病诊断标准、疾病分型分期、并发症/合并症情况、既往治疗等。当参数来源人群与模型中描述人群特征存在某些差异时，可以采用差异性分析，或者定性讨论这种差异可能对最终结果带来的影响。

（6）数据收集的国家或地区。在可以选择的情况下，各种参数尽可能选择本地区的数据来源。当没有本地区数据来源时，其他国家或地区的数据来源是否可以使用需要视具体情况而定。对于临床效果和安全性数据，如果只有国外人群中开展的临床研究数据，只有当该干预方案的临床产出不存在明显的人种基因、微生物感染类型、生活习惯等方面的重要差异时可以使用，建议咨询临床专家进行确认。如果有全球多中心临床研究数据，尽量采用其中中国或者亚洲患者人群数据，并采用全球多中心临床数据进行敏感性分析。

（7）数据收集的医疗环境。不同医疗环境来源的很多参数可能存在差异，例如不同等级、性质、地区的医疗机构中同一项医疗服务或药品的价格、医疗技术水平、医生处方习惯、院内感染控制水平等都可能存在差异。研究者需要详细说明参数来源的医疗环境特征，必要的情况下进行差异性分析。

（8）直接比较与间接比较。在药物经济学评价模型中，不同参数来源的选择对研究结果和研究质量有显著的影响。在直接比较的临床试验中，研究组和对照组患者有相同的纳入排除标准、诊疗环境和相似的治疗方案，并且有组间随机分组，因此研究组和治疗组之间的临床效果、安全性以及医疗成本具有比较理想的可比性。如果两个干预方案之间只有相同对照组（如安慰剂对照组）的临床试验，在比较临床试验之间在患者纳入排除标准、试验环境和治疗周期等特征的基础上，可以相同对照组为桥梁进行间接荟萃分析或网络荟萃分析，获得各干预方案之间的相对疗效和安全性参数。有时模型中比较的各干预方案没有相同对照组的临床试验存在，比如其中的一个或几个干预方案只存在单臂研究结果或观察性研究结果。此时采用模型法进行药物经济学评价存在较大的风险，需

要特别小心。各研究之间存在的患者基线人口经济学特征、疾病特征、治疗环境、治疗周期、研究设计类型等方面的差异均可能导致研究结果之间不可比，如果仍然放进同一个模型进行分析可能引入显著偏倚。

7.5 模型假设（Model Assumptions）

7.5.1 研究者应对模型中的各种因果关系、使用的外推技术、模型范围、结构及数据等方面的假设进行解释和说明。对于重要的假设，应当进行不确定性分析。

7.5.2 数据的外推应当建立在能够反映科学合理证据的有效的技术基础之上，并通过敏感性分析检验。

7.5.3 建议研究者在报告中明确列出模型中所包含的所有重要研究假设。

7.6 模型验证（Model Validation）

7.6.1 研究者应当对所构建的药物经济学评价模型进行验证，包括表面效度（Face Validity）、内部效度（Verification or Internal Validity）、交叉效度（Cross Validity）、外部效度（External Validity）和预测效度（Predictive Validity）等。

7.6.2 所有模型都应对表面效度进行验证，包括对模型模拟的具体问题、结构、参数和结果进行专家意见的验证。如果评审专家认为模型表面效度不理想，需要把其中的理由和后续的模型修改等信息都记录下来。

7.6.3 所有模型都应对内部效度进行验证，以确保每一个参数的来源、参数估计方法和参数设定正确、合理，每一个公式或程序代码编写完整、正确、合理。

7.6.4 所有模型都应进行外部效度验证，研究者应当尽可能选择最合适的数据来源进行外部效度验证，并说明所选择数据的理由。

7.6.5 建议研究者建立模型之后进行相似模型文献的检索和比较，在条件允许的情况下进行交叉效度检验。

7.6.6 如果研究者可以在不久的将来得到相关患者长期观察的结果，可以进行模型预测效度检验。

7.6.7 模型验证的具体方法、过程、结果、验证不理想的原因解释、依据验证结果对模型进行的调整等信息都应该清楚记录，建议包含在基于模型的药物经济学评价报告中。

解释

（1）模型验证是指采用一系列方法对模型模拟或预测结果的准确性进行判断的方法（Eddy DM et al，2012）。模型验证提供了模型分析和预测结果是否有效、准确的重要信息，是模型构建和分析中不可缺少的一个步骤。只有经过验证为有效的模型，模型的使用者和决策者才能充分相信模型分析的结果。

（2）表面效度是指由相关领域专家主观判断的一个模型及其假设和应用在多大程度上与当前科学和证据相一致。表面效度通常是一种由专家主观判断的定性的验证。表面效度验证的内容主要包括模拟的具体问题、结构、参数和结果四个方面。对模拟的具体问题的验证，主要由具有专业经验的临床专家或药物经济学家对模型中设定的模拟环境、患者、干预方案、产出、假设以及研究时限是否与整个药物经济学评价研究想要回答的问题相一致。对模型结构的验证，主要是对模型中是否包含了疾病转归过程和干预措施给患者带来的所有重要影响、疾病过程和临床路径的逻辑关系是否合理、干预方案是否可操作或符合临床科学等进行判断。对模型参数的验证，主要是判断模型中是否采用了质量最高和最恰当的参数来源。对模型结果的验证，主要是判断模型分析结果与临床专家的经验和常识是否存在明显冲突，如果出现冲突是否可以被解释。

（3）内部效度有时也被称为技术效度（Technical Validity），是指模型中的每一个部分是否都能如研究者设想的那样运行，模型中的计算是否都正确。内部效度验证通常是一种定量的严格验证，其内容主要是对每一个参数的来源、参数估计方法和参数设定是否正确进行检查，对每一个公式或程序代码编写是否完整和正确进行检查，确保模型的计算不存在错误和尽可能准确。内部效度验证的具体方法和形式需要视具体模型情况而定。验证的方法可能包括参数原始来源的核对、敏感性分析、极端值分析（Extreme Value Analysis）和迹分析（Trace Analysis）等。验证的形式包括： $\textcircled{1}$ 研究者对模型中的参数、公式或程序代码进行全面检查； $\circledcirc$ 由另一名研究者对模型进行全面检查； $\textcircled{3}$ 由两名研究者分别独立建模，比较模型结果； $\textcircled{4}$ 采用两个不同软件（如TreeAge Pro 和MS Excel）分别建模，比较模型结果。

（4）外部效度是对一个模型的模拟结果与实际观察到的数据结果之间进行的比较。外部效度是直接对模型结果进行的验证，因此是最重要的一种效度。外部效度的验证通常包含三个主要步骤：选择数据源，模型模拟，结果比较。用于模型外部效度验证的数据来源可以是人口统计资料、流行病学研究、观察性研究、随机对照临床试验、医疗保险数

据、电子病历数据、疾病管理数据等等。有时研究采用主要参数来源的研究作为验证数据来源，这种验证属于相关验证（Dependent Validation）；而采用其他外部数据来源进行的验证属于独立验证（Independent Validation）。选择验证数据来源的时候需要尽可能选择与模型模拟的环境、疾病、干预方案、随访计划和产出定义相同或相似的来源。通常情况下，外部效度验证使用的数据来源中只有模型模拟结果某些部分内容，因此只能对模型结果的部分进行验证，如肿瘤模型中经常对无进展生存期和总生存期进行验证。

（5）交叉效度有时也被称为外部一致性（External Consistency）、模型比较（Comparative Modeling）、外部聚合度检验（External Convergence Testing）、聚合效度（Convergent Validity）或模型确证（Model Corroboration），是指将一个模型的结果与其他已经存在的解决相同或相似问题的模型结果之间进行的跨模型比较。交叉效度检验的结果受到很多因素的影响，包括模型结构、模型假设、模拟的医疗环境、模型参数来源等等，有时模型结果之间存在较大差异的原因很难辨别清楚，这会降低交叉效度检验的价值。但是，如果两个针对相同或相似问题的高质量模型得到了相似的模拟结果，则能够增加模型的可靠性。

（6）预测效度是通过记录模型预测的长期结果，等待该研究中观察得到的真实结果后与模拟结果进行比较的方法。预测效度是模型效度的一种最有效和最简单的验证方法，但最大的困难是研究者并不总会在一项临床试验或者观察性研究中对患者进行长期随访。

（7）模型验证结果的判断。模型验证是一件复杂的工作，在实际工作中并没有一个模型有效需要达到的最低要求标准。研究者需要根据经验以及专家意见综合判断模型是否足够有效。

7.7 模型透明度（Model Transparency）

7.7.1 模型应当具有足够的透明度，从而使得研究报告的读者、评审专家和卫生决策者可以判断该模型结果是否可信，以及根据实际面临的决策环境来判断该模型研究结果是否适用于当前的决策。

7.7.2 建议研究者尽量采用较为常用和简单的软件进行模型构建和分析，如TreeAge Pro 或者MS Excel。

7.7.3 除非必要，尽量降低技术层面的复杂程度，并且尽量减少不可见或不可编辑的变量、公式或程序代码，让读者和证据使用者可以较为容易明白。

7.7.4 提高模型透明度的方法主要包括两个方面：一方面，研究者应当尽量详细表述模型中模拟的问题、模型结构、模型假设、参数来源和估计方法、分析方法、分析结果等，提高模型的透明度；另一方面，每一个模型都需要建立一个独立的模型说明文件。

解释

（1）模型透明度是指对于一个已经建立好的模型，他人能够评价该模型的结构、计算公式、参数值和假设的程度。

（2）提高模型透明度的目的主要是两个，一是让非专业读者能够明白该模型模拟的问题、逻辑以及是如何运行的；另一个是让更加专业的模型评审者或同行能够根据报告和模型文件重现模型结果，甚至对模型进行调整或改编。

（3）提高模型透明度有时会存在一些争议。一方面，模型只有经过其他同行或者评审专家的认可或科学结果的重现才能得到比较高的认可，因此要求提高透明度；另一方面，很多疾病模型的建立都需要投入大量的时间、人力和其他资源，因此这些模型的建立者都有模型知识产权的要求，不希望完全公开模型文件。为了平衡这两方面的诉求，建议研究者发展两份模型说明文件。一份为非技术说明文件，其中主要从非技术角度阐述该模型的类型、用途、资金来源、模型结构、模型假设、模型参数、模型验证方法和结果、模型分析方法和模型结果等一般信息。该模型文件应当是公开可以获得的，有助于模型分析报告的所有读者能够从一般内容和逻辑上了解该模型的基本特征。另一份为技术说明文件，需要对模型构建和分析的整个过程进行详细描述，有助于具有一定专业基础的同行或评审专家有能力对模型进行评估甚至进行结果重现或修改。该模型文件可以不是公开的，但是在经研究者同意或者签署保密协议前提下提供。

7.8 模型本土化与模型改编（Model Localization or Adaptation）

7.8.1 在进行模型本土化和改编之前，研究者首先需要对原模型的有效性进行判断。如果原模型没有经过验证，研究者至少需要邀请专家对模型的表面效度进行初步验证，只有具有表面效度的模型才可以进行本土化或者改编。

7.8.2 为了进行模型本土化和模型改编，研究者应尽可能获得原模型的完整的模型文件以及模型说明文件。

7.8.3 研究者需要根据研究中的具体问题、系统的文献检索以及本地区的药物经济学评价指南对以下方面进行本土化或者改编，包括：模型研究角度、本地区可获得的治

疗方案、患者特征、成本数据、临床治疗指南和临床诊疗习惯、流行病学数据、健康效用值、临床效果与安全性数据、贴现率和QALYs 阈值等。

解释

（1）药物经济学评价证据在中国医疗卫生系统中的重要性越来越高，对国外环境建立的药物经济学评价模型的本土化或改编（Pharmacoeconomic Model Localization or Adaptation）的需求越来越多。模型本土化或模型改编需要解决的一个主要问题是模型的可外推性（Generalizability）问题，即采用跨地区临床数据、成本数据等进行模型的修改，使得模型研究结果适用于本地医疗卫生决策（Mullins CD et al，2014）。

（2）在模型本土化和改编过程中，主要需要关注原模型中设定的医疗环境、患者特征和模型方法与本地区的相关特征是否一致，包括流行病学数据、死亡率、疾病严重程度、人口经济特征、风险因素、存在的治疗方案、贴现率、卫生资源价格、健康效用值以及临床路径等。

指南8：差异性和不确定性 Guideline 8: Variability and Uncertainty

8.1 差异性分析（Variability Analysis）

差异性（Variability）是指已经明确的可能影响评价结果的与治疗背景差异相关的参数差异，无法完全消除。产生差异性的原因可能是地区和背景的不同（如治疗方案的差异、就医方式的差异、支付方式的差异等）或者患者异质性。

解释

地区和背景的差异性可以进行敏感性分析或情境分析处理。由于患者异质性带来的差异性应当在研究设计阶段，将患者划分为更小的同质性亚组进行处理，因为同一干预方案对不同亚组人群的经济性可能不同。如果是模型研究，需要对不同亚组人群参数分别代入模型进行分析或为不同亚组人群设立不同的模型（CADTH，2017）。

8.2 不确定性分析的对象（Subjects of Uncertainty Analysis）

8.2.1 研究者应当对药物经济学评价过程中的各种来源的不确定性（Uncertainty）进行全面分析，包括方法学不确定性、参数不确定性及模型不确定性等。

8.2.2 理论上来说，药物经济学评价中的所有参数和假设都应当列入敏感性分析变量的备选名单。

解释

（1）不确定性的来源。药物经济学评价方法中的不确定性存在有三个原因：方法学不确定性、参数不确定性及模型不确定性。首先，药物经济学评价方法的许多方面还没有完全统一（研究设计、研究角度、成本与治疗结果的测量与估价、贴现、统计分析和结果表述等等）；其次，参数也存在相当大的不确定性，通常由抽样误差引起，如样本大小、样本的代表性等；最后，模型的分析方法、模型结构、模型假设、数据源及归纳结果外推等，以及在递交和解释药物经济学评价结果时存在大量的主观性亦存在不确定性（Briggs et al，2001；Drummond MF et al，2015）。

（2）不确定性存在于经济评价过程的每个阶段。按性质可分为与数据有关的不确定性和与评价过程有关的不确定性。数据中的不确定性通常是由于抽样误差造成的，也就是说基于样本人群的估计与样本大小的不确定水平相关。评价过程中的不确定性又可分为三类：评价结果外推中的不确定性，如从一个临床结果（如胆固醇降低）得到一个健康产出的测量（如发病率或死亡率的降低）；结果外推性中存在的不确定性，如从一个研究背景到另一个研究背景和患者群体；分析方法选择中的不确定性，如是否在分析中纳入

间接成本和药物经济学模型的假设。

8.3 不确定性分析的方法（Methods of Uncertainty Analysis）

8.3.1 方法学及模型不确定性多采用情境分析（Scenario Analysis）。研究者应当明确定义不同情境下的分析方法和研究假设，并对不同情境分析的结果之间差异进行合理解释。

8.3.2 参数的不确定性可以采用单因素、多因素、极值分析法等确定型敏感性分析（Deterministic Sensitivity Analysis，DSA），也可以采用蒙特卡洛模拟（Monte Carlo Simulation）进行概率敏感性分析（Probabilistic Sensitivity Analysis，PSA）。药物经济学评价中应该同时报告确定型敏感性分析和概率敏感性分析结果。

8.3.3 在确定型敏感性分析中，通常都需要进行单因素敏感性分析。

8.3.4 在确定型敏感性分析中，参数取值变化范围的设定需要有充分的依据。常见的依据来自于文献中报告的参数估计值的 $95\%$ 置信区间、最大值和最小值或者各同类研究中参数估计的高值和低值。有些参数取值的范围可能来自于不同地区或者不同医院，如药品中标价格在全国各地区有最高和最低中标价。在没有任何其他参考依据的情况下，才可以主观设定。

8.3.5 在概率敏感性分析中，当文献中只能获得某参数的点估计值而没有其分布或取值范围信息时，建议参考其他文献中相同相似性质参数的变化范围。

8.3.6 概率敏感性分析中，应纳入尽量多的参数，每个参数的概率分布形式、分布参数和蒙特卡洛迭代的次数都应该予以说明并说明其合理性。

8.3.7 在伴随临床试验开展的药物经济学评价或者观察性研究中，可以获得患者水平数据，此时可以通过非参数Bootstrap 方法进行抽样不确定性的分析。

解释

（1）敏感性分析是药物经济学处理不确定性的主要方法，用以确定系统对特定的一个输入因素或多个因素变化的敏感程度，如药品价格、住院天数、治愈率和贴现率等。按因素的取值是否确定，可以分为确定型敏感性分析和概率敏感性分析（Drummond MF et

al，2015）。确定型敏感性分析又包括单因素敏感性分析、多因素敏感性分析、阈度分析、极值分析、情境分析等。

表8.1 推荐采用的处理差异性和不确定性的方法

|分类|原因|处理方法| |---|---|---| |差异性| 由于地区或背景差异造成的 治疗方式差异 |敏感性分析、情境分析（ScenarioAnalysis）| |差异性|患者异质性（Heterogeneity）| 分层分析/亚组分析（Stratified Analysis/Subgroup Analysis) | |不确定性| 方法学及模型不确定性：分 析方法、模型结构、假设、 数据来源 | 确定型敏感性分析：单因素（One-Way Sensitivity Analysis）、多因素（Multi-Way Sensitivity Analysis）、阈度分析（Threshold Analysis）、极端值 分析（Analysis OfExtremes）、情境分析、模型效度分 | |不确定性|参数不确定性| 确定型敏感性分析：单因素、多因素、阈度分析和极 端值分析； 概率敏感性分析（Probabilistic Sensitivity Analysis）： 蒙特卡洛模拟；非参数Bootstrap |

（2）通常情况下，一项药物经济学评价中需要同时进行DSA 和PSA 分析。DSA 通常只能同时分析有限数量参数取值变化对结果的影响，而PSA 可以同时分析模型中所有参数的影响。PSA 得出的结果的展现方式有很多种，比较常用的且容易理解的包括成本效果平面散点图、成本效果可接受曲线（Cost-Effectiveness Acceptable Curve，CEAC）和成本效果边界（Cost-Effectiveness Acceptability Frontier，CEAF）等（Fenwick E et al，2001；Drummond MF et al, 2015；Briggs AH et al，2006）。

（3）从研究设计上有许多方法可以控制不确定性。前瞻性设计可以避免数据收集过程中的不确定性；随机化分组可以控制选择患者时的不确定性，确保治疗与对照的可比性。从分析方法上处理不确定的方法包括：抽样误差可以通过计算 $95\%$ 置信区间，假设和数据收集引起的不确定性则采用敏感性分析（Wakker P et al，1995）。

（4）在伴随临床试验开展的药物经济学评价或者观察性研究中，Bootstrap 法是ICER置信区间估计的最流行方法。由于成本和成本-效果数据通常呈偏态分布，直接计算 $95\,\%$ 置信区间就会产生偏倚。以前尝试过的参数方法包括Box 法、Taylor 分级法、椭圆法、Fieller 准则和非参数的Bootstrap 法。研究结果表明：Fieller 法和Bootstrap 法优于Taylor级数法和修正后的Box 法，能够得到联合估计的 $95\,\%$ 的置信区间（Polsky et al，1997； Briggs et al，1999；杨莉，2004）。置信区间作为分析不确定性的方法至少有三个目的：检验成本、效果和增量成本-效果比的方向和大小；让决策者知道分析结果有多大可信度。

（5）敏感性分析有三个主要的局限性： $\textcircled{1}$ 分析中变量及其变动范围由分析者决定，

容易产生潜在偏倚； $\circledcirc$ 敏感性分析的解释由于缺乏指南或标准通常比较主观武断； $\textcircled{3}$ 单因素敏感性分析中不确定参数的单独变动忽略了参数间的相互作用（Agro KE et al，1997；Briggs AH，2000）。

8.4 不确定性分析的结果展示与解读（Presentation and Interpretation）

8.4.1 有多个不确定性因素存在时，单因素敏感性分析的结果可以采用旋风图（Tornado Diagram）来表示，以明确展示出各不确定性因素对结果影响的大小。需要注意对旋风图的坐标轴产出指标、分析变量、最优方案变化等信息进行必要的说明。

8.4.2 建议使用成本效果可接受曲线或成本效果平面散点图来表现药物经济学评价模型概率敏感性分析的结果。在伴随临床试验开展的药物经济学评价或者观察性研究中，也建议将非参数Bootstrap 分析的结果绘制CEAC 或成本效果平面散点图来表现。

8.4.3 在采用 $95\%$ 置信区间（Confidence Interval，CI）表现ICER 估计值的不确定性时，需要注意ICER 的非连续分布的问题。

8.4.4 在进行敏感性分析结果解读时，需要注意与基础分析结果结合起来。敏感性分析结果与基础分析结果具有同等重要性，研究者应避免主要依据基础分析结果得出结论的做法。即使在基础分析中得到了阳性结果，在敏感性分析中也有可能被逆转。

解释

ICER 本身是一个比值，其分布可能是不连续的。因此，在采用 $95\%\,\mathrm{CI}$ 表现ICER 的不确定性时，可能会出现ICER 的上限为负值，而均值和下限为正值的情况，这与一般的连续分布变量的区间估计情况不同（吴晶，2006）。此时，研究者需要进行相应的解释，避免误导。

指南9：公平性

Guideline 9: Equity

在任何会影响资源分配的药物经济学评价中，公平性是决策者必须经常面对的问题。在条件允许时，应对基础分析中评价结果的公平性问题进行检验。全球范围内，公平性的定义在各个国家和机构间存在差异。在药物经济学范畴内，公平性是指一项干预活动影响到的所有生命、生命年（LYs）或质量调整生命年（QALYs）的价值都（假设）是相等的，而不管目标群体个人或种族的年龄、性别或社会状态等（Lakdawalla et al，2018；Round et al，2018）。

处理公平性的方法有两种。第一种是，进行敏感性分析，说明公平性假设对结果的影响（Woodley et al，2015）。第二种是，在预先设定的因素基础上，通过亚组分析，确定主要的受益亚组和劣势亚组的公平性相关特征，如年龄、性别、种族、地区、社会经济地位或健康状态等群体特征（Sun et al，2010）。当不同亚组获益程度不同，且可以选择性地对不同亚组进行干预时，则应当报告每个亚组的成本-效果信息。

解释

（1）公平性可以分为与需求有关的公平性和与使用服务可及程度有关的公平性（Hauck et al，2004）。以下几个方面可能对研究结果的公平性产生影响： $\textcircled{1}$ 研究设计中的公平性假设，如目标人群、对照、研究时限、贴现、重要临床假设、专家意见等； $\circledcirc$ 分析方法中的公平性假设，如模型设计中的参数假设； $\textcircled{3}$ 与医疗可及性及可获得性相关的公平性假设。但对公平性的全面讨论超出了经济学指南的范畴。尽管如此，公平性的重要性促使研究者和决策者在做出医疗资源分配决策时应当顾及实施经济学评价的时机，并将公平性分析与经济效率的分析分开。

（2）研究者必须清楚研究中暗含的公平性假设。例如，假设每1 个患者的1 个LY 都被赋予了同样的权重，而不管该患者的年龄、性别和社会状态；又如，假设很多人都获得小幅度QALYs的增加与少数人获得大幅度QALYs 的增加具有相等的期望价值。

（3）当研究者需要进行敏感性分析时，应根据明确的或暗含的假设选择敏感性分析的指标。例如，评估一种卵巢癌新治疗方法所获得的生产力，采用人力资本法时，如果仅采用女性工资率进行评估，其所得的价值将低于采用包括男性工资率在内的全体平均工资率所获得的结果，因此，应采用全体工资率进行敏感性分析；又如，采用较高的贴现率能够降低未来产出的现值，进行敏感性分析时应采用较低的贴现率。

（4）当研究者进行公平性的亚组分析时，应当预先设定少数待分析的亚组假设(Sun et al，2010；Sun et al，2014)。亚组假设的设定应在公平性的考虑上具有意义。亚组分析结果需要通过交互作用检验，若出现具有统计学意义的交互作用，应分别报告不同亚组的成本-效果估计值和关联的置信区间，并在报告的执行小结、结果和讨论中分别展现亚组的结果，讨论对公平性的影响。

指南10：外推性

Guideline 10: Generalizability

在药物经济学评价中，当使用其他医疗环境（包括其他国家、地区或医疗服务体系）下获得的健康产出数据（经济、临床和人文）时，研究者应根据当前研究的医疗环境验证其适用性；如果需要根据当前医疗环境调整数据，则应描述所使用的方法，并说明其适用性。

在应用或外推研究结果时，研究者应首先考虑临床数据适用性，明确干预措施的疗效和效果之间的区别，尤其是在利用来自于Ⅲ期临床试验的疗效数据进行药物经济学评价时。在使用跨国多中心研究的数据开展药物经济学评价时，应首先考虑是使用多个国家的整合数据，还是使用最适合决策者所处情况的某个区域或国家的数据。

流行病学数据常常都会带有一定的地域影响，当只能获得非全国性的流行病学数据时，研究者在使用前应评价该数据应用于当前研究中是否存在偏差；如果存在偏差，研究者还应对其进行可能的量化评价。

在应用从某个国家或地区获得的干预措施成本数据时，研究者需要注意不同国家或地区之间成本数据的差异性，包括医疗资源使用模式、单位成本、经济因素及其他因素存在的地域或医疗背景差异。

需要注意的是，医疗机构或相关部门的区域差异与级别（三级、二级、一级）对其数据的外推性会产生一定的影响。不同国家、地区或医疗机构的医疗价格和医疗行为会存在较大的差异（包括个体医务人员和整体医疗机构），这会对研究的外推性产生影响。

解释

（1）外推性是指“能否将一种环境或群体中的结果应用于或外推至另外一种环境或群体（Willke，2003）”。外推性也称可转移性（Transferability）、可移植性（Transportability）、外部效度（External Validity）、相关性（Relevance）或适用性（Applicability）。在药物经济学评价中，外推性是在解释和推广研究结果时必须要考虑的问题。关于外推性的主要问题是在有显著差异的不同环境或群体中，例如在不同国家或地区之间，干预措施的成本和效果是否存在差异性。讨论外推性时，通常涉及两个层面： $\textcircled{1}$ transferability，其含义是从某个环境或群体中获得的原始研究数据（包括成本和效果等）应用到基于另外一个环境或群体的研究中： $\circledcirc$ generalizability，其含义是将某个国家或地区的药物经济学评价结果推广到其他国家或地区。鉴于目前中国药物经济学评价的研究质量参差不齐且研究所需的本

土参数的可获得性较低，在中国的研究中引用国外相关参数的现状可能还要延续一段时间。因此，在中国药物经济学研究中考虑“外推性”是十分必要的。

（2）药物经济学评价结果能否从一个医疗体系外推到另一个医疗体系是由多方面的因素决定的，包括一个国家或地区的经济水平、资源状况、人文主义及疾病流行病学等。因此，外推性是药物经济学评价的一个难点（Sculpher et al，2004）。但不论采用什么方法，对于每项药物经济学评价的主要参数，在研究结果转化前都需要验证其适用性。

第一，效果参数。主要问题是临床试验条件下获得的疗效数据能否反映干预措施在更广泛的“真实世界”中的治疗效果。由于临床试验的样本纳入或排除标准十分严格且细致，其结果的外推性会受到一定程度的影响。而效果不同于疗效，效果是一个干预措施在真实世界的临床环境下使用所表现的治疗结果（Berger et al，2012），即由一群不同科别的医师，针对某一病情或个体特质差异很大病患群，根据患者的健康需要给药时产生的治疗结果。大多数研究者认为临床适用性/可比性是研究外推性的首要条件。

第二，成本参数。不同国家或地区之间的成本数据是有所差异的，其反映了医疗资源使用及相对单位成本的差异。例如，对于恶性肿瘤的化疗，在有些地区主要采用住院化疗，而有些地区则主要采用门诊化疗，从而会导致成本结构的差异。除直接成本外，不同国家的经济水平差异也会导致间接成本的差异，尤其是当采用人力资本法计算间接成本时，由于发达国家的人均GDP 可能是发展中国家的数倍甚至数十倍，这将会导致不同国家间接成本之间的较大差异。

第三，跨国多中心研究数据。如果研究数据在多个国家同时收集，那么如何把不同国家的数据在分析中进行整合将成为关键的问题。虽然在跨国多中心研究中，对不同研究中心实施统一的干预方案，会避免不同国家可能存在的治疗方案的差异，但由于存在的其他因素的差异（如种族差异或治疗基础差异等）也仍然会面临不同国家之间数据的可比性问题。如果仅仅对不同国家的数据进行标准化，则可能掩盖不同国家间的差异。因此，在多中心研究数据整合中，不仅是把数据从一个国家转移到另一个国家，还需要反映不同国家数据间的差异性。一般来说，不同国家之间的产出数据具有较好的可比性，而成本数据往往差异很大。目前一些学者正在建立针对跨国试验经济学数据相关问题的处理方法，包括多级建模法、以试验为依据的贝叶斯模型、多参数回归分析和净效益回归分析。

指南11：预算影响分析

11.1 基本作用（Applications）

预算影响分析（Budget Impact Analysis，BIA），是对新的医疗干预措施进入某个系统（如医保目录）后对该系统支出影响的分析评估，一般通过比较该干预措施是否获得准入的两种可能情境来计算得到结果。预算影响分析在一种新干预措施市场准入过程中可以作为相关决策者参考的重要依据。在向决策者提交证据材料或发表研究成果时，预算影响分析可以单独提交或发表，也可以作为药物经济学评价的补充扩展部分。预算影响分析也可以在价格谈判、带量采购、风险共担协议（Risk Sharing Agreement）等应用场景中都可以扮演重要的角色。

解释

（1）预算影响分析旨在测算纳入新的干预措施后，将对医疗系统费用支出产生的影响（Sullivan et al，2014）。一般而言，狭义的药物经济学评价主要评估不同干预措施间的经济效率（Economic Efficiency）差异，也即成本-效果孰优孰劣的问题；广义的药物经济学评价可以包括预算影响分析，估计增加新干预措施后，相关支付预算的可负担性。此外，预算影响分析在有些指南与文献中也被称资源影响评估（Assessing Resource Impact）（NICE，2017）。

（2）药物经济学评价与预算影响分析的区别与联系。两者可以作为对一项干预措施进行完整药物经济学评价的不同组成部分。药物经济学评价通过测量干预措施的成本和产出来判断具有经济效率的干预措施，而预算影响分析通过测量决策主体费用预算对新干预措施的可负担性来判断干预措施是否可以给予准入资格，或对准入方式进行调整。此外，药物经济学评价和预算影响分析在研究角度、目标人群、研究类型、研究时限、成本测量等方面的研究设计也有着不同的要求。

（3）预算影响分析在干预措施准入中的应用。通常情况下，如果一项干预措施的药物经济学评价结果为不具经济性，则无需再进行预算影响分析，相应干预措施不能获得准入；如果药物经济学评价发现新干预措施具有经济性，同时预算影响分析认为预算资金对新干预措施可负担，则决策者应考虑新干预措施获得准入；如果药物经济学评价发现新干预措施具有经济性，但预算影响分析认为其不可负担，则决策者需要对准入的方式进行讨论。例如采用价格谈判或“量价挂钩”的方式要求供应商降价，或是通过风险共担协议来

保证资金预算安全等方式。

11.2 操作细则（Methods）

11.2.1 研究角度（Perspective）

预算影响分析的研究角度通常为预算持有者（Budget Holder）角度。可以根据决策需要将角度界定在从全国到地方的不同层次的医保支付方、商业保险机构、某地区某类型的某一家医疗机构等。不同的研究角度选择将会影响成本测算的范围。在预算持有者角度分析的基础上，研究者也可以再报告其他更广的研究角度的分析结果。进行预算影响分析研究设计时应首先考虑与资金预算和支付决策有关的医药卫生系统特征，以保证研究内容与结果符合决策实践的要求。

11.2.2 目标人群（Target Population）

目标人群指特定时间段内，符合待评价干预措施在相应准入政策约束下的所有适用患者。预算影响分析中的目标人群不是封闭群体，而是随发病、治愈、转归和死亡呈动态变化的。此外，疾病严重程度、疾病所处发展阶段、并发症情况、年龄、性别、种族及其他患者特征可能会对待评价干预措施的应用和成本造成影响，研究者需考虑亚组分析的必要性。

目标人群数量的计算应该根据纳入标准和排除标准，以及其它适用的患者特征，基于相应的流行病学数据，逐步估算出来。目标人群的规模估计需要考虑该系统当中具体的患者准入条件来精确计算，例如根据医保政策的相关规定，符合相应报销条件的患者才能获得报销，从而影响医保基金支出。

11.2.3 明确两种市场情境（Scenario）

预算影响分析中的各种市场情境是指待评价干预措施在不同准入情况下的市场状态。一般设“未准入情境”（Without Entry Scenario）为新干预措施不进入市场，目标人群只使用当前市场上存在的干预措施的状态；设“准入情境”（With Entry Scenario）为新干预措施进入市场后一定比例的目标人群开始使用新干预措施的状态。两种情境均应考虑到预期的市场变化，包括其他干预措施的上市、同类药品的撤市以及可能的替代治疗方式等。

11.2.4 研究时限（Time Horizon）

预算影响分析的预测时间一般在3-5 年之间。研究结果需要根据预算周期逐年汇报，如果必要也可汇报时限内的总影响。此外，预算影响分析中计算未来成本的发生时期都与所在预算周期相对应，因此不建议进行贴现。

11.2.5 市场份额（Market Share）

市场份额指的是每种干预措施在目标人群中的使用比例。在预算影响分析中，我们需要知道在两种情境下，即未准入情境和准入情境下各干预措施的市场份额。

未准入情境下的市场份额是指现有干预措施在目标人群中的使用比例，一般从真实世界数据研究中获取。

准入情境下的市场份额对研究的新干预措施所占目标人群市场的份额进行预测，并根据特定的假设来预测所有干预措施在目标人群中的使用比例。新的干预措施准入后可能带来三种类型的市场份额变化：（1）替代（Substitution），即新干预措施以一定比例替代了某一种或几种现有干预措施的份额；（2）联合使用（Combination），即新干预措施与现有干预措施联合使用；（3）扩张（Expansion），即新干预措施覆盖了之前没有有效治疗方法或已经停止使用现有干预措施的患者，带来使用人群的净增长。在进行不同市场环境比较时，对市场份额变化的预测是非常重要且有挑战性的一个环节。研究者应保证预测方法的透明度，对于所做的假设、引用的数据和选择的预测模型都应做出充分的说明。

11.2.6 成本 (Costs)

预算影响分析的成本包括两部分，一是干预措施本身的成本，根据干预措施的单价和在不同环境下目标人群中的使用量即可计算得出。二是干预措施对其它成本的影响（Impact on Other Costs），这部分包括两种情况：（1）疾病相关成本（Condition-Rrelated Costs），新干预措施在准入后可能会导致与健康状况相关的症状表现、疾病持续时间、疾病结局或疾病进展速度发生改变，进而影响相关的医疗服务利用，包括监测成本、疾病进展成本、不良反应成本以及护理成本等；（2）间接成本，新干预措施的准入也可能对生产力、社会服务和其他成本产生影响，考虑到这些成本往往与决策者视角不相关，因此不建议纳入预算影响分析的成本计算。

11.2.7 选择计算框架（Computing Framework）

预算影响分析的计算框架一般展示为电子表格形式。决策者更喜欢便于理解的“成本计算器”（Cost Calculator）方法，将成本的各个组成部分明确列出。对于一些复杂的情况，如目标人群的大小、不同疾病严重程度患者的构成、干预模式的组合等重要变量无法直接计算时，往往需要引入一些基于队列模拟或基于个体模拟的模型方法来计算不同市场环境下相关重要变量的取值。这些模型的选择原则可参照本指南模型部分的推荐原则。

11.2.8 不确定性和情境分析（Uncertainty and Scenario Analyses）

预算影响分析的不确定性包括模型结构的不确定性和输入参数的不确定性。模型结构的不确定性主要来自研究方法的不确定性及模型假设（Shiroiwa，2017），输入参数的不确定性来自数据可获得性的限制、数据的可变性以及数据来源样本的有限性。不可忽略的不确定性应该被量化，要求建模者必须记录和展示与选择模型结构和基本假设相关的决策，通过情景分析（改变结构假设）和单因素/多因素敏感性分析（改变选定参数输入值）进行不确定性检验，必要时可以进行概率敏感性分析（Foroutan，2019）。

11.2.9 验证（Validation）

对重点分析过程和输入数据还应进行验证，验证包含两个主要环节：（1）表面效度（Face Validity）验证，通过与相关决策者协商讨论以保证计算框架、所包含内容及相关决策要求都得到了合理体现；（2）技术验证（Technical Validation），即验证模型是否按照预期方式运行，逻辑与运算是否正确实现；（3）外部验证（External Validation），即在模型定义的限制范围内，是否正确反映真实世界，具有再现现实的能力（IQWiG，2009）。此外，如果条件允许，应将实际发生的支付额与预算影响分析中起始年的估计值进行比较验证。在新干预措施准入后，也建议继续收集数据并与预算影响分析得到的估计值进行比较，虽然已不能影响当前干预措施的准入决策，但对未来决策与研究都具有重要的参考价值。

解释

（1）我国的医药卫生系统相关政策比较复杂，在进行预算影响分析时，需要明确的有关特征包括但不限于以下方面： $\textcircled{1}$ 实际执行的报销比例； $\circledcirc$ 是按项目付费还是采用了人

头付费、按病种付费（Diseases Related Groups，DRGs）等打包付费方式； $\textcircled{3}$ 采用何种总额预付方式； $\textcircled{4}$ 起付线、封顶线水平； $\copyright$ 药占比限制、带量集中采购产品使用份额限制等其他政策。

（2）发病率（Incidence Rate）与患病率（Prevalence Rate）。患病率也称现患率，指某特定时间内总人口中某病新旧病例所占比例。而发病率则表示在一定期间内，一定人群中某病新病例出现的频率。在利用这两个概念计算目标人群时应注意其概念区别。在不同疾病的预算影响分析中，主要使用发病率还是患病率进行目标人群估计存在差异，需要视具体情况而定。

（3）超说明书用药。即使待评价干预措施还未得到准入资格，现有市场上也有可能存在该干预措施的超说明书使用。这种情况下，在对“未准入情境”进行计算时，应将目标人群的超说明书用药情况统计进去。这并不是对超说明书用药的鼓励，只是为了客观反映实际的市场情况。另一方面，在对“准入情境”进行计算时，新干预措施的超说明书用药一般不纳入计算范围，除非决策者有特别要求。

（4）对预算影响分析的计算框架与输入数据进行描述时，应尽量确保数据与假设的透明度与可靠性，例如以Microsoft EXCEL 的形式展示。

（5）预算影响分析也可以设定决策阈值，可以定义不同的费用区间来判断一个新干预措施的预算影响属于“节约成本”（Cost Saving）、“微小影响”、“中等影响”或“显著影响”。各决策主体可以根据本身的预算情况来设定或调整决策阈值，以便提高决策的透明度。

11.3 数据来源优先级（Data Sources and Hierarchy）

预算影响分析能否有效支持决策，除了合理的研究设计以外，很大程度上取决于其使用数据的质量，可能的数据来源包括：

（1）与决策者视角相符的真实世界研究中的使用量与成本数据，可以是注册登记研究也可以是基于数据库的研究；

（2）当真实世界研究数据不可得时，可考虑基于与决策者关注的目标人群一致的临床试验数据进行外推，如预算影响分析模型中的年均用药天数参数，在癌症治疗领域

可以用无进展生存期近似计算，在慢性病治疗领域可以用平均治疗时间近似计算；

（3）国际上或其他地区相似的人群或相似治疗模式下的干预措施使用率、使用量、依从性数据；

（4）各国政府从普查、调查等多种来源中获得的卫生统计数据，这类数据可能提供有关人口统计的信息（如年龄、性别）和与健康有关的行为和风险因素（如体重、是否吸烟）。使用卫生统计数据时应明确数据来源，并对数据质量和相关性进行评估，以确保所用数据的合理性、时效性和完整性（IQWiG，2009）；

（5）市场调研中获得的有关竞品分布、早期干预选择以及治疗模式变化情况的数据；

（6）关于治疗模式的专家意见或问卷统计。

在选择数据源时，应当从决策者视角出发，选择最适合回答决策问题的数据。建议优先选择相同地区、相同人群中最高质量的数据，如果不可得时再选择尽量相似的地区、人群数据，或通过专家调研补充数据。如果有不同来源的数据时，可以对数据的可用性进行评价后选择合理数据，主要包括以下步骤：（1）评估可得数据的质量以及其与特定研究目标的相关性；（2）确定可得数据与理想数据之间是否存在差异，若差异存在，能否通过合理假设对其进行校正；（3）对可得数据进行适当处理以提高模型的可靠性（IQWiG，2009）。如果不同来源的数据质量相当，则需要通过情境分析的方式展示所有可能的结果。

 图1 预算影响分析流程示意图

参考文献

英文参考文献

Agro KE, Bradley CA, Mittmann N, et al. Sensitivity analysis in health economic and pharmacoeconomic studies: appraisal of the literature [J]. Pharmacoeconomics 1997; 11(1): 75-88. Backhouse ME. Use of randomized controlled trials for producing cost-effectiveness evidence: Potential impact of design choices on sample size and study duration [J]. Pharmacoeconomics 2002; 20 (15): 1061-77. Bae EY, Lee EK. Pharmacoeconomic Guidelines and Their Implementation in the Positive List System in South Korea [J]. Value Health 2009; 12(3):36-41. Bala MV, Mauskopf JA, Wood LL. Willingness to pay as a measure of health benefits[J]. Pharmacoeconomics 1999; 15(1):9-18. Berger M L, Dreyer N, Anderson F, et al. Prospective observational studies to assess comparative effectiveness: the ISPOR good research practices task force report [J]. Value Health 2012; 15(2):217-30. Borenstein M, Hedges LV, Higgins JPT, et al. Introduction to Meta-Analysis[M]. 2009. Brazier J E, Yang Y, Tsuchiya A, et al. A review of studies mapping (or cross walking) nonpreference based measures of health to generic preference-based measures[J]. Eur J Health Econ 2010; 11(2):215-25. Brazil Ministry of Health. Methodological Guidelines: Economic Evaluation of Health Technologies [M]. 2nd Edition. 2014. Briggs AH, Gray AM. Handing uncertainty in economic evaluations of healthcare interventions [J]. BMJ 1999; 319: 635-38. Briggs AH, Sculpher M, Claxton K. Decision Modelling for Health Economic Evaluation [M]. Oxford: Oxford University Press. 2006. Briggs AH. Handing uncertainty in cost-effectiveness models [J]. Pharmacoeconomics 2000; 17 (5): 479-500. Canadian Agency for Drugs and Technologies in Health (CADTH). Guidelines for the Economic Evaluation of Health Technologies: Canada [M]. 4th Edition. 2017. Caro JJ, Briggs AH, Siebert U, et al. Modeling good research practices -overview: A report of the ISPOR-SMDM modeling good research practices task force-1[J]. Value Health 2012; 15: 796-803. Dolan P. Chapter 32 The measurement of health-related quality of life for use in resource allocation decisions in health care[M]. Handbook of Health Economics. Elsevier B.V. 2000:1723- 1760. Drummond MF, Sculpher MJ, Claxton K, Stoddart GL, Torrance GW. Methods for the economic evaluation of healthcare programes [M]. Fourth edition. Oxford: Oxford University Press. 2015. Drummond MF, Stoddart GL, Torrance GW. Methods for the economic evaluation of healthcare programes [M]. Third edition. Oxford: Oxford University Press. 2005. Eddy DM, Hollingworth W, Caro JJ, et al. Model transparency and validation: a report of the ISPOR-SMDM Modeling Good Research Practices Task Force-7[J]. Value Health 2012; 15: 843- 50. Fenwick E, Claxton K, Sculpher M. Representing uncertainty: the role of cost-effectiveness acceptability curves [J]. Health Econ 2001; 10: 779-87. Foroutan N, Tarride JE, Xie F, et al. A Comparison of Pharmaceutical Budget Impact Analysis (BIA) Recommendations Amongst the Canadian Patented Medicine Prices Review Board (PMPRB), Public and Private Payers. Pharmacoecon Open 2019. Gerduso LA, Kotstanos JG. Review of health economic guidelines in the form of regulations, principles, policies, and positions [J]. Drug Inf J 1996; 30 (4): 1003-16.Gold MR, Siegel JE, Russell LB, Weinstein M. Cost-effectiveness in health and medicine[B]. New York: Oxford University Press, 1996. Guideline for Preparing Cost-Effectiveness Evaluation to the Central Social Insurance Medical Council. Tokyo,2016. Guidelines of Methodological Standards for Pharmacoeconomic Evaluations in Taiwan. Taiwan ,2006. Hauck K, Smith PC, Goddard M. 2004. The economics of priority setting for health care: a literature review. HNP discussion paper series. Washington, DC: World Bank. Avaliable: http://documents.worldbank.org/curated/en/896691468780616417/The-economics-of-prioritysetting-for-health-care-a-literature-review. Health Insurance Council (Ziekenfondsraad). Dutch guidelines for pharmacoeconomic research [R], 1999. Hoyle C K, Tabberer M, Brooks J.Mapping the COPD Assessment Test onto EQ-5D[J].Value Health 2016; 19:469-477. Institute for Quality and Efficiency in Health Care (IQWiG). General Methods for the Assessment of the Relation of Benefits to Costs [M].1st Edition. 2009. Institute for Quality and Efficiency in Health Care (IQWiG). Working Paper on Modelling in health economic evaluations.2009. ISPOR. 2019: https://tools.ispor.org/peguidelines/ Jr G L, Neumann P J, Erickson P, et al. Using real-world data for coverage and payment decisions: the ISPOR Real-World Data Task Force report.[J]. Value Health 2007; 10(5):326-35. King M T, Viney R, Simon A P, et al. Australian Utility Weights for the EORTC QLU-C10D, a Multi-Attribute Utility Instrument Derived from the Cancer-Specific Quality of Life Questionnaire, EORTC QLQ-C30.[J]. Pharmacoeconomics 2018; 36(2):225-38. Knies S., Severens JL, Ament HAJA, et al. The Transferability of Valuing Lost Productivity across Jurisdictions. Differences between National Pharmacoeconomic Guidelines [J]. Value Health 2010; 13 (5): 519-27. Kopec J A, Willison K D. A comparative review of four preference-weighted measures of healthrelated quality of life[J]. J CLIN EPIDEMIOL 2003; 56(4): 317-25. Kozma CM, Reeder CE, Schulz RM. Economic, clinical, and humanistic outcomes: a planning model for pharmacoeconomic research [J]. Clin Ther 1993; 15 (6): 1121-32. Lakdawalla DN, Doshi JA, Garrison LP, Jr., et al. Defining Elements of Value in Health Care-A Health Economics Approach: An ISPOR Special Task Force Report [3]. Value Health 2018; 21(2): 131-9. Lam CLK, Brazier J, McGhee SM. Valuation of the SF-6D health states is feasible, acceptable, reliable, and valid in a Chinese population [J]. Value Health 2008; 11 (2): 295-303. Lancsar E, Louviere J. Conducting Discrete Choice Experiments to Inform Healthcare Decision Making[J]. Pharmacoeconomics 2008; 26(8):661-77. Liljas B. How to calculate indirect costs in economic evaluations [J]. Pharmacoeconomics 1998; 13 (1): 1-7. Liu G G, Wu H, Li M, et al. Chinese time trade-off values for EQ-5D health states [J]. Value Health 2014; 17(5):597-604. Luce BR, Elixhauser A. Estimating costs in the economic evaluation of medical technologies [J]. Int J Technol Assess Health Care 1990; 6 (1): 57-75. Luo N, Liu G, Li M, et al. Estimating an EQ-5D-5L Value Set for China [J]. Value Health 2017; 20(4):662-9. MacPherson H. Pragmatic clinical trials [J]. Complement Ther Med 2004; 12: 36-40. Mauskopf JA, Sullivan SD, AnnemansL, et al. Principles of good practice for budget impact analysis: report of the ISPOR Task Force on Good Research Practices—Budget Impact Analysis. Value Health 2007;10(5):336–47. Mills E J, Thorlund K, Ioannidis J P. Demystifying trial networks and network meta-analysis[J]. BMJ 2013; 346:f2914. Mühlbacher AC, Kaczynski A, Zweifel P, et al. Experimental measurement of preferences in health and healthcare using best-worst scaling: an overview[J]. Health Econ Rev 2016; 6(1):2. Mullins CD, Onwudiwe NC, Brancode GT, et al. Guidance Document: Global Pharmacoeconomic Model Adaption Strategies[J]. Value Health Reg Issue 2014; 5:7-13. Muratov S, Podbielski WD, Kennedy K et al, Preference-based Glaucoma-specific Health-related Quality of Life Instrument: Development of the Health Utility for Glaucoma[J]. J Glaucoma 2018; 27(7): 585-91. National Institute for Health and Clinical Excellence (NICE). Guide to the methods of technology appraisal 2013 [M]. 2013. Neumann PJ, Sanders GD, Russell LB, et al. Cost- Effectiveness in Health and Medicine (2nd edition) [M]. New York: Oxford University Press, 2017. Neumann PJ, Sanders GD, Russell LB, Siegel JE, Ganiats TG. Cost- Effectiveness in Health and Medicine[M]. 2nd Edition. New York: Oxford University Press.2016. Neumann PJ, Thorat T, Shi J, Saret CJ, Cohen JT. The changing face of the cost-utility literature, 1990-2012[J]. Value Health 2015; 18(2):271-7. Neumann P J , Willke R J , Garrison L P . A Health Economics Approach to US Value Assessment Frameworks—Introduction: An ISPOR Special Task Force Report [1][J]. Value Health 2018; 21(2):119-23. NICE. Assessing resource impact process manual: technology appraisals and highly specialised technologies. April 2017. Olsen JA, Smith RD. Theory versus practice: a review of 'willingness-to-pay' in health and health care[J]. Health Econ 2001; 10(1):39-52. Oxman AD, Guyatt GH. A consumer’s guide to subgroup analyses [J]. Ann Intern Med 1992; 116 (1): 78-84. Polsky D, Glick HA, Willke R, et al. Confidence intervals for cost-effectiveness ratios: a comparison of four methods [J]. Health Econ 1997; 6: 243-52. Round J. Is a QALY still a QALY at the end of life?[J]. J Health Econ, 2012, 31(3): 521- 527. WHO. Choosing Interventions that are Cost Effective (WHO-CHOICE), Threshold values for intervention cost-effectiveness by Region. http://www.who.int/entity/choice/costs/CER_thresholds_regions.xls . Round J, Paulden M. Incorporating equity in economic evaluations: a multi-attribute equity state approach. Eur J Health Econ, 2018; 19(4): 489-98. Rowen D, Brazier J, Roberts J. Mapping SF-36 onto the EQ-5D index: how reliable is the relationship?[J]. Health Qual Life Outcomes 2009; 7(1):27. Sculpher M J, Pang F S, Manaca A. 2004. Generalisability in economic evaluation studies in healthcare: a review and case studies [J]. Health Technol Assess2004; 8(49): 1-192. Sculpher MJ, Fenwick E, Claxton K. Assessing quality in decision analytic cost-effectiveness models: a suggested framework and example of application [J]. Pharmacoeconomics 2000; 17 (5): 461-7. Shiroiwa T , Fukuda T , Ikeda S , et al. Development of an Official Guideline for the Economic Evaluation of Drugs/Medical Devices in Japan[J]. Value Health 2017; 20(3):372-78. Smith DH, Gravelle H. The practice of discounting in economic evaluations of healthcare interventions [J]. Int J Technol Assess Health Care 2001; 17 (2): 236-43. Stahl JE. Modelling Methods for Pharmacoeconomics and Health Technology Assessment: An Overview and Guide [J]. Pharmacoeconomics 2008; 26 (2): 131-48. Sullivan SD, Mauskopf JA, Augustovski F, et al. Budget Impact Analysis—Principles of Good Practice: Report of the ISPOR 2012 Budget Impact Analysis Good Practice II Task Force. Value Health 2014;17(1):5–14. Sun X, Briel M, Walter SD, et al. Is a subgroup effect believable? Updating criteria to evaluate the credibility of subgroup analyses. BMJ 2010; 340: c117. Sun X, Ioannidis JP, Agoritsas T, et al. How to use a subgroup analysis: users' guide to the medical literature. JAMA 2014; 311(4): 405-11. Takashi Fukuda. Guideline for preparing cost-effectiveness evaluation to the central social insurance medical council[M]. 2016. The Collège des Économistes de la Santé (the French Health Economists Association). French Guidelines for the Economic Evaluation of Health Care Technologies[M]. 2004. The Pharmaceutical Benefits Advisory Committee (PBAC). Guidelines for preparing a submission to the Pharmaceutical Benefits Advisory Committee[M].5th Edition. 2016. Thomas Butt, Gordon G.Liu, David D, et al. Taking stock of cost effectiveness analysis of healthcare in China[J]. BMJ Global Health 2019; (4):1136-418. Torrance GW, Thomas WH, Sackett DL. A utility maximization model for evaluation of health care programs. Health Serv Res. Summer 1972;7(2):118-33. Wakker P, Klaassen M. Confidence intervals for cost-effectiveness ratio [J]. Health Econ 1995; 4(5): 373-82. WHO. World Health Statistics 2018. https://www.who.int/gho/publications/world_health_statistics/2018/en/

Wild D, Grove A, Martin M, et al. Principles of Good Practice for the Translation and Cultural Adaptation Process for Patient-Reported Outcomes (PRO) Measures: report of the ISPOR Task Force for Translation and Cultural Adaptation [J]. Value Health 2005; 8(2):94-104.

Willke R J. 2003. Tailor-made or off-the-rack? The problem of transferability of health economic data[J]. Expert Rev Pharmacoecon Outcomes Res 2003; 3(1):1-4.

Woodley HJ, Bourdage JS, Ogunfowora B, et al. Examining Equity Sensitivity: An Investigation Using the Big Five and HEXACO Models of Personality. Front Psychol 2015; 6: 2000.

中文参考文献

陈 洁，刘国恩，高丽敏.药物经济学[M]. 北京：人民卫生出版社，2006. 胡善联. 药物经济学[M]. 北京：高等教育出版社，2009. 胡善联. 药物经济学评价指南[M]. 复旦大学出版社，2017. 金丕焕. 医用统计方法[M]. 上海：上海医科大学出版社，1993. 李易平，李洪超，邱家学. 从不同决策主体角度对药品不良反应相关成本的分析[J]. 中国药物经济学，2009，(2)：26-30. 李幼平. 药物经济学与循证医学[J]. 中国药物经济学，2008(6)：14-19. 刘国恩.中国药物经济学评价指南及导读 [M].2015 版. 北京：科学出版社，2015. 孙利华. 药物经济学[M].第三版. 北京：中国医药科技出版社，2015. 吴久鸿. 药物经济学[M].第一版. 北京：高等教育出版社，2017. 吴晶，刘国恩. 成本－效果可接受曲线：不确定状态下的决策方法. 中国药物经济学，2006,，11(3)：55-9. 谢烛光，李洪超. 我国药物经济学评价贴现率取值探索[J]. 中国卫生经济，2019，38(05) 74-7. 杨莉, 胡善联. 成本效果比5 种可信区间估计比较法[J]. 中国卫生统计，2004，21(3)： 150-53. 中华人民共和国国家卫生健康委员会.2018 年中国卫生健康事业发展统计公报. http://www.nhc.gov.cn/guihuaxxs/s10748/201905/9b8d52727cf346049de8acce25ffcbd0.shtml

周丽丽，马爱霞. 药物经济学研究中离散事件模拟的介绍[J]. 中国药物评价，2012，29(5)：347-50.

附录1：标准报告格式（Standard Reporting Format）

首页（Cover Page）

◇ 标题（Title） ◇ 作者（Author）与 工作单位（Affiliation） ◇ 作者贡献（Author Contributions）：列出各位作者在本文中所做的贡献 ◇ 资金/资助（Funding/Support）：列出本文所有的资金和资助来源 ◇ 致谢

摘要（Abstract）

◇ 背景（Background）：简述该研究问题的重要性和显著性 ◇ 目的（Objectives）：具体解决什么问题 ◇ 方法（Methods）： 研究设计方案、样本人群和分析所使用的主要结果指标 ◇ 结果（Results）：报告分析所得到的主要结果和数据 ◇ 局限性（Limitation）：对研究中使用的方法和数据的主要局限进行讨论 ◇ 结论（Conclusions）：根据结果数据所能做出的基本判断

正文部分

1 简介（Introduction）

1.1 研究背景（Background） 1.1.1 所研究疾病的基本信息（Condition） ◇ 疾病严重性，疾病的流行病学特征，疾病诊疗模式（Treatment Pattern） ◇ 疾病的社会负担，包括经济负担和生命质量负担 1.1.2 干预措施的基本信息（Interventions） ◇ 治疗该疾病的主要干预措施，治疗方式、用法用量、合并用药、使用环境要求等信息 ◇ 疗效、不良反应、警告或注意事项，成本等信息 ◇ 新干预措施的特点，适用人群及其在中国的上市和医保现状 1.2 文献综述（Literature Review） ◇ 系统综述国内外文献关于新干预措施的认知与相关证据 $\diamondsuit$ 指出所要进行的研究与已知文献的差别、特点和创新之处 1.3 研究目的（Objectives）

◇ 明确该研究的中心目的和主要角度 ◇ 确定目标受众和潜在受众

2 方法（Methods）

2.1 目标人群（Target Population） ◇ 描述研究样本的组成：描述干预措施或者应用的目标人群；对照组的选择条件及合理性 ◇ 描述本研究中是否分亚组进行相关分析，并指出划分亚组的依据及合理性 2.2 研究角度（Perspective） ◇ 明确本研究中研究角度的选择和理由 2.3. 干预与对照方案（Interventions and Comparators） ◇ 研究中所引入的对照组的选择和理由 ◇ 详细描述本研究中干预组和对照组干预方案的内容，包括用法用量、治疗周期、合并检查及治疗、不良反应的处理、疾病进展后的后续治疗等 2.4 研究时间范围（Time Horizon） ◇ 研究中时间范围的选择和理由 2.5 研究方法 ◇ 描述研究设计：基于模型的研究、基于个体水平数据的研究（包括回顾性分析和前瞻性分析）等研究方法 • 如果是基于模型的研究，简述模型类型（如使用决策树模型法、马尔科夫模型、分区生存模型以及计量回归模型等）选择的依据、模型结构、健康状态的定义以及分析方法等。 • 如果是基于个体水平数据的研究，请简述主要研究设计及关键变量的定义 2.6 主要假设（Key Assumptions）- 仅适用于模型研究◇ 描述本研究关键假设，以及假设的重要特点及其合理性 2.7 研究产出（Model Outputs）- 仅适用于模型研究◇ 描述本研究关键模型产出 2.8 模型参数及数据来源 - 仅适用于模型研究2.8.1 人群基本特征 • 描述本模型所使用的人群基本特征 • 列出数据的来源，并说明其合理性

2.8.2 疗效参数

• 描述本模型所使用的疗效参数与分析方法 • 列出数据的来源或者假设的来源，并说明其合理性

2.8.3 安全性

• 描述本模型所使用的安全性参数与分析方法 • 列出数据的来源或者假设的来源，并说明其合理性

2.8.4 资源使用及成本变量的确认（Cost Identification）

• 确定本研究成本的组成部分（直接成本、间接成本等）及其理由 • 描述、测量和评价分析中涉及的所有资源 • 描述各成本变量的获取来源、确定方法

2.8.5 健康产出变量的确认（Health Outcomes Identification）

• 描述本研究选择的关键健康产出指标（如效用）、测量方法与选择理由

2.8.6 贴现率（Discount Rate）

• 说明研究中是否贴现及其理由 • 说明研究中贴现率的选择和理由

2.9 主要结果的分析方法 - 仅适用于模型研究

◇ 描述本研究中具体评价方法及其合理性（包括CEA、CUA、CBA 或CMA 等） ◇ 描述增量分析的方法

2.10 变异性及不确定性 - 仅适用于模型研究

◇ 差异性处理：描述目标人群的分层情况，表述可能存在的不同亚组（基于效果、偏好、成本），以及其他形式的差异性是如何被分析的 ◇ 不确定性处理：表述研究分析中不确定性的来源；用来分析不确定性的方法（即确定型敏感性分析和概率敏感性分析的方法）

2.11 数据及样本的选择 - 仅适用于观察性研究◇ 描述该研究使用的数据源情况 ◇ 描述样本选择过程

2.12 研究变量的选择 - 仅适用于观察性研究◇ 描述成本、效果以及ICER 相关变量的选择和定义

2.13 统计分析 - 仅适用于观察性研究

◇ 描述该研究所使用的统计分析方法

2.14 变异性及不确定性 - 仅适用于观察性研究

◇ 变异性处理：描述目标人群的分层情况，表述可能存在的不同亚组（基于效果、偏好、成本），以及其他形式的变异性是如何被分析的 ◇ 不确定性处理：表述研究分析中不确定性的来源；用来分析不确定性的方法

3 结果（Results）

3.1

基础分析结果（Base-case Results）

◇ 报告总体样本组间关键变量的统计分布与特点（包括主要人口学指标、相关临床指标、成本指标与健康产出指标等） ◇ 报告基于进一步的模型估计与系统分析后，本文所获得的主要研究结果，重点陈述不同干预措施导致的成本与健康产出差异，以及增量成本-效果比值（ICER） ◇ 结果首先使用自然单位表述，之后可转为可选择单位（如：QALYs 或者货币） ◇ 如果数据许可，应该考虑给出关键亚组的统计分析结果 ◇ 提供显示结果的图表，鼓励使用图表进行结果的可视化展示

3.2 敏感性分析结果（Sensitivity Analysis Results）

◇ 报告模型在改变关键假设或变量的取值后，其主要结果的变化情况与分布 ◇ 描述主要结果的敏感性程度与主要影响因素、来源或条件 ◇ 给出被分析的亚组结果，显示分布的影响，及其他差异性分析的结果

4 讨论（Discussions）

4.1 结果总结（Summary of Results）

$\diamondsuit$ 总结本文的主要模型或统计结果 $\diamondsuit$ 比较本文结果和过去相关研究结果的异同及其可能原因 $\diamondsuit$ 讨论不确定性和关键的影响因素 $\diamondsuit$ 讨论成本、收益及危害之间的权衡

4.2 外推性（Generalizability）

◇ 指出本文结果在流行病学、人群特征、地域特征、临床实践或资源使用模式等方面的适用程度、差异性

4.3 研究局限（Limitations）

$\diamondsuit$ 指出本文研究方法或数据可能存在的主要问题和局限 $\diamondsuit$ 提出进一步研究所应注意的主要问题和改进措施 $\diamondsuit$ 研究方法和使用数据可能造成的偏倚

4.4 医疗卫生服务影响

◇ 对医疗服务资源可能产生的影响进行评论 $\diamondsuit$ 考虑流行病学因素和其他干预因素可能对预算产生的影响 ◇ 关于干预措施与对照措施的优劣判断，提供相关医药卫生政策的合理建议 4.5 未来的研究方向 ◇ 找出存在的证据差距，指出有待进一步研究的方向和领域 4.6 公平性 ◇ 在条件允许时应通过敏感性分析或亚组分析对基础分析中评价结果的公平性问题进行检验

5 结论（Conclusions）

◇ 阐明该研究的目标，待解决的问题 ◇ 总结主要研究结果和相关影响，干预措施适合应用的人群及环境，以及研究的不确定性和注意事项。

6 参考文献（References）

7 附录（Appendices）

◇ 提供关键数据的详细图表、问卷设计、数据来源情况、决策树模型图或其他必要的说明材料等，以供读者查阅和核实。 ◇ 如进行系统评价/Meta 分析，需列出文献检索的数据库、检索策略、文献筛选流程、纳入研究基本信息表、数据提取的标准及格式、文献质量评价工具或标准等。

附录2：质量核查列表（Quality Checklist）

在评价一个药物经济学研究报告质量的时候，应该按照标准报告格式核查以下内容：

|标准报告格式|核查内容|核查内容| |---|---|---| |首资||| |标是题||是否为药物经济学研究，可表述为经济学评| |标是题||价或成本-效果分析等| |||是否列出干预措施| |||是否说明了目标疾病或健康问题| |资金/资助||是否列出资金/资助来源| |||资金/资助是否干预研究进行| |摘要||是否简要概述研究背景、目的、方法、结| |||果、局限性、结论| |1简介||| |1.1 研究背景||是否描述疾病背景信息| |||是否描述干预措施基本信息| |1.2 文献综述||是否提供系统文献综述| |||是否指出现有文献缺陷| |1.3研究目的||是否明确研究问题| |||是否明确研究受众| |2方法||| |2.1目标人群||是否描述目标人群特征| |2.2研究角度||是否明确研究角度| |2.3 对照组的选择||是否解释对照组的选择理由| |2.4 研究时间范围||是否明确研究时间范围| |2.5 研究方法||是否区分基于模型的研究和基于个体水平数| ||据的研究|据的研究| |2.6 研究假设 (模型研究)||·是否描述研究假设|

|2.7 样本数据 (观察性研究)||·是否明确样本选择过程| |---|---|---| |||·是否描述样本特征| |2.8成本确认||是否明确成本组成部分| |2.9成本测量||是否明确成本数据来源 (模型研究)| |||是否明确成本测量方法 (观察性研究)| |2.10产出确认||是否明确产出类型：效果、效用、效益| |2.11产出测量||是否明确产出数据来源 (模型研究)| |||是否明确产出测量方法 (观察性研究)| |2.12贴现||是否明确成本贴现率 (如需)| |||是否明确产出贴现率 (如需)| |2.13 模型选择（模型研究)||是否描述模型选择理由| |||是否绘制模型结构图| |2.14 统计分析（观察性研究)||是否描述统计分析方法| |2.15 差异性/不确定性||是否分析不同亚组| |||是否分析不确定性| |||是否包含了概率敏感性分析| |3结果||| |3.1分析结果||是否报告关键变量分组结果| |||是否报告成本产出分组结果| |3.2增量分析||·是否进行增量分析| |||）是否报告增量成本-效果比值| |3.3敏感性||·是否报告主要结果的敏感性分析| |3.4公平性||·是否报告研究结果的公平性影响| |4讨论||| |4.1外推性||是否讨论研究结果的外推性| |4.2研究局限||是否讨论研究局限| |5结论||是否总结主要研究结果| |6参考文献||是否列出参考文献| |7附录||是否提供关键数据图表| ||||

附录3：术语表（Terminology）

|中文|英文|解释|| |---|---|---|---| |半循环校正|Half-Cycle Correction| 由于在实际疾病状态间的转移是发生在整个周期 之中，假设仅在周期开始时或结束时发生状态转 移就会产生偏误。为了更加准确地反映转移状态 的连续性，假设状态转移平均发生在每个周期的 中间，并在开始时增加半个周期来填补周期的右 多。 || ||| 受访者需要在两种情况中做出选择：情况1是受 访者将处于一种确定的健康状态；情况2是受访 者将有一定的概率处于一种较好的健康状态（例 Standard Gamble，SG如完全健康），也有一定的概率处于一种较差的 健康状态（例如死亡)；调查者不断变换情况2 || |标准博弈法|| 访者将处于一种确定的健康状态；情况2是受访 者将有一定的概率处于一种较好的健康状态（例 Standard Gamble，SG如完全健康），也有一定的概率处于一种较差的 健康状态（例如死亡)；调查者不断变换情况2 中的概率来让受访者在情况1和情况2中做出选 || |标准治疗|| 健康状态（例如死亡)；调查者不断变换情况2 中的概率来让受访者在情况1和情况2中做出选 择，直到受访者认为选择情况1和情况2是没有 差异的时候终止访问。 |常规治疗中被证明效果最好的治疗方法。| ||Standard Treatment||| |表面效度|Face Validity| 表面效度通常是指测量方法或测量形式与测量 目标的相关性或一致程度，是对药物经济学评 价模型进行验证的主要内容之一，可由相关领 域专家主观判断评价模型及其假设和应用在多 大程度上与当前科学和证据相一致。 || |不确定性|Uncertainty| 指事前无法控制的外部因素变化（如数据估算 误差、研究背景变化等）对评价结果或决策方 案造成的影响或风险。 || |差异性|Variability| 指已经确定的可能影响评价结果的与治疗背景 差异相关的参数差异。差异性无法完全消除。 || |安出|Outcome| 疾病和干预措施可能对患者产生的各类影响， 主要包括经济产出、临床产出和人文产出。在 药物经济学评价中，通常将经济产出归为成本 || ||| 药物经济学评价中，通常将经济产出归为成本 范畴，将临床产出和人文产出归为健康产出的 范畴。 || |常规治疗| Conventional Treatment | 临床最常用的治疗方法或市场份额最大的治疗 方法。 || |成本|Cost| 实施预防、诊断或治疗等干预项目所耗费的资 源或所付出的代价，包括所消耗的人、财、 ||

||| 物、时间等资源及因干预方案而产生的恐惧、 不安、痛苦、行动不便等。药物经济学评价中 的成本通常指机会成本，包括直接成本、间接 成本和隐性成本，其中直接成本中又包括直接 医疗成本和直接非医疗成本。 | |---|---|---| |成本-效果分析| Cost-Effectiveness Analysis, CEA | 分别以货币和临床效果指标作为成本和健康产 出指标，对各备选干预方案进行经济性评价的 方法。一般适用于具有相同临床产出指标方案 之间的经济性比较。 | |成本-效益分析| Cost-Benefit Analysis, CBA | 均以货币表示成本和健康产出指标，对各备选 干预方案进行经济性评价的方法。 | |成本-效用分析| Cost-Utility Analysis, CUA | 分别以货币和质量调整生命年作为成本和健康 产出指标，对各备选干预方案进行经济性评价 的方法。 | |对照方案|Comparator| 与干预措施相比较的治疗方案，可以为标准治 疗方案、常规治疗方案或无干预方案。 | |分区生存模型| Partitioned Survival Model | 是一种基于参数生存函数确定研究队列在每个 健康状态的分布和转移，进而估计疾病的成本 和产出的成本-效果分析模型。适用于可以划分 有限个健康状态且需要长期模拟的疾病的经济 学评价。 | |概率敏感性分析| Probabilistic Sensitivity Analysis, PSA | 根据各不确定因素的概率分布进行随机取值， 测定不确定因素对分析结果影响程度的方法。 | |干预措施|Interventions| 对研究对象实施的预防、诊断、治疗等具体的 干预措施或政策。 | |公平性|Equity| 药物经济学评价中的公平性是指一项干预活动 所影响到的所有生命、生命年或质量调整生命 年的价值都（假设）是相等的，而不管目标群 体的个人或种族的年龄、性别或社会状态等。 | |国际药物经济学会|Economics and| The Professional Society for Health 国际药物经济学会|Economics and Outcomes Research, ISPOR | 于1995 年成立的国际组织，致力于促进世界 范围内药物经济学和结果领域的研究和实践。 | |回顾性研究|Retrospective Study|-种非随机临床研究，在药物经济学评价中通|

||| 常指的是回顾性队列研究，往往是回顾性地从 各种数据库或医院病历等已有资料中纳入患者 并收集患者信息，进而对干预组和对照组的成 本和效果进行比较。 | |---|---|---| |荟萃分析|Meta-Analysis| 一种采用统计学方法对多个具有相同研究目的 且相互独立的研究进行系统、综合定量分析的 研究方法。 | |混合研究|Hybrid Study| 多种研究设计方法的综合运用，通常从临床试 验或观察性研究中获得患者的临床效果数据， 从回顾性研究或横断面研究来获取相关的成本 数据。 | |机会成本|Opportunity Cost| 某种资源分配到一种用途上而放弃另一种用途 可能得到的最大价值。 | |疾病特异性效用量Disease-Specific| 疾病特异性效用量Disease-Specific Instrument | 用于测量某一特定疾病患者健康效用值的量 表。 | |间接成本|Indirect Cost| 由于疾病、伤残或死亡造成的患者和其家庭的 劳动时间及生产率损失，包括休学、休工、早 亡等造成的患者及家人的工资损失等。 | |健康产出|Health Outcomes|疾病或干预措施对患者健康状况的影响。| |健康相关生命质量QualityofLife，| Health-Related 健康相关生命质量QualityofLife， HRQOL | 指那些与健康相关的生命质量，反映人们的健 康状态，包括生理状况、功能状况、社会活 动、认知、情感、睡眠和休息、精力与活力、 健康认识，以及总的健康满意度等。 | |健康效用积分体系Value Set|| 是与健康相关生命质量量表配套使用的一套计 算量表中所有健康状态效用值的计算公式。其 基本思路是选取特定国家或地区中一定数量有 代表性的样本人群，采用时间权衡法等直接测 量方法获取量表中部分健康状态的效用值，进 而采用计量经济学模型或多维效用函数构建预 测量表中所有健康状态效用值的计算公式。 | |健康效用值|Health Utility| 也被称为生命质量权重，反映人们对特定健康 状态或健康结果的偏好程度。具体体现为-1 到 1之间的一个值，0代表死亡，1代表完全健 康，负数表示比死亡还要差。 |

|健康状态|Health State| 是从生理、心理和社会等方面对个人或人群功 能状态的描述，反映个人或人群的健康水平， 可以是主观的也可以是客观的。 | |---|---|---| |交叉效度|Cross Validity| 将一个模型的结果与其他已经存在的解决相同 或相似问题的模型结果之间进行的跨模型比 较。是对药物经济学评价模型进行验证的主要 内容之一。 | |经济产出||Economic Outcomes疾病或干预措施对患者产生的经济影响。| |经济评价|Economic Evaluation| 根据成本和产出，对备选干预方案的经济性进 行比较分析。 | |净效益|Net Benefit| 效益现值（用货币单位表示）与成本现值（用 货币单位表示）之差，是成本-效益分析的基本 决策依据。 | |决策分析|Decision Analysis| 在一个风险环境或不确定性情形下，采用各种 决策分析技术和模型进行定量和系统决策的方 | |决策分析模型| Decision Analysis Model | 基于对客观对象的数量关系、逻辑关系与空间 形式的模拟或抽象，进行必要的计算、分析和 判断，从而在备选方案中选出最佳方案。 | |决策树模型|| 是一种采用系统方法合并信息和估计值，使决 策问题结构化，能够有效模拟相对复杂且存在 不确定性信息决策问题的静态数学模型。在药 Decision Tree Model物经济学评价中，多用于模拟备选干预方案的 中、短期治疗效果和成本，通过可视化的树形 结构向决策者展示各备选方案的发展路径和最 终结果，提供决策依据。 | |绝对劣势|Strictly Dominated| 如果干预方案相比对照方案成本更高而产出更 低，则干预方案为绝对劣势方案。 | |绝对优势|Dominance| 如果干预方案相比对照方案成本更低而产出更 高，则干预方案为绝对优势方案。 | |离散事件模拟模型|Simulation Model,| Discrete Events 离散事件模拟模型|Simulation Model, DES | 是一种可以用来表现个体行为、个体与个体、 个体与群体以及个体与环境之间互动关系的模 型方法。通过模拟疾病治疗过程中非连续事件 （疾病成本、治疗效果、生命质量等）的发生 发展过程，反映疾病的发生发展过程，以探讨 |

|||备选方案的成本和产出特性。|| |---|---|---|---| |离散选择实验法| Discrete Choice Experiment, DCE | 不同维度及其不同水平的组合来描述干预措 施、健康状态、服务或政策，形成多个配对的 备选方案，通过受访者的选择推断其对不同属 性的偏好。 干预措施在严格控制的环境下(通常为RCT) || |疗效|Efficacy| 干预措施在严格控制的环境下(通常为RCT) 对患者产生的治疗结果。 || |临床产出|Clinical Outcomes|疾病或干预措施对患者产生的临床影响。|| || Short-Form Six- Dimensions, SF-6D | 全球范围内使用广泛的通用效用量表，涵盖躯 体功能（PhysicalFunctioning）、角色限制 （Role Limitation）、社会功能（Social Functioning）、疼痛（Pain）、精神健康 | （Role Limitation）、社会功能（Social Functioning）、疼痛（Pain）、精神健康 （Mental Health）和活力（Vitality）六个维 度。量表最新版为第二版，其中除疼痛维度具 有6个水平外，其余维度均具有5个水平，不 同维度水平组合共计可描述18750个不同的健 | |六维健康调查简表|||| |马尔科夫模型|| 是将临床事件和相关干预实施的时间因素系统 纳入模型模拟的动态模型。疾病过程被模拟成 一系列的时间段，每个时间段与特定的健康状 || ||Markov Model|| 一系列的时间段，每个时间段与特定的健康状 态相联系，同时用概率来表示一个时间段到下 一个时间段的转移，在研究时间范围内对疾病 的成本和产出进行估计的决策分析模型。 | |蒙特卡洛模拟| Monte Carlo Simulation || 的成本和产出进行估计的决策分析模型。 蒙特卡洛模拟是反映参数估计值不确定性的一 种方法，每次从样本参数的分布区间内随机抽 取一组参数数据进行药物经济学评价，形成一 系列的可能的结果，计算成本和结果的期望值 | |敏感性分析||| 种方法，每次从样本参数的分布区间内随机抽 取一组参数数据进行药物经济学评价，形成一 系列的可能的结果，计算成本和结果的期望值 分布状态。 | ||Sensitivity Analysis| 检验重要自变量（如成本、结果、事件的概率 等）可能的范围来判断这种变化是否对分析结 果产生有意义的影响。 || |模型验证|Model Validation| 对模型模拟或预测结果的准确性进行判断的方 法，主要包括对表面效度、内部效度、交叉效 ||

|||度、外部效度和预测效度的验证。| |---|---|---| |目标人群|Target Population| 所要研究的某种适应症覆盖的整体人群或亚组 人群。 | |内部效度|Internal Validity| 又被称为技术效度，是指模型中的每一个部分 是否都能与研究者设想的那样运行，模型中的 计算是否都正确。是对药物经济学评价模型进 行验证的主要内容之一。 | |五维健康量表|EQ-5D| 全球范围内使用广泛的通用效用量表，涵盖行 动能力（Mobility）、自我照顾（Self-Care）、日 常活动（UsualActivities）、疼痛或不适 (Pain/Discomfort）、焦虑和抑郁 （Anxiety/Depression）5个维度，是测量健康 状态的一种标准化工具。目前包括3水平和5 水平两个版本。 | |偏好|Preference| 对某种健康状态或健康结果的意愿或倾向，通 常体现为效用或价值。 | |平行研究|Piggyback| 将药物经济学评价与药物临床试验相结合，通 常加载在药物 IⅢI 期临床试验中进行，也有加 载在 ⅡI期 IV 期临床试验中进行的。 | |普适性效用量表|Generic Instrument| 是指可用于测量包括健康人群和各种疾病患病 人群在内的所有人群健康效用值的量表，如 EQ-5D 和 SF-6D。 | |前瞻性观察研究| Prospective Observational Study | 一种非随机临床研究，即在不采用任何方式干 预医生临床决策的前提下，根据制定好的数据 收集计划，前瞻地收集药物经济学评价所需要 的相关患者信息。 | |确定性敏感性分析|Sensitivity| Deterministic Analysis, DSA | 通过手动改变某个或某些特定参数的取值，测 算参数变化对研究结果的影响，从而找出敏感 因素的分析方法，主要包括单因素敏感性分 析、多因素敏感性分析、阈度分析、极值分 析、情境分析等。 | |人力资本法| Human Capital Approach, HCA | 用健康个体的剩余生命对社会所产生的经济价 值来衡量疾病间接成本的方法，一般使用潜在 市场收入来测量，即假定所有损失的时间用于 生产，用劳动力市场平均工资水平去估算因疾 病或过早死亡带来的劳动力损失。 |

|伤残调整生命年| Disability-Adjusted Life Years, DALYs | 从发病到死亡所损失的全部健康年，包括因早 亡所致的寿命损失年和疾病所致伤残引起的寿 命损失年两部分，经常用于测量疾病负担。 | |---|---|---| |生命质量| Quality of Life, QoL | 指不同文化和价值体系中的个体对与他们的目 标、期望、标准以及所关心的事情有关的生存 状况的体验，包含个体的生理健康、心理状 态、独立能力、社会关系、个人信仰、和与周 围环境的关系等。 | |时间权衡法| Time Trade-Off, TTO | 一种直接测量某健康状态效用值的方法。测量 时，受访者需要在两种情况中做出选择：情况 1 是受访者将在某种疾病状态生存一定的时 间；情况2 是受访者将在一种较好的健康状态 （例如完全健康）生存，但是生存时间较短; 调查者不断变换情况2 中的生存时间来让受访 者在情况1和情况 2 中做出选择，直到受访者 认为选择情况1和情况2 是没有差异的时候终 止访问。 | |实效性临床试验| Pragmatic Clinical Trial, PCT | 将所有试验对象随机分配，在药物的日常实际 应用环境中进行的试验。 | |视觉模拟标尺法| Visual Analogue Scale, VAS | 是采用一段有确定取值端点的线段（通常选择 0-100，可能有刻度，也可能没有)，请受访者 将对特定健康状态的评价或感受标记在线段 上，以反映受访者对健康状态偏好程度的一种 测量方法。 | |随机对照临床试验Controlled Trial,| Randomized 随机对照临床试验Controlled Trial, RCT | 参加者按照一种程序被随机分配到干预组（治 疗组）或对照组，两组都被随访一个特定时 期，并按照开始时所确定的目标分析研究结 果。一般而言，除了治疗措施外，两组对象的 各类特征都是相同的。因此，从理论上讲，研 究结果的任何差异都归因于治疗措施。 | |贝占现|Discounting| 将未来预期的成本和健康产出折算成现值的方 汽法 | |贴现率|Discount Rate|将未来预期的成本和健康产出折算成现值的比| |外部效度|External Validity| 对一个模型的模拟结果与实际观察到的数据结 果之间进行的比较，是一项特殊环境下实施的 | ||||

||| 研究中所获得的结果普遍适用于其他环境的程 度。是对药物经济学评价模型进行验证的主要 内容之一。 | |---|---|---| |外推性|Generalizability| 也称为可转移性、可移植性等，指的是能够将 一种环境或群体中的结果应用于或外推至另外 一种环境或群体。 | |网络荟萃分析| Network Meta- Analysis, NMA | 基于直接比较和间接比较结果，比较多个干预 措施治疗效果差异的荟萃分析；或者是在没有 直接比较的情况下，以某种特定干预措施为桥 梁，分析与其进行对照的多个干预措施之间效 果差异的荟萃分析；或者为比较两个以上干预 措施的荟萃分析。 | |系统评价|Systematic Review| 对研究问题进行结构化、清晰化的定义，运用 系统和明确的方法对相关的临床原始研究进行 严格地检索、筛选及评估，并对纳入的研究进 行数据提取和分析，最后进一步讨论总结而形 成的综述。 | |限定日剂量| Defined Daily Dose, DDD | 药品用于治疗其主要临床适应症时的成人平均 日用量。 | |效度|Validity| 测量指标或观测结果在多大程度上反映了事物 的客观真实性，包括内部效度和外部效度。 | |数果|Effectiveness| 干预措施在真实世界现实临床环境（即自然状 态下）下所表现出的治疗结果。 | |数益|Benefit|用货币单位来量化的健康产出。| |数用|Utility| 在经济学中，效用是指对获得某一物的满足 感、偏好或赋予的价值。在药物经济学评价 中，效用通常用来定量表述患者或社会对于某 种干预措施所带来的健康结果的偏好程度。 | |信度|Reliability| 是指量表测量结果的稳定性、可靠性或一致 性，包括内部一致性、重测信度、分半信度 等。在效用测量中，信度的大小目前没有一致 的标准，通常认为信度系数大于等于0.7表示 具有较好的信度。 | |循环周期|Cycles Length| 马尔科夫模型中，总研究时限被划分为的等长 时间间隔，假设该时间间隔内的所有健康状态 | ||||

|||转移均发生在该事件间隔结束的瞬间。| |---|---|---| |研究角度|| 药物经济学评价和研究的视角，主要包括社全 Research Perspective 社会角度、卫生体系角度、医疗保障支付方角 度、医疗机构角度和患者角度。 | |研究时限|Time Horizon| 研究者对干预措施治疗某一疾病的成本和健康 产出进行观察或者模拟的时间长度。 | |药品不良反应| Adverse Drug Reactions, ADRs | 合格药品在正常用法用量下出现的与用药目的 无关的有害反应。 | |药物经济学|Pharmacoeconomics| 对可选择的卫生干预措施的成本和结果之间进 行的比较。 | |意愿支付法| Willingness To Pay, WTP | 在个人总体效用值不变的情况下，通过计量受 访者愿意牺牲的最大货币收益来表示健康状态 的价值。 | |隐性成本|Intangible Cost| 因疾病或实施预防、诊断等医疗服务所引起的 疼痛、忧虑、紧张等生理上和精神上的痛苦及 不适。 | |映射法|Mapping| 利用计量模型估计以非效用测量方法得到结果 与以效用测量方法得到结果之间的关系，以非 效用量表的结果参数为自变量、效用量表的结 果参数为因变量建立回归方程，并对所建立的 回归方程进行拟合度检验，最后利用该方程预 测健康效用值的方法。 | |预测效度|[Predictive Validity| 模型模拟结果能准确预测真实结果的程度或能 力。是对药物经济学评价模型进行验证的主要 内容之一。 | |预算影响分析| Budget Impact Analysis, BIA | 衡量一种技术或服务的引入对政府或机构资金 可负担性影响的方法。 | |國值|Threshold Value|一个领域或系统的取值界限。| |增量成本-效果比| Incremental Cost- Effective Ratio, ICER | 将多种干预措施进行对比时，一种干预措施相 对于另一种干预措施增加的成本与相对增加的 效果的比值。 | |增量分析|Incremental Analysis| 基于干预方案与对照方案在成本和产出两个维 度的差异进行决策的方法。 | |真实世界研究| Real World Study, RWS | 对临床常规产生的真实世界数据进行系统性收 集并进行分析的研究。 |

|直接成本|Direct Cost| 在医疗服务活动中直接发生的成本，包括直接 医疗成本和直接非医疗成本。 | |---|---|---| |直接非医疗成本| Direct Non-Medical Cost | 患者因寻求医疗服务而直接消耗的医疗资源以 外的资源，如交通费、食宿费、营养食品费 等： | |直接医疗成本|Direct Medical Cost| 某种治疗方案所消耗的医疗资源，如挂号费、 药费、手术费、诊疗费、治疗费、护理费、监 护费、材料费、病房费、检验费、氧气费和其 他医疗成本。 | |质量调整生命年| Quality-Adjusted Life Years, QALYs | 一个标准化的通用健康产出指标，既考虑了治 疗方案对患者生存时间的影响，也考虑了对患 者生命质量的影响。 | |中间指标| Intermediate End- Points | 某治疗或因素导致的最终产出发生前的预期或 实际的变化或改善，通常通过临床检查获知， 如血压、血脂、血糖等生化指标。 | |终点指标|Final End-Points| 大多反映已经发生或者患者可以感知的疾病事 件，如疾病导致的死亡或死亡率、生存年数 | |转移概率| Transition Probability | 在马尔科夫模型中，从一种健康状态转换为另 种健康状态的可能性。 | |最小成本分析| Cost Minimization Analysis, CMA | 当有证据显示干预组与对照组的重要临床产出 （如疗效和安全性）相同或无临床意义差异 时，根据成本来比较治疗方案相对经济性的一 种药物经济学评价方法。 |