以选择手术治疗为例，假设10 万病例 纳入分析，其最终结果是人均获得 16 个
QALYs （计算的结果见表 10-3 ）。用同样
的方法可以计算选择“临床观察”方案的 人 均 QALYs ， 然 后 可 以 比 较 两 个 方 案 的
QALYs大小，进行决策。
无症状性颈动
生存（伴脑卒 中） 例数 2000 QALYs
14.18 QALYs

手术的期望值： EVS=(15×1×0.95×0.98×0.99)+(15
×0.5×0.05×0.98×0.99)+(15×0.5
×0.02×0.99)+(0×0×0.01) =14.34 QALYs
比较两者的期望值，手术治疗的期望 值稍高，提示应该选择手术治疗，但是应 该看到，两个方案的期望值相差不大，而
复杂决策问题

在循证临床决策中，可供选择的决策选 项可能很多，同时可能会出现多种结局， 并且从干预措施到结局出现又会经过许 多过程（状态），这些过程又有可能受 众多因素的影响。在这些情况下，决策 分析就变得比较复杂。 Markov模型有助于解决复杂决策问题。

Markov模型及方法

Markov模型能够更精确而且非常简洁的 表示在不同健康状态间多次的或者时间 不确定的转换，从而对复杂决策树进行 决策分析。
其结论加以评估。

敏感性分析也可以通过观察哪些假设对 结果影响最大而发现对于该分析最重要
的假设，从而为问题的深入研究和进一
步解决提供线索。

敏感性分析在决策分析中具有重要的
地位，它可以验证决策分析结果的可 靠性，因此决策分析应该常规进行敏 感性分析。
例10-1 进行敏感性分析，当取不同的手术 病死率时，可分别计算出不同的手术治疗 方案的期望值，下图显示的就是当手术病 死率在一定范围内变动所对应的期望值。
死亡则为0。假设从手术开始当年起，根据相
关文献数据估计选择手术治疗的相关数据为： 维持无症状性颈动脉硬化状态占97%，伴脑卒
中生存的占2%，死亡为1%。此后人群在这3个
状态的转移概率如表10-2。
表10-2 手术治疗后3种自然状态每年的转移概率 无症状性颈 生存（伴脑 死亡 动脉硬化 卒中） 无症状性颈动 脉硬化 生存（伴脑卒
如果选择进行手术，手术虽然有益于解 决问题，减少发生脑卒中的可能性，但是却 有围手术期间发生脑卒中和死亡的风险。
决策问题的结构化

决策树（decision tree）

决策树是一种能够有效地表达复杂决策 问题的数学模型，按逻辑、时序把决策
问题中的备选方案及结局有机组合并用
图标罗列出来，犹如一棵从左到右不断 分支的树，包括一系列节点与分支。
决策分析： • 定量比较各种决策选择可能产生的后果
和效应，从而使决策更为科学和合理的
过程。
• 基本要素：决策主体、决策目标和一系
列备选方案。
临床决策分析
(clinical decision analysis,CDA)： • 采用定量分析方法在充分评价不同方案 的风险和利益之后，选取最佳方案以减 少临床不确定性和利用有限资源取得最 大效益的思维方式。 • 包括诊断决策、治疗（康复）决策等。
其中状态 1 到状态 3 之病死率（ 5% ）并不 完全表示为颈动脉硬化这一疾病所致（要尽
可能模拟实际情况，考虑有其他死亡原因）。
它们之间的转换关系及转移概率见表 10-2和 图10-7。
假如将Markov循环周期设为1年，那么每 一个周期，“无症状性颈动脉硬化状态”为1 个 QALYs ，伴脑卒中生存则为 0.5 个 QALYs ，
图10-3 对手术死亡率的敏感性分析
从图 10-3 中可以看出，当手术病死率
为2.1% 时，两种方案的期望值相当，此时 的2.1% 叫阈值，表明这一数值是两种方案
选择的分界点。当手术病死率在小于 2.1%
的区间内，选择手术这一方案是合适的。
第三节
复杂决策问题和
Markov模型
一、复杂决策问题 二、Markov模型及方法 三、Markov模型的应用实例
选择，反映个体的主观感受，并受年龄、
经济收入、教育程度等多种因素的影响。

效用值通常用0～1 的数值来表示，1代
表完全健康，0代表死亡，也可以为负数， 表示比死亡更糟糕的疾病状态，如无意 识或长期卧床伴严重疼痛等。
效用值的测量方法

直接测量方法

等级尺度法（rating scale） 标准博弈法（standard gamble）


通过文献估计概率：
meta 分析

咨询专家意见以获取所需的信息： 德尔菲法

概率估计中不确定性的估算：
敏感性分析

获取所需要的信息后，将其填入决策 树中，进行下一步分析工作。
例10-1 中的决策相关信息的基线估计值如下： 选择临床观察的患者有11% 可能会发生 脑卒中，而选择做手术会有1% 的患者死亡， 而术后存活的患者中有2% 会在围术期间发 生脑卒中，术后“未发生脑卒中”者在以后 会有5% 的患者再次发生脑卒中的可能，这

决策：

为实现一定目的而制订的多个行动方
案，并从中选择一个“最优的”或 “最有利的”或“最满意的”或“最
合理的”行动的过程；

其本质是利用知识预测行动的可能后 果。
按照决策问题具备的条件和决策结
果的确定性程度分类
确定型决策： 供决策者选择的各种备选方案所需的 条件都已知并能准确地知道决策的必然 结果。
些估计值在决策树中各概率分支下方标出。
确定最终结局的效用值

结局的量化是决策分析的重要环节。

决策选项有多种，每种选择的临床结局
又不相同，为了达到比较目的，需要预 先将各种结局转换成同一单位的变量， 这个变量就是效用(utility)。

效用值是一种表述结局相对优劣的数量 化指标，是个体在不确定情况下的优先
儿科学
循证医学第一章
绪论
复旦大学附属儿科医院 桂永浩
循证医学
第十章
循证医学实践的 决策分析
摘 要
第一节 概述 第二节 决策分析的实施 第三节 复杂决策问题和Markov模型 第四节 决策分析质量评估
第一节
概述
一、决策及其分类
二、决策分析及其在临床中的应用
三、临床决策分析的基本流程与常
用方法
决策及其分类
周期数
脉硬化 例数 QALYs
死亡 例数 1000 QALYs 总 QALYs 累计 QALYs
1
97000
2
3 4 5 6 7
91228
85800 80695 75893 71377 67130
91228
85800 80695 75893 71377 67130
2822
3548 4786 4744 5228 5645
（Monte Carlo simulation）

（Markov cohort simulation）

Markov模型的应用实例

左颈动脉硬化是否手术治疗远期效果评
价的Markov模型
例 10-1 如果 考 虑 远期 效 果 时 ， 可 以 采用 Markov 模型进行决策分析。图 10-6 显示了
1411
1774 2093 2372 2614
5950
10652 15119 19363 23395
0
0 0 0 0 0
92639
92639
87574 180213 82788 263001 78265 341266 73991 415257 69953 485210
存的人继续这种循环，直至所有人群都到达
一种结局：死亡。
图10-6 颈动脉硬化患者的Markov模型示意图 （Markov树）
用 Markov 模型来模拟他们的结局，计算 结局的增益，同其他的方案进行比较从而做 出选择。从上述可以看出有三个 Markov 状态： 无症状性颈动脉硬化（状态1），伴有脑卒中 生存（状态2），死亡（状态3）。
临床决策分析的基本流程与常用方法
1 • 形成临床决策问题，包括提出方案 和确定目标及效果量度 • 用概率来定量地描述每个方案所产 生的各种结局的可能性 • 决策者对各种结局的价值定量 化，一般用效用来表示
2
3
4 5
• 综合分析和评价各方面信息，以最 后决定方案的取舍
• 必要时对所取方案作敏感性分析


时间权衡法（time trade-off）

间接测量方法

填写生存质量量表，计算量表得分，
再将量表得分转换为效用值

计算质量调整寿命年（qualityadjusted life years，QALYs）
决策树分析

决策树分析又称为决策树的折叠与平 均,指通过以上步骤所形成的决策树， 计算每一种决策选项所对应的不同结 局出现的情况。

节点又可分为决策节点（decision nodes） 与机会节点（chance nodes），前者以小 方框“□”表示，后者以圆圈“○”表 示。 在决策树末梢，为各方案的最后结局 （outcome），各种结局必须定量描述。
Байду номын сангаас

图10-1 动脉硬化处理的决策树
相关证据及信息的检索与搜集

决策分析中最重要的信息是每一种可 能的事件在相应条件下出现的概率。 相关信息可来自以下几方面：
例10-1 在掌握了以上各种基本信息后， 就可计算各机遇节点和各种方案的期望值
（expected value，EV）。各机遇节点的
期望值为该节点各分支概率与结局QALYs 值的乘积之和。根据上面的决策树可以计