此技能提供全面的药物经济学评价指导，包括成本-效果分析、成本-效用分析、成本-效益分析、敏感性分析和模型构建。遵循最新版的中国药物经济学评价指南，为医疗卫生干预措施的经济评价提供完整的工作流程、计算工具和参考文献。
根据研究目的和数据特点选择合适的评价类型：
遵循中国药物经济学评价指南识别成本：
直接医疗成本
直接非医疗成本
间接成本
无形成本
成本数据来源：
效果指标选择
效用测量（推荐使用间接测量法）
效用值来源优先级：
根据研究特点选择合适的模型类型：
详细建模方法参考：references/model_methods.md
使用 scripts/ 中的计算工具：
使用 scripts/cost_effectiveness_analysis.py 中的 calculate_icere() 函数：
from cost_effectiveness_analysis import calculate_icere
result = calculate_icere(
cost_intervention, # 干预组成本
effect_intervention, # 干预组效果（如QALYs）
cost_control, # 对照组成本
effect_control, # 对照组效果
threshold=100000 # 支付阈值（最新的中国1倍人均GDP/QALY）
)
ICER计算公式：
\[ ICER = \frac{C_A - C_B}{E_A - E_B} = \frac{\Delta C}{\Delta E} \]
使用 scripts/cost_effectiveness_analysis.py 中的 calculate_qaly() 函数：
from cost_effectiveness_analysis import calculate_qaly
qalys = calculate_qaly(
life_years=10, # 生命年
utility_scores=np.array([...]), # 各时期效用分数
discount_rate=0.45 # 贴现率
)
QALY计算公式：
\[ QALY = \sum_{t=1}^{T} U_t \times \frac{1}{(1+r)^{t-1}} \]
\[ NB = \lambda \times E - C \]
其中：
使用 scripts/cost_effectiveness_analysis.py 中的 deterministic_sensitivity_analysis() 函数：
from cost_effectiveness_analysis import deterministic_sensitivity_analysis
# 定义参数范围
param_ranges = {
'drug_cost': (10000, 20000),
'hospital_cost': (5000, 15000),
'effectiveness': (0.8, 1.2)
}
# 执行敏感性分析
results_df = deterministic_sensitivity_analysis(
base_params=base_parameters,
param_ranges=param_ranges,
outcome_func=outcome_function
)
龙卷风图数据准备：使用 tornado_plot_data() 函数
使用 scripts/monte_carlo_simulation.py 中的 MonteCarloSimulator 类：
from monte_carlo_simulation import MonteCarloSimulator
# 创建模拟器
simulator = MonteCarloSimulator(n_simulations=10000, seed=42)
# 定义参数分布
parameters = {
'cost': {
'distribution': 'gamma',
'params': (2, 15000), # shape, scale
'min_value': 0
},
'effect': {
'distribution': 'beta',
'params': (5, 3), # alpha, beta
'min_value': 0,
'max_value': 10
}
}
# 执行PSA
results_df = simulator.probabilistic_sensitivity_analysis(
parameters=parameters,
outcome_func=outcome_function,
threshold=120000
)
生成成本-效果可接受曲线 (CEAC)：使用 generate_ceac() 函数
价值信息分析 (VOI)：使用 value_of_information_analysis() 函数
遵循 最新版CHEERS声明和最新版中国药物经济学评价指南：
详细指南参考：references/china_guidelines.md
核心功能：成本-效果分析、ICER计算、QALY计算、确定性敏感性分析
主要函数：
calculate_icere()：计算ICER
calculate_qaly()：计算QALYs
calculate_ceac()：计算成本-效果可接受曲线
deterministic_sensitivity_analysis()：单因素敏感性分析
tornado_plot_data()：准备龙卷风图数据
markov_model_transition()：马尔可夫模型模拟
discount_costs()：成本贴现
核心功能：蒙特卡洛模拟、概率敏感性分析、价值信息分析
主要类和方法：
MonteCarloSimulator：蒙特卡洛模拟器
generate_samples()：从指定分布生成样本
probabilistic_sensitivity_analysis()：执行PSA
generate_ceac()：生成CEAC
value_of_information_analysis()：VOI分析
scatter_plot_data()：准备成本-效果散点图数据
中国药物经济学评价指南（最新版）关键内容摘要，包含：
使用场景：查询中国药物经济学评价的具体要求、标准和方法
详细的决策分析模型构建方法，包含：
使用场景：学习具体的建模方法、构建决策分析模型
references/model_methods.md 学习建模方法
MonteCarloSimulator 进行10,000次以上模拟
在进行药物经济学评价时，所有参数应整齐排列并标明来源。以下是最佳实践：
将参数按照以下分类整齐排列：
每个参数值都必须标注明确的数据来源：
# ========== 参数分类标题 ==========
PARAMETER_NAME = {
'parameter_key': value, # 来源: 详细说明数据来源
'another_key': value, # 来源: 参考文献 [作者, 期刊, 年份]
}
参见 scripts/example.py 文件，其中展示了如何整齐排列所有参数并标明来源。该文件包含：
来源: LIFE研究结果,缬沙坦组无事件率,Dahlöf B et al. Lancet. 2002;359:995-1003
来源: 中国人口统计年鉴(2024),40-49岁年龄别死亡率
来源: 缬沙坦80mg片剂,5元/天×365天,中国医疗保障局药品目录价格(2024)
来源: 中国药物经济学评价指南(2025版),推荐4.5%贴现率
来源: 假设新确诊患者,100%初始无并发症
scripts/example.py 中的格式，整齐排列所有参数并详细标注来源
资源说明：
scripts/：包含 Python 计算脚本，可直接执行以进行药物经济学计算
references/：包含详细的方法指南和参考文献，在需要时加载到上下文
assets/：暂未包含模板文件，可根据需要添加共 1 个版本