【小芳老師碎碎念系列之一】
自1991年開始進入decision analytic modeling的這個領域，就發現這個學門很特別 – 有很多很「入世」的角度(公共政策)，也有很多很數量(流行病學、電腦程式)的地方，都是我很有興趣的。教了很多年的決策分析，到現在還是有幾個我們常用的字詞或觀念，常常得要特別跟學生解釋。最近又有類似的情境發生，我想是時候把這些寫一寫，跟大家分享與討論了。
「經濟評估是為了輔助決策」
剛開始要跟學生解釋模型是什麼絞盡腦汁。近年來我上modeling的課要解釋模型開始簡單了 – 只要提Google map學生就都懂modeling的意義。
用Google map來預估一個人從地點A到地點B用各種交通工具可能要花的時間，大概是現代人必備的生活技能了。Decision analytic
modeling就像是Google map的工程師，要想著怎樣可以做出這個預估值。路途多遠、多少路口等等，就是重要的參數…(這部份我也有些心得，以後再另篇討論)。
我剛剛用Google map查了，從A地點到B地點以一般汽車要18分鐘，並顯示「交通順暢時15分」。搭捷運要49分鐘，走路是1小時59分鐘。再加上自己知道大概所需的交通費用，我現在有足夠的經濟分析資訊幫助我決定用什麼交通工具上路了。
但是，如果我現在搭輛計程車到B地點，一定剛好是18分鐘嗎? 路上有很多奇怪的事情會發生，加上我是個奇怪吸引紅燈的體質，所以如果我出門開始計時，(我可以打賭)不太可能就是18分鐘到。可是如果不是18分鐘，我可以去怪Google說他們的產品不準嗎? 「唉呦，這位大姐，這就是參考用的啊!」我想你會這樣跟我說。沒錯，這就是decision analytic modeling的特性，我們用它來做一些客觀數據的估算，並且心中了解它在預測事件的相關數據時有它的限制(uncertainty)。畢竟，它不是我親朋好友不知道我有這種奇怪體質，它也不是利用時光機器…
其實相關的經濟評估教科書，都是以這樣的基礎展開的。不過在國內講藥物經濟學時，常會有人問我說，為什麼要用Markov model不用健保資料庫。我在剛開始常常一下被問到不知道該回答什麼 (「兩碼子事喔，先生」 - 這樣回答好像不好)。經過這麼幾年，我想大概知道為什麼常有這種問題了。我們國內因為有健保資料庫做學術研究的風氣，大家用這個做相關成本的研究已經習以為常，也常常講成本效益，所以就把這些事都混在一起了。其實說起來舊領域新融合並非不對，也說不上不好，只是得回歸到一個問題：我們現在這個研究（或評估）是為了做什麼？
***為了給付考量?
如果是還沒有被健保給付的新治療或藥品，做健保資料庫的成本分析或效果研究是做不出來的。所以要用前述所講的方法來估算一旦這樣給付後，可能會發生什麼事。(Google map)
如果是還沒有被健保給付的新治療或藥品，做健保資料庫的成本分析或效果研究是做不出來的。所以要用前述所講的方法來估算一旦這樣給付後，可能會發生什麼事。(Google map)
***為了已實行的政策做後續評估? (再順便為未來政策修正做評估? )
比資源使用? (搭車時間實際測量25分鐘，但我可能找不到合適的搭捷運及走路的時間測量值 – 畢竟要比應該要在同樣的時空及人身上來比。)
還是成本效果都看? 那你要看短期(如住院率)或長期效果指標(QALY)? 有沒有合適的對照組可以比較? 看不同的想法有不同的研究方法。
還是成本效果都看? 那你要看短期(如住院率)或長期效果指標(QALY)? 有沒有合適的對照組可以比較? 看不同的想法有不同的研究方法。
有些問題比較類似「cost-effectiveness
analysis using patient-level data」，有些比較像是cost-analysis, or
outcomes after some policy input。怎樣用合適的方法去做評估就看研究者的選擇。
至於modeling study最近其實也很熱中用real-world data，這點當然很重要，畢竟這是一個很「入世」的學門，我們研究者很希望它做出來的推估離實際狀況越近越好。但在這裡所謂的使用RWD，是指努力的讓模型去貼近決策情境下的狀況。以Google map的這個例子來說，我們可以猜想他們背後有一個共通的程式邏輯，但在不同城市可以用不同的參數放進去，譬如說市區內速限；然而如果我們講RWD，就可以考慮是否用過去三十天或一年之內這段路段的平均時速。這樣也許比較準 (記得我們要解決的問題是要猜想我馬上要出發的話，要花多少時間)，但是同樣的，並不是一定就會照這樣的猜想發生。
沒有留言:
張貼留言