完美信息的期望價值理論及其在醫藥經濟學評價和決策中的應用

陶立波

（中山大學藥學院 廣州 510006）

在傳統的醫藥經濟學評價中，由于現實條件約束，通常是采用抽樣調查、文獻研究等方法來得到參數的平均水平，然后據此建立經濟學模型開展評價并支持相關決策[1]。基于平均數的分析和決策，其實會掩蓋很多問題并導致不公平，因為個體間有差異，不同的參數取值會導致不同的取舍結果。因此，如果能獲得個體水平的“完美”信息，從而可針對具體情況進行差異化決策，就可以比基于平均數的決策獲得更優結果。這是信息所能帶來的價值，也即是“完美信息的期望價值（Expect Value of Perfect Information，EVPI）”理論[2]的基本思想。

EVPI理論在工程建設、環境保護等領域已有長期的應用[3]，在近幾十年間被引入到衛生決策領域，并在西方國家獲得推廣。但該理論方法在我國的傳播和應用還很少。本文將對EVPI理論的基本思想及其在醫藥經濟學評價中的應用方法進行概括性闡述，以幫助我國研究者和決策者了解該理論并在工作中加以探索和應用。

1 基于平均數進行決策的弊端

基于統計學理論，平均數是表征一組數據的集中趨勢的常用指標[4]。采用平均數進行分析和決策是常用的方法，例如在一項醫藥經濟學評價中，分別計算醫藥技術A與B應用于一組患者后的平均成本和平均健康效果，從而計算平均水平上的增量成本效果比：（平均成本A-平均成本B）/（平均效果A-平均效果B），來支持決策。

但是，由于個體差異，這組患者中不同個體的最優醫藥技術可能是不同的：某些人可能適宜采用A，另一些人更適宜采用B。無論基于平均水平選擇了A或是B，都只是對一部分人正確，而對另一部分人錯誤，從而導致不公平和社會損失。

因此，這促使人們思考：如果能獲得完全的信息，了解每個個體的適宜選擇，那就可以進行個體化決策并在整體上達到最優效果，其價值顯然會高于基于平均數的決策結果。

2 EVPI基礎理論

完美信息的期望價值理論的基本含義，就是完整詳細地掌握每個個體的具體信息，從而在決策中為每個個體量身定制適宜的方案，以獲得最優結果[2]。在醫藥經濟學評價中就可以理解為：掌握每一位患者及其每一種可能的疾病發生發展路徑，對每位患者的每種可能路徑的衛生成本和健康產出進行科學的估算，從而為每位患者均選擇最適宜的醫藥技術。如此，每個個體都獲得最優結果，其總和就是整體最優結果，相比基于平均數的決策結果，就會有更高的社會價值。這個價值的增量，就是獲取完美信息所能產生的期望價值。

EV PI理論可以作如下公式表達：假定有K個醫藥技術進行評價，其目標人群有N人，NB表示凈收益（在醫藥經濟學中通常采用“增量效果×成本效果比臨界值-增量成本”來計算）。基于平均水平進行評價的方法為：Max（Average(NB，K，N)），即對于N人群選擇K個技術中平均凈收益最大者。基于EVPI的評價方式則為：Average（Max(NB，K，N)），即對于N人群中的每個人都選擇K個技術中凈收益最大者，然后取其平均數。EVPI就是兩者的差值：Average（Max(NB，K，N)）- Max（Average(NB，K，N)）。

以下以一個簡單的醫藥經濟學評價虛擬案例來對EVPI進行說明。假定要對醫藥技術A和B進行經濟學評價，目標人群共有3人，每個人經A和B治療后的成本(萬元)和效果(QALY)如表1所示。從結果來看，根據每個患者的成本和效果，第1、3號患者的最優策略是A（因為其增量成本效果比為5萬/QALY，低于5.5萬/QALY的界值），而第2號患者的最優策略是B。然而，基于全部患者的平均成本和效果進行計算，得到增量成本效果比是7.7萬/QALY，高于界值，因此最終評價結論是拒絕A而選擇B。顯然，這對于第1、3號患者都是錯誤的決策，他們因此錯過了性價比更高的醫藥技術A。

在這個虛擬案例中，如果因為信息有限或計算能力不足而基于平均數進行決策，最終會選擇B應用于整個群體：其平均成本20萬，平均健康效果為7.7個QALY。但如果獲得了完美的信息，就可以讓第1、3號患者使用A，而讓第2個患者使用B，這樣得到的平均成本是27萬、平均健康效果是9個QALY。人均多花7萬而多獲得1.3個QALY，增量成本效果比為5.3萬/QALY（低于界值，具有經濟性），而其凈收益為1.3QALY×5.5萬/QALY -7萬 = 0.15萬。這就是完美信息的價值，即：相比平均數決策，基于完美信息進行個體化最優決策，在臨界值5.5萬/QALY的情況下，能為群體增加0.15萬的額外收益。

3 EVPI的局部分析

上述的EVPI是對所有個體的所有可能性進行全面掌握后（即完美信息）所能獲取的額外價值。這可以看作是增加信息能夠獲取的額外收益的上限，因為已經窮盡了所有可能的個體變化信息。在具體研究和決策中，還可以對EVPI中不同的部分進行細分，從而可獲得不同方面的信息、解決不同的問題。這其中比較常用的是參數信息的期望價值（Expect Value of Perfect Information for Parameters，EVPPI）和抽樣信息的期望價值（Expect Value of Sample Information，EVSI）。

表1 醫藥技術A與B進行比較的醫藥經濟學評價

EVPPI是指獲得了研究中某一個或某一組參數的完美信息所得到的期望價值。在信息不充分時，人們會選擇參數的某一個值（通常為平均數）進入分析和計算，得到的是該參數值水平下的結果。而在完美信息的情境下，可以對該參數所有可能的取值進行分析，獲取在不同取值下的適宜選擇，從而達到最優結果。類似于EVPI，EVPPI的公式表達為：EVPPI=Average（Max(NB，K，P)）-Max（Average(NB，K，P)）（其中P為參數值的集合），此處EVPPI的含義即為：不同參數值下K個技術中凈收益最大者的均數，減去不同參數值下K個技術中凈收益平均數最大者。

需要指出的是，EVPPI分析一般不推薦僅對單個參數開展，而是應該選擇有關聯的一組參數。例如，研究中各種衛生成本、各個狀態下的健康效用，或患者的各種基線情況等。推薦成組分析EVPPI的原因，一方面是變量間有關聯，應該一起分析；一方面是開展某個研究可以同時得到一組參數的情況，從而可以對不同研究的優先度進行分析，例如，開展成本研究可以得到一組成本參數信息，而開展健康效用調查可以得到一組健康效用值，通過分別計算成本參數組和效用參數組的EVPPI及其開展研究的成本，就可以判斷哪個研究的成本和收益更佳，從而決定哪個研究應該優先開展。

EVSI是指對所需參數進行抽樣研究所能得到信息的價值，例如開展一項臨床研究所得到的療效和安全性的價值。EVSI分析可探討不同樣本量所對應的價值：如果樣本量較小，則其能體現的參數變化較少，因而樣本信息的價值（即EVSI）也就較小；當樣本量足夠大時，參數的所有變化都能獲得體現，此時EVSI就是所研究參數的EVPPI。所以說，隨著抽樣研究的樣本量增加，EVSI也會不斷增加，其上限就是對應參數的EVPPI。另一方面，樣本量增加會導致研究的成本也增加，當研究成本超過收益（EVSI）時就意味著開展該研究是“不經濟”的。基于這樣的方法，就可以從經濟學角度來探討抽樣研究的最佳樣本含量。

基于上述EVPI理論的思想，還可以對不同方面的信息價值進行分析，例如探討不同研究設計或不同對象人群的信息價值，從而可從經濟學角度來幫助決策：研究是否值得開展，何種研究設計更合理，等等。具體的技術方法請參見相關文獻和著作[5-7]。

4 總結與討論

在傳統的研究和決策方法中，通常是采用人群平均水平來開展分析，但EVPI理論提示我們，如果能掌握個體的完美信息、從而為每個個體選擇適宜的決策，就能獲得最優的結果。這事實上和“精準醫療”的思想是完全一致的，即應該為不同的個體量身定做適宜的醫療衛生方案以追求最優結果，這也是醫療衛生事業未來的發展方向。

基于EVPI理論的思想，在醫藥經濟學評價及其相關的衛生、醫保決策中，也不應該滿足于僅根據人群平均水平進行評估和決策，而是應該盡可能獲取信息、分析信息，為社會民眾提供差異化乃至個性化的醫療服務和管理方案，從而追求社會獲益的最大化。在衛生大數據的積累和分析能力不斷提高的今天，事實上這方面的技術難度正在快速降低，更主要的困難可能會來自制度和管理方面。此外，EVPI理論也為相關的研究管理提供了啟示，因為它可以提示不同研究方向、不同研究設計方法的期望價值，結合開展研究的所需成本，就可以對研究設計和方案選擇進行更精細化的管理。

完美信息的期望價值理論在歐美國家的衛生體系中已有多年的應用，例如英國NICE就曾對不同衛生技術評估及相關的參數研究項目進行過分析，以探討不同研究設計的期望價值和經濟性[8]。我國這方面的探索和應用還較少，在全社會對衛生和醫保的管理水平提出越來越高期望的今天，我們有必要對這方面的理論和技術進行深入的學習、研究和應用。

[1]中國藥物經濟學評價指南課題組，劉國恩，胡善聯，等. 中國藥物經濟學評價指南(2011版)[J]. 中國藥物經濟學 ,2011(03):6-9.

[2]Briggs A, Claxton K, Sculpher M. Decision modelling for health economic evaluation[M].Oxford University Press,2006.

[3]Thompson M K, Evans J S. The value of improved national exposure information for perchloroethylene (perc): a case study for dry cleaners[J]. Risk Anal,1997(17):253-271.

[4]丁元林，王彤 . 衛生統計學 (第 2 版 )[M]. 北京:科學出版社,2017,434.

[5]Wilson E C, Mugford M, Barton G, et al.Efficient Research Design: Using Value-of-Information Analysis to Estimate the Optimal Mix of Top-down and Bottom-up Costing Approaches in an Economic Evaluation alongside a Clinical Trial[J]. Med Decis Making,2016,36(3):335-348.

[6]Claxton K P, Sculpher M J. Using value of information analysis to prioritise health research:some lessons from recent UK experience[J]. Phar macoeconomics,2006,24(11):1055-1068.

[7]Tuffaha H W, Reynolds H, Gordon L G, et al.Value of information analysis optimizing future trial design from a pilot study on catheter securement devices[J]. Clin Trials,2014,11(6):648-656.

[8]Claxton K, Eggington S, Ginnelly L, et al.A Pilot Study of Value of Information Analysis to Support Research Recommendations for NICE[M]. London:National Institute for Health and Care Excellence (NICE),2005.