treeage中文教程

? Study Uncertainty on Healthcare Models
TreeAge Pro允许您去研究模型输入中的不确定性如何影响结果，而这个结果我们可以通过输出来绘制。TreeAge Pro提供两种方法研究不确定性：
? 确定性的敏感性分析
? 概率敏感性分析
Healthcare Module扩展两类敏感性分析，通过成本-效果分析比较策略。确定性的敏感性分析在取值范围内研究不确定性个体参数。确定性敏感性分析较常见的形式是通过1-way 敏感分析来研究单一参数。还支持2-way，3-way和龙卷风图。


为了在模型中运行1-way敏感性分析，参数必须用变量表示。然后，变量可以不确定的范围内进行分析，而不是使用一个单点估计。


看看下面的模型。

Simple Healthcare Tree


也许我们担心的是用外科手术和放射**来根除**的可能性。我们在pEradicateRadSurg变量值范围为0.5到0.9之间有4次间隔的运行1-way敏感性分析。这将重新计算模型值5次，变量值分别为0.5，0.6，0.7，0.8和0.9。

CE Sensitivity Analysis
使用二级输出，这五组结果可用于在成本效益、成本或效果的基础上审查战略比较。仅基于有效性的比较如下所示，这个图产生了0.6的临界值，**临界值的，新的**方法更有效。

CE Sensitivity Analysis - Effectiveness Graph
基于成本效益的比较，下图使用$50K/LY的WTP来计算净货币收益。这个图产生了0.749的临界值，**临界值的，新的**方法更具成本效益（考虑到WTP假设）。

CE Sensitivity Analysis - Net Benefits Graph


概率敏感性分析（PSA）研究多重不确定性对模型的综合影响。要执行PSA，一个或多个参数必须由分布来表示。分布会被采样，将采样值代入模型，并重新计算EVs。重复多次，提供了一组预期值（EV），每个值反映了一组不同的采样参数。在总体结果集内，一些EVs集会确认基本情况分析，而其他组则不会。这为基本案例结论提供了一个全面的确定性度量。


上面的模型被修改为包含三个参数分布：
仅用放射****的可能性。
放射外科****的可能性
手术费用


一个PSA蒙特卡洛模拟运行后，会从1000个参数样本集中产生1000个独立的结果集。仿真结果可以被解析为所有输出找到范围和置信区间（包括ICER），其他二级输出在基本案例分析中测量确定性程度，这一新的**是划算的，WTP是$50K/LY。
Healthcare决策树通常复杂的多，通常每个**方案都包含Markov模型。更复杂的Healthcare树的每个策略中包含了多个Markov模型。Healthcare Models还可以包含异质性和事件跟踪, 如本页单独的特性描述所述。

上图表明pWin值为0.55时，三条线的临界值。如果pWin值小于0.55，那么Settlement Offer EV值比较高；如果pWin值大于0.55，那么Litigate EV值比较高。
Core Function
? Visual Modeling Tool
使用可视化Tree Diagram Editor，您可以轻松地创建模型结构来表示所研究的问题。模型结构将包括决策点和可能发生的所有事件。结构中的不同节点类型，反映出分支结构中的替代选项或可能发生的事件。在模型结构中的任何地方都可以插入节点。复制或移动单个节点或子树内的模型。复制模型的重复部分，以减少建模时间并确保模型内的一致性。


下面的模型，有一个单一决策，是否起诉或接受和解提议。还有点胜负不明，（赢/输的案件和损害金额），以圆圈为代表。最后，有终端节点反映每个场景的整体值，以三角形表示。

Simple Legal Tree


? Evaluate and Compare Strategies
模型构建完成后，TreeAge Pro自动生成所需的评估模型和选择较优策略所需的算法。这使您能够专注于手头上的问题，而不是评估模型所需的计算。


标准算法根据策略的概率对每个可能的结果赋予权重。合并加权平均产生每个策略的总体期望值。分析可以在比较所有选项的基础上选择较佳策略。树可以选择项根据这些选择——较大值、较小值、成本效益、多属性和成本效用（需要Healthcare Module）控制比较的方法。模型还可以存储多个度量值。然后，简单地改变活动的度量并重新分析同样的模型。当使用Roll Back分析上述模型时，在所有节点上计算期望值（EV）。在决策节点，较大值被选为较优策略。

Legal Tree Rolled Back


? Study Uncertainty
TreeAge Pro允许您去研究模型输入中的不确定性如何影响结果，而这个结果我们可以通过输出来绘制。为了研究单个参数的不确定性，必须用一个变量来表示参数。然后，变量可以在不确定的范围内进行分析，而不是使用单点估计。下面的模型与前面的模型计算的值相同，但是使用变量定义了三个独立参数。然后在概率和值表达式中引用这些变量。

Legal Tree with Variables
该模型可用灵敏度分析来研究不确定性。例如，下面的分析使用范围从0.5到0.7间隔四次的pWin变量。这个分析重新评估pWin值为0.5，0.55，0.6，0.65和0.7的模型，然后根据参数范围显示每个策略的EV值。



Sensitivity Analysis on Legal Tree


上图表明pWin值为0.55时，三条线的临界值。如果pWin值小于0.55，那么Settlement Offer EV值比较高；如果pWin值大于0.55，那么Litigate EV值比较高。
ICER跟支付意愿（WTP）比较临界值，以确定我们是否能够在成本效益基础上提供更有效的**方法。


http://turntech8843.b2b168.com