TP TreeAge Pro中文帮助中心

DES 模型的患者追踪报告

患者追踪报告(Patient Tracking Report)的详细说明见微观模拟的患者追踪报告(Patient Tracking Reporting for Microsimulation)一节。不过,DES 模型同样可以生成患者追踪报告,具体方法如下。

患者追踪报告让您能在微观模拟过程中记录数据更新,然后基于这些随时间变化的数据生成报告。本节将借助 DES 教程示例模型 DES.Model.With.RepeatingEvents,考察患者报告(Patient Reporting)的使用。

该模型已在树偏好设置中配置好,可记录患者追踪报告所需的全部数据项。关于如何配置患者追踪报告的详细说明,请参阅为患者追踪配置模型(Configure the Model for Patient Tracking)一节。对该模型运行微观模拟后,请注意患者追踪报告的各项选项(位于右侧 Data Reports 之下)。

所有报告选项都在微观模拟的患者追踪报告(Patient Tracking Reporting for Microsimulation)一节中说明。

我们首先关注如何使用试验报告(按策略)(Trial (per strategy))来验证 DES 模型是否按设计运行,然后再看队列报告(按策略)(Cohort (per strategy))是如何汇总生成的。

试验报告(按策略)

试验报告(按策略)详细展示每个个体如何流经模型,以便追踪患者。该报告采用与马尔可夫队列扩展报告(Markov Cohort Extended Report)相似的格式;不过,数据是一次呈现一个个体。在本模型中,这些报告称为 Trial (Tx 1) 和 Trial (Tx 2)。

时间报告按阶段(Stage)和节点(Node)记录每次试验的路径。试验报告以熟悉的格式给单次试验的路径提供轨迹。若某个节点被列出,说明该患者在路径中经过了该节点。报告沿每次试验的路径一直记录到路径结束。

我们考察 Tx 1 策略,即本模型两个策略之一。在时间报告(Time Reporting)选项中,选择 Trial (Tx 1) 报告,便会生成如下图所示的蒙特卡洛时间试验报告(Monte Carlo Time Trial Report)(图中展示的是第 2 次试验)。

下图中,蒙特卡洛时间试验报告(针对 Tx 1 策略)正高亮显示更靠右侧的分布列和追踪器列。

试验报告中的各列对所有试验都相同,但每次试验的阶段数量以及状态/转移会有所不同。

由于 DES 模型的性质,每个阶段的列表示某个事件已经发生的位置。(因时间是连续变化的,DES 模型没有固定的时间阶段。)额外的 Time 列记录每个事件发生的时点。

例如,在上面的报告中,试验 1 的进程如下:

  • Stage 0 —— 相当于时间 0 - 1.906: 试验在 Mild 节点等待,随后进展至 Severe。成本与效果在 Mild 节点自时间 0 至 1.906 累积。在时间 1.906,加上从 Mild 到 Severe 的进展成本(Cost of Progression at Mild ToSevere)。试验移动至 Severe 节点。

  • Stage 1 —— 相当于时间 1.906 - 2.798: 试验在 Severe 节点等待,直至时间 2.798 发生不良事件(Adverse Event)。成本与效果在 Severe 节点自时间 1.906 至 2.798 累积。该不良事件相关成本为 3,000,在时间 2.798 加入。试验返回 Severe 节点。

  • Stage 2 —— 相当于时间 2.798 - 4.133: 试验在 Severe 节点等待,直至时间 4.133 死亡。成本与效果在 Severe 节点自时间 2.798 至 4.133 累积。

  • Stage 3: 经 Dead 退出模型。

上例展示了每个事件发生后成本与效果如何变化。请注意,在试验报告中向右滚动可看到追踪器和分布的变化。当我们有需要在给定节点为下一个事件重新抽样的分布时,这一点非常重要。

队列报告(按策略)

队列报告(按策略)详细展示个体在模型中的流动情况。在验证患者是否以准确反映所模拟疾病与治疗的方式流经模型时,该报告非常有用。

该报告使用与马尔可夫队列扩展报告完全相同的格式;不过,数据是通过把患者事件的连续时间汇总为离散时间步而生成的。

当患者运行通过 DES 模型时,事件可能在任何时点发生,因此需要加以汇总,才能显示队列层面患者的总体流动。汇总后的数据随后以队列百分比的形式呈现,并在每个时间期开始时呈现回报累积,与马尔可夫队列报告完全一样。

请看下面的示例。

  • 一个简单的 DES 模型包含两个健康状态——Alive 和 Dead。

  • 我们让 5 名患者运行通过该模型,他们的死亡时点如下:

  • 在每个年度开始时,各状态的队列百分比如下所示。

    • 1.2 年

    • 1.8 年

    • 2.3 年

    • 2.9 年

    • 3.5 年

    • 第 0 年:Alive 1.0,Dead 0.0

    • 第 1 年:Alive 1.0,Dead 0.0

    • 第 2 年:Alive 0.6,Dead 0.4

    • 第 3 年:Alive 0.2,Dead 0.8

    • 第 4 年:Alive 0.0,Dead 1.0

看上面第 2 年年初这一时点——前 2 名患者到此时应已死亡,而最后 3 名仍然存活,由此得出上面所列的百分比。

我们将使用 DES 教程示例模型 DES.Model.With.RepeatingEvents 中的同一份分析数据,来考察队列层面的报告。在时间报告选项中,选择 Cohort (Tx 1) 报告,即可生成如下图所示的队列报告。

该报告依据特定节点和周期,按其在全部试验中所占的百分比累积回报、追踪器和收益值。百分比与回报来自汇总后的离散时间步(0、1、2 等)上各状态的实际试验数,也来自各状态中每次试验所累积的回报。

例如,由于共有 10,000 次试验运行通过该模型,在 _time 1 开始时仍有 7836 次试验处于 Mild 状态,因此队列百分比为 0.7836。这 7836 次试验在 Mild 节点产生了 20,440,000 的成本,按 10,000 次试验折算后显示为 2,044。

报告底部的汇总数据展示了微观模拟所得“队列”在各状态间的最终分布,并标明所有回报数据的来源。

在队列报告中,向右滚动可查看所有收益值和追踪器的详细信息(如下图所示)。

右侧的次级报告还会把微观模拟中所有试验的汇总数据呈现为队列类图形。关于这些图形的更多细节,可参阅 Secondary - Markov Cohort Graphical Output 一节,因为输出格式相同。

全部数据报告

本节重点介绍全部数据(All Data)时间报告,它会输出为时间报告选定的所有数据值。在多数情况下,队列报告和试验报告就能以熟悉的格式提供您所需的内容;不过,全部数据时间报告字面上包含了“全部数据”。若您想查看未包含在队列报告和试验报告中的数据,这个全部数据时间报告可能很有用。本节稍后会把全部数据时间报告导出到 Excel,以便排版并进行有助于验证 DES 模型是否按设计运行的计算。

使用以下参数生成全部数据时间报告,为两个策略各选择前 10 次试验。

生成的报告如下所示。

如果您想基于患者路径生成一些自定义报告,可以把该报告导出到 Excel 或其他程序。