TP TreeAge Pro中文帮助中心

传染病患者级模型(Infectious disease patient level model)

TreeAge Pro 中的传染病模型既可以作为队列分析运行,也可以作为微观模拟(平行)试验分析运行。本节考察通过微观模拟(平行)试验进行分析的传染病模型。

传染病模型是一类特殊的模型,因为它们依赖于各健康状态的当前成员数,而成员数会影响健康状态之间的转移。简言之,处于感染状态的人数会影响未感染者被感染的可能性。

同样,本节(与上一节一样)将考察一个易感—感染—康复(Susceptible–Infected–Recovered,SIR)流行病学模型,用于计算随时间推移感染某种传染病者的理论人数。此类模型的名称来源于其健康状态集合:易感人数(S)、感染人数(I)和康复人数(R)。模型中从一个状态到另一个状态的转移可以数学方式推导;推导过程超出本手册范围,更多细节可在此处找到。

SIR 患者模拟模型除了需要理解动态队列模型(本章其余部分)之外,还需要理解平行试验模型,相关内容见“带平行试验的微观模拟”一章。

请参考下图所示的 Healthcare 教程示例 Dynamic Parallel Trials - Infectious Disease.trex。

关于 SIR 模型结构,请参阅上一节(传染病队列模型)中提供的细节。

队列模型与平行试验传染病模型的差异

队列模型与试验模型在结构上大体相同。该模型中两类模拟之间的差异在于:

  • 平行试验(Parallel Trials):由于传染病模型的特点,试验(微观模拟)模型不能顺序运行。每个试验的感染状态会影响所有其他试验,即感染的试验越多,会通过变量 Proportion_Infected 影响感染概率。因此试验需要并行运行于模型中,使各健康状态中的试验数量能够影响转移概率。

  • 整数“概率”:向微观模拟模型添加新个体时,必须添加“完整”的新个体,因为它们相当于在模型中创建一个新试验。我们通过取 Add_new_uninfected 的整数部分来解决这一问题。

  • 运行模型:微观模拟模型从决策节点运行,可使用任一运行微观模拟模型的选项。由于非一致性,对话框中不会提供输入试验次数的选项,该数值取自模型中的初始概率。

试验集取值(Value of trial set(s))可选择 Average 或 Sum。试验集的 Sum 会把整个人群的总数值(本模型中为成本和效果)汇总起来。

  • 患者追踪报告(Patient Tracking Reporting):如需考察人群随时间的变动,可通过患者追踪报告(Patient Tracking Reports)查看试验级和队列级的详细信息。该模型已开启患者追踪,收集成本(Cost)和效果(Effectiveness)。有关患者追踪的细节,见微观模拟一章中的患者追踪报告(Patient Tracking Reports)一节。运行微观模拟后,打开患者追踪报告并选择 Cohort 单选按钮。在打开的仪表板中,选择 Charts > State Probabilities,即可显示各状态中人群比例随时间的变化,如下图所示。更多细节见关于平行试验分析的章节。

与所有微观模拟模型一样,结果的准确性取决于试验次数。在上一节描述的队列模型中,试验次数对转移概率的计算并不重要,因为模型考虑的是队列比例。而在该平行试验模型中,试验次数会影响结果。随着试验次数增加,输出结果(如上文的 State Prob 图形)会收敛于队列模型的结果,也就是说,试验次数越多,结果越准确。

该平行试验模型确实需要 10,000 次试验才能得到与队列模型相当的准确结果。该模型还需要启用时间报告来记录所有这些信息,以便加以显示(如上文 State Prob 图形所示)。这在计算上较为密集:生成结果可能只需几分钟,但保存并随后生成图形可能需要一些时间。如果您要运行该示例微观模拟(平行试验)模型,请注意这一点。