臨床決策分析

內容提要第一節概述第二節決策樹分析第三節閾值分析法第四節臨床決策分析的評價第一節概述決策就是指為實現一定的目的而制定多個行動方案，并從中選擇一個“最優的”或“最有利的”或“最滿意的”或“最合理的”行動過程，其本質是利用知識預測行動的可能后果。根據知識的來源決策分為：經驗決策和科學決策。按照決策問題具備的條件和決策結果的確定性程度可以將決策分為：確定型決策：是指供決策者選擇的各種備選方案所需的條件都已知并能準確地知道決策的必然結果；風險性決策：是指對決策者期望達到的目標，存在兩個或兩個以上的不以決策者的主管意志為轉移的自然狀態，但是每種自然狀態發生的可能性可以預先估計或可以利用文獻治療得到，進行這樣的決策時要承擔一定的風險；不確定型決策：是指決策者對各種更可能出現的結果的概率無法知道，只能憑決策者的主管傾向進行決策一、決策及其分類決策分析就是定量比較各種決策選擇可能產生的后果和效應，從而使決策更為科學和合理的過程。決策分析三要素：決策主體、決策目標和一系列的備選方案；臨床決策分析是以各種概率數據為依據，經分析、計算，使復雜的臨床問題數量化，并選出最佳行動方案的過程。實質是臨床醫生利用流行病學和臨床研究等的信息資料來選擇最優臨床診療方案的過程。臨床決策分析的常見方法有決策樹分析法、閾值分析法等。

二、決策分析和臨床決策分析二、臨床決策分析的基本要素決策目的決策變量決策主體決策環境

決策目的是指需要通過臨床決策分析來幫助臨床醫生解決的具體問題。

決策目的是進行決策分析的前提要素；例如：確定疑難疾病的最佳診斷或治療措施決定是否要進一步檢查以明確診斷為某一個體病例選取最佳的診治方案。（一）決策目的決策變量即為決策依據，也就是最佳臨床研究證據。最佳臨床研究證據是指應用臨床流行病學有關原理和方法，并參照醫學研究的質量評價標準，確定為真實可靠、當前最新、且有重要臨床應用價值的成果或證據。（二）決策變量臨床醫生幾乎要參與所有的過程，因而高素質的臨床醫生是臨床決策的主體。循證醫學中，決策的主體還可能是病人，或者醫生和病人。（三）決策主體干預措施的效果和疾病的自然轉歸過程總是會受到許多不確定因素的影響，在決策分析時必須充分考慮各種可能的影響因素，這些因素被稱之為決策環境。決策環境既包括與決策方案有關的各種客觀狀態，如病人的病史、體征、檢驗結果，當前疾病情況及今后可能發展的各種健康狀態等。（四）決策環境三、臨床決策分析的基本過程1.確定臨床決策的問題（目的）2.確定各種備擇方案，構建決策分析框架3.獲取最佳研究證據4.判斷最優決策方案5.評價決策分析結果6.最終決策明確分析目的、確定決策的問題，是臨床決策分析的第一步。在實際工作中，面對某一具體病人的復雜情況，往往需要對其不同診治方案的選擇進行決策。

如：1、是否進一步檢查以明確診斷？2、是否需要采取治療措施？

3、采用何種治療方案為最優？（一）確定臨床決策的問題例子男性患者，50歲，體檢發現左頸動脈硬化，但是目前沒有任何臨床癥狀。現有證據顯示頸動脈硬化者發生腦卒中的危險性增加。因此，對于該患者是否需要治療，這就是臨床決策問題，臨床上可以有兩種選擇，一是臨時臨床觀察，二是行頸動脈內膜切除術；結合臨床實際考慮，有如下可能，臨床觀察雖然避免了手術相關的短期危險因素（圍手術期死亡、手術中發生腦卒中），可以維持無癥狀性頸動脈硬化狀態，但是不可避免面臨將來更高的腦卒中的風險。如果選擇手術，雖然有益于解決問題，減少發生腦卒中的可能性，但是卻有圍手術期間發生腦卒中和死亡的風險確立解決該臨床問題的各種決策備選方案、可能出現的各種健康狀態，如“檢查和不檢查”、“手術治療和保守治療”、“顯效和無效”等。通過了解與決策有關的各種客觀情況，如病人的具體病情、家庭經濟狀況、副作用、疾病的可能轉歸等，構建決策分析的框架，如構建決策樹。在決策框架中，還要勾畫出各個備選方案的中間狀況及可能的結局情況。決策分析框架是期望效用概率計算的依據，各個備選方案或可能狀態的概率計算都是遵循該框架進行。（二）確定各種備擇方案，構建決策分析框架

檢索最新、最佳的臨床研究證據是決策分析有效開展的至關重要一步，這一階段又可以稱之為決策分析的循證階段。（三）獲取最佳研究證據臨床醫生要做出最恰當的決定，首先要對各種方案實施時可能出現的中間狀態及其后果作全面的比較分析。各種健康狀態及后果的出現又常是不確定的，為便于全面系統地分析，決策分析就要求臨床醫生能夠用定量的方法來估計每種方案的得失。決策分析中，對于各種備選方案的判斷依據是定量化期望效用值或概率等指標大小，因而，它比傳統醫學的依據經驗決策更為可靠。（四）判斷最優決策方案期望效用值，又稱之為期望效益值，是指決策分析希望能夠得到的效果或收益，它可以是指期望壽命、存活率、成本效益或收益量值等。效用值是對最終臨床結局定量化賦值，如臨床上我們可以把最好的治療結果效用值定為1，最差的結果定為0，如治愈為1，死亡為0。期望效用值決策分析得到了最優的決策方案以后，還需要對該方案的最終臨床應用意義、可行性進行評價。采用敏感性分析方法等對決策分析結果的概率不確定性程度進行檢驗；決策分析結果的可行性如何，所推薦方案的收益情況如何等，則可以采用成本效益/效果分析。若分析結果推薦的最優方案的確為最優，且經過敏感性分析其結果穩定，并具有較好的臨床適用性，則可以確定此方案為最終的最優推薦決策。（五）評價決策分析結果醫學決策是關于對病人診療方案的決策，所以在選取最佳方案后還要充分考慮病人的個體因素，如病人的習俗、好惡、傾向性等。要對臨床實踐追蹤方案實施后的效果進行評估，找出問題和總結成敗，以便指導下一步臨床決策分析活動的開展。（六）最終決策臨床決策分析一般過程如圖所示：

第二節決策樹分析決策樹分析（decisiontreeanalysis）決策樹分析是臨床決策分析中一種簡單、明了的方法，同時還是其他決策分析方法開展的基礎。決策樹分析是在診療過程中采用分層的方法，將各種可能的方案和結局，按照其發生、發展的順序勾畫成一棵不斷分叉的樹形圖，再通過對各個枝節的期望概率計算來進行臨床決策。一、決策樹的組成決策樹節點分枝：決策節點和狀態節點的相應分枝稱之為決策分枝和狀態分枝。決策節點狀態節點（機遇節點）結局節點決策節點狀態節點結局節點（一）決策節點及決策枝決策節點即選擇節：一般用方形(□)表示,每個決策枝表示一個待決策方案(方案枝)。決策節點是醫生唯一能夠自己選擇行動方案之處。為了表明行動方案的特點，可以在決策枝上注明決策方案的主要內容，如冠心病的治療有手術治療與藥物保守治療兩個方案枝。（二）狀態節點及狀態枝狀態節點又稱機會節點一般用圓形（〇）表示，是指執行每個方案時可能出現的各種中間狀態，這些狀態的出現是由機會因素決定的，決策者無法控制。幾個中間狀態相繼發生時，則呈現一連串狀態節點呈樹枝狀分支，如肝組織活檢方案就有“存活”和“死亡”兩個相連的狀態枝(概率枝)，而“存活”分枝后又有多個不同節點及其相應的分枝。對于狀態結局，臨床醫生是無法直接控制的，只有通過在決策點的不同選擇而間接影響結局。為了更加清楚顯示狀態的差別，可以在狀態分枝上標明狀態的內容。決策樹的最右端，即在最末梢的概率枝，常用出現該結局時的得益或損失的數量值來表示。最終結局一般有多種情況，如手術治療的結局有治愈、復發、死亡等。各個結局可用單一指標表示，如治愈率、病死率等；也可以用多個指標的綜合，如結合病死率、存活者痛苦減輕程度、維持時間等綜合評分。每個狀態節點下的結局必須是互相排斥的、不能互相包含或彼此交叉重疊。（三）最終結局（Outcome）決策準則，即為用于選擇最佳方案的依據，決策論中一般采用最大效用值法來確定哪個行動方案或決策為首選行動方案或最佳方案，即求出每個決策枝的期望效用值，然后選取其中期望效用值最大的一個方案。某一決策方案枝的期望效用值可由該決策枝的全部末梢支的概率與后果效用值乘積的總和來計算。決策樹分析也可以根據臨床問題的實際情況，采用其他一些數值來進行決策，如損失最小、成本效應/效益最高等指標。二、決策樹分析基本準則決策樹分析是運用決策樹來對決策問題進行分析判斷的一種臨床決策方法。現以下面的例子來簡述決策樹分析的步驟：

三、決策樹分析的步驟實例：患者男性，50歲，劇烈腹痛、高熱，伴有黃疸，有長期的飲酒史，血常規和肝功能等實驗室檢查顯示為白細胞增多、膽紅素、堿性磷酸酶、血清谷草轉氨酶偏高等，多項檢查結果提示患者可能罹患梗阻性膽管炎或酒精性肝炎。目前，臨床上對于梗阻性膽管炎的治療，主要是要采用積極的手術治療方案；而對于酒精性肝炎，由于外科手術治療的病死率很高，推薦用藥物治療。這時就需要臨床醫生對這一病人采用何種治療方案進行決策分析。明確決策問題，確定備選方案構建決策樹框架結構估計各枝節的概率期望效用值的計算和比較基本步驟如下：

如圖25-2所示，針對上述梗阻性膽管炎或酒精性肝炎的疑似病癥，應確立決策的問題為：

1、是先采取肝組織活檢以明確診斷再進行治療，還是直接進行藥物治療或手術治療，手術治療的期望收益是否優于藥物治療？

2、該決策問題的備選方案就為肝組織活檢、直接手術治療和直接藥物治療三個決策枝。（一）明確決策問題，確定備選方案在上述例子中，如圖25-2所示，對該患者按照三個備選方案勾畫出三條決策枝，每一分枝又有不同的狀態節點，如肝組織活檢方案就有“死亡”和“存活”兩個狀態節點。有時，狀態節點后也會出現決策分枝，如肝組織活檢存活者，不論是“陽性”或“陰性”又有“手術治療”和“藥物治療”兩個決策枝。最后，決策樹的結局即末梢枝規定為“存活”或“死亡”。（二）構建決策樹框架結構依據臨床專業知識和文獻研究資料，并結合臨床實踐經驗，標出決策分析所有分枝的發生概率值。每一個狀態節點所有的不同狀態枝的發生概率值之和應為100%。如圖25-2所示，這一病人患酒精性肝炎的可能性為0.90，患梗阻性膽管炎的可能性為0.10，若采用手術治療，酒精性肝炎病人結局為存活的概率為0.50，梗阻性膽管炎患者存活的概率為0.90。（三）估計各枝節的概率

決策樹分析多采用概率論中的加權平均回乘方法，加權平均回乘方法是指從“樹末梢”到“樹根”方向計算期望值或期望效用值，一連串狀態結點的末梢枝在該方案中出現的概率與其前各枝概率的連乘后相加，求出各個決策枝的總平均效用值或期望效用值。運算過程中，某一狀態結節的期望效用值，就是該節點所有的不同狀態效用值與其發生概率分別相乘所得結果的合計值。（四）期望效用值的計算和比較

上述例子中，期望效用值選用存活率來表示，如圖25-2所示，藥物治療存活率為：藥物治療存活率=（酒精性肝炎出現概率×酒精性肝炎患者用藥物治療的存活率）+（梗阻性膽管炎出現概率×梗阻性膽管炎患者用藥物治療的存活率）=0.90×0.75+0.10×0.25=0.70

“回折法”（foldedback）

如果在狀態分枝后的又有決策節點與分枝時，期望效用值的計算應采用“回折法”（foldedback）。回折法即依據臨床實際情況選擇其中一個決策枝以后，就“折掉”另外的決策分枝。如圖25-2所示，肝組織活檢陽性者臨床上就是采用非手術治療，因而手術治療分枝的就可以折去，無須再計算，同樣，肝組織活檢陰性者的非手術治療分枝也可以折去。

如圖25-3所示，經過這樣的計算，最后得到了三個決策分枝的期望效用值（存活率）：肝組織活檢(0.76)>直接用藥物治療(0.70)>直接用手術治療(0.54)

根據期望效用值最大的原則，此次決策分析結果推薦對該患者采用肝組織活檢為最佳決策方案。surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentnocurecuresurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliatesurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentnocurecuresurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliateEachpaththroughthetreedefinesauniquepotentialresult.

1.Decidetooperate2.Finddiseaseatsurgery3.Tryforsurgicalcure4.Patientsurvivessurgery5.SurgeryunsuccessfulsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentnocurecuresurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliateInsertprobabilitiesateachchancenode.Sourcesincludedatafromliterature/studies,modeling,expertjudgment...10%90%10%90%10%90%10%90%90%10%99%1%90%10%98%2%surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentnocurecuresurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliateAssignavaluetotheoutcomeateachendpoint10%90%10%90%10%90%10%90%90%10%99%1%90%10%98%2%AVERAGEOUTCOMESOperativedeath:0lifeyearsDeathfromprogressionofthedisease:2lifeyearsCure:20lifeyears20LY20LY20LY20LY20LY2LY2LY2LY0LY0LY0LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentnocurecuresurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliateComputeaverageresults,workingrighttoleft…10%90%10%90%10%90%10%90%90%10%99%1%90%10%98%2%20LY20LY20LY20LY20LY2LY2LY2LY0LY0LY0LYAverageLYshere:=10%x20+90%x2=.1x20+.9x2=2.0+1.8=3.8LY

surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentsurviveoperativedeathcurenocurenocurecuresurviveoperativedeathtrycurepalliateReplacethesechancenodeswiththeaverage…10%90%10%90%10%90%90%10%99%1%90%10%98%2%20LY20LY20LY20LY2LY2LY0LY0LY0LYAverageLYshere:=10%x20+90%x2=.1x20+.9x2=2.0+1.8=3.8LY

3.8LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentsurviveoperativedeathnocurecuresurviveoperativedeathtrycurepalliateReplacethesechancenodeswiththeaverage…10%90%10%90%90%10%99%1%90%10%98%2%20LY20LY20LY2LY0LY0LY0LYAverageLYshere:=10%x20+90%x2=.1x20+.9x2=2.0+1.8=3.8LY

3.8LY3.8LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivediseaseabsentdiseasepresentsurviveoperativedeathnocurecuresurviveoperativedeathtrycurepalliateReplacenextchancenodewiththeaverage…10%90%10%90%90%10%99%1%90%10%98%2%20LY20LY20LY2LY0LY0LY0LY3.8LY3.8LYAverageLYhere:=10%x3.8+90%x20=.1x3.8+.9x20=.38+18=18.38LY

surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivesurviveoperativedeathnocurecuresurviveoperativedeathtrycurepalliateReplacenextchancenodewiththeaverage…10%90%90%10%99%1%90%10%98%2%20LY20LY2LY0LY0LY0LY3.8LYAverageLYhere:=10%x3.8+90%x20=.1x3.8+.9x20=.38+18=18.38LY

18.38LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivesurviveoperativedeathnocurecuresurviveoperativedeathtrycurepalliateContinuethisprocess…10%90%90%10%99%1%90%10%98%2%20LY20LY2LY0LY0LY0LY3.8LY18.38LYAverageLYhere:=98%x3.8+2%x0=.98x3.8+.02x0=3.72+0=3.72LY

surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivenocurecuresurviveoperativedeathtrycurepalliateContinuethisprocess…10%90%90%10%99%1%90%10%20LY20LY2LY0LY0LY18.38LYAverageLYhere:=98%x3.8+2%x0=.98x3.8+.02x0=3.72+0=3.72LY

3.72LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivenocurecuresurviveoperativedeathtrycurepalliateContinuethisprocess…10%90%90%10%99%1%90%10%20LY20LY2LY0LY0LY18.38LY3.72LYAverageLYhere:=90%x20+10%x2=.90x20+.1x2=18+.2=18.2LY

surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivesurviveoperativedeathtrycurepalliateContinuethisprocess…10%90%99%1%90%10%20LY0LY0LY18.38LY3.72LYAverageLYhere:=90%x20+10%x2=.90x20+.1x2=18+.2=18.2LY

18.2LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivesurviveoperativedeathtrycurepalliateContinuethisprocess…10%90%99%1%90%10%20LY0LY0LY18.38LY3.72LY18.2LYAverageLYhere:=90%x18.2+10%x0=.90x18.2+.1x0=16.38+0=16.38LY

surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivetrycurepalliateContinuethisprocess…10%90%99%1%20LY0LY18.38LY3.72LYAverageLYhere:=90%x18.2+10%x0=.90x18.2+.1x0=16.38+0=16.38LY

16.38LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivetrycurepalliate10%90%99%1%20LY0LY18.38LY3.72LY16.38LYAtaDecisionNodeyouchoosewhichpathyouwishtotake--noaveraging!Here,wewouldchoosetotryforcure--obviously!surgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivetrycure10%90%99%1%20LY0LY18.38LY16.38LYsurgerydrugdiseasepresentdiseaseabsentoperativedeathsurvivetrycure10%90%99%1%20LY0LY18.38LY16.38LYAverageLYhere:=99%x20+1%x0=.99x20+.01x0=19.8+0=19.8LY

Continueworkingfromrighttoleft,averagingoutatChanceNodes,andchoosingbestbranchatDecisionNodes...surgerydrugdiseasepresentdiseaseabsenttrycure10%90%18.38LY16.38LYAverageLYhere:=99%x20+1%x0=.99x20+.01x0=19.8+0=19.8LY

19.8LYsurgerydrugdiseasepresentdiseaseabsenttrycure10%90%18.38LY16.38LY19.8LYAverageLYhere:=10%x16.38+90%x19.8=.1x16.38+.9x19.8=1.638+17.82=19.46LY

surgerydrug18.38LYAverageLYhere:=10%x16.38+90%x19.8=.1x16.38+.9x19.8=1.638+17.82=19.46LY

19.46LYsurgerydrug18.38LY19.46LYTheoutcomeforeachdecisionismoreapparentnow:Medicalmanagementyieldsanaverageof18.38LYSurgery(intendingcure)producesaverageof19.46LYTheincremental

benefitofSurgeryversusMedicalManagementis19.46-18.38=1.08LY

敏感性分析又稱穩定性分析或波動分析，是用以評價決策樹分析結果的方法，也是決策分析的最后一步。敏感性分析就是測量決策分析結果的穩定程度，分析當某一狀態節點或分枝的概率發生一定波動時，決策分析結論的穩定性，進而考核分析設計的正確合理性。因為每一個狀態節點概率值及效用值都不是永恒不變的，常會有一定的波動，將直接影響期望效用值的大小。因而敏感性分析有助于提高分析結果的可靠性。(五）敏感性分析(sensitivityanalysis)決策分析中，若決策樹結構或狀態節點概率及其分枝發生概率中某一個值在一個合理變動范圍內發生改變，重新計算期望效用值后，最終決策結論不發生改變或僅僅在概率變化較大時才發生改變，說明該決策分析結論是穩定的。若決策分析結果容易波動，則分析結果不穩定，提示該估計值對決策的影響大，就要再次審查所設定的數值是否符合客觀實際，并特別注意該估計值的準確程度，以達到選擇最佳方案的目的。評價敏感性分析假定由于患者癥狀情況變化，酒精性肝炎的概率由0％變為100％，其他狀態節點和分枝的發生概率值均不變，重新計算三個備選決策方案的期望效用值（見表25-1）。結果表明，只有當酒精性肝炎的發生概率為0％或100％時，該決策結果才會發生改變，其他的都不變，酒精性肝炎的發生概率為0％時最佳方案為直接用手術治療，100％時最佳方案為直接用藥物治療。因而，這一敏感性分析結果提示：該決策分析結論對于發病概率基線改變的穩定性很好，患病概率很難估計時也不容易影響該決策結果。舉例1：如肝組織活檢手術的存活率波動情況進行敏感性分析。由于技術能力的不同，肝組織活檢手術的生存率在90％到94％范圍波動，重新計算三個備選決策方案的期望效用值（見表25-2）。如表25-2所示，肝組織活檢手術的存活率改變后，決策結論比較穩定，只有當肝組織活檢手術的存活率為90％和91％時，該決策分析的最佳方案推薦為直接用藥物治療，其他情況仍為肝組織活檢手術。舉例1：綜合上述的兩個敏感性分析結果，可以認為該決策分析的結果穩定可靠，推斷肝組織活檢這一方案是最佳決策方案患者，男，44歲，醫生。自覺疲乏及上樓時氣促三周、干咳、盜汗一周，伴午后低熱、寒戰、肌痛等癥狀。自服乙胺苯酚（解熱鎮痛藥）癥狀無明顯改善。后因上腹部疼痛在當地醫院就診，查體無明顯異常；血常規，電解質，泌尿系統X線檢查均無異常。患者近六個月來體重減輕約2.7kg。既往史：既往健康。起病前一個月曾與水痘患者有過接觸，未排除結核接觸史；近期未有旅行和藥物注射史。舉例2：系統回顧：無特殊病史。個人史：患者出生于印度，十余歲時接種了卡介苗（BCG），二十余歲時曾作PPD試驗，結果為陰性。每日抽煙約半包左右，約有二十余年。患者曾在牙買加和巴哈馬群島居住，三年前移民來美國。余無特殊。體格檢查：無明顯異常。實驗室檢查和特殊檢查：①血電解質，肌酐，肝功能，血細胞計數等都在正常范圍之內；②PPD：陰性；③血管緊張素轉換酶:正常值范圍內；④痰六亞甲基四胺染色找霉菌：陰性；⑤支氣管肺泡灌吸液：未見腫瘤征象；⑥痰抗酸染色：陰性；⑦胸片：雙肺野遍布粟粒大小的結節;右肺門，右支氣管區，主動脈肺動脈窗稍有擴大，考慮為增大的淋巴結所致；⑧支氣管鏡檢：呈輕到中度炎性改變；⑨經支氣管肺活檢：提示致密的，非干酪化的肉芽腫，偶見巨細胞，與肺結節病病理改變相符；⑩痰分枝桿菌培養：尚未有結果報告。分析：結合臨床和檢驗結果，考慮該患者可能的診斷是（1）粟粒性肺結核；（2）肺結節病。而這兩種疾病的鑒別比較困難，甚至有經驗的醫生也感到棘手。因為兩者前期癥狀都可表現有發熱，肌痛，精神不振，厭食，體重減輕；視肺部受影響的程度可出現咳嗽甚至呼吸困難等癥狀；均可累及相同的器官；都可出現肉芽腫，但組織學檢查也不一定能從中找到病原微生物和鈣化灶。已知粟粒性肺結核如果不治療其病死率（P1）達50%，進行有效的抗結核治療后病死率（P2）可降為20%，但是，如果進行抗結核治療，抗結核藥物有導致藥物性肝炎的風險，其發生率約為2%，其中又有約7.6%的會因此而死亡。（假設該患者除這兩種疾病外不再考慮有其他疾病）。（資料摘自TheNewEnglandJournalofMedicine1999,341(6):435-439）問題

現有的檢查尚不能確診該患者到底是粟粒性肺結核還是肺結節病，而臨床醫生又必須采取進一步的診治措施！由于肺結節病的預后相對較好，其病死率為8%，那么現在面臨這樣一種抉擇：目前對該患者是否應該進行抗結核治療？問題1.根據臨床表現，估計該患者患粟粒性肺結核的可能性P（TB）為70%，肺結節病的可能性P(SA)則為30%左右，那么是否應該選擇抗結核治療？根據上述提供的有關資料，繪制決策樹進行決策分析。問題2.根據臨床表現，結合實驗室檢查的結果和對該患者患結核病可能性估計值進行Bayesian分析得到這兩種疾病的驗后概率（或事后概率）：P(TB)=37%，P(SA)＝63%，在此情況下是否應該選擇抗結核治療？請繪制決策樹進行決策分析。問題3.假設P(TB)=37%,P(SA)＝63%不變，由于醫學進展，粟粒性肺結核未接受抗結核治療其病死率（P1）降為20%，有效的抗結核治療后病死率（P2）可降為10%，那么此情況下是否仍應首選抗結核治療？繪制決策樹進行決策分析并與問題2的結論比較。1.根據所給的資料數據畫出決策樹如下（附圖17-1）：根據提供的P（TB）=0.70計算兩種方案的預期生存率如下：不抗結核的期望生存率＝（0.50×0.70）+（0.92×0.30）＝0.626抗結核的期望生存率＝（0.924×0.02×0.80×0.70）+（0.98×0.80×0.70）+（0.924×0.02×0.92×0.30）+（0.98×0.92×0.30）=0.835比較二者的期望生存率，應該選擇抗結核治療。計算結果：2.根據所給的資料數據畫出決策樹如下（附圖17-2）P（TB）=0.37時不抗結核的期望生存率＝（0.50×0.37）+（0.92×0.63）＝0.801抗結核的期望生存率＝（0.924×0.02×0.80×0.37）+（0.98×0.80×0.37）+（0.924×0.02×0.92×0.63）+（0.98×0.92×0.63）=0.874比較二者的期望生存率，還是應該采取抗結核治療。計算結果：3.當P1=20%,P2=10%時，畫出決策樹如下（附圖17-3）：不抗結核的期望生存率＝（0.80×0.37）+（0.92×0.63）=0.876抗結核的期望生存率＝（0.924×0.02×0.90×0.37）+（0.98×0.90×0.37+0.924×0.02×0.92×0.63）+（0.98×0.92×0.63）=0.911比較二者的期望生存率，仍應首選抗結核治療。在P1與P2變化后方案的選擇不變，也說明了抗結核治療的決策對P1和P2在適當范圍內變動不敏感，這實質上屬于敏感性分析。計算結果：

第三節閾值分析法閾值分析法（thresholdanalysis）實際上是決策樹分析理論的進一步延伸和發展，它是分析者通過數學公式確定一個使兩種備選方案的價值相當（toss-up）時的臨界水平作為方案選擇的參考分界點（即閾值），然后將具體患者的實際水平與閾值相比較來指導決策的一種分析方法。治療閾值分析法檢查閾值及檢查-治療閾值分析法得益治療數閾值分析法在臨床決策中，閾值分析法主要包括以下三種：治療閾值分析法

在臨床醫學實踐中，醫生時不時會遇到這樣一種難題：病人在接受了各種檢查之后，仍無法確定其是否患有某種疾病。一方面，針對該病的治療措施是有效的，但可能會帶來一定的風險；另一方面，若患者確實患有該病而不給予治療措施將可能會導致病情的惡化，對患者的生命及健康構成嚴重的威脅。此時，醫生就不易做出是否給予病人實施治療措施的決定，治療閾值分析法可幫助醫生及患者及時做出科學合理的臨床決策。治療閾值分析法概念及基本假設治療閾值分析法：是指利用臨床決策分析的基本原理，綜合某項治療措施的代價、收益和疾病的風險等有關資料建立治療閾值（therapeuticthreshold）。通過將個體病例患某病的概率與治療閾值相比較，來做出是否給予治療措施的決策分析方法。治療閾值分析法

在開展治療閾值分析之前必須符合以下幾個基本假設：①病人已接受了各種檢查，仍難以確定診斷，并且已沒有其他可供進一步診斷的方法。在面臨病情診斷不明的情況下，醫生必須做出是否給予治療的決定；②只考慮一種疾病，病人患有或不患有該病；③針對該病具有一種有效的治療方法；④確實患有該病的患者若不給予治療，將會失去治療帶來的益處；⑤非該病的患者若給予了治療將會承受治療帶來的風險；確實患有該病者接受治療也會承受同樣的風險，但可以從中獲得肯定的收益。

治療閾值分析法閾值公式的建立⒈根據決策方案、患者的情況及可能出現的四種結局，繪制決策樹：治療閾值分析法治療閾值分析法⒉計算治療的收益和代價

最理想的決策當然是僅治療患者而不治療非患者。然而由于診斷不確定性的存在，會出現該病的患者未得到治療而非該病的患者卻誤給予了治療的情況。這時治療的收益（benefit，B）可以用治療該病患者的結局效用值和不治療該病患者的結局效用值之差來表示；而治療的代價（cost，C）可以用不治療非該病患者與治療非該病患者的結局效用值之差來表示。凈收益：凈代價：⒊計算治療閾值治療閾值分析法治療的期望值：不治療的期望值：當兩種決策方案的期望效用值相等時，治療與否的效果相同，在這種情況下醫生對決策方案的選擇立場是保持中立，此時的期望患病概率（p）就為治療閾值。即：解得：若用T表示閾值p，將B和C的公式代入，化簡得到：治療閾值分析法治療閾值分析法

當病人患某病的概率大于T時，就大于，此時應給予病人治療，當病人患某病的概率小于T時，就小于，此時就建議不給予治療。在很多情況下，很難確切估計病人的患病概率是多少，但即使是這樣，分析者也可以從臨床資料和有關的經驗給出患病概率的合理估計范圍，然后將此與閾值T作比較；同樣，當無法對治療的收益和代價情況給出精確估計值時，也可以把B/C指定在一個范圍來得到閾值T的估計范圍，然后將其與具體患者的患病概率比較來做出治療與否的決定。

實例：疑似血栓性肺栓塞患者是否應該抗凝治療的閾值分析：患者女性30歲，因胸膜炎性胸痛伴呼吸困難就診。一直口服避孕藥，幾年前曾在一次腎盂造影術中有過造影劑過敏史。體格檢查示肺部彌漫性哮鳴音，肺動脈瓣區第二心音增強，無靜脈炎的體征。X線胸片僅顯示肺部過度換氣；動脈血氣分析結果為PaO260mmHg，PaCO230mmHg，血PH7.50。測定通氣－灌注功能的肺部掃描檢查顯示在右肺野有一缺損區。

根據病史、癥狀、體征和化驗檢查結果，估計病人患急性血栓性肺栓塞的概率為0.4～0.6。由于此前病人曾有過造影劑的過敏反應史，所以考慮不宜進行肺血管造影術以明確診斷。那么現在面臨的決策為是否應該對患者實施長達6個月的抗凝治療？

肺栓塞病人的主要危險是發生二次栓塞的并發癥，甚至可造成死亡。長期的抗凝治療對該年齡段的女性造成的死亡風險很低，但可以產生一些較為明顯的并發癥。這里可分別采用死亡和并發癥發生的資料為依據來計算治療閾值的上限和下限，并據此做出臨床決策。根據文獻提供的信息及經驗估計，做出如下假設：⑴急性肺栓塞病人若不治療發生二次栓塞的概率為50％，而發生二次栓塞的病人死亡概率也為50％，因此，病人若不治療，死于二次栓塞的概率是25％。⑵長期抗凝治療未患肺栓塞的病人發生較嚴重并發癥（需住院治療）的概率為5％，死亡概率為0.01％。⑶急性肺栓塞病人接受抗凝治療后發生二次栓塞的概率為15％，死于二次栓塞的概率為7.5％。⑷抗凝治療后發生一次較嚴重的并發癥對人體造成的損害等同于一次非致死性的二次栓塞并發癥。抗凝治療非此病患者的存活率為99.99％，免于發生并發癥的概率為95％；患者若不治療，其存活率為75％，免于發生并發癥的概率為50％；治療該病患者，存活率為92.5％（99.99％×92.5％），免于發生二次栓塞或抗凝治療引起的并發癥概率為81％（85％×95％）。首先以死亡資料為依據計算得到：

B=92.5%－75%=17.5%；

C=100%－99.99%=0.01%B/C=1750，T=0.00057。進一步以并發癥資料為依據計算得到：

B=81%－50%=31%

C=100%－95%=5%B/C=6.2，T＝0.139。結論：由于預先估計該病人患病率p在0.4～0.6范圍，已超過治療閾值T的上限0.139，因此最佳的選擇應為給予抗凝治療。第四節臨床決策分析的評價隨著循證醫學的迅速發展，臨床決策分析亦得到了醫學界同行的重視并被廣泛應用，然而，在將之應用于臨床的實際情況之前，臨床醫生應將自己所做或文獻報告的臨床決策分析結果進行全面客觀的評價，這是確保臨床決策科學性和合理性的重要手段。評價臨床決策分析的結果，主要內容包括以下三個方面：

評價決策分析結果的正確有效性

評價決策分析結果的臨床重要性

評價決策分析的結果對臨床實踐中具體患者的適用程度

通過決策分析得到的推薦方案對病人來說是否的確為更佳方案，這在很大程度上取決于所用的方法是否正確，具體來說應回答以下四個問題：

評價決策分析結果的正確有效性（1）構建的決策分析模型中是否已包括了所有重要的決策方案和結局？（2）在確定事件概率值時，是否采用系統科學的方法來甄別、選擇和整合相關的證據？（3）確定的結局效用值是否從可信賴的來源獲得？（4）是否采用敏感分析法對證據的不確定性因素進行了檢驗？

評價決策分析結果的臨床重要性，要考慮的是通過決策分析后得到的推薦方案期望凈收益的大小及其可信程度。該問題包括三個要點：

評價決策分析結果的臨床重要性

（1）在基線分析中，優選的決策方案對于患者來說獲得的收益是否具有臨床重要性，如果不是，那么備選方案間等效嗎