除了前述5个通用的科研板块【科学思维&集成创新】、【文献检索&分析管理】、【研究设计&研究方法】、【数据处理&统计分析】、【科学写作&公开发表】。医学科研还有其独特的属性和内容，即临床流行病学、循证医学、医学伦理学、卫生经济学、医学科技成果转化，五大模块。

在【科研相关的医学辅修课】版块 ，我们将一一系统介绍以上五门学科的主要内容，供大家有基本了解。

以下内容均为IPR Group原创内容，请勿未经允许转载！

第三部分  该学科的研究方法（包括经典理论、原则与模型）——how

第二节    卫生经济学评价方法

CMA是指在项目的产出或效果、效益和效用没有差别的情况下来比较不同措施的成本，选择成本最小的措施优先考虑。成本测算则根据分析角度不同而包括不同的测算内容。CMA是指在项目的产出或效果、效益和效用没有差别的情况下来比较不同措施的成本，选择成本最小的措施优先考虑。

成本测算则根据分析角度不同而包括不同的测算内容。

例如：某2个项目的治愈人数或成功手术的人数完全相同时，选择成本最小的方案。

资料来源:程晓明，卫生经济学与卫生经济管理，1998.

例1:某地区有两个疾病干预方案可供选择，假定方案1干预疾病A，每年花费40万元，可以保护15个伤残调整生命年;方案2干预疾病B，每年花费30万元，可以保护6个伤残调整生命年。试比较两种方案并选择最优方案。

解：

方案1：保护1个伤残调整生命年的平均成本＝400000/15=26666.7

方案2：保护1个伤残调整生命年的平均成本＝300000/6＝50000.0

保护1个伤残调整生命年的平均成本方案2大于方案1，从成本效用分析的角度方案1优于方案2，应该优先选择方案1

(五)决策分析

在医学研究中，往往影响因素较多，不仅彼此之间存在较为复杂的交互作用，而且因变量和自变量常为非线性关系，这使传统参数检验方法在处理此类数据的时候往往不太合适，所以，决策分析模型很好的解决了这类问题，可处理不满足线性条件的数据和变量之间相关程度较高的数据。

定量的决策分析方法：

1.决策树

2.马尔科夫模型

3.宏观模拟

4.微观模拟

1决策树

起源和应用：决策树模型是目前较成熟的决策分析模型之一，源于20世纪20年代出现的博弈论，20世纪60年代晚期开始应用于解决临床问题。

在卫生经济学领域，如药物经济学研究中，该方法利用药物在治疗阶段的不同治疗效果和成本来构建决策树，进而计算药物的成本-效果。

1.1 决策树概念

决策树模型可通过预测变量对目标变量分类和预测,确定影响因素,并形成一系列分类准则。

作为数据挖掘中有效的分类规则学习方法之一，其原理是建立因变量对自变量的分类预测模型，对因变量和自变量进行分组，从而实现对数据对的分类和预测。

其结果用树形图展现，不仅可以显示相关的影响因素，还可以深入分析某变量在各亚层的影响方式，对拟调查信息进行充分的挖掘。

1.2 决策树的类型

医疗卫生领域常用的算法包括CHAID (卡方自动交互检验) , C&RT (分类和回归树)算法。1997年Loh和Shih提出QUEST ( Quick,Unbiased, Efficient Statistical Tree)算法,此算法在CHAID算法基础上得到改进,使用方差分析、χ2检验、聚类分析和判别分析等方法,可生成精确的二叉树( binary tree)模型,是一种无偏变量选择的统计分析方法。

1.3 计算方式:QUEST ( Quick,Unbiased, Efficient Statistical Tree) 算法步骤

（1）分析自变量与因变量的相关性。若自变量为分类变量，则使用卡方检验计算自变量与因变量的相关程度及P值;若自变量为有序或连续变量,则使用方差分析计算P值。

（2）选择分枝变量。即将第一步中所有的P值和预设的界值相比较（默认为0.05），如果均小于界值，则选择P值最小的作为分枝变量；如果均大于界值,则当自变量为连续或有序变量时，计算Levene方差齐性检验的P值。若存在方差齐性检验的P值小于界值时，选择P值最小的作为分枝变量；若方差齐性检验的P值均大于界值，则选择在第一步中P值最小的变量作为分枝变量。

（3）如果选出的分枝变量为无序分类变量，则将其变换为哑变量组Z，并计算其最大判别坐标（largest discriminant coordinate）。

（4）如果因变量为多分类,则为每一因变量取值的类别计算X的均数,并使用聚类分析将因变量的多个类别合并为两大类。

（5）使用二次判别分析( quadratic discriminant analysis)最终决定分叉点的位置,并还原为自变量的原始取值。

1.4 利用QUEST算法建立决策树模型的案例

主题：住院病人医疗服务满意度现状及其影响因素的决策树模型分析

1.4.1对象和方法：

采用分层随机抽样法抽取某地三级医院4家、二级医院2家、一级医院8家，采取等距抽样的方法随机抽取住院时间超过1周的病人，对少儿病人（16岁以下）的调查由其亲属协助完成。

1.4.2调查方法：

采用现况调查方法，由课题组成员通过查阅相关文献、咨询相关专家后自行设计《医疗卫生服务满意度调查问卷》，并通过预调查进行修改完善。内容分为两部分,第1部分为住院病人的社会人口学信息,包括居住地、年龄、性别、家庭收入、职业、医疗保险情况、学历、婚姻状况等共8项指标。第2部分为整体满意度和服务项目评价共28个指标,服务项目评价由直接医疗服务和间接医疗服务2个方面27个指标体现。每项指标采用3级李克特标度: 1为“不满意”, 2为“一般”,3为“满意”。调查员为**，均接受过统一培训。采用调查员面对面访谈方式进行问卷调查，调查结束后由现场的质量控制人员对问卷查,对每份问卷查漏补缺。剔除缺失率过高的问卷后,共收回有效问卷560份,有效回收率为97.6%。

1.4.3统计学分析：

采用Epidata3.0软件双人双输方式录入资料,用SPSS13.0统计软件包进行χ2检验等统计分析,用SPSS公司专用于决策树模型分析的Answer Tree3.0软件建立决策树模型。确定QUEST算法。设定模型参数：的因变量为整体满意度,自变量为病人社会人口学信息的8个因素。为防止模型过度拟和,本研究设置树模型最大生长层数为3层,父节点( Parent Node)和子节点( Child Node)的最小样本含量分别为100和50。

1.4.4结果：

（1）在正式调查前,抽取一家医院的20位住院病人进行问卷信度和效度分析,得到克朗巴赫α系数为0.793,重测信度为0.876,说明问卷信度较好。问卷内容覆盖病人医疗服务满意度的各个方面,经相关专家评定,问卷的内容效度较好。

（2）单因素分析。 住院病人男性322例( 57.5%) ,女性238例( 42.5%) ;平均年龄( 49.2±19.8)岁;未婚病人130例( 23.2%) ,已婚病人430例( 76.8%) ;家庭人均月收入0～200元的病人66例( 11.8%) , 200～800元的229例( 40.9%) , 800～2 000元的224例( 40.0%) , 2 000元以上的41例( 7.3%)。住院病人医疗服务整体满意度为55.36%,未婚病人与已婚病人满意度分别为33.33%和51.41%,其差异有统计学意义(χ2 = 11.75, P =0.003) ,其他因素的整体满意度的差异均无统计学意义(χ2 =0.411～13.532, P = 0.064～0.814)。

（3）决策树模型分析。根据上述参数设定,决策树“生长”3层,共4个终末结点。图中的百分数表示满意度大小。决策树模型的风险估计为0.12,标准误为0.02,说明模型较能反映真实情况。依据决策树模型,住院病人分为4类:未婚男性、未婚女性、收入为0～200元以及800元以上的已婚病人、收入为200～800元的已婚病人。树的第1层根据婚姻状况划分,说明医疗服务满意度最主要的影响因素为婚姻状况,它将病人分为两类:未婚病人和已婚病人。这两类病人各自的影响因素不同。未婚病人满意度最大的影响因素是性别,它将未婚病人分为未婚男性和未婚女性。未婚男性的满意度为33.33%,未婚女性满意度为52.46%。已婚病人的满意度主要受收入水平影响,收入水平在200～800元的已婚病人满意度为51.41%,比其他收入的已婚病人满意度低。图示:

1.4.5结论：

由于病人满意度不只和医院提供的医疗服务有关,还和病人自身所处的社会环境因素有关,因此可以通过了解病人的社会人口学特征,研究具有何种特征的病人满意度较低,使医院重点关注满意度较低的病人,从而提高整体满意度。未婚男性病人与家庭人均月收入200～800元的已婚病人的医疗服务满意度较低,提示医疗服务机构在努力提高病人满意度时应关注这两类病人。面对未婚男性病人时,医护人员应设身处地为患者及其家属着想,态度和蔼,耐心倾听,加强信息、心灵和感情沟通,并给予主动热情的服务,帮助病人解决在看病过程中遇到的看病难、看病烦、看病累等问题,使其充分感觉到医院的温暖和人性化的关怀。