疾病药物经济学自动评价

要解决什么问题

药物经济学评价（CEA）通常要手工选模型、查指南与文献、填 Markov/决策树参数，再算 ICER 和 NMB。疾病和药物组合一变，表格和代码就要重做。本技能把「指定一种疾病 → 多药对比 → 可引用来源的参数 → 排序结论」串成一条可重复执行的流程，输出报告和可运行的 Python，而不是只给口头建议。

技能如何工作

1. 模型框架：根据疾病性质区分慢性进展（Markov）与急性/治愈（决策树），必要时说明混合模型；明确健康状态、循环周期、时间范围、贴现率（默认贴现率 5% 等见技能内默认值表）。
2. 药物遴选：通过联网检索指南、国家医保目录、UpToDate、PubMed 等，纳入不超过 20 种代表性方案，优先医保与一线/二线推荐及近 5 年新药。
3. 参数检索：对每种药搜索疗效、效用、药品与管理费用、不良反应及转换概率等，每个参数需标注文献来源；缺证据时外推并标注。
4. 支付阈值：检索中国最新人均 GDP，以 1 倍人均 GDP 作为 QALY 的 WTP，用于 NMB。
5. 分析与输出：以标准治疗或安慰剂为参照，计算 ΔC、ΔE、ICER、NMB，按 NMB 降序排序；做单因素敏感性分析（关键参数 ±20%）；生成 pandas/numpy/matplotlib 代码（CE 平面与 NMB 条形图）及中英并行的论文式简报。

适用边界与注意点

• 参数依赖公开检索，质量取决于文献与国内价格数据的可得性；外推假设必须在报告中标明，并在敏感性分析中重点考察。
• 视角默认为卫生体系、直接医疗费用；时间范围与周期依慢病/急病调整，不等同于已注册的 HTA 递交稿。
• 生成的 Python 应能独立运行、不依赖私有数据文件；NMB 排序表需体现不确定性或区间说明（技能内质量控制要求）。