药品预测模型及使用方法

药品预测模型及使用方法第一页，共三十二页，编辑于2023年，星期一参考书籍：《医药产品品牌战略》书籍简介：通过标准建模分析患者流、医生因素和治疗吸引力之间的相互关系，并阐述三者如何共同驱动制药业市场。

多因素整合，帮助我们更好地了解市场动态规律，制订更有效的市场策略，量化市场中的先发优势，规划品牌。

“知其然，更知其所以然”，为从业者提供一套科学、系统并行之有效的方法，帮助生物制药企业在竞争中脱颖而出。第二页，共三十二页，编辑于2023年，星期一目录预测的历史与现状新产品预测现有产品预测对未来的思考4123第三页，共三十二页，编辑于2023年，星期一预测的历史与现状11、预测的定义2、预测的历史与现状3、预测的不准确性4、医药行业预测第四页，共三十二页，编辑于2023年，星期一1、预测的定义预测的定义是什么？问题的答案就如它在企业内部发挥的智能那样多种多样，其中包括：预测是对未来的准确描绘预测代表了对未来的最佳预判预测为解读目前各种事件提供了框架预测能识别企业必须应对的各种要素预测为企业决策提供排序规则预测可以检验现有策略假设预测为走向未来提供方向指引预测为决策者提供帮助预测可以指导实践预测是对不确定性的一种衡量预测是艺术和科学的结合预测不是数学应用，而是管理艺术的表达第五页，共三十二页，编辑于2023年，星期一2、预测的历史与现状相比过去对现在的预测，实际情形更像那么回事——德怀特D.艾森豪威尔未来与现在相似——它无非是现在的延长——古斯·高塞吉第六页，共三十二页，编辑于2023年，星期一3、预测的不准确性预测未来是很困难的。在历史上，我们不断尝试去预测未来……却总是看到预测因为不准确而失败。电话的缺点太多，因此很难严肃地将其视为通讯工具。这种设备本质上对我们毫无价值可言。

1876年，西部联盟电报公司内部备忘录人们将厌倦电影中发出声音的人。说话永远无法替代无声电影中的优秀表演。1925年，托马斯·阿尔瓦·爱迪生对新兴有声电影如此评论所有女人都害怕老鼠。1926年，米高梅总裁刘易斯B.迈耶对年轻漫画家沃特·迪斯尼如是说我认为电脑在全球市场的数量可能只有五台。1943年，美国国际商用机器公司（IBM）总裁托马斯·沃森

乐队还不错，但假如我是你，就会把嘴唇长得像轮胎面的那名歌手踢出乐队。1963年滚石乐队试音时，英国广播公司（BBC）节目制片人对其如此评价640千字节对任何人都应该足够了。—1981年，微软公司创始人比尔·盖茨

第七页，共三十二页，编辑于2023年，星期一4、医药行业预测

(1)畅销药品的失败预测公司名药品名最高销售额（单位：百万美元）预测值实际值默克噻吗洛尔500–100015罗宾斯芬氟拉明3003斯特林氨力农（口服液）5000史克必成头孢尼西10020第八页，共三十二页，编辑于2023年，星期一4、医药行业预测

(2)超出预测值的药品公司名药品名最高销售额（单位：百万美元）预测值实际值普强布洛芬25200先灵葆雅庆大霉素6–8300辛泰萘普生40–50420史克必成西咪替丁2001000普强赞安诺30–40200马里恩地尔硫卓50180西尔阿斯巴甜0585第九页，共三十二页，编辑于2023年，星期一4、医药行业预测

(3)未来的畅销药品？产品生产商用途预测最高销售额（百万美元）阿瓦斯丁基因泰克癌症3000希美加群阿斯利康血栓症1300环索奈德安达哮喘1200安痛易默克骨关节炎2500阿托伐他汀辉瑞高血压、高胆固醇1090欣百达礼来抑郁症2200舒降之默克、先灵葆雅胆固醇3000奥利默森钠健达恶性黑色素瘤900瑞普巴林辉瑞神经性疼痛2000思力华勃林格殷格翰、辉瑞肺部疾病1340第十页，共三十二页，编辑于2023年，星期一4、医药行业预测

(4)对个职能部门的影响销售收入单位销量医疗政策定价政策许可、合作机会成本全球、区域、国家业务单元销售队伍规模结构、配置营销方案、促销方案、消费正方案企业方向、研发组合、预期值投资回报、利润期权估值预测者必须了解预测接收者的各类需求，以便能选择最佳方式得出预测结果。第十一页，共三十二页，编辑于2023年，星期一4、医药行业预测

(5)预测的时间范畴时间范围长期短期年度月度组合评价—新产品和产品线—许可机会研发投资回报脚本规划新产品上市规划资本收益回报营销资源配置机构规模和结构损益表财务计划营销投资回报销售队伍投资回报销售队伍规模和结构区域业务计划医生评估微观营销销售队伍部署第十二页，共三十二页，编辑于2023年，星期一1、新产品的预测法2、市场建模3、将患者转化成收益4、最后注意事项新产品的预测2第十三页，共三十二页，编辑于2023年，星期一1、新产品中使用的通用预测算法人口增长率流行病学有症候的确诊潜在患者获得药物治疗使用药物的患者竞争份额采纳同类相食使用X产品的患者剂量依从性持续性销量预测价格销售预测报销市场产品转化注：该算法，或其简化版，可以推广到几乎所有的新产品预测实践中。随着预测需求越来越复杂，算法的详细程度也随之变化，但相同的逻辑流程适用于一款产品生命周期里的所有节点。第十四页，共三十二页，编辑于2023年，星期一2、市场建模(1)预测者面临的首个决策是选择什么数据进行市场建模？基于患者的模型(市场潜力)基于处方的模型(接受过治疗的市场)第十五页，共三十二页，编辑于2023年，星期一2、市场建模(2)基于患者的算法人口按照适当的划分模式进行划分利用人口增长率出现的增长流行病学有症候的确诊获得潜在患者药物治疗使用药物的患者人口流行病学特定治疗区域和疾病的发生率或盛行率数据有症候有特定疾病症候的患者比率确诊的有症候的患者比率获取医疗保险的患者比率药物治疗有症候且确诊，同时用我们定义的市场上的药物治疗的患者比率第十六页，共三十二页，编辑于2023年，星期一2、市场建模(3)基于患者的算法的成功案例良性前列腺增生流行病学研究表明，65岁以上的男性中，前列腺增生症的患病率高达95％。然而，治疗良性前列腺增生的男性数量明显偏低。随着新诊断技术的出现，医生能够监测与良性前列腺增生有关的酶，并能对患者做出早期诊断。这样，诊断率的提高引发了市场的扩张。艾滋病随着新的艾滋病毒诊断工具的出现（特别是基于聚合酶链式反应的诊断工具敏灵性的增强），艾滋病毒水平较低的患者得以及早发现，并用抗艾滋病药物进行治疗。这也再次证明，使用诊断工具能起到扩张市场的作用。第十七页，共三十二页，编辑于2023年，星期一2、市场建模(4)患病率与发生率模型发生率死亡或者治愈患病率有好几个治疗领域需要基于发生率的模型：肿瘤学、移植和艾滋病。第十八页，共三十二页，编辑于2023年，星期一2、市场建模(5)基于患者的模型对患者流量数据模型基于患者的模型：用于治疗模式和患者人数不随时间变化的市场– 静态、横断面– 孤立的变量– 获得平衡– 划区– 具体的– 透明的– 电子表格软件数据驱动患者流量模型：用于治疗模式和患者在转型或演变的市场– 动态,过度的– 交互,相关变量– 获取连续态变化– 抽象– 复杂难懂– 复杂的系统软件– 概念性的,专注现实根据专长诊断的百分比已治疗的百分比复发未治疗缓解失败复发死亡维持第十九页，共三十二页，编辑于2023年，星期一2、市场建模(6)消费者教育对市场的影响人口增长率流行病学有症候确诊消费者意识潜在患者药物治疗消费者行为消费者意图使用药物的患者第二十页，共三十二页，编辑于2023年，星期一2、市场建模(7)伴随用药和复方用药伴随用药指针对同一患者的同种病症，使用多种药物进行治疗复方用药指针对同一患者的不同病症，使用多种药物进行治疗只有伴随用药直接影响市场潜力的计算。复方用药只是间接影响市场潜力。比如：患有单相抑郁症的患者人数为200,000。患有广泛性焦虑症的患者人数为100,000。既患有单相抑郁症，又患有广泛性焦虑症的患者人数为30,000。那么患者中使用治疗两种适应症的药品的潜在人数是多少？第二十一页，共三十二页，编辑于2023年，星期一3、预测产品(1)预测患者份额定义竞争性组合计算患者份额的首先步骤是确定合适的产品组合，以便于预测产品竞争。预测患者份额预测那些接受我们产品，而不是竞争对手产品的患者所占份额，是预测模型的核心。第二十二页，共三十二页，编辑于2023年，星期一3、预测产品(2)将患者转化成收益与产品有关的患者数量一旦确定，预测者必须将这些患者转化为销售量、处方、收益和净利润预测每日的处方剂量依从性处方治疗的天数持续性患者数量每日的实际剂量治疗的实际天数销售量对于预测者而言，查找依从性和持续性假设的数据是一项挑战。第二十三页，共三十二页，编辑于2023年，星期一3、预测产品(3)预测依从性和持续性对于预测者而言，查找依从性和持续性假设的数据是一项挑战。很少有二手数据源会提供依从性和持续性比率。我们可能可以使用模拟数据、来自审计的处方或治疗天数数据（由于这两项指标记录了实际分配的药量，所以包含依从性和持续性的影响），但患者数据源（依从性和持续性反算的分母）通常很难获得。由于临床试验存在监管，所以使用临床试验数据会高估依从性和持续性的比率。依从性：患者认同处方的剂量治疗开始开处方30天后建议结束第一阶段治疗，并开始使用新处方开处方45天后患者重新来拿新处方的实际时间45天进行了30天的治疗，因此依从性是67%。持续性：患者持续使用一种疗法患者数量自治疗开始后的月份100名患者中，60名患者在12个月后仍然在坚持该疗法，因此一年的持续性为60%。第二十四页，共三十二页，编辑于2023年，星期一1、现有产品的预测法2、有关趋势的历史数据3、发挥超趋势事件的作用4、将经趋势分析过的数据转化为预测输出现有产品预测4第二十五页，共三十二页，编辑于2023年，星期一1、现有产品的预测算法(1)现有产品的通用算法基线趋势超趋势事件调和与转换市场基线趋势(时间序列数据)市场基线趋势(时间序列数据)环境变化政策变化竞争对手行为其他超趋势事件销售策略营销策略市场预测(趋势和超趋势时间)产品需求预测(趋势和超趋势时间)渠道修正经销商行为平行进口产品出厂预测它可以针对特定的治疗领域和产品进行修正，但该算法的通用部分将保持不变：有关趋势的历史数据，发挥超趋势事件的作用，并将趋势数据转换成所需要的预测输出。第二十六页，共三十二页，编辑于2023年，星期一1、现有产品的预测算法(3)通用算法中需要注意的节点选择作用于趋势分析的基础数据集只专注于一个数据集，往往会导致预测出错如果分析每个能想到的数据集，也会导致预测变得很混乱最终预测者应该对尽可能多的数据集进行趋势分析为趋势分析选择时间周期一旦确定哪些数据集要进行趋势分析后，预测者就面临着这样一个问题，即趋势分析中需要包含多少历史数据点第二十七页，共三十二页，编辑于2023年，星期一1、现有产品的预测算法(3)通用算法中需要注意的节点发挥超趋势时间的作用外部超趋势事件：欧盟监管机构审查过程中的变化、医生用药预算在德国的问世、美国联邦医疗保险处方药物计划的覆盖、加拿大网上药房配药的兴起、新竞争对手的出现等等内部超趋势事件：公司自身指导下的活动，它们包括引入延伸产品、改变营销策略和计划、改变销售队伍的资源分配等预测者面临的挑战就是确定这些事件，并量化它们对预测的影响第二十八页，共三十二页，编辑于2023年，星期一1、现有产品的预测算法(3)通用算法中需要注意的节点将趋势分析过的数据转化为预测输出渠道修正经销商行为时机掌握填空和清空销售管道平行进口货品