联合方案的成本-效果分析研究

联合方案的成本-效果分析研究演讲人2026-01-09

04/成本-效果分析的理论框架03/联合方案的内涵、分类与应用场景02/引言：联合方案的兴起与成本-效果分析的必要性01/联合方案的成本-效果分析研究06/联合方案成本-效果分析的挑战与优化方向05/联合方案成本-效果分析的实践步骤07/结论：联合方案成本-效果分析的核心价值与未来展望目录01ONE联合方案的成本-效果分析研究02ONE引言：联合方案的兴起与成本-效果分析的必要性

引言：联合方案的兴起与成本-效果分析的必要性在我的从业经历中，曾深度参与某省级医疗中心的多学科肿瘤诊疗（MDT）联合方案优化项目。当时，我们面对的是晚期非小细胞肺癌患者群体——单一化疗方案的中位生存期仅约10个月，而PD-1抑制剂联合化疗虽可将生存期延长至16个月，但药物成本直接翻了3倍。面对“效果提升是否值得成本增加”的争议，医院管理层、临床医生、患者家属及医保部门各有诉求：医生希望最大化疗效，患者担忧费用负担，医保则需控制基金支出。这一场景让我深刻意识到：联合方案虽是解决复杂问题的有效路径，但若缺乏科学的成本-效果评估，极易陷入“高成本低价值”或“低成本低效能”的困境。联合方案的本质是通过整合不同技术、方法或资源的优势，实现“1+1>2”的协同效应。无论是医疗领域的“手术+靶向+免疫”综合治疗、工业领域的“AI+物联网+大数据”智能制造，还是公共服务领域的“政府+企业+社区”协同治理，

引言：联合方案的兴起与成本-效果分析的必要性其核心逻辑都是通过多维度协作突破单一方案的瓶颈。然而，协同效应往往伴随着成本叠加——药物组合的毒性管理、技术集成的系统开发、多部门协调的组织成本等，均可能抵消部分收益。此时，成本-效果分析（Cost-EffectivenessAnalysis,CEA）便成为关键决策工具：它通过量化成本与效果的关系，帮助决策者在资源有限的前提下，选择“性价比最优”的联合方案。本文将结合行业实践与理论框架，从联合方案的内涵分类、成本-效果分析的理论基础、实践步骤、案例分析到挑战优化，系统阐述如何科学评估联合方案的经济性与临床价值，为跨领域决策提供方法论支撑。03ONE联合方案的内涵、分类与应用场景

联合方案的核心定义与特征联合方案（CombinationSchemes）是指基于特定目标，将两种或以上独立的技术、方法、资源或策略进行系统性整合，通过协同作用实现单一方案无法达成的综合效果。其核心特征可概括为三点：1.互补性：弥补单一方案的短板。例如，在2型糖尿病管理中，单用二甲双胍部分患者血糖不达标，联合SGLT-2抑制剂可同时改善血糖、心肾功能，弥补二甲双胍对心肾保护的不足。2.增效性：产生“1+1>2”的协同效应。如肿瘤治疗中，化疗药物快速杀灭增殖期肿瘤细胞，免疫药物激活机体长期免疫记忆，两者联合不仅提升短期缓解率，还可能延长无进展生存期。

联合方案的核心定义与特征3.复杂性：实施需多主体、多环节协同。工业领域的“智能制造联合方案”需整合设备供应商、算法工程师、一线操作员等多方资源，涉及硬件改造、软件调试、人员培训等多个环节，管理难度远高于单一技术升级。

联合方案的分类逻辑根据应用领域与协同机制，联合方案可划分为不同类型，不同类型的成本构成与效果维度差异显著，需针对性设计CEA方法。

联合方案的分类逻辑按应用领域划分（1）医疗健康领域：这是联合方案最成熟的领域，又可细分为：-治疗型联合：如“化疗+靶向+免疫”肿瘤综合治疗、“抗病毒+免疫调节”新冠重症治疗方案。其效果指标多为临床终点（生存率、治愈率、不良反应发生率），成本则包括药品费、检查费、住院费、不良反应管理费等。-管理型联合：如“医院+社区+家庭”的糖尿病慢病管理联合方案，通过三级网络实现筛查-干预-随访闭环。效果指标包括血糖控制率、再住院率、生活质量评分，成本涉及信息化系统建设、基层人员培训、患者教育等。

联合方案的分类逻辑按应用领域划分（2）工业制造领域：以技术协同为核心，例如：-技术融合型：“工业机器人+机器视觉+数字孪生”的智能质检联合方案，通过机器人精准操作、机器视觉缺陷识别、数字孪生实时优化，提升质检效率与准确率。效果指标为漏检率、检测速度、设备利用率，成本包括硬件采购、软件开发、系统集成与维护费。-供应链协同型：“上游原材料供应商+中游制造商+下游物流商”的联合库存管理，通过信息共享降低库存成本。效果指标为库存周转率、缺货率、供应链响应时间，成本涉及信息系统对接、数据安全投入、协调机制设计等。

联合方案的分类逻辑按应用领域划分（3）公共服务领域：强调多主体协作，如：-环境治理联合：“政府监管+企业治污+社区监督”的流域污染治理方案，通过政策约束、技术减排、公众参与实现“水清、岸绿”。效果指标为水质达标率、污染物削减量、公众满意度，成本包括治理工程投入、监管人员费用、公众宣传费等。-应急管理联合：“消防+医疗+社区”的地震救援联合方案，整合现场救援、医疗救治、临时安置能力。效果指标为救援响应时间、伤亡率、安置覆盖率，成本涉及应急物资储备、联合演练、通讯系统建设等。

联合方案的分类逻辑按协同机制划分（1）互补型联合：功能互补，无直接相互作用。如“降压药+降脂药”联合心血管疾病预防，分别针对血压、血脂风险因素，效果为心血管事件风险降低（叠加效应），成本为两种药物费用之和。（2）增效型联合：相互作用提升整体效果。如“PD-1抑制剂+CTLA-4抑制剂”联合肿瘤免疫治疗，通过双重激活T细胞通路，缓解率显著高于单药（协同效应），但需关注免疫相关不良反应导致的额外成本。（3）规避型联合：减少单一方案的副作用。如“糖皮质激素+钙剂”联合长期激素治疗，前者抗炎，后者预防骨质疏松，通过联合降低骨折风险，间接减少骨折治疗成本。123

联合方案的应用价值与局限性1联合方案的价值在于解决“单点突破”无法应对的复杂问题：肿瘤的异质性、工业系统的多变量耦合、社会问题的多主体关联，均需通过联合方案实现系统性优化。然而，其局限性同样突出：2-成本叠加效应：联合方案的直接成本（如多药物费用、多技术采购）往往高于单一方案，且可能因管理复杂度增加间接成本（如协调成本、培训成本）。3-实施风险上升：医疗领域可能面临药物相互作用风险，工业领域可能面临技术兼容性问题，公共服务领域可能面临多部门责任推诿。4-评估难度加大：效果可能是多维度、长周期的（如慢病管理的生活质量改善、工业技术的长期产能提升），成本与效果的量化需更精细的模型与方法。5正因如此，成本-效果分析成为联合方案从“理论可行”到“实践落地”的关键桥梁——它不仅要回答“是否有效”，更要回答“是否值得”。04ONE成本-效果分析的理论框架

成本-效果分析的理论框架成本-效果分析（CEA）是卫生经济学与决策分析的核心方法，其核心逻辑是通过比较不同方案的成本与健康效果（或非健康领域的效用），计算“单位效果增加所需成本”（即成本-效果比，CEER），或“额外成本带来的额外效果是否超过社会意愿支付阈值”（即增量成本-效果比，ICER）。在联合方案评估中，需结合联合方案的复杂性，构建适配的理论框架。

成本维度的界定与量化成本是CEA的基础，联合方案的成本需全面覆盖从投入到产出的全流程，可分为直接成本、间接成本与隐性成本三类。

成本维度的界定与量化直接成本指联合方案实施中直接消耗的资源，按发生环节可细分为：-方案开发成本：医疗领域的临床试验费用、工业领域的技术研发投入、公共服务领域的方案设计调研费。例如，某肿瘤联合化疗方案的临床试验成本可达数千万元，需分摊至每个患者成本中。-方案实施成本：医疗领域的药品费、检查费、手术费、不良反应处理费；工业领域的设备采购费、软件升级费、人员培训费；公共服务领域的工程建设费、物资采购费、人员薪酬。-方案管理成本：联合方案需多主体协调，产生的沟通成本、监管成本、质量控制成本。如MDT联合方案需定期召开病例讨论会，涉及专家劳务费、会议组织费等。

成本维度的界定与量化间接成本指与方案相关但非直接消耗的资源，包括：-患者/社会时间成本：医疗领域的患者住院时间、误工时间；工业领域的设备停机调试时间；公共服务领域的公众参与时间。例如，某慢病管理联合方案通过社区随访减少患者往返医院次数，间接降低了患者的时间成本。-生产力损失成本：因疾病或生产中断导致的经济损失。如肿瘤患者因治疗无法工作，或工业生产线因技术改造暂停生产。

成本维度的界定与量化隐性成本指难以货币化但影响决策的非经济成本，需通过主观量化方法（如意愿支付法、视觉模拟评分法）纳入分析：-痛苦与不适成本：医疗领域治疗的不良反应（如化疗导致的恶心、脱发），工业领域操作复杂度增加带来的学习压力，公共服务领域公众参与的时间精力投入。-伦理与公平性成本：资源分配是否公平，如高端联合方案可能加剧医疗资源不均，需量化“公平性损失”对整体社会价值的影响。关键点：联合方案的成本量化需避免“重复计算”与“遗漏”。例如，工业领域的“AI+物联网”联合方案，若AI系统已包含物联网模块，则物联网硬件成本不应重复计入；同时，数据安全投入等隐性成本也需纳入。

效果维度的选择与量化效果是CEA的核心，联合方案的效果需体现“协同效应”，避免简单叠加单一方案效果。根据应用领域，效果指标可分为临床效果、技术效果、社会效果三类。

效果维度的选择与量化临床效果（医疗领域）-直接临床指标：生存率（如1年生存率、3年生存率）、治愈率、缓解率（完全缓解+部分缓解）、不良反应发生率（如3-4级不良反应率）。01-间接临床指标：质量调整生命年（QALY，通过健康效用值将生活质量与生存期结合）、伤残调整生命年（DALY，衡量疾病负担）。02-患者报告结局（PRO）：生活质量评分（如EORTCQLQ-C30量表）、疼痛评分、满意度评分，反映患者主观体验。03

效果维度的选择与量化技术效果（工业领域）-效率指标：生产效率提升率（如单位时间产量）、设备利用率、能源消耗降低率。01-质量指标：产品合格率、缺陷率、稳定性（如标准差）。02-创新指标：技术迭代速度、专利数量、行业影响力。03

效果维度的选择与量化社会效果（公共服务领域）-服务覆盖指标：受益人群数量、服务可及性（如偏远地区覆盖率）。-满意度指标：公众满意度、服务对象评分。-系统指标：政策执行效率、跨部门协作顺畅度。关键点：联合方案的效果需体现“增量效果”。例如，某“手术+放疗”联合方案的效果，不应仅是手术效果与放疗效果的简单相加，而应测量联合后的实际生存期，再减去单一方案的最佳生存期，得出“联合带来的额外效果”。

成本-效果分析的核心指标与方法核心指标-成本-效果比（CEER）：总成本/总效果，表示单位效果所需的成本。CEER越低，方案经济性越好。适用于效果相同的方案比较（如均为提高生存率）。01-净货币收益（NMB）：效果×意愿支付阈值（WTP）-成本，将效果转化为货币价值，NMB>0表示方案值得推广。03-增量成本-效果比（ICER）：（方案A总成本-方案B总成本）/（方案A总效果-方案B总效果），表示额外单位效果增加所需的成本。适用于效果不同的方案比较，是CEA的核心指标。02

成本-效果分析的核心指标与方法分析方法No.3（1）决策树模型：适用于短期、单阶段的联合方案评估（如急性感染的治疗方案）。通过树状图展示不同决策路径下的成本与结果，计算期望成本与期望效果。（2）Markov模型：适用于长期、慢性病的联合方案评估（如糖尿病管理）。通过划分健康状态（如“血糖控制良好”“血糖控制不良”“并发症”），模拟状态转移概率，计算长期累积成本与QALY。（3）离散事件模拟（DES）：适用于复杂系统的联合方案评估（如工业供应链、应急响应）。通过模拟事件发生过程（如订单到达、故障发生），动态计算成本与效果，反映系统随机性。No.2No.1

成本-效果分析的核心指标与方法关键参数与假设CEA结果的可靠性高度依赖参数质量，需明确：-贴现率：未来成本与效果需折算为现值，医疗领域常用3%-5%，工业领域根据项目周期调整。-意愿支付阈值（WTP）：社会对额外效果的支付意愿，WHO建议以人均GDP的1-3倍作为WPT阈值，如中国2023年人均GDP约1.27万美元，则WPT约为1.3-3.8万美元/QALY。-敏感性分析：通过改变参数（如成本、效果、贴现率）验证结果的稳健性，常用单因素敏感性分析（龙卷风图）与概率敏感性分析（PSA，绘制成本-效果可接受曲线）。05ONE联合方案成本-效果分析的实践步骤

联合方案成本-效果分析的实践步骤以我参与的“晚期非小细胞肺癌PD-1抑制剂联合化疗vs单纯化疗”CEA项目为例，联合方案的成本-效果分析需遵循以下步骤，确保科学性与可操作性。

明确研究问题与决策目标231研究问题：比较PD-1抑制剂联合化疗（联合方案）与单纯化疗（单一方案）治疗晚期非小细胞肺癌的经济性与临床价值。决策目标：为医院药事委员会、医保部门提供决策依据，回答“联合方案是否值得纳入医保目录”或“医院是否优先采购联合方案”。目标人群：经病理学确诊的晚期非小细胞肺癌患者，ECOG评分0-2分，适合接受化疗。

界定研究视角与范围研究视角：社会视角（最全面的视角，包含所有直接与间接成本），同时补充医疗机构视角（仅考虑医院直接成本）。研究范围：时间跨度为3年（覆盖治疗期与随访期），成本包括药品费、检查费、住院费、不良反应处理费、患者误工费；效果包括总生存期（OS）、无进展生存期（PFS）、QALY。

数据收集与处理数据来源：-临床数据：引用III期随机对照试验（RCT）数据（如KEYNOTE-189研究），联合组OS=16.0个月，PFS=6.9个月，3-4级不良反应发生率=56%；化疗组OS=11.0个月，PFS=4.9个月，3-4级不良反应发生率=38%。-成本数据：从医院HIS系统提取药品费（PD-1抑制剂约2万元/周期，化疗药约5000元/周期）、住院费（1万元/周期）、不良反应处理费（联合组因不良反应增加住院天数，成本增加3000元/周期）。-效用数据：通过EQ-5D-5L量表收集患者生活质量数据，联合组平均效用值=0.65，化疗组=0.58。

数据收集与处理数据处理：-将OS、PFS转换为QALY：OS（年）×效用值，如联合组OS=16个月=1.33年，QALY=1.33×0.65=0.8645；化疗组OS=11个月=0.92年，QALY=0.92×0.58=0.5336。-成本贴现：按3%贴现率，将未来成本折算为现值，如联合组每周期成本=20000+5000+10000+3000=38000元，6个周期总成本=38×6=228000元，贴现后=228000×(1-1.03⁻⁶)/0.03≈122.5万元。

构建分析模型选择Markov模型，将患者健康状态划分为：-状态1：无进展（Progression-Free）-状态2：疾病进展（Progressed）-状态3：死亡（Death）转移概率：基于RCT数据，计算状态间转移概率，如联合组6个月无进展概率=6.9/16=0.43，化疗组=4.9/11=0.45。模拟周期：1个月/周期，共36周期（3年）。

计算成本与效果，进行增量分析结果计算（Markov模型模拟）：-联合组：总成本=125.3万元，总QALY=0.82-化疗组：总成本=45.6万元，总QALY=0.51增量分析：-Δ成本=125.3-45.6=79.7万元-ΔQALY=0.82-0.51=0.31-ICER=79.7万元/0.31QALY≈257万元/QALY与WPT比较：中国2023年人均GDP≈8.9万元，按3倍WPT=26.7万元/QALY，257万元/QALY远高于WPT，从社会视角看联合方案“不经济”；但从医疗机构视角（仅考虑医院直接成本），联合组成本=85.2万元，化疗组=32.8万元，ICER=85.2/0.82-32.8/0.51≈103.9-64.3=39.6万元/QALY，仍高于WPT，但差距缩小。

敏感性分析与结果解读单因素敏感性分析：影响ICER最敏感的参数为PD-1抑制剂价格（龙卷风图显示，若价格降至1万元/周期，ICER降至120万元/QALY，仍高于WPT）。概率敏感性分析（PSA）：当WPT=26.7万元/QALY时，联合方案成本-效果可接受概率（CEAC）=15%，即仅15%概率联合方案“值得推广”。结果解读：当前价格下，联合方案虽显著延长生存期，但ICER远超社会WPT，经济性较差；若通过医保谈判将PD-1抑制剂价格降至5000元/周期，ICER可降至120万元/QALY，结合患者生存获益，可考虑有限准入。

形成决策建议-短期建议：医院暂不优先采购联合方案，对经济困难患者申请慈善援助。-长期建议：联合药企开展药物经济学评价，推动价格谈判；探索“疗效导向”支付模式（如按疗效付费），患者生存期达标后再支付部分药费。06ONE联合方案成本-效果分析的挑战与优化方向

主要挑战1.数据质量与可得性：-医疗领域：RCT数据外推性不足（如排除老年、合并症患者），真实世界数据（RWD）存在混杂偏倚；工业领域：技术联合方案的效果数据往往涉及企业商业机密，获取难度大。-案例：某“AI+影像”肺癌筛查联合方案，因企业未公开算法性能数据，无法准确计算漏检率与成本，CEA无法开展。2.模型适用性与不确定性：-Markov模型适用于慢性病，但无法模拟联合方案的“动态协同效应”（如免疫治疗的“延迟获益”）；工业领域的复杂系统需DES模型，但建模成本高、耗时长。-挑战：联合方案的“非线性协同效应”（如两种技术叠加产生1+1>3的效果）难以通过传统模型量化。

主要挑战3.伦理与公平性考量：-高端联合方案（如CAR-T治疗）可能加剧医疗资源不均，CEA若仅关注“平均效果”，可能忽视弱势群体的需求。-案例：某罕见病联合方案成本500万元/人，效果提升10%，但全国仅100例患者，若完全自费，多数患者无法负担，需在CEA中纳入“公平性权重”。4.动态变化与技术迭代：-联合方案的技术/药物更新快，当前CEA结果可能随新方案出现而失效（如PD-1抑制剂上市后，后续又有PD-L1抑制剂联合方案）。

优化方向1.多源数据融合与真实世界研究：-结合RCT数据与电子健康记录（EHR）、医保结算数据、物联网设备数据，构建更真实的数据基础。-案例：某医院通过整合EHR数据与患者穿戴设备数据，对糖尿病联合管理方案进行CEA，发现真实世界QALY比RCT高15%，因RWD包含了患者长期依从性数据。2.动态决策模型与机器学习应用：-引入系统动力学模型（SD）模拟联合方案的长期演化，结合机器学习（如强化学习）优化参数估计，解决“非线性协同效应”量化问题。-案例：工业领域应用SD模型模拟“AI+物联网”智能制造方案的产能提升路径，发现协同效应在18个月后达到峰值，为成本分摊提供依据。

优化方向3.多维度评估与公平性调整：-构建“成本-效果-公平性”三维评估框