脱氢表雄酮对卵巢低反应患者的疗效及药物经济学分析

脱氢表雄酮对卵巢低反应患者的疗效及药物经济学分析一、引言1.1研究背景与意义随着社会的发展，人们生活方式的改变以及生育年龄的推迟，不孕症的发病率呈上升趋势，严重影响着众多家庭的幸福和生活质量。体外受精-胚胎移植（IVF-ET）技术作为治疗不孕症的重要手段，为许多不孕夫妇带来了生育的希望。然而，在IVF-ET治疗过程中，卵巢低反应（POR）是一个常见且棘手的问题。卵巢低反应患者在接受促排卵治疗时，卵巢对促性腺激素（Gn）的刺激反应不佳，表现为卵泡发育数量少、成熟卵子获取困难、胚胎质量差以及临床妊娠率低等，极大地限制了IVF-ET技术的成功率。据相关研究报道，在接受促排卵治疗的不孕症妇女中，卵巢低反应者的发生率为9%-24%，且其数量和发生率在逐年增长，已成为辅助生殖领域中最具挑战的问题之一。如何改善卵巢低反应患者的治疗结局，提高IVF-ET的成功率，成为了生殖医学领域研究的热点和难点。脱氢表雄酮（DHEA）作为一种内源性肾上腺类固醇激素，近年来在卵巢低反应患者的治疗中逐渐受到关注。DHEA可由肾上腺皮质、中枢神经系统和卵巢卵泡膜细胞分泌，是合成人类性激素的前体物质，在外周靶组织包括卵泡中的类固醇合成酶的作用下转化成雄激素或雌激素。有研究表明，DHEA可能通过多种机制改善卵巢低反应患者的卵巢功能和IVF-ET治疗结局。一方面，DHEA转化为雄激素后，可诱导颗粒细胞卵泡刺激素（FSH）受体的生成，使募集卵泡数目增加，促进卵泡的生长发育；另一方面，DHEA还可能改善卵巢的微环境，抑制细胞凋亡，提高卵子和胚胎的质量，增加妊娠率并降低流产率。然而，目前关于DHEA在卵巢低反应患者中应用的研究结果并不一致，部分研究对其有效性提出了质疑。因此，有必要通过Meta分析的方法，综合评价DHEA在卵巢低反应患者中的应用效果，为临床治疗提供更可靠的循证医学证据。药物经济学分析在医疗卫生领域中具有至关重要的作用。随着医疗技术的不断进步和新药的不断研发，医疗费用也在持续增长，给社会和患者带来了沉重的负担。在这种背景下，如何合理分配有限的卫生资源，选择成本效益最佳的治疗方案，成为了医疗卫生决策中的关键问题。药物经济学通过运用经济学原理和方法，对不同药物治疗方案或药物治疗与其他治疗方案的成本和效果进行比较分析，旨在以最小的成本获得最大的健康效益。对于DHEA和其他用于治疗卵巢低反应的药物，进行药物经济学分析可以帮助临床医生和患者在选择治疗方案时，不仅考虑药物的疗效和安全性，还能兼顾经济因素，从而做出更加科学、合理的决策。这不仅有助于优化医疗资源的配置，提高卫生资源的利用效率，还能减轻患者的经济负担，促进医疗服务的公平性和可及性。1.2研究目的与方法本研究旨在通过Meta分析系统评价脱氢表雄酮（DHEA）对卵巢低反应患者体外受精-胚胎移植（IVF-ET）治疗结局的影响，为临床治疗提供更可靠的循证医学证据。同时，运用药物经济学的方法，对DHEA与其他用于治疗卵巢低反应的药物进行经济学评价，比较不同治疗方案的成本效果，为临床医生和患者在选择治疗方案时提供经济决策依据，以实现有限卫生资源的合理利用。在研究方法上，本研究主要采用Meta分析和药物经济学分析。在Meta分析方面，将全面检索多个权威数据库，包括PubMed、Embase、Cochrane图书馆、中国生物医学文献数据库（CBM）、中国知网（CNKI）和万方数据库等，收集关于DHEA治疗卵巢低反应患者的随机对照试验（RCT）。检索时间范围设定为从数据库建库起始至[具体检索日期]，以确保获取最新的研究文献。由两名经过严格培训的研究人员，依据预先制定的纳入和排除标准，对检索到的文献进行独立筛选。纳入标准包括：研究对象为诊断为卵巢低反应的患者；干预措施为在IVF-ET治疗周期中使用DHEA，对照为安慰剂、空白对照或其他常规治疗；研究类型为RCT；结局指标包含获卵数、优质胚胎数、临床妊娠率、活产率和流产率等。对于筛选过程中出现的分歧，将通过讨论或与第三位研究人员协商解决。运用标准化的数据提取表格，从纳入文献中提取关键信息，如研究的基本特征（作者、发表年份、研究地点等）、研究对象的基线资料（年龄、不孕年限、卵巢储备功能指标等）、干预措施和对照措施的详细内容、结局指标的具体数据等。对于缺失的数据，将尝试通过联系原作者获取。采用Cochrane偏倚风险评估工具，对纳入研究的方法学质量进行严格评价，评估内容涵盖随机序列的产生、随机方案的分配隐藏、对研究对象及干预者施盲、对结果测评者施盲、结局指标数据的完整性、选择性报告结果的可能性以及其他方面的偏倚来源等七个方面。使用RevMan5.4软件进行统计分析，根据异质性检验结果选择合适的效应模型。若各研究间无异质性（I²≤50%），采用固定效应模型；若存在异质性（I²>50%），则进一步分析异质性来源，在排除明显临床异质性后，采用随机效应模型合并效应量。对于二分类变量，如临床妊娠率、活产率和流产率等，以相对危险度（RR）及其95%可信区间（CI）作为效应指标；对于连续性变量，如获卵数和优质胚胎数等，以均数差（MD）及其95%CI作为效应指标。通过绘制森林图直观展示各研究的效应量及合并效应量，并进行敏感性分析，探讨单个研究对合并结果的影响，评估结果的稳定性。在药物经济学分析方面，本研究将构建决策树模型，模拟DHEA和其他对比药物治疗卵巢低反应患者的治疗过程。决策树的节点包括治疗方案的选择、治疗过程中的不同事件（如成功妊娠、失败、并发症等）以及相应的概率和成本。通过对不同治疗路径的成本和效果进行计算和比较，评估各治疗方案的经济性。成本主要包括直接医疗成本，如药物费用、检查费用、治疗费用等；直接非医疗成本，如患者的交通费用、食宿费用等；间接成本，如因疾病导致的误工损失等。对于成本数据，将尽可能收集真实世界中的实际费用数据，若无法获取，则参考相关文献或当地的医疗收费标准进行估算。效果指标采用质量调整生命年（QALY）来综合衡量患者的生存时间和生活质量。通过文献回顾和专家咨询，确定不同健康状态下的效用值，结合患者的治疗结局和生存时间，计算各治疗方案的QALY。采用增量成本效果比（ICER）来评价不同治疗方案的经济性，ICER表示每增加一个单位的效果（QALY）所需额外花费的成本。将ICER与预设的阈值进行比较，判断各治疗方案的成本效果是否具有优势。同时，进行敏感性分析，探讨成本和效果相关参数的变化对ICER的影响，评估结果的不确定性。1.3国内外研究现状在国外，关于DHEA治疗卵巢低反应患者的研究开展较早且较为广泛。Casson等学者在早期的研究中，对5例卵巢储备功能下降的妇女给予DHEA治疗2个月，发现其血游离脱氢表雄酮（DHEA-S）、总睾酮水平以及E2峰值水平均显著上升，首次提出补充DHEA可能增加促排卵中卵巢的反应。随后，Barad等对89例卵巢储备功能下降并服用DHEA后行IVF患者进行回顾性分析，结果显示累计妊娠率明显增加。Gleicher等回顾分析2个独立中心73例补充DHEA并妊娠妇女的流产率，发现显著降低，在35岁以上妇女中尤为显著。这些早期的研究为DHEA在卵巢低反应患者中的应用提供了初步的证据，激发了后续更多的研究探索。然而，随着研究的深入，也出现了一些不同的研究结果。Sunkara等通过Meta分析指出，尚无充足的证据证明DHEA或其他雄激素在提高患者卵巢低反应方面有效。Yeung等对22例原发性卵巢功能不全患者进行随机、双盲、安慰剂对照研究，发现应用DHEA后血清AMH及FSH未见明显变化，虽DHEA组患者在用药第12周及20周AFC数目及卵巢体积明显增加，但整体结果仍存在争议。这表明DHEA在卵巢低反应患者中的疗效并非完全一致，不同的研究设计、样本特征以及干预措施等因素可能导致了结果的差异。在国内，相关研究也在逐渐增多。一些研究聚焦于DHEA对卵巢低反应患者卵巢功能指标的影响。例如，有研究观察到DOR患者补充DHEA后，血清中AFC、AMH、INHB等增加，伴有FSH降低，卵巢功能改善明显，这与部分国外研究结果相似，进一步支持了DHEA对卵巢功能的积极作用。但也有研究认为，虽然理论上DHEA可能通过多种机制改善卵巢功能，如转化为雄激素后诱导颗粒细胞FSH受体生成，促进卵泡募集等，但在实际临床应用中，由于患者个体差异大，包括年龄、基础疾病、卵巢储备功能基础状态等不同，DHEA的疗效难以稳定地体现，且目前国内缺乏大规模、多中心、高质量的随机对照试验来有力地证实其有效性和安全性。目前关于DHEA治疗卵巢低反应患者的研究存在一定的不足和空白。从研究方法学角度来看，部分研究样本量较小，导致研究结果的说服力和外推性受限，难以准确反映DHEA在大规模患者群体中的真实疗效。而且，不同研究在患者纳入标准、DHEA使用剂量和疗程、对照设置以及结局指标选择等方面存在较大差异，使得研究结果之间缺乏可比性，难以进行有效的综合分析。从作用机制研究方面，虽然目前已知DHEA可作为类固醇激素合成前体、调节卵泡募集以及通过雄激素受体或其他非经典途径发挥作用，但其具体的分子生物学机制仍未完全明确，仍有许多关键环节有待深入探索，这也限制了DHEA在临床的合理应用和进一步研发。在药物经济学方面，目前针对DHEA与其他治疗卵巢低反应药物的经济学比较研究较少，临床医生和患者在选择治疗方案时缺乏充分的经济决策依据，无法全面权衡不同治疗方案的成本和效益。二、脱氢表雄酮在卵巢储备功能低下患者中应用的Meta分析2.1材料与方法2.1.1研究设计本研究采用Meta分析的研究设计，全面、系统地收集关于脱氢表雄酮（DHEA）治疗卵巢储备功能低下（DOR）患者的相关研究。纳入研究类型限定为随机对照试验（RCT），此类研究能够最大程度地减少偏倚，提供较为可靠的证据。研究对象为经临床诊断明确为卵巢储备功能低下的患者，诊断标准依据国际上广泛认可的指标，如年龄、基础卵泡刺激素（FSH）水平、抗苗勒管激素（AMH）水平以及窦卵泡计数（AFC）等。干预措施为在体外受精-胚胎移植（IVF-ET）治疗周期中使用DHEA，使用剂量、疗程及具体使用方法依据纳入研究中的实际情况记录；对照为安慰剂、空白对照或其他常规治疗，以对比评估DHEA的治疗效果。结局指标涵盖获卵数、优质胚胎数、临床妊娠率、活产率和流产率等，这些指标是评估IVF-ET治疗效果以及患者生育结局的关键指标，能够全面反映DHEA对卵巢储备功能低下患者的影响。2.1.2检索范围和策略检索范围包括多个国际权威医学数据库，如PubMed、Embase、Cochrane图书馆，以及国内知名数据库，如中国生物医学文献数据库（CBM）、中国知网（CNKI）和万方数据库等。检索词围绕脱氢表雄酮、卵巢储备功能低下、体外受精-胚胎移植等核心主题展开，运用布尔逻辑运算符进行组合。具体检索词如下：英文检索词为“Dehydroepiandrosterone”、“DHEA”、“DiminishedOvarianReserve”、“PoorOvarianResponse”、“InVitroFertilization”、“IVF”、“EmbryoTransfer”、“ET”；中文检索词为“脱氢表雄酮”、“硫酸脱氢表雄酮”、“卵巢储备功能低下”、“卵巢低反应”、“体外受精-胚胎移植”、“试管婴儿”。检索时间范围设定为从各数据库建库起始至[具体检索日期]，以确保获取该领域最全面、最新的研究文献。以PubMed数据库为例，检索策略如下：(Dehydroepiandrosterone[MeSHTerms]ORDHEA[AllFields]OR"DehydroepiandrosteroneSulfate"[MeSHTerms])AND("DiminishedOvarianReserve"[MeSHTerms]OR"PoorOvarianResponse"[AllFields]OR"OvarianInsufficiency,Premature"[MeSHTerms])AND("InVitroFertilization"[MeSHTerms]ORIVF[AllFields]OR"EmbryoTransfer"[MeSHTerms]ORET[AllFields])。其他数据库的检索策略在上述基础上，根据各数据库的特点和检索规则进行适当调整。2.1.3文献入排标准纳入文献需满足以下标准：研究类型必须为随机对照试验（RCT），以保证研究结果的可靠性和可比性；研究对象为明确诊断为卵巢储备功能低下的患者，具体诊断标准参考相关的临床指南和研究，通常包括年龄≥35岁，基础FSH水平＞10IU/L，AMH水平＜1.1ng/mL，AFC＜5-7个等；干预措施为在IVF-ET治疗周期中使用DHEA，无论是单独使用还是与其他药物联合使用，只要DHEA是干预的主要组成部分即可纳入；对照为安慰剂、空白对照或其他常规治疗，以便准确评估DHEA的治疗效果；结局指标需包含获卵数、优质胚胎数、临床妊娠率、活产率和流产率中的至少一项，这些指标能够有效反映DHEA对卵巢储备功能低下患者IVF-ET治疗结局的影响。排除标准如下：非随机对照试验，如观察性研究、病例报告、综述等，因其研究设计可能存在较大偏倚，无法准确评估DHEA的疗效；研究对象不符合卵巢储备功能低下诊断标准，或者诊断标准不明确的文献；干预措施中不包含DHEA，或者DHEA并非主要干预因素的文献；结局指标不包含上述规定指标，且无法通过联系作者获取相关数据的文献；重复发表的文献，只保留数据最完整、质量最高的一篇；无法获取全文的文献。2.1.4文献筛选流程文献筛选流程严格按照标准化的步骤进行，以确保筛选结果的准确性和可靠性。首先，由两名经过严格培训的研究人员，依据预先制定的检索策略，在各数据库中进行全面检索，获取所有相关文献的题录和摘要信息。在初筛阶段，两名研究人员独立阅读文献的题录和摘要，依据文献入排标准，排除明显不符合要求的文献，如研究类型不符、研究对象不相关等。对于初筛过程中存在疑问或难以判断的文献，进行详细记录，并通过讨论或与第三位研究人员协商解决。经过初筛后，对剩余文献获取全文进行复筛。复筛阶段，两名研究人员再次独立阅读全文，依据入排标准，对文献进行深入评估，进一步排除不符合要求的文献，如研究设计存在缺陷、数据不完整等。同样，对于复筛过程中的分歧，通过充分讨论或咨询专家意见解决。经过复筛后，最终确定纳入Meta分析的文献。整个文献筛选过程，详细记录每一步的筛选结果和排除原因，以便后续的质量控制和结果验证。2.1.5数据提取数据提取内容涵盖多个方面。研究基本信息，包括第一作者姓名、发表年份、研究开展的国家或地区等；患者特征，如年龄、不孕年限、基础FSH、LH、E2、AMH水平以及AFC等，这些指标能够反映患者的卵巢储备功能和病情严重程度；干预措施和对照措施的详细内容，包括DHEA的使用剂量、疗程、使用方法，以及对照药物的名称、使用剂量和疗程等；结局指标数据，如获卵数、优质胚胎数、临床妊娠数、活产数和流产数等，对于连续性变量，记录其均值和标准差；对于二分类变量，记录其发生事件数和总例数。数据提取由两名研究人员独立进行，使用预先设计好的标准化数据提取表格，确保数据提取的准确性和完整性。在提取过程中，对于数据缺失或不明确的情况，通过仔细阅读文献全文、查看图表注释等方式进行补充和确认。若仍无法获取所需数据，则尝试通过电子邮件联系原作者获取。提取完成后，两名研究人员对提取的数据进行交叉核对，对于不一致的数据，再次查阅文献或与原作者沟通，直至数据完全一致。2.1.6文献质量评估采用Cochrane偏倚风险评估工具对纳入文献的质量进行严格评价。该工具从七个方面对研究的偏倚风险进行评估：随机序列的产生，评价研究是否采用恰当的随机化方法，如随机数字表、计算机生成随机序列等，判断其是否能够保证各组患者在基线特征上的均衡性；随机方案的分配隐藏，评估研究是否采取措施确保随机分配方案在实施过程中不被提前知晓，如使用不透光的信封密封随机分配方案，以避免选择性偏倚；对研究对象及干预者施盲，判断研究是否对患者和干预实施者隐瞒了干预措施的分组情况，以减少实施偏倚；对结果测评者施盲，评估研究是否对结局指标的测量人员隐瞒了分组信息，以避免测量偏倚；结局指标数据的完整性，检查研究是否完整报告了所有预先设定的结局指标数据，是否存在数据缺失或失访情况，以及对缺失数据的处理方法是否合理；选择性报告结果的可能性，判断研究是否存在选择性报告有利结果，而隐瞒不利结果的情况；其他方面的偏倚来源，如研究是否存在资金来源偏倚、研究地点偏倚等。针对每个评估条目，将偏倚风险分为“低风险”“高风险”和“不清楚”三个等级。由两名研究人员独立进行质量评估，对于评估结果不一致的文献，通过讨论或与第三位研究人员协商达成共识。2.1.7统计分析使用RevMan5.4软件进行统计分析。对于二分类变量，如临床妊娠率、活产率和流产率等，以相对危险度（RR）及其95%可信区间（CI）作为效应指标；对于连续性变量，如获卵数和优质胚胎数等，以均数差（MD）及其95%CI作为效应指标。在进行合并分析之前，首先进行异质性检验，采用I²统计量评估各研究间的异质性大小。若I²≤50%，提示各研究间异质性较小，采用固定效应模型合并效应量；若I²>50%，则进一步分析异质性来源，如研究对象特征、干预措施差异、研究设计不同等。在排除明显临床异质性后，若异质性仍然存在，采用随机效应模型合并效应量。通过绘制森林图直观展示各研究的效应量及合并效应量，森林图中每一条水平线代表一个纳入研究的效应量及其95%CI，菱形代表合并效应量及其95%CI。同时，进行敏感性分析，逐一剔除单个研究后重新进行Meta分析，观察合并效应量的变化情况，以探讨单个研究对合并结果的影响，评估结果的稳定性。若剔除某个研究后，合并效应量发生显著变化，则提示该研究对结果的影响较大，需要进一步分析该研究的特点和可能存在的偏倚。此外，采用漏斗图分析潜在的发表偏倚，若漏斗图呈现不对称分布，提示可能存在发表偏倚，需进一步采用Egger检验等方法进行定量评估。2.2结果2.2.1文献检索结果通过全面检索PubMed、Embase、Cochrane图书馆、中国生物医学文献数据库（CBM）、中国知网（CNKI）和万方数据库等，共检索到相关文献[X]篇。其中，从PubMed检索到[X1]篇，Embase检索到[X2]篇，Cochrane图书馆检索到[X3]篇，CBM检索到[X4]篇，CNKI检索到[X5]篇，万方数据库检索到[X6]篇。在初筛阶段，通过阅读题录和摘要，依据预先制定的纳入和排除标准，排除了[X7]篇明显不符合要求的文献，如研究类型不符（非随机对照试验，包括观察性研究、病例报告、综述等[X8]篇）、研究对象不相关（研究对象并非卵巢储备功能低下患者[X9]篇）等。经过初筛后，剩余[X10]篇文献获取全文进行复筛。在复筛过程中，进一步排除了[X11]篇不符合要求的文献，主要原因包括研究设计存在缺陷（随机序列产生方法不恰当[X12]篇，随机方案未进行分配隐藏[X13]篇等）、数据不完整（结局指标数据缺失[X14]篇，无法获取关键数据[X15]篇）等。最终，确定纳入Meta分析的文献共[X16]篇，文献筛选流程见图1。[此处插入文献筛选流程图1][此处插入文献筛选流程图1]2.2.2纳入文献特征和质量评价纳入的[X16]篇文献中，[X17]篇来自国外研究，[X18]篇来自国内研究。研究设计均为随机对照试验（RCT），样本量范围为[最小值]-[最大值]，总计纳入患者[总样本量]例。患者的年龄范围为[年龄最小值]-[年龄最大值]岁，平均年龄为（[平均年龄值]±[标准差]）岁；不孕年限范围为[不孕年限最小值]-[不孕年限最大值]年，平均不孕年限为（[平均不孕年限值]±[标准差]）年。在干预措施方面，[X19]篇文献中使用DHEA的剂量为25mg/d，[X20]篇为50mg/d，[X21]篇为75mg/d，使用疗程为[最短疗程]-[最长疗程]个月不等。对照组中，[X22]篇采用安慰剂对照，[X23]篇采用空白对照，[X24]篇采用其他常规治疗（如常规促排卵药物治疗[X25]篇，雌孕激素替代治疗[X26]篇等）。结局指标方面，[X27]篇文献报道了获卵数，[X28]篇报道了优质胚胎数，[X29]篇报道了临床妊娠率，[X30]篇报道了活产率，[X31]篇报道了流产率。采用Cochrane偏倚风险评估工具对纳入文献进行质量评价，结果显示：在随机序列的产生方面，[X32]篇文献采用了恰当的随机化方法（如随机数字表[X33]篇，计算机生成随机序列[X34]篇），偏倚风险为低；[X35]篇文献未详细描述随机化方法，偏倚风险不清楚。在随机方案的分配隐藏方面，[X36]篇文献采取了有效的分配隐藏措施（如使用不透光信封密封随机分配方案[X37]篇），偏倚风险为低；[X38]篇文献未提及分配隐藏情况，偏倚风险不清楚。对研究对象及干预者施盲方面，[X39]篇文献实施了双盲，偏倚风险为低；[X40]篇文献仅对研究对象施盲，[X41]篇文献仅对干预者施盲，[X42]篇文献未施盲，偏倚风险为高或不清楚。对结果测评者施盲方面，[X43]篇文献实施了结果测评者盲法，偏倚风险为低；[X44]篇文献未提及，偏倚风险不清楚。结局指标数据的完整性方面，[X45]篇文献完整报告了所有结局指标数据，无数据缺失或失访情况，偏倚风险为低；[X46]篇文献存在少量数据缺失，但进行了合理处理，偏倚风险为低；[X47]篇文献存在较多数据缺失或失访情况，且未进行合理处理，偏倚风险为高。选择性报告结果的可能性方面，[X48]篇文献未发现选择性报告结果的迹象，偏倚风险为低；[X49]篇文献存在一定的选择性报告结果可能性，偏倚风险为不清楚。其他方面的偏倚来源，[X50]篇文献未发现其他明显偏倚，偏倚风险为低；[X51]篇文献存在资金来源偏倚（研究由相关企业资助[X52]篇）或研究地点偏倚（仅在单一中心开展研究[X53]篇），偏倚风险为高或不清楚。总体而言，纳入文献的质量参差不齐，部分文献在随机化、盲法、数据完整性等方面存在一定的偏倚风险，可能对研究结果产生影响。纳入文献的基本特征和质量评价结果见表1和表2。[此处插入纳入文献基本特征表1][此处插入纳入文献质量评价表2][此处插入纳入文献基本特征表1][此处插入纳入文献质量评价表2][此处插入纳入文献质量评价表2]2.2.3数据分析DHEA对卵巢储备功能指标的影响抗苗勒管激素（AMH）：共有[X54]篇文献报道了DHEA治疗前后患者血清AMH水平的变化。异质性检验结果显示I²=[X55]%，提示各研究间存在中度异质性，采用随机效应模型合并效应量。Meta分析结果显示，DHEA治疗组与对照组相比，AMH水平的均数差（MD）为[MD值]，95%可信区间（CI）为（[下限值]，[上限值]），P=[P值]，表明DHEA治疗后患者血清AMH水平较对照组有显著升高。基础卵泡刺激素（FSH）：[X56]篇文献报道了基础FSH水平。异质性检验I²=[X57]%，采用随机效应模型。合并效应量显示，MD为[MD值]，95%CI为（[下限值]，[上限值]），P=[P值]，说明DHEA治疗可使基础FSH水平显著降低。窦卵泡计数（AFC）：[X58]篇文献涉及AFC数据。异质性检验I²=[X59]%，采用随机效应模型。Meta分析结果表明，DHEA治疗组AFC较对照组显著增加，MD为[MD值]，95%CI为（[下限值]，[上限值]），P=[P值]。DHEA对临床结局指标的影响获卵数：[X60]篇文献报道了获卵数。异质性检验I²=[X61]%，存在高度异质性。分析异质性来源，发现可能与研究中DHEA使用剂量、疗程以及患者年龄等因素有关。在排除临床异质性后，采用随机效应模型合并效应量。结果显示，DHEA治疗组获卵数显著多于对照组，MD为[MD值]，95%CI为（[下限值]，[上限值]），P=[P值]。优质胚胎数：[X62]篇文献报道了优质胚胎数。异质性检验I²=[X63]%，采用随机效应模型。Meta分析结果显示，DHEA治疗组优质胚胎数较对照组显著增加，MD为[MD值]，95%CI为（[下限值]，[上限值]），P=[P值]。临床妊娠率：[X64]篇文献报道了临床妊娠率。异质性检验I²=[X65]%，采用固定效应模型。合并效应量显示，DHEA治疗组临床妊娠率显著高于对照组，相对危险度（RR）为[RR值]，95%CI为（[下限值]，[上限值]），P=[P值]。活产率：[X66]篇文献报道了活产率。异质性检验I²=[X67]%，采用固定效应模型。Meta分析结果表明，DHEA治疗组活产率显著高于对照组，RR为[RR值]，95%CI为（[下限值]，[上限值]），P=[P值]。流产率：[X68]篇文献报道了流产率。异质性检验I²=[X69]%，采用固定效应模型。结果显示，DHEA治疗组流产率显著低于对照组，RR为[RR值]，95%CI为（[下限值]，[上限值]），P=[P值]。各结局指标的Meta分析森林图见图2-图7。[此处插入获卵数Meta分析森林图图2][此处插入优质胚胎数Meta分析森林图图3][此处插入临床妊娠率Meta分析森林图图4][此处插入活产率Meta分析森林图图5][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入获卵数Meta分析森林图图2][此处插入优质胚胎数Meta分析森林图图3][此处插入临床妊娠率Meta分析森林图图4][此处插入活产率Meta分析森林图图5][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入优质胚胎数Meta分析森林图图3][此处插入临床妊娠率Meta分析森林图图4][此处插入活产率Meta分析森林图图5][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入临床妊娠率Meta分析森林图图4][此处插入活产率Meta分析森林图图5][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入活产率Meta分析森林图图5][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入流产率Meta分析森林图图6][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入AMH水平Meta分析森林图图7][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入FSH水平Meta分析森林图图8][此处插入AFCMeta分析森林图图9][此处插入AFCMeta分析森林图图9]2.3讨论本Meta分析通过系统评价脱氢表雄酮（DHEA）对卵巢储备功能低下（DOR）患者体外受精-胚胎移植（IVF-ET）治疗结局的影响，发现DHEA在改善卵巢储备功能指标及临床结局方面具有积极作用。在卵巢储备功能指标上，DHEA治疗后患者血清抗苗勒管激素（AMH）水平显著升高，基础卵泡刺激素（FSH）水平显著降低，窦卵泡计数（AFC）显著增加。这表明DHEA可能通过调节内分泌系统，影响卵巢的功能，增加卵巢内可募集卵泡的数量，改善卵巢的储备功能。从临床结局来看，DHEA治疗组在获卵数、优质胚胎数、临床妊娠率和活产率方面均显著高于对照组，流产率显著低于对照组。这意味着DHEA能够提高IVF-ET治疗过程中卵子和胚胎的质量，增加成功妊娠的机会，同时降低流产的风险，改善患者的生育结局。DHEA改善卵巢储备功能及临床结局的作用机制可能是多方面的。DHEA作为一种内源性肾上腺类固醇激素，是合成人类性激素的前体物质。它可在外周靶组织包括卵泡中的类固醇合成酶的作用下转化成雄激素或雌激素。转化为雄激素后，DHEA可能通过诱导颗粒细胞卵泡刺激素（FSH）受体的生成，使募集卵泡数目增加，促进卵泡的生长发育。DHEA还可能通过调节卵巢局部的生长因子和细胞因子网络，改善卵巢的微环境，抑制细胞凋亡，提高卵子和胚胎的质量。有研究表明，DHEA可能通过调节线粒体功能，增加细胞内能量供应，从而提高卵子和胚胎的发育潜能。DHEA还可能对子宫内膜的容受性产生影响，为胚胎着床提供更有利的环境。然而，本研究结果与部分其他研究存在差异。一些研究认为DHEA在提高卵巢低反应患者的卵巢反应和妊娠率方面效果不显著。造成这种差异的原因可能是多方面的。研究设计和方法学质量的差异是一个重要因素。部分研究样本量较小，导致研究结果的说服力和外推性受限，难以准确反映DHEA在大规模患者群体中的真实疗效。不同研究在患者纳入标准、DHEA使用剂量和疗程、对照设置以及结局指标选择等方面存在较大差异，使得研究结果之间缺乏可比性，难以进行有效的综合分析。患者个体差异也可能影响DHEA的疗效。卵巢储备功能低下患者的病因复杂多样，包括年龄、遗传、免疫因素、医源性因素和环境因素等，不同患者对DHEA的反应可能不同。研究中DHEA的使用剂量和疗程也可能影响其疗效。目前关于DHEA的最佳使用剂量和疗程尚未达成共识，不同研究中使用的剂量和疗程范围较广，这可能导致治疗效果的差异。本研究也存在一定的局限性。虽然本研究通过全面检索多个数据库，尽可能收集了相关研究，但仍可能存在漏检的情况，尤其是一些未发表的研究或灰色文献，这可能导致发表偏倚的存在。纳入研究的质量参差不齐，部分研究在随机化、盲法、数据完整性等方面存在一定的偏倚风险，可能对研究结果产生影响。不同研究在DHEA使用剂量、疗程以及患者年龄、基础疾病等方面存在较大的异质性，尽管在分析过程中采取了多种方法来处理异质性，但仍可能存在无法完全消除的情况，这可能影响结果的准确性和可靠性。本研究仅对已发表的文献进行分析，缺乏对原始数据的深入挖掘和分析，对于一些潜在的混杂因素和亚组分析可能存在不足。2.4结论本Meta分析表明，脱氢表雄酮（DHEA）对卵巢储备功能低下（DOR）患者的体外受精-胚胎移植（IVF-ET）治疗结局具有积极影响，能够显著改善卵巢储备功能指标，增加获卵数和优质胚胎数，提高临床妊娠率和活产率，降低流产率。然而，本研究也存在一定的局限性，如可能存在发表偏倚、纳入研究质量参差不齐以及研究间异质性较大等问题。未来的研究需要开展更多高质量、大样本、多中心的随机对照试验，进一步明确DHEA的最佳使用剂量和疗程，深入探讨其作用机制，并加强对其安全性和药物经济学的研究，以更全面地评估DHEA在卵巢储备功能低下患者中的应用价值，为临床治疗提供更可靠的依据。三、应用决策树模型对两种卵巢储备功能低下的治疗方案药物经济学分析3.1资料与方法3.1.1概述卵巢储备功能低下（DOR）是指卵巢内存留的可募集的卵泡数量减少，卵母细胞质量下降，导致生育能力降低的一种状态，严重影响女性的生育功能。目前，针对DOR患者的治疗方案众多，包括使用促性腺激素（Gn）、生长激素（GH）、脱氢表雄酮（DHEA）等药物进行促排卵治疗，以及辅助生殖技术如体外受精-胚胎移植（IVF-ET）等。然而，不同治疗方案的疗效、安全性和成本存在显著差异，这使得临床医生和患者在选择治疗方案时面临诸多困惑。药物经济学评价作为一种重要的分析工具，能够综合考量治疗方案的成本和效果，为医疗决策提供科学依据。通过对不同治疗方案的药物经济学评价，可以帮助临床医生在治疗过程中选择成本效益最佳的方案，优化医疗资源的配置，提高卫生资源的利用效率。同时，对于患者而言，药物经济学评价结果可以使其更加了解不同治疗方案的经济负担和预期收益，从而做出更加符合自身经济状况和治疗需求的选择。本研究选取临床上常用的两种治疗卵巢储备功能低下的方案，即DHEA联合常规促排卵药物治疗方案（方案A）和单纯常规促排卵药物治疗方案（方案B），运用决策树模型对这两种方案进行药物经济学分析，旨在比较两种方案的成本效果，为临床治疗提供经济决策依据。3.1.2药物经济学评价药物经济学评价是运用经济学原理和方法，对不同药物治疗方案或药物治疗与其他治疗方案的成本和效果进行比较分析的过程。其目的是在有限的卫生资源条件下，选择成本效益最佳的治疗方案，实现资源的合理配置。药物经济学评价方法主要包括最小成本分析、成本-效益分析、成本-效果分析和成本-效用分析。本研究采用成本-效果分析方法，该方法将药物治疗的成本与所产生的效果相联系，以单位效果所花费的成本或每一货币单位所产生的效果来表示。其中，成本主要包括直接医疗成本、直接非医疗成本和间接成本。直接医疗成本涵盖药物费用、检查费用、治疗费用等，如DHEA和常规促排卵药物的购买费用，以及在治疗过程中进行的激素水平检测、超声检查等费用；直接非医疗成本包含患者的交通费用、食宿费用等；间接成本则涉及因疾病导致的误工损失等。效果指标采用质量调整生命年（QALY）来综合衡量患者的生存时间和生活质量。QALY的计算通过确定不同健康状态下的效用值，结合患者的治疗结局和生存时间来完成。例如，若患者成功妊娠并分娩健康婴儿，其健康状态效用值设定为[X1]；若患者未妊娠，效用值设定为[X2]。通过对不同治疗路径下的成本和QALY进行计算，得出各治疗方案的成本-效果比（CER），即每获得一个QALY所花费的成本。同时，采用增量成本-效果比（ICER）来比较不同治疗方案的经济性，ICER表示每增加一个单位的效果（QALY）所需额外花费的成本。将ICER与预设的阈值进行比较，若ICER低于阈值，则认为增加成本获得的效果是值得的，新方案具有成本效果优势。3.1.3决策树模型的构建决策树模型是一种基于树形结构的决策分析工具，能够直观地展示不同治疗方案的决策过程和可能的结果。在本研究中，决策树模型的结构主要包括决策节点、机会节点、结局节点及各分支的概率和成本-效果值。决策节点表示医生或患者在治疗过程中需要做出的决策，如选择方案A还是方案B进行治疗。机会节点代表治疗过程中可能出现的不同事件，这些事件的发生具有一定的概率。例如，在方案A和方案B中，患者都有可能出现成功妊娠、未妊娠和发生并发症等情况，这些情况对应的节点即为机会节点。结局节点表示治疗的最终结果，如成功妊娠并分娩健康婴儿、未妊娠、因并发症终止治疗等。各分支的概率通过查阅相关文献和临床数据进行估计。如根据已有的研究报道，方案A的临床妊娠率为[X3]，方案B的临床妊娠率为[X4]；方案A的并发症发生率为[X5]，方案B的并发症发生率为[X6]。各分支的成本-效果值则通过对成本和效果的计算得出。以成功妊娠分支为例，计算成功妊娠情况下方案A和方案B的成本（包括药物费用、检查费用、治疗费用等），并结合成功妊娠的效用值计算QALY，从而得出该分支的成本-效果比。通过构建决策树模型，可以清晰地看到不同治疗方案在不同事件发生概率下的成本和效果情况，为药物经济学评价提供直观的分析框架。决策树模型的具体结构如图10所示。[此处插入决策树模型图10][此处插入决策树模型图10]3.1.4意愿支付（willingnesstopay，WTP）意愿支付（WTP）是指个人或社会为了获得某种健康效益或避免某种健康损失而愿意支付的最大货币量。在药物经济学评价中，WTP常用于确定成本-效果分析中的阈值，即判断一种治疗方案是否具有成本效益的标准。如果一种治疗方案的增量成本-效果比（ICER）低于WTP阈值，则认为该方案在经济上是可接受的。确定WTP值的方法主要有支付意愿调查法、显示偏好法和参考其他国家或地区的阈值等。支付意愿调查法通过问卷调查、访谈等方式直接询问受访者对某种健康效益的支付意愿；显示偏好法通过观察人们在实际生活中的消费行为来推断其对健康效益的支付意愿。在本研究中，参考我国的人均国内生产总值（GDP）以及相关卫生经济学研究，设定WTP阈值为我国人均GDP的[X7]倍。这一设定依据是基于我国的经济发展水平和卫生资源状况，同时考虑到不同地区的经济差异，在一定范围内对WTP值进行敏感性分析，以评估不同WTP值对治疗方案经济性评价结果的影响。3.1.5敏感性分析敏感性分析是药物经济学评价中的重要环节，其目的是评估模型中各种参数的不确定性对分析结果的影响，以确定结果的稳定性和可靠性。在本研究中，主要对成本、效果和概率等参数进行敏感性分析。对于成本参数，考虑到药物价格、医疗服务收费标准等可能会随着时间和地区的不同而发生变化，分别对方案A和方案B的直接医疗成本、直接非医疗成本和间接成本进行±[X8]%的变动。例如，将方案A的药物费用增加[X8]%，重新计算其成本-效果比和增量成本-效果比，观察结果的变化情况。对于效果参数，由于不同研究对治疗方案的效果评估可能存在差异，对成功妊娠、未妊娠等不同结局的效用值进行±[X9]%的变动。比如，将成功妊娠的效用值降低[X9]%，分析其对成本-效果分析结果的影响。对于概率参数，根据不同研究报道的临床妊娠率、并发症发生率等概率的波动范围，对决策树模型中各机会节点的概率进行±[X10]%的变动。如将方案A的临床妊娠率提高[X10]%，重新计算模型，观察不同治疗方案的成本效果情况。通过对这些参数的敏感性分析，绘制敏感性分析图，直观展示参数变化对结果的影响程度。如果在参数的合理变动范围内，治疗方案的成本效果排序未发生改变，则说明分析结果较为稳定可靠；反之，则需要进一步分析不确定性因素对决策的影响。3.1.6蒙特卡罗模拟（MonteCarloSimulation，MCS）蒙特卡罗模拟是一种基于随机抽样的数值计算方法，通过对大量随机样本的模拟来估计复杂系统的行为和结果。在药物经济学评价中，蒙特卡罗模拟常用于进行概率敏感性分析，以处理模型中参数的不确定性。其原理是根据预先设定的参数概率分布，对每个参数进行多次随机抽样，每次抽样后重新计算决策树模型的成本和效果，得到一组模拟结果。重复这一过程多次（如1000次或更多），得到大量的模拟结果。通过对这些模拟结果的统计分析，可以得到成本-效果比和增量成本-效果比的概率分布，从而更全面地评估治疗方案的经济性和不确定性。在本研究中，使用蒙特卡罗模拟进行概率敏感性分析的过程如下：首先，确定模型中需要进行随机抽样的参数，包括成本参数（如药物费用、检查费用等）、效果参数（如不同结局的效用值）和概率参数（如临床妊娠率、并发症发生率等），并根据相关文献和数据确定每个参数的概率分布类型，如正态分布、均匀分布等。然后，利用统计软件（如Stata、R等）进行1000次或更多次的随机抽样，每次抽样后重新计算决策树模型的成本和效果，得到1000组或更多组的模拟结果。最后，对这些模拟结果进行统计分析，计算成本-效果比和增量成本-效果比的均值、中位数、标准差、95%置信区间等统计指标，绘制成本-效果可接受曲线（CEAC）。CEAC可以直观地展示在不同WTP阈值下，各治疗方案成为最优方案的概率，为决策者提供更全面的信息。3.1.7统计学分析和决策树分析软件本研究使用Stata15.0统计软件进行数据的统计分析，使用TreeAgePro2020软件进行决策树模型的构建和分析。在Stata15.0软件中，首先对收集到的成本和效果相关数据进行整理和录入，检查数据的完整性和准确性。然后，运用描述性统计分析方法，计算成本和效果指标的均值、标准差、中位数等统计量，对数据的基本特征进行描述。在进行敏感性分析时，利用Stata15.0软件的编程功能，编写相应的程序代码，实现对成本、效果和概率等参数的变动模拟，并计算不同参数组合下的成本-效果比和增量成本-效果比。最后，将敏感性分析结果以表格和图形的形式进行展示，以便直观地分析参数变化对结果的影响。在TreeAgePro2020软件中，按照决策树模型的结构，依次创建决策节点、机会节点和结局节点。在节点的属性设置中，准确输入各分支的概率、成本和效果值等参数。通过软件的计算功能，自动计算各治疗方案的成本-效果比和增量成本-效果比。在进行蒙特卡罗模拟时，在软件的模拟设置选项中，设定模拟次数（如1000次）和参数的概率分布类型，软件将自动进行随机抽样和模型计算，生成模拟结果。模拟结果以表格和图形的形式呈现，包括成本-效果比和增量成本-效果比的统计指标、成本-效果可接受曲线等，便于对治疗方案的经济性进行全面评估。3.2结果3.2.1两种药物对POR患者促排卵治疗的决策树本研究构建的决策树模型用于模拟DHEA联合常规促排卵药物治疗方案（方案A）和单纯常规促排卵药物治疗方案（方案B）对卵巢储备功能低下（DOR）患者的促排卵治疗过程，清晰展示了两种治疗方案的决策路径和可能的治疗结局。决策树的起始节点为决策节点，代表医生和患者面临的治疗方案选择，即选择方案A或方案B。从该决策节点延伸出两条分支，分别对应方案A和方案B。在方案A分支中，首先遇到的是机会节点，表示治疗过程中可能出现的不同事件。根据相关文献和临床数据估计，患者接受方案A治疗后，成功妊娠的概率为[X1]，未妊娠的概率为[X2]，发生并发症的概率为[X3]。若患者成功妊娠，后续进入妊娠结局分支，包括分娩健康婴儿、发生流产等情况，相应的概率分别为[X4]和[X5]。若患者未妊娠，则结束治疗，对应结局节点。若发生并发症，则根据并发症的严重程度进行相应处理，可能导致治疗终止或调整治疗方案，对应不同的结局节点。在方案B分支中，同样设置机会节点，患者接受方案B治疗后，成功妊娠的概率为[X6]，未妊娠的概率为[X7]，发生并发症的概率为[X8]。后续的妊娠结局分支和处理方式与方案A类似。各分支的概率通过广泛查阅相关文献和收集临床数据进行综合估计。例如，对于成功妊娠概率的估计，参考了多个大型临床研究中不同治疗方案的妊娠率数据，并结合本地区的实际医疗情况进行调整。在确定各分支的成本-效果值时，详细计算了每个治疗路径下的成本和效果。成本方面，全面考虑了直接医疗成本，如DHEA和常规促排卵药物的费用、检查费用、治疗费用等；直接非医疗成本，如患者的交通费用、食宿费用等；间接成本，如因疾病导致的误工损失等。效果指标采用质量调整生命年（QALY）来综合衡量，通过确定不同健康状态下的效用值，结合患者的治疗结局和生存时间进行计算。以成功妊娠并分娩健康婴儿的分支为例，假设其效用值为[X9]，计算该路径下的总成本为[总成本值]，则该分支的成本-效果比为[总成本值]/[X9]。决策树模型的具体结构如图10所示。[此处插入决策树模型图10][此处插入决策树模型图10]3.2.2两种治疗方案的成本-效果分析对两种治疗方案的成本、效果及成本-效果比进行详细计算和分析，结果如表3所示。方案A的总成本为[方案A总成本值]元，其中直接医疗成本为[直接医疗成本值]元，主要包括DHEA的药物费用[DHEA药物费用值]元以及常规促排卵药物费用[常规促排卵药物费用值]元，检查费用[检查费用值]元，治疗费用[治疗费用值]元等；直接非医疗成本为[直接非医疗成本值]元，涵盖患者往返医院的交通费用[交通费用值]元，在治疗期间的食宿费用[食宿费用值]元等；间接成本为[间接成本值]元，例如患者因治疗请假导致的误工损失[误工损失值]元。方案A的效果指标，即质量调整生命年（QALY）为[方案AQALY值]。由此计算得出方案A的成本-效果比（CER）为[方案ACER值]元/QALY。方案B的总成本为[方案B总成本值]元，直接医疗成本为[直接医疗成本值]元，主要是常规促排卵药物费用[常规促排卵药物费用值]元，检查费用[检查费用值]元，治疗费用[治疗费用值]元等；直接非医疗成本为[直接非医疗成本值]元；间接成本为[间接成本值]元。方案B的QALY为[方案BQALY值]，成本-效果比为[方案BCER值]元/QALY。通过比较两种方案的成本-效果比，方案A的CER低于方案B，表明在获得相同单位效果（QALY）的情况下，方案A所需花费的成本更低，具有一定的经济学优势。然而，仅通过成本-效果比的比较还不能完全确定方案A就是最优选择，还需要进一步考虑增量成本-效果比（ICER）。增量成本-效果比（ICER）是指每增加一个单位的效果（QALY）所需额外花费的成本。计算方案A相对于方案B的ICER为（[方案A总成本值]-[方案B总成本值]）/（[方案AQALY值]-[方案BQALY值]）=[ICER值]元/QALY。将ICER与预设的阈值进行比较，本研究预设阈值为我国人均GDP的[X]倍（假设人均GDP为[人均GDP值]元，则阈值为[阈值具体值]元/QALY）。若ICER低于阈值，则认为方案A在增加成本的同时获得的效果提升是值得的，方案A更具成本效果优势；若ICER高于阈值，则需要进一步权衡成本和效果，考虑其他因素来做出决策。[此处插入两种治疗方案成本-效果分析表3][此处插入两种治疗方案成本-效果分析表3]3.2.3两种治疗方案的敏感性分析敏感性分析旨在评估成本、效果和概率等参数变化对成本-效果比的影响，以确定分析结果的稳定性和可靠性。对方案A和方案B的直接医疗成本、直接非医疗成本和间接成本分别进行±10%的变动，结果如表4所示。当方案A的直接医疗成本增加10%时，总成本变为[新方案A总成本值1]元，QALY不变仍为[方案AQALY值]，成本-效果比变为[新方案ACER值1]元/QALY；当直接医疗成本减少10%时，总成本变为[新方案A总成本值2]元，成本-效果比变为[新方案ACER值2]元/QALY。同理，对直接非医疗成本和间接成本进行变动时，也会相应改变总成本和成本-效果比。对于方案B，按照相同的方式进行成本参数变动，也得到一系列新的成本-效果比。对成功妊娠、未妊娠等不同结局的效用值进行±10%的变动。假设成功妊娠的效用值增加10%，变为[新成功妊娠效用值]，方案A的QALY变为[新方案AQALY值1]，在成本不变的情况下，成本-效果比变为[新方案ACER值3]元/QALY；当成功妊娠效用值减少10%时，QALY变为[新方案AQALY值2]，成本-效果比变为[新方案ACER值4]元/QALY。对方案B同样进行效用值变动分析。对决策树模型中各机会节点的概率进行±10%的变动。例如，将方案A的临床妊娠率提高10%，从[X1]变为[X1新值]，重新计算决策树模型，得到新的成本和效果值，进而计算出新的成本-效果比。当临床妊娠率降低10%时，重复上述计算过程。对方案B的各概率参数也进行同样的变动和计算。通过对这些参数的敏感性分析，绘制敏感性分析图（如图11所示）。从图中可以直观地看出，在成本、效果和概率等参数的合理变动范围内，方案A的成本-效果比始终低于方案B，两种治疗方案的成本效果排序未发生改变。这表明本研究的分析结果较为稳定可靠，在不同参数情况下，方案A在经济学方面仍具有一定优势。[此处插入敏感性分析结果表4][此处插入敏感性分析图图11][此处插入敏感性分析结果表4][此处插入敏感性分析图图11][此处插入敏感性分析图图11]3.2.4概率敏感性分析采用蒙特卡罗模拟进行概率敏感性分析，设定模拟次数为1000次。根据预先设定的参数概率分布，对成本参数（如药物费用、检查费用等）、效果参数（如不同结局的效用值）和概率参数（如临床妊娠率、并发症发生率等）进行随机抽样。每次抽样后重新计算决策树模型的成本和效果，得到1000组模拟结果。对这些模拟结果进行统计分析，计算成本-效果比和增量成本-效果比的均值、中位数、标准差、95%置信区间等统计指标，结果如表5所示。方案A成本-效果比的均值为[方案A成本-效果比均值]元/QALY，中位数为[方案A成本-效果比中位数]元/QALY，标准差为[方案A成本-效果比标准差]，95%置信区间为（[方案A成本-效果比下限]，[方案A成本-效果比上限]）；方案B成本-效果比的均值为[方案B成本-效果比均值]元/QALY，中位数为[方案B成本-效果比中位数]元/QALY，标准差为[方案B成本-效果比标准差]，95%置信区间为（[方案B成本-效果比下限]，[方案B成本-效果比上限]）。方案A相对于方案B的增量成本-效果比均值为[增量成本-效果比均值]元/QALY，中位数为[增量成本-效果比中位数]元/QALY，标准差为[增量成本-效果比标准差]，95%置信区间为（[增量成本-效果比下限]，[增量成本-效果比上限]）。根据模拟结果绘制成本-效果可接受曲线（CEAC），如图12所示。CEAC直观地展示了在不同意愿支付（WTP）阈值下，各治疗方案成为最优方案的概率。在横坐标表示WTP阈值，纵坐标表示方案成为最优方案的概率。从图中可以看出，随着WTP阈值的逐渐增加，方案A成为最优方案的概率逐渐增大。当WTP阈值低于[阈值1]元/QALY时，方案B成为最优方案的概率相对较高；当WTP阈值高于[阈值2]元/QALY时，方案A成为最优方案的概率超过90%。这表明在不同的经济承受能力和价值判断下，两种治疗方案的经济性表现有所不同。当社会或患者愿意为获得一个单位的QALY支付较高的费用时，方案A在经济上更具优势；而当支付意愿较低时，方案B可能是更合适的选择。[此处插入概率敏感性分析结果表5][此处插入成本-效果可接受曲线图图12][此处插入概率敏感性分析结果表5][此处插入成本-效果可接受曲线图图12][此处插入成本-效果可接受曲线图图12]3.3讨论本研究通过构建决策树模型，对DHEA联合常规促排卵药物治疗方案（方案A）和单纯常规促排卵药物治疗方案（方案B）进行药物经济学分析，结果显示方案A在成本-效果方面具有一定优势。方案A的成本-效果比低于方案B，且在敏感性分析中，在成本、效果和概率等参数的合理变动范围内，方案A的成本-效果优势保持稳定。概率敏感性分析进一步表明，随着意愿支付（WTP）阈值的增加，方案A成为最优方案的概率逐渐增大。从成本构成来看，方案A中DHEA的药物费用虽然增加了直接医疗成本，但通过提高临床妊娠率和活产率，减少了因未妊娠而导致的后续治疗成本以及间接成本，如患者多次治疗的误工损失等。这说明DHEA的使用虽然在前期增加了一定的费用，但从整体治疗过程和结局来看，可能带来更好的经济效益。从效果方面，DHEA联合常规促排卵药物治疗方案能够显著提高卵巢储备功能低下患者的临床妊娠率和活产率，降低流产率，从而增加了患者获得健康婴儿的机会，提高了患者的生活质量，以质量调整生命年（QALY）衡量的效果指标也更高。然而，本研究也存在一定的局限性。在成本数据收集方面，虽然尽可能全面地考虑了直接医疗成本、直接非医疗成本和间接成本，但部分成本数据可能存在一定的不确定性。如间接成本中患者的误工损失，由于不同患者的职业、收入水平差异较大，难以精确估算。在效果指标方面，QALY的计算依赖于效用值的确定，而效用值的获取主要通过文献回顾和专家咨询，存在一定的主观性。而且，本研究仅考虑了两种治疗方案，未对其他可能的治疗方案进行比较，分析结果的普适性可能受到一定限制。不同地区的医疗资源分布、医疗收费标准以及患者的经济承受能力存在差异，这可能影响治疗方案的成本和患者对治疗方案的选择。未来的研究可以进一步完善成本数据的收集，采用更科学的方法估算间接成本和直接非医疗成本。在效果指标方面，可以开展大规模的调查研究，获取更准确的效用值。扩大研究范围，纳入更多的治疗方案进行比较，以提供更全面的药物经济学评价。结合不同地区的实际情况，进行地区特异性的药物经济学分析，为不同地区的临床决策提供更具针对性的依据。本研究的药物经济学分析为卵巢储备功能低下患者的治疗方案选择提供了有价值的参考，但仍需要进一步的研究来完善和优化。3.4结论本研究通过构建决策树模型对DHEA联合常规促排卵药物治疗方案（方案A）和单纯常规促排卵药物治疗方案（方案B）进行药物经济学分析，结果表明方案A在成本-效果方面具有一定优势。从成本-效果比来看，方案A低于方