基于高效嵌套蒙特卡洛的样本信息期望值计算：教程
统计方法学
2018-04-26 v2
摘要
目的：样本信息期望值（EVSI）量化了通过收集额外信息来减少健康经济模型不确定性的经济效益。这有可能改善研究预算的分配。尽管如此，实际的 EVSI 评估十分有限，部分原因在于使用“金标准”嵌套模拟方法估计该值的计算成本。然而，Heath 等人近期开发了一种估计流程，减少了该“金标准”计算所需的模拟次数。迄今为止，这一新方法仅以纯技术术语呈现。研究设计：本研究展示该新方法的实际应用以辅助其实施。我们使用一个算例来说明 EVSI 估计流程的关键步骤，随后讨论其在使用实际健康经济模型时的最优实施。方法：该算例基于一个三参数线性健康经济模型。更现实的模型评估了一种旨在减少患者所经历副作用数量的新化疗方案的成本效益。我们使用马尔可夫模型结构来评估经历副作用的健康经济特征。结果：该 EVSI 估计方法即使在更复杂的模型结构下，也能在可行计算时间（数秒对比数天）内提供准确估计。即使计算成本固定，使用更多嵌套样本时 EVSI 估计也更准确。结论：该新方法降低了通过嵌套模拟估计 EVSI 的计算成本。
引用
@article{arxiv.1709.02319,
title = {Calculating the Expected Value of Sample Information using Efficient Nested Monte Carlo: A Tutorial},
author = {Anna Heath and Gianluca Baio},
journal= {arXiv preprint arXiv:1709.02319},
year = {2018}
}