利用集成嵌套拉普拉斯近似估算卫生经济评估中的部分完美信息期望值
应用统计
2016-11-07 v2
摘要
部分完美信息期望值 (EVPPI) 是一种决策理论度量，用于衡量决策中参数不确定性的“成本”，主要应用于卫生经济决策。尽管有这种决策理论基础，EVPPI 计算在实际中的应用仍然缓慢。这部分是由于通过蒙特卡洛模拟估算 EVPPI 所需的计算时间过长。然而，最近的进展表明，EVPPI 可以通过非参数回归方法进行估算，这显著减少了近似 EVPPI 所需的计算时间。在某些情况下，建议使用高维高斯过程回归，但这仍然可能极其昂贵。应用空间统计学中开发的快速计算方法，使用集成嵌套拉普拉斯近似 (INLA) 并将输入空间从高维投影到低维，使我们能够减少拟合这些高维高斯过程的计算时间，通常是大幅减少。我们证明，使用我们的高斯过程回归方法计算的 EVPPI 与标准高斯过程回归方法一致，并且尽管这种新方法在方法论上看似复杂，但 BCEA 软件包中提供了 R 函数，可以简单高效地实现它。
引用
@article{arxiv.1504.05436,
title = {Estimating the Expected Value of Partial Perfect Information in Health Economic Evaluations using Integrated Nested Laplace Approximation},
author = {Anna Heath and Ioanna Manolopoulou and Gianluca Baio},
journal= {arXiv preprint arXiv:1504.05436},
year = {2016}
}